BCI Report12 目标 SSVEP，干电极与湿电极
一个开放的可穿戴 SSVEP 数据集：102 名健康被试在提示引导下完成 12 目标 SSVEP 任务（9.25–14.75 Hz），分别用湿电极和干电极各记录 10 个连续组块的 8 通道 EEG。被试通过 2020 年世界机器人大赛中的 BCI 脑控机器人大赛招募。由 Zhu 等人于 2021 年发表于 Sensors，数据托管于 figshare。
又称 Wearable SSVEP BCI Dataset · An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces · figshare 13560281 · Zhu et al. (2021)
简介来源 figshare.com · pmc.ncbi.nlm.nih.gov · doi.org · bci.med.tsinghua.edu.cn
每个数字都直接取自所在组列出的已审核下载文件。只有 95% 区间不重叠时，才说一行高于另一行。
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| 均匀随机对照 | 湿电极记录 · 无源域训练 | 平衡准确率 | 8.6%8.1%–9.1% | 102 |
| 均匀随机对照 | 干电极记录 · 无源域训练 | 平衡准确率 | 8.1%7.6%–8.6% | 102 |
| 同频功率对照 | 湿电极记录 · 无源域训练 | 平衡准确率 | 39.8%35.4%–44.3% | 102 |
| 同频功率对照 | 干电极记录 · 无源域训练 | 平衡准确率 | 36.0%31.8%–40.2% | 102 |
| CCA | 湿电极记录 · 无源域训练 | 平衡准确率 | 81.6%77.7%–85.1% | 102 |
| CCA | 干电极记录 · 无源域训练 | 平衡准确率 | 65.5%60.6%–70.2% | 102 |
| FBCCA | 湿电极记录 · 无源域训练 | 平衡准确率 | 82.3%78.7%–85.7%五个 4 阶巴特沃斯子带（6–80 至 38–80 Hz），四次谐波 | 102 |
| FBCCA | 干电极记录 · 无源域训练 | 平衡准确率 | 64.6%59.5%–69.6%五个 4 阶巴特沃斯子带（6–80 至 38–80 Hz），四次谐波 | 102 |
| Spectral ridge | 湿电极训练，湿电极测试 | 平衡准确率 | 40.3%36.5%–44.3% | 102 |
| Spectral ridge | 湿电极训练，干电极测试 | 平衡准确率 | 35.2%31.8%–38.8% | 102 |
| Spectral ridge | 干电极训练，干电极测试 | 平衡准确率 | 37.2%33.5%–41.0% | 102 |
| Spectral ridge | 干电极训练，湿电极测试 | 平衡准确率 | 39.7%35.9%–43.6% | 102 |
| EEGNet | 湿电极训练，湿电极测试 | 平衡准确率 | 75.0%70.3%–79.5% | 102 |
| EEGNet | 湿电极训练，干电极测试 | 平衡准确率 | 45.6%40.5%–50.8% | 102 |
| EEGNet | 干电极训练，湿电极测试 | 平衡准确率 | 64.0%59.1%–68.8% | 102 |
| EEGNet | 干电极训练，干电极测试 | 平衡准确率 | 56.8%51.9%–61.6% | 102 |
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| Spectral ridge | 仅源域，湿电极训练，湿电极测试 | 平衡准确率 | 39.2%35.4%–43.0% | 102 |
| Spectral ridge | 仅源域，湿电极训练，干电极测试 | 平衡准确率 | 35.4%32.0%–39.0% | 102 |
| Spectral ridge | 仅源域，干电极训练，湿电极测试 | 平衡准确率 | 39.0%35.2%–42.9% | 102 |
| Spectral ridge | 仅源域，干电极训练，干电极测试 | 平衡准确率 | 37.2%33.6%–40.9% | 102 |
| Spectral ridge | 12 个校准试次 · 湿电极 | 平衡准确率 | 15.3%13.7%–17.1% | 102 |
| Spectral ridge | 24 个校准试次 · 湿电极 | 平衡准确率 | 18.2%15.9%–20.7% | 102 |
| Spectral ridge | 48 个校准试次 · 湿电极 | 平衡准确率 | 21.3%18.3%–24.5% | 102 |
| Spectral ridge | 12 个校准试次 · 干电极 | 平衡准确率 | 15.0%13.6%–16.5% | 102 |
| Spectral ridge | 24 个校准试次 · 干电极 | 平衡准确率 | 18.3%16.3%–20.7% | 102 |
| Spectral ridge | 48 个校准试次 · 干电极 | 平衡准确率 | 21.8%19.3%–24.5% | 102 |
