BCI Report第三条路线 · 后续检验 · 解码器没训练过的 SSVEP 频率
在第三条路线的 BETA 队列上，六项后续检验各检验一个想法——提问方式、分类头、刺激相位、匹配计算，以及对 CCA 的学习修正；第七项把这个修正原样用于 Wearable-102。
测量所用数据集：Wearable SSVEP BCI dataset (dry and wet electrodes)
在 BETA 的留出频率上，时域 CCA 加一个小的学习修正达到 86.15%，CCA 单独为 80.90%，两者都在 8 个频率中选择（+5.24 pp，+3.91 至 +6.62；70 名被试；pp 即百分点）。同一批模型原样用于 Wearable-102，相对 CCA 的变化为干电极 +0.07 pp（−0.71 至 +0.91）、湿电极 −0.61 pp（−1.48 至 +0.23）。读参考谱或刺激相位的学习型分类头远低于 CCA。
任务、队列与名称
这些后续检验回答的是一位读者在 Hugging Face 帖子下的评论中提出的问题。
| 任务 | 候选数 | 随机水平 | 卡片 | 衡量什么 |
|---|---|---|---|---|
| 留出频率 | 8 | 12.50% | 1 · 2 · 3 · 4 · 5 · 6 | 在该轮换中训练解码器时留出的那些频率之间选择的准确率。 |
| 见过的频率（平衡） | 32 | 3.13% | 1 · 2 · 3 · 4 · 5 · 6 | 在解码器训练过的频率之间选择的平衡准确率。 |
| BETA 核心协议 | 40 | 2.50% | BETA，八个通道 · BETA，四个通道 | 核心矩阵的任务，结果在各自的协议页面上。 |
| Wearable-102 | 12 | 8.33% | 7 | 在 Wearable-102 的目标之间选择的准确率；干电极与湿电极头带分别评分。 |
| 用题号询问留出频率 | — | 无定义 | — | 题号只为训练中见过的频率而设，所以无法询问留出的频率。 |
卡片 1 至 6：BETA，70 名被试，11,200 个两秒时间窗，7 个被试折 × 5 个频率轮换（32 个见过、8 个留出）；训练的分类头各用 3 个随机种子。这些后续检验沿用第三条路线已经研究过的队列。“没见过”指解码器中经过训练的部分没有见过。
| 本页名称 | 导出代码 | 卡片 |
|---|---|---|
| 题号 | ID | 1 · 2 · 4 |
| 数值编码 | NUM | 1 · 2 · 4 |
| 标签模板 | TPL | 1 · 2 |
| 参考谱 | REF | 1 · 2 · 3 · 4 |
| 带刺激相位的参考谱 | REFc-0 | 2 · 3 |
| 固定频谱匹配（无需训练） | TEMPLATE | 1 |
| 普通频谱 | L0 | 1 · 2 · 3 · 4 |
| 复数频谱 | L0c | 2 · 3 · 4 |
| 冻结的 CBraMod 特征 | L1 | 1 |
| FiLM 分类头 | FS | 1 · 2 · 3 · 4 |
| 匹配分类头 | MATCH | 2 · 4 |
| CCA（无需训练） | CCA · CCA-RAW | 1 · 2 · 4 · 5 · 6 |
| Hann 窗 CCA | CCA-HANN-C · CCA-HANN-U | 5 |
| 裁剪谱匹配（无需训练） | SUBSPACE-CROP · CCA-CROP同一组分数：卡片 5 的导出中为 SUBSPACE-CROP，卡片 6 的导出中为 CCA-CROP | 5 · 6 |
| 通道能量平均 | CHANNEL-JOINT · CHANNEL-HARMONIC | 5 |
| 共享岭回归打分器 | SHARED-RIDGE | 5 |
| 能量分类头 | ENERGY-FS | 6 |
| 适配分类头 | ADAPT-FS | 6 |
| 加学习修正的 CCA | RAW-RESIDUAL | 6 · 7 |
| 加学习修正的裁剪谱匹配 | CROP-RESIDUAL | 6 |
| 裁剪谱检查（Wearable-102） | CCA-CROP卡片 7 的 Wearable-102 导出中的代码 | 7 |
