BCI Report经典方法
FBCCA：在公开 EEG 数据集上的结果
滤波器组典型相关分析（FBCCA）由 Chen、Wang、Gao、Jung 和 Gao 提出（Journal of Neural Engineering，2015），是对基于 CCA 的 SSVEP 检测的扩展：先用滤波器组把 EEG 分解为多个子带，在每个子带内计算与正弦-余弦参考信号的 CCA，再按权重合并各子带的相关系数来判定目标频率。该方法最初用于一个 40 目标的 SSVEP 拼写器。
测量所用数据集：BETA、Wearable SSVEP BCI dataset (dry and wet electrodes) · 协议：SSVEP · 8 通道、SSVEP · 4 通道
又称 FBCCA · filter bank CCA · filter bank canonical correlation analysis · Chen et al. 2015
简介来源 pubmed.ncbi.nlm.nih.gov · doi.org · iopscience.iop.org · pmc.ncbi.nlm.nih.gov · github.com
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
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| 滤波器组 CCA（FBCCA-M3-N7-H5） | 40 visual targets · 8 posterior electrodes | 平衡准确率 | 79.1%75.1%–82.8%FBCCA-M3-N7-H5 · 七个切比雪夫子带，五次谐波 · 不需要训练 · 250 Hz | 70 |
BETA · 核心矩阵 · SSVEP，4 通道
| 方法 | 条件 | 指标 | 数值 | 被试 |
|---|---|---|---|---|
| 滤波器组 CCA（FBCCA-M3-N7-H5） | 40 visual targets · 4 posterior electrodes | 平衡准确率 | 72.3%67.5%–76.9%FBCCA-M3-N7-H5 · 七个切比雪夫子带，五次谐波 · 不需要训练 · 250 Hz | 70 |
Wearable SSVEP BCI dataset (dry and wet electrodes) · 干湿电极传感器迁移
引用本页
BCI Report. FBCCA：在公开 EEG 数据集上的结果[EB/OL]. (2026-11-06). https://bci.report/zh/methods/fbcca/
数字来自发布 core-matrix-update-20261106（2026-11-06）、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）