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| CCA 加学习修正 | 干电极 · 在 BETA 上训练，原样运行 | 准确率 | 65.45%60.82%–70.08% | 102 |
| 匹配 CCA对照 | 干电极 · 无需训练 | 准确率 | 65.38%60.73%–70.06% | 102 |
| CCA 加学习修正 | 干电极 · 「CCA 加学习修正」减「匹配 CCA」，相同被试与时间窗（主要对比） | 配对差值（百分点），准确率 | +0.07 pp−0.71–+0.91 pp区间包含零。 | 102 |
| 裁剪谱核查（Wearable-102）对照 | 干电极 · 无需训练，仅作诊断 | 准确率 | 57.78%52.79%–62.89% | 102 |
| CCA 加学习修正 | 湿电极 · 在 BETA 上训练，原样运行 | 准确率 | 81.04%77.14%–84.49% | 102 |
| 匹配 CCA对照 | 湿电极 · 无需训练 | 准确率 | 81.65%77.60%–85.14% | 102 |
| CCA 加学习修正 | 湿电极 · 「CCA 加学习修正」减「匹配 CCA」，相同被试与时间窗（主要对比） | 配对差值（百分点），准确率 | −0.61 pp−1.48–+0.23 pp区间包含零。 | 102 |
| 裁剪谱核查（Wearable-102）对照 | 湿电极 · 无需训练，仅作诊断 | 准确率 | 73.01%68.46%–77.18% | 102 |
| CCA 加学习修正 | 两种电极合计 · 在 BETA 上训练，原样运行 | 准确率 | 73.24%69.40%–76.88% | 102 |
| 匹配 CCA对照 | 两种电极合计 · 无需训练 | 准确率 | 73.51%69.71%–77.22% | 102 |
| CCA 加学习修正 | 两种电极合计 · 「CCA 加学习修正」减「匹配 CCA」，相同被试与时间窗（次要对比） | 配对差值（百分点），准确率 | −0.27 pp−0.95–+0.40 pp区间包含零。 | 102 |
| 裁剪谱核查（Wearable-102）对照 | 两种电极合计 · 无需训练，仅作诊断 | 准确率 | 65.40%60.94%–69.69% | 102 |
这 105 个模型是在 BETA 上训练的 CCA 加学习修正（7 个被试折 × 5 种频率轮换 × 3 个训练随机种子），不重新训练，直接用在 102 名被试按存储原样的记录上：12 个目标，每种电极 12,240 个两秒时间窗。每名被试的准确率先在 105 个模型上平均，再在被试间平均，不做集成，也不挑选模型。两种方法都给定 12 个候选频率。模型的得分是缩放后的 CCA 相关系数加一个有界的学习项，所以它与匹配 CCA 的差值就是学习项带来的变化。区间：配对的被试 bootstrap，2,000 次抽样，以这 105 个固定模型为条件，没有对两种电极做多重比较校正。
匹配 CCA 与模型内部的 CCA 项相同，使用到三次谐波的正弦和余弦参考信号，干电极为 65.38%、湿电极为 81.65%；「干电极与湿电极」页面的 CCA 使用到四次谐波的参考信号，在相同时间窗上为 65.47% 和 81.56%。
Wearable-102 存储的幅值单位没有文档说明，而修正部分读的是幅度谱，所以单位的影响与换数据集的影响没有分开。时间窗起点、硬件、参考电极、被试与频率网格同时改变；没有检验等效界值，也没有做单因素消融或目标域适配，所以无法归因于任何单一因素。干电极与湿电极是主要对比；两种电极合计与裁剪谱核查是次要的，后者仅作诊断。这是另一项任务、另一批记录，所以这些分数不能与 BETA 的留出频率或已见频率任务比较。Wearable-102 也出现在本站其他页面上，其文档无法排除部分被试也出现在 BETA 中。
署名 Zhu, F., Jiang, L., Dong, G., Gao, X., & Wang, Y. (2021). An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces (Version 4) [Data set]. Figshare. https://doi.org/10.6084/m9.figshare.13560281.v4
CC BY 4.0 · 数据集记录 ↗ · doi.org ↗
BCI Report 不转发任何记录。这些是 BCI Report 在上述许可下计算的聚合测量；数据仍归其创建者所有。
BCI Report. Wearable SSVEP BCI dataset (dry and wet electrodes)：EEG 解码结果[EB/OL]. (2026-10-20). https://bci.report/zh/datasets/wearable-ssvep-102/
数字来自发布 new-ssvep-frequencies-update-20261020（2026-10-20）、deployment-topics-20260920-v1（2026-09-20）。也请同时引用上游数据集：其署名就在本页。
每个发布版本都在 Zenodo 存档：doi:10.5281/zenodo.23123296。 本站及各次发布的 BibTeX → · CITATION.cff ↗（英文）