卡片 1 · 提问方式
用 CCA 自身参考信号的频谱提问（频率本身及其二次与三次谐波上的正弦与余弦），分类头在没训练过的频率上达到 39.00%（36.07%–41.78%）。数值编码为 41.46%，CCA 为 80.90%。与数值编码配对相比，参考谱相差 −2.46 pp（−3.47 至 −1.52）。在见过频率的 32 类任务上，它的平衡准确率为 31.48%，题号为 32.06%：配对差为 −0.57 pp（−1.06 至 −0.05），在 ±2 pp 的界值内等效，同时也是一个低于零的小差值。
在冻结的 CBraMod 特征上，参考谱在没见过的频率上同样低于数值编码（−2.35 pp，−3.16 至 −1.57）。在见过的频率上，它落在界值之内，差值方向未定（+0.44 pp，−0.01 至 +0.92）。这种问法同时改变了谐波、查询的形状与大小以及分类头的大小，所以这一结果描述的是整套做法。
| 对比 | 任务 | 角色 | 差值，95% 区间 | 解读 |
|---|---|---|---|---|
| 普通频谱 · 主要 | ||||
| 参考谱 − 数值编码 | 留出频率 | 主要 | −2.46 pp−3.47 至 −1.52 | 低于零；只看差异 |
| 参考谱 − 题号 | 见过的频率（平衡） | 主要 | −0.57 pp−1.06 至 −0.05 | 低于零；在 ±2 pp 内等效 |
| 参考谱 − CCA（无需训练） | 留出频率 | 主要 | −41.90 pp−44.98 至 −38.80 | 低于零；未达到相对 CCA 的非劣界值（−2 pp） |
| 参考谱：留出 − m8 | 留出频率对 m8 | 主要 | −18.18 pp−19.64 至 −16.69 | 低于零；代价不在零的 ±2 pp 以内 |
| 冻结的 CBraMod 特征 · 次要 | ||||
| 参考谱 − 数值编码 | 留出频率 | 次要 | −2.35 pp−3.16 至 −1.57 | 低于零；只看差异 |
| 参考谱 − 题号 | 见过的频率（平衡） | 次要 | +0.44 pp−0.01 至 +0.92 | 方向未定；在 ±2 pp 内等效 |
| 参考谱 − CCA（无需训练） | 留出频率 | 次要 | −61.83 pp−65.45 至 −58.07 | 低于零；未达到相对 CCA 的非劣界值（−2 pp） |
| 参考谱：留出 − m8 | 留出频率对 m8 | 次要 | −27.50 pp−30.08 至 −24.93 | 低于零；代价不在零的 ±2 pp 以内 |
95% 区间来自对被试与各折共享的种子编号所做的 2,000 次分层配对 bootstrap 抽样（种子 20261007）。普通频谱上四项主要对比、冻结的 CBraMod 特征上四项次要对比，均未做多重比较校正。用同一参考做固定频谱匹配、不经训练，在没见过的频率上达到 28.84%。它的分数不随频率轮换而变，因此泛化代价按构造为零，CCA 也是如此。
| 实验组 | 留出频率 | m8 | 代价（留出 − m8） | 见过的频率（平衡） | nn8 | u3 |
|---|---|---|---|---|---|---|
| 普通频谱 · FiLM 分类头 · 主要 | ||||||
| 参考谱 | 39.00%36.07%–41.78% | 57.18%53.38%–60.95% | −18.18 pp−19.64 至 −16.69 | 31.48%28.28%–34.62% | 43.41%40.04%–46.58% | 19.61%18.53%–20.63% |
| 数值编码取自第三条路线 | 41.46%38.15%–44.68% | 53.76%49.87%–57.49% | −12.30 pp−13.42 至 −11.17 | 23.67%21.22%–26.09% | 40.96%37.65%–44.13% | 20.57%19.33%–21.78% |
| 题号取自第三条路线 | 无定义 | 58.58%54.75%–62.33% | 无定义 | 32.06%28.79%–35.19% | 44.32%40.84%–47.57% | 无定义 |
| 标签模板取自第三条路线 | 28.69%26.95%–30.55% | 53.13%49.57%–56.66% | −24.44 pp−26.44 至 −22.26 | 26.10%23.49%–28.59% | 39.67%36.78%–42.47% | 19.33%18.23%–20.47% |
| 冻结的 CBraMod 特征 · FiLM 分类头 · 次要 | ||||||
| 参考谱 | 19.07%18.06%–20.22% | 46.57%43.37%–49.75% | −27.50 pp−30.08 至 −24.93 | 24.68%22.02%–27.43% | 19.40%18.35%–20.52% | 24.49%23.34%–25.69% |
| 数值编码取自第三条路线 | 21.42%20.16%–22.62% | 37.58%35.01%–40.17% | −16.16 pp−17.88 至 −14.47 | 13.86%12.52%–15.22% | 21.46%20.20%–22.67% | 11.42%10.74%–12.12% |
| 题号取自第三条路线 | 无定义 | 46.08%43.04%–49.16% | 无定义 | 24.24%21.61%–26.92% | 18.28%17.30%–19.30% | 无定义 |
| 标签模板取自第三条路线 | 18.96%18.02%–19.88% | 43.23%40.20%–46.29% | −24.27 pp−26.72 至 −21.85 | 20.75%18.49%–23.09% | 20.12%18.98%–21.33% | 27.03%25.96%–28.05% |
| 无需训练 | ||||||
| CCA（无需训练）取自第三条路线 | 80.90%76.59%–84.85% | 80.90%76.59%–84.85% | 0.00 pp按构造 | 65.46%59.66%–71.08% | 66.66%61.33%–71.56% | 81.70%78.49%–84.57% |
| 固定频谱匹配（无需训练） | 28.84%26.46%–31.49% | 28.84%26.46%–31.49% | 0.00 pp按构造 | 12.85%11.18%–14.58% | 27.35%25.09%–29.93% | 31.99%29.84%–34.08% |
局限：本轮没有运行匹配（双线性）分类头与仅含基频的参考谱；卡片 2 运行了这两项。
卡片 2 · 分类头、特征与提问方式
在同样的频谱上，普通的 32 类 softmax 在见过频率上的平衡准确率为 35.90%（32.30%–39.32%）。每个问题一个输出的分类头，用同样的 softmax 损失训练，达到 31.45%；像第三条路线那样用一对其余方式训练，则为 32.16%。两者的配对差为 −0.71 pp（−1.01 至 −0.41）：差值很小，低于零，并且在 ±2 pp 的界值之内。
在普通频谱上，用匹配分类头代替 FiLM 分类头，见过频率的平衡准确率在用参考谱提问时变化 −3.60 pp（−4.37 至 −2.73），用题号提问时变化 +2.54 pp（+1.74 至 +3.37）；按协议，分类头的提升要在区间下限高于 +2 pp 时才算有意义，两项的下限都没有达到。用题号提问时，还保留了相位的复数频谱使 FiLM 分类头的见过频率平衡准确率变化 +18.03 pp（+14.13 至 +21.77），达到 50.08%；使匹配分类头变化 +21.53 pp（+17.25 至 +25.63），达到 56.14%。复数频谱还改变了维度、缩放与分类头的大小，所以这些数字描述的是整套特征做法。
在留出频率上，带有各目标刺激相位的问法使复数频谱上 FiLM 分类头的准确率相对幅度问法变化 +16.30 pp（+13.36 至 +19.32），达到 24.97%；匹配分类头变化 +15.95 pp（+13.38 至 +18.45），达到 22.47%。并列来看，两者都低于普通频谱上的参考谱（39.00%）、数值编码（41.46%）与 CCA（80.90%）；匹配分类头与 CCA 的配对差为 −58.43 pp（−62.10 至 −54.83）。
