湿电极 · 12 个校准试次
15.3%
平衡准确率 15.3%被试平均平衡准确率
95% 区间 13.7%–17.1%适配预算 · 共同的后续测试组块
需要多少校准？
增加校准试次的价值并不是一个固定值。在这个 12 目标可穿戴协议上，仅用目标被试数据的 spectral ridge（频谱特征岭回归）逐步提升，但始终偏低；单频带集成 TRCA 在湿电极上从 24 增加到 48 个校准试次时提升明显，在干电极上只有小幅提升。
仅用目标被试数据的 spectral ridge
12、24 与 48 个校准试次
每名目标被试的模型只用该被试自己的有标签校准记录训练。所有条件都在相同的后续组块（第 5–10 组块）上评测，共 102 名被试、7,344 个测试试次。
湿电极 · 24 个校准试次
18.2%
平衡准确率 18.2%被试平均平衡准确率
95% 区间 15.9%–20.7%湿电极 · 48 个校准试次
21.3%
平衡准确率 21.3%被试平均平衡准确率
95% 区间 18.3%–24.5%干电极 · 12 个校准试次
15.0%
平衡准确率 15.0%被试平均平衡准确率
95% 区间 13.6%–16.5%干电极 · 24 个校准试次
18.3%
平衡准确率 18.3%被试平均平衡准确率
95% 区间 16.3%–20.7%干电极 · 48 个校准试次
21.8%
平衡准确率 21.8%被试平均平衡准确率
95% 区间 19.3%–24.5%试次数不等于分钟数。导出数据记录的是每名被试 12、24 或 48 个校准试次，并不据此推算校准需要多长时间。
单独的对照组
零个校准试次，即仅源域迁移
校准预算为零的 spectral ridge 各行，使用的是在其他被试、单一源传感器上训练好的模型。它们不是目标被试逐步增加校准数据的学习曲线起点。
| 训练来源 | 在湿电极上测试 | 在干电极上测试 |
|---|---|---|
| 以湿电极为源域仅使用其他被试 | 39.2%35.4%–43.0% | 35.4%32.0%–39.0% |
| 以干电极为源域仅使用其他被试 | 39.0%35.2%–42.9% | 37.2%33.6%–40.9% |
方法很关键
单频带 eTRCA 的反应不同
仅用目标被试数据的 eTRCA 组使用 24 或 48 个校准试次，并在相同的后续测试组块上评测。零校准试次的 CCA 是免训练参考方法，不是未经拟合的 eTRCA。
+24.2 pp湿电极 eTRCA：48 减 24 个校准试次
增加校准预算对湿电极帮助大得多
被试配对区间为 +19.7 至 +28.8 pp。干电极 eTRCA 提升了 +2.7 pp，区间 +1.3 至 +4.2 pp。两个校准后的结果都没有超过同一测试组块上的免训练 CCA 参考。
| 方法与目标被试校准试次 | 湿电极 | 干电极 |
|---|---|---|
| CCA · 0 个校准试次直接作用于目标记录的免训练参考 | 81.1%77.2%–84.8% | 65.1%60.0%–70.0% |
| Single-band eTRCA · 24 个校准试次仅用目标被试数据适配 | 39.8%34.1%–45.8% | 12.4%10.4%–15.0% |
| Single-band eTRCA · 48 个校准试次仅用目标被试数据适配 | 64.0%57.1%–70.7% | 15.1%12.6%–18.2% |
方法与局限
校准预算曲线说明什么，不说明什么
所有结果都绑定在一个预先冻结的协议上，描述的是这些方法、传感器和固定测试组块下的校准试次预算。
零校准试次背后的机制不同
预算为零的 spectral ridge 是仅源域的监督迁移；预算为零的 CCA 是直接作用于目标记录的免训练参考。两者都不应与仅用目标被试数据的结果连成同一个模型的学习曲线。
「仅目标被试」名副其实
12/24/48 的 spectral ridge 与 24/48 的 eTRCA 只拟合目标被试自己的校准记录，然后在第 5–10 组块上测试。
预先指定的单一频带
eTRCA 使用固定的 6–80 Hz 预处理频带，而不是参考代码库中的三子带滤波器组实验，所以较低的分数并不代表 TRCA 经过优化后的上限。
描述性区间
bootstrap 区间概括的是本协议下的被试间分布，不包含重新训练带来的不确定性，也不能推出其他头戴设备的通用校准需求。
An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces
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
Zhu, F., Jiang, L., Dong, G., Gao, X., & Wang, Y. (2021). An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces. Sensors, 21(4), 1256. https://doi.org/10.3390/s21041256
2026-09-20 获取的清华作者官方镜像快照 · CC BY 4.0。仅发布聚合结果。
数据来源： 已审核的聚合 JSON · schema bci-report-public-deployment-topics-v1 · 生成于 2026-09-20。