经典方法

CCA：在公开 EEG 数据集上的结果

基于 CCA 的 SSVEP 检测由清华大学 Lin、Zhang、Wu 和 Gao 提出（IEEE Transactions on Biomedical Engineering，2006），计算多通道 EEG 与各候选刺激频率及其谐波的正弦-余弦参考信号之间的典型相关系数。相关最大的频率即为判定结果；参考信号由刺激频率生成，而不是从记录的试次中学习。

又称 CCA · Standard CCA · canonical correlation analysis · Lin et al. 2006

参考文献 Lin Z, Zhang C, Wu W, Gao X. Frequency recognition based on canonical correlation analysis for SSVEP-based BCIs. IEEE Transactions on Biomedical Engineering 53(12):2610–2614, 2006. ↗

目录状态：已评测 · 本站使用的实现 ↗ · 简介来源 pubmed.ncbi.nlm.nih.gov · pubmed.ncbi.nlm.nih.gov · doi.org · doi.org · pmc.ncbi.nlm.nih.gov · github.com · iopscience.iop.org

已发布的结果

按数据集分组。只在组内比较：跨组时任务、队列、随机水平与电极布局都会变。

BETA · 核心矩阵 · SSVEP，8 通道

连同协议阅读：核心矩阵（首页） · 随机水平 2.5% · experiments.json

方法	条件	指标	数值	被试
Standard CCA	40 visual targets · 8 posterior electrodes	平衡准确率	63.1%57.2%–69.0%	70

BETA · 核心矩阵 · SSVEP，4 通道

连同协议阅读：核心矩阵（首页） · 随机水平 2.5% · experiments.json

方法	条件	指标	数值	被试
Standard CCA	40 visual targets · 4 posterior electrodes	平衡准确率	57.6%51.8%–63.5%	70

Wearable SSVEP BCI dataset (dry and wet electrodes) · 干湿电极传感器迁移

连同协议阅读：干电极与湿电极 · deployment-topics.json

CCA · 湿电极记录 · 无源域训练

81.6% (77.7%–85.1%)

CCA · 干电极记录 · 无源域训练

65.5% (60.6%–70.2%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
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

Wearable SSVEP BCI dataset (dry and wet electrodes) · 校准预算 · eTRCA 与 CCA

连同协议阅读：需要多少校准？ · deployment-topics.json

CCA · 无校准 · 干电极

65.1% (60.0%–70.0%)

CCA · 无校准 · 湿电极

81.1% (77.2%–84.8%)

平衡准确率，2 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
CCA	无校准 · 干电极	平衡准确率	65.1%60.0%–70.0%	102
CCA	无校准 · 湿电极	平衡准确率	81.1%77.2%–84.8%	102

Mobile BCI dataset (SSVEP and ERP paradigms) · 运动 · SSVEP，5 秒时间窗

连同协议阅读：移动中的解码 · deployment-topics.json

Author-style CCA · 站立 · 头皮 · 8 通道

88.7% (80.0%–95.9%)

Author-style CCA · 慢走 · 0.8 m/s · 头皮 · 8 通道

82.9% (74.3%–90.4%)

Author-style CCA · 快走 · 1.6 m/s · 头皮 · 8 通道

80.9% (72.0%–88.8%)

Author-style CCA · 站立 · 耳部 · 14 通道

53.1% (47.4%–59.6%)

Author-style CCA · 慢走 · 0.8 m/s · 耳部 · 14 通道

43.4% (39.6%–47.8%)

Author-style CCA · 快走 · 1.6 m/s · 耳部 · 14 通道

39.1% (36.7%–41.8%)

平衡准确率，6 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
Author-style CCA	站立 · 头皮 · 8 通道	平衡准确率	88.7%80.0%–95.9%	23
Author-style CCA	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	82.9%74.3%–90.4%	23
Author-style CCA	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	80.9%72.0%–88.8%	23
Author-style CCA	站立 · 耳部 · 14 通道	平衡准确率	53.1%47.4%–59.6%	23
Author-style CCA	慢走 · 0.8 m/s · 耳部 · 14 通道	平衡准确率	43.4%39.6%–47.8%	23
Author-style CCA	快走 · 1.6 m/s · 耳部 · 14 通道	平衡准确率	39.1%36.7%–41.8%	23

Mobile BCI dataset (SSVEP and ERP paradigms) · 运动 · SSVEP，2 秒时间窗

连同协议阅读：移动中的解码 · deployment-topics.json

Author-style CCA · 站立 · 头皮 · 8 通道

82.3% (74.6%–89.4%)

Author-style CCA · 慢走 · 0.8 m/s · 头皮 · 8 通道

70.7% (62.3%–78.6%)

Author-style CCA · 快走 · 1.6 m/s · 头皮 · 8 通道

68.6% (60.1%–76.7%)

平衡准确率，3 个配置。 点为估计值，横线为 95% 区间，虚线为随机水平（发布数据中有记录时）。

方法	条件	指标	数值	被试
Author-style CCA	站立 · 头皮 · 8 通道	平衡准确率	82.3%74.6%–89.4%	23
Author-style CCA	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	70.7%62.3%–78.6%	23
Author-style CCA	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	68.6%60.1%–76.7%	23

全部方法 → · 全部数据集 →