刺激相位取自 BETA 作者的更正说明，换算为余弦约定、零潜伏期；各谐波幅度相等、第 h 次谐波的相位取刺激相位的 h 倍，属于建模假设。它们是屏幕上所显示刺激的相位，问法中不含任何在头皮上测得的相位。
从参考谱中去掉二次与三次谐波，普通频谱上 FiLM 分类头的留出准确率变化 −13.27 pp（−15.04 至 −11.45），降至 25.73%；见过频率的平衡准确率变化 −3.12 pp（−3.65 至 −2.57）。
| 对比 | 任务 | 角色 | 差值，95% 区间 | 解读 |
|---|---|---|---|---|
| 分类头 · 普通频谱 | ||||
| 匹配分类头 − FiLM 分类头，用参考谱提问 | 见过的频率（平衡） | 主要 | −3.60 pp−4.37 至 −2.73 | 低于零；未达到有意义的分类头提升（下限高于 +2 pp） |
| 匹配分类头 − FiLM 分类头，用题号提问 | 见过的频率（平衡） | 主要 | +2.54 pp+1.74 至 +3.37 | 高于零；未达到有意义的分类头提升（下限高于 +2 pp） |
| 特征 · 复数频谱 − 普通频谱 | ||||
| FiLM 分类头，用参考谱提问 | 见过的频率（平衡） | 主要 | +15.81 pp+11.91 至 +19.51 | 高于零 |
| FiLM 分类头，用题号提问 | 见过的频率（平衡） | 主要 | +18.03 pp+14.13 至 +21.77 | 高于零 |
| 匹配分类头，用参考谱提问 | 见过的频率（平衡） | 主要 | +26.19 pp+21.85 至 +30.42 | 高于零 |
| 匹配分类头，用题号提问 | 见过的频率（平衡） | 主要 | +21.53 pp+17.25 至 +25.63 | 高于零 |
| 问法 · 复数频谱 | ||||
| FiLM 分类头：带刺激相位的参考谱 − 参考谱 | 留出频率 | 主要 | +16.30 pp+13.36 至 +19.32 | 高于零 |
| 匹配分类头：带刺激相位的参考谱 − 参考谱 | 留出频率 | 主要 | +15.95 pp+13.38 至 +18.45 | 高于零 |
| 匹配分类头：带刺激相位的参考谱 − 数值编码 | 留出频率 | 主要 | +12.14 pp+9.36 至 +14.82 | 高于零 |
| 用带刺激相位的参考谱提问的匹配分类头 − CCA（无需训练） | 留出频率 | 主要 | −58.43 pp−62.10 至 −54.83 | 低于零；未达到相对 CCA 的非劣界值（−2 pp） |
| 问法 · 普通频谱 | ||||
| FiLM 分类头：仅含基频的参考谱 − 参考谱 | 留出频率 | 主要 | −13.27 pp−15.04 至 −11.45 | 低于零 |
| FiLM 分类头：仅含基频的参考谱 − 参考谱 | 见过的频率（平衡） | 主要 | −3.12 pp−3.65 至 −2.57 | 低于零 |
| 输出 · softmax 运行，普通频谱 | ||||
| 每个问题一个输出：softmax 训练 − 一对其余训练 | 见过的频率（平衡） | 主要 | −0.71 pp−1.01 至 −0.41 | 低于零；在 ±2 pp 内等效 |
| 每个问题一个输出、softmax 训练 − 普通的 32 类 softmax | 见过的频率（平衡） | 次要 | −4.45 pp−5.12 至 −3.79 | 低于零；未在 ±2 pp 内等效 |
95% 区间来自对被试与各折共享的种子编号所做的 2,000 次分层配对 bootstrap 抽样（种子 20261007）。主运行中十二项预先设定的对比均为主要对比，softmax 运行中一项主要、一项次要，均未做多重比较校正。
| 实验组 | 留出频率 | m8 | 代价（留出 − m8） | 见过的频率（平衡） | nn8 | u3 |
|---|---|---|---|---|---|---|
| 普通频谱 · FiLM 分类头 | ||||||
