CCA：在公开 EEG 数据集上的结果

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。

测量所用数据集：BETA、Wearable SSVEP BCI dataset (dry and wet electrodes)、Mobile BCI dataset (SSVEP and ERP paradigms) · 协议：SSVEP · 8 通道、SSVEP · 4 通道

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

只在组内比较：不同组的任务、队列、随机水平与电极布局可能不同。只有 95% 区间不重叠时，才说一行高于另一行。

BETA · 核心矩阵 · SSVEP，8 通道

来源页面：核心矩阵协议：SSVEP · 8 通道 · 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

来源页面：核心矩阵协议：SSVEP · 4 通道 · 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

BETA · 可靠的决策 · 什么时候该拒绝作出决定

来源页面：何时不该执行 · reliable-decisions-update.json

方法	条件	指标	数值	被试
Standard CCA	固定阈值：校准后的置信度不低于 0.8	被接受的试次	3,176 / 11,200没有任何试次被接受的被试：0 名（共 70 名）。	70
Standard CCA	可学习的拒识选项减校准后的置信度，同一分类器	最有把握的 80% 中的错误率，差值（百分点）	+0.3 pp−0.3 pp–+1.0 pp不能认定有差异：区间包含零。	70

局限：设计上各目标的先验均匀；这是实验室里按提示节奏进行的拼写，没有空闲状态，所以给不出任何形式的误触发数字。校准数据是与测试被试不重叠的内层折外分数（交叉拟合）。内层模型只见过约 3/4 的训练被试，所以可能比被测试分数的完整模型更不自信。这一近似体现在每一个经过校准的数字里。拒绝已知类别上可能判错的试次，不等于识别陌生的输入：不确定性阈值未必能标出没见过的类别（https://arxiv.org/abs/2603.13324）。第一条路线不作任何分布外的声明。只有配对的 95% 被试 bootstrap 区间不含 0 时，一个对比才称为有差异（不做多重比较校正）；否则写作“不能认定有差异”。只有区间不重叠时，才说一行高于另一行；描述性的数值也从不称为差异。第一条路线的全部局限 →

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

来源页面：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（如有）为随机水平。

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

来源页面：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（如有）为随机水平。

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

来源页面：移动中的解码 · deployment-topics.json

CCA（按原作者设置） · 站立 · 头皮 · 8 通道

88.7% (80.0%–95.9%)

CCA（按原作者设置） · 慢走 · 0.8 m/s · 头皮 · 8 通道

82.9% (74.3%–90.4%)

CCA（按原作者设置） · 快走 · 1.6 m/s · 头皮 · 8 通道

80.9% (72.0%–88.8%)

CCA（按原作者设置） · 站立 · 耳部 · 14 通道

53.1% (47.4%–59.6%)

CCA（按原作者设置） · 慢走 · 0.8 m/s · 耳部 · 14 通道

43.4% (39.6%–47.8%)

CCA（按原作者设置） · 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（如有）为随机水平。

方法	条件	指标	数值	被试
CCA（按原作者设置）	站立 · 头皮 · 8 通道	平衡准确率	88.7%80.0%–95.9%	23
CCA（按原作者设置）	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	82.9%74.3%–90.4%	23
CCA（按原作者设置）	快走 · 1.6 m/s · 头皮 · 8 通道	平衡准确率	80.9%72.0%–88.8%	23
CCA（按原作者设置）	站立 · 耳部 · 14 通道	平衡准确率	53.1%47.4%–59.6%	23
CCA（按原作者设置）	慢走 · 0.8 m/s · 耳部 · 14 通道	平衡准确率	43.4%39.6%–47.8%	23
CCA（按原作者设置）	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

来源页面：移动中的解码 · deployment-topics.json

CCA（按原作者设置） · 站立 · 头皮 · 8 通道

82.3% (74.6%–89.4%)

CCA（按原作者设置） · 慢走 · 0.8 m/s · 头皮 · 8 通道

70.7% (62.3%–78.6%)

CCA（按原作者设置） · 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（如有）为随机水平。

方法	条件	指标	数值	被试
CCA（按原作者设置）	站立 · 头皮 · 8 通道	平衡准确率	82.3%74.6%–89.4%	23
CCA（按原作者设置）	慢走 · 0.8 m/s · 头皮 · 8 通道	平衡准确率	70.7%62.3%–78.6%	23
CCA（按原作者设置）	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 →

引用本页

BCI Report. CCA：在公开 EEG 数据集上的结果[EB/OL]. (2026-10-04). https://bci.report/zh/methods/cca/

数字来自发布 reliable-decisions-update-20261004（2026-10-04）、deployment-topics-20260920-v1（2026-09-20）、research-preview-20260920（2026-09-20）。也请同时引用上游数据集：每个数据集页面都写明了署名。

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）