| 参考谱取自卡片 1 | 39.00%36.07%–41.78% | 57.18%53.38%–60.95% | −18.18 pp−19.64 至 −16.69 | 31.48%28.28%–34.62% | 43.41%40.04%–46.58% | 19.61%18.53%–20.63% |
| 仅含基频的参考谱 | 25.73%24.20%–27.24% | 54.47%50.84%–58.00% | −28.74 pp−31.17 至 −26.16 | 28.36%25.49%–31.13% | 41.67%38.48%–44.70% | 18.37%17.26%–19.47% |
| 题号取自第三条路线 | 无定义 | 58.58%54.75%–62.33% | 无定义 | 32.06%28.79%–35.19% | 44.32%40.84%–47.57% | 无定义 |
| 数值编码取自第三条路线 | 41.46%38.15%–44.68% | 53.76%49.87%–57.49% | −12.30 pp−13.42 至 −11.17 | 23.67%21.22%–26.09% | 40.96%37.65%–44.13% | 20.57%19.33%–21.78% |
| 标签模板取自第三条路线 | 28.69%26.95%–30.55% | 53.13%49.57%–56.66% | −24.44 pp−26.44 至 −22.26 | 26.10%23.49%–28.59% | 39.67%36.78%–42.47% | 19.33%18.23%–20.47% |
| 普通频谱 · 匹配分类头 | ||||||
| 参考谱 | 33.40%31.10%–35.56% | 51.86%48.52%–55.13% | −18.46 pp−20.22 至 −16.71 | 27.88%25.04%–30.64% | 40.36%37.51%–43.27% | 25.20%24.27%–26.07% |
| 题号 | 无定义 | 58.75%55.03%–62.37% | 无定义 | 34.60%31.15%–37.91% | 46.10%42.76%–49.44% | 无定义 |
| 数值编码 | 41.22%37.84%–44.45% | 53.98%50.22%–57.55% | −12.76 pp−13.81 至 −11.72 | 26.08%23.40%–28.82% | 40.99%37.77%–44.03% | 27.99%26.30%–29.52% |
| 复数频谱 · FiLM 分类头 | ||||||
| 参考谱 | 8.67%7.85%–9.61% | 65.56%61.57%–69.44% | −56.89 pp−61.14 至 −52.56 | 47.29%42.73%–51.92% | 8.56%7.66%–9.53% | 25.46%24.22%–26.73% |
| 带刺激相位的参考谱 | 24.97%22.60%–27.44% | 66.96%63.01%–70.83% | −41.98 pp−45.04 至 −38.93 | 49.24%44.54%–53.97% | 7.44%6.63%–8.26% | 69.66%65.97%–73.21% |
| 题号 | 无定义 | 67.95%63.95%–71.82% | 无定义 | 50.08%45.34%–54.78% | 7.40%6.58%–8.35% | 无定义 |
| 数值编码 | 13.13%12.14%–14.17% | 50.71%47.16%–54.37% | −37.57 pp−41.13 至 −33.99 | 24.52%22.01%–27.12% | 13.41%12.44%–14.41% | 7.16%6.63%–7.79% |
| 复数频谱 · 匹配分类头 | ||||||
| 参考谱 | 6.52%5.76%–7.34% | 70.16%66.13%–74.16% | −63.64 pp−68.11 至 −59.06 | 54.07%49.11%–59.13% | 6.69%5.88%–7.54% | 23.99%23.12%–24.83% |
| 带刺激相位的参考谱 | 22.47%20.46%–24.45% | 70.00%65.87%–74.03% | −47.53 pp−50.87 至 −44.28 | 54.16%49.25%–59.24% | 6.75%5.93%–7.58% | 60.73%58.00%–63.39% |
| 题号 | 无定义 | 71.50%67.56%–75.33% | 无定义 | 56.14%51.31%–61.08% | 6.78%5.90%–7.69% | 无定义 |
| 数值编码 | 10.33%9.39%–11.36% | 50.03%46.53%–53.66% | −39.70 pp−43.47 至 −36.12 | 25.22%22.72%–27.86% | 10.68%9.68%–11.79% | 10.76%9.85%–11.71% |
| 普通频谱 · 不带问题，softmax 运行 | ||||||
| 普通的 32 类 softmax | 无定义 | — | — | 35.90%32.30%–39.32% | — | — |
| 每个问题一个输出，softmax 训练 | 无定义 | — | — | 31.45%28.28%–34.49% | — | — |
| 每个问题一个输出，一对其余训练取自第三条路线 | 无定义 | — | — | 32.16%28.93%–35.29% | — | — |
| 无需训练 | ||||||
| CCA（无需训练）取自第三条路线 | 80.90%76.59%–84.85% | 80.90%76.59%–84.85% | 0.00 pp按构造 | 65.46%59.66%–71.08% | 66.66%61.33%–71.56% | 81.70%78.49%–84.57% |
局限：每一组都是一套固定的做法。匹配分类头是一种双线性设计；softmax 运行则一次改变了整个训练目标，或同时改变了结构中的几个部分。这些对比比较的是这些做法本身；普通频谱究竟含有多少频率信息，仍是开放的问题。两次运行都是在已知第三条路线结果的情况下设计的。
卡片 3 · 刺激相位
只在训练时，给每个时间窗的复数频谱加一个所有通道共用的随机延迟，延迟取自 0–125 ms，或取自 0 到训练标签频率的一个周期。分类头是复数频谱上的 FiLM 分类头，以带刺激相位的参考谱作查询，即带相位的查询（526,465 个参数，从零开始训练）；查询和测试时间窗都不变。在留出频率上，0–125 ms 组达到 12.51%（11.93%–13.13%），一个周期组达到 13.13%（12.61%–13.68%）。同一分类头不加延迟时为 24.97%（22.60%–27.44%）。主要对比，0–125 ms 减去不加延迟：−12.46 pp（−14.84 至 −10.25）。见过频率上的平衡准确率从 49.24% 降到 15.70% 和 15.28%。
| 组 | 分类头 · 特征 · 查询 | 留出频率 | 见过的频率（平衡） |
|---|---|---|---|
0–125 ms 延迟COMMON-125MS | FiLM 分类头 · 复数频谱 · 带刺激相位的参考谱 | 12.51%11.93%–13.13% | 15.70%13.71%–17.88% |
一个周期的延迟COMMON-ONE-PERIOD | FiLM 分类头 · 复数频谱 · 带刺激相位的参考谱 | 13.13%12.61%–13.68% | 15.28%13.83%–16.69% |
不加延迟（匹配对照）L0c-FS-REFc-0 | FiLM 分类头 · 复数频谱 · 带刺激相位的参考谱 | 24.97%22.60%–27.44% | 49.24%44.54%–53.97% |
普通频谱上的幅度参考谱分类头L0-FS-REF | FiLM 分类头 · 普通频谱 · 参考谱 | 39.00%36.07%–41.78% | 31.48%28.28%–34.62% |
只有 0–125 ms 减去不加延迟这一项是主要对比，其余都是描述性对比。95% 区间来自对被试与训练种子所做的 2,000 次分层配对 bootstrap 抽样（种子 20261007），以固定的被试折与三个种子为条件；五个固定的频率轮换先取平均。这 6 项对比都没有做多重比较校正。延迟是把已经加窗的系数乘以同一条相位斜坡，近似于起点的平移。一个周期的范围取决于训练标签的频率；0–125 ms 的范围不看标签，只在最低的刺激频率上恰好等于一个周期，所以各目标的相位分布不同。BETA 给每个目标分配各自的刺激相位，相邻频率之间按相同步长递增，所以延迟也去掉了与标签相关的信息。普通频谱上的幅度参考谱分类头（39.00%）在特征、查询和规模上都不同。全部 4 项随机标签检查都通过了（40 次拟合）；仍不能排除借助依赖标签的延迟、只在训练中起作用的捷径。
| 对比 | 任务 | 比较 | 角色 | 估计值 | 95% 区间 |
|---|---|---|---|---|---|
P1 | 留出频率 | 0–125 ms 延迟减去不加延迟 | 主要 | −12.46 pp | −14.84 至 −10.25 |
S1 | 留出频率 | 一个周期的延迟减去不加延迟 | 描述性 | −11.85 pp | −14.29 至 −9.51 |
S2 | 留出频率 | 一个周期的延迟减去普通频谱上的幅度参考谱分类头 | 描述性 | −25.87 pp | −28.64 至 −22.99 |
S3 | 留出频率 | 一个周期的延迟减去 0–125 ms 延迟 | 描述性 | +0.62 pp | −0.13 至 +1.40 |
S4 | 见过的频率（平衡） | 0–125 ms 延迟减去不加延迟 | 描述性 | −33.54 pp | −37.84 至 −29.45 |
S5 | 见过的频率（平衡） | 一个周期的延迟减去不加延迟 | 描述性 | −33.97 pp | −38.12 至 −29.88 |
卡片 4 · 刺激相位
只在训练时，给每个时间窗的复数频谱加一个最长一个刺激周期的随机延迟，以同一条相位斜坡作用于所有通道。查询和测试时间窗都不变。以幅度参考谱作查询时，FiLM 分类头在留出频率上达到 30.56%（27.81%–33.22%）。与普通频谱上同一分类头、同一查询相比，变化为 −8.45 pp（主要对比；−10.14 至 −6.69）；与不加斜坡的复数频谱上同一分类头、同一查询相比（后者为 8.67%），变化为 +21.88 pp（次要对比；+18.78 至 +25.00）。见过频率上的平衡准确率从 47.29% 降到 15.03%。匹配分类头在两项任务上最终都落在随机水平。同一留出任务上，CCA 达到 80.90%。讨论串中的赌注是留出频率准确率会超过 39%；FiLM 分类头以幅度参考谱作查询达到 30.56%，以数值编码作查询为 28.10%。
| 分类头 · 查询 | 留出频率 | m8（匹配对照） | 见过的频率（平衡） |
|---|---|---|---|
| 复数频谱，训练时加相位斜坡 | |||
FiLM 分类头 · 参考谱FS-REF | 30.56%27.81%–33.22% | 42.86%39.29%–46.25% | 15.03%13.50%–16.51% |
FiLM 分类头 · 数值编码FS-NUM | 28.10%25.48%–30.58% | 35.35%32.14%–38.39% | 10.92%9.72%–12.11% |
FiLM 分类头 · 题号FS-ID | — | 14.03%13.62%–14.47% | 3.70%3.49%–3.90% |
匹配分类头 · 参考谱MATCH-REF | 12.93%12.31%–13.51% | 12.33%11.98%–12.65% | 3.13%2.95%–3.30% |
匹配分类头 · 数值编码MATCH-NUM | 12.42%11.87%–12.99% | 12.37%11.92%–12.83% | 3.03%2.81%–3.22% |
匹配分类头 · 题号MATCH-ID | — | 12.01%11.38%–12.65% | 3.15%2.89%–3.42% |
| 复数频谱，不加斜坡（匹配对照） | |||
FiLM 分类头 · 参考谱L0c-FS-REF | 8.67%7.85%–9.61% | 65.56%61.57%–69.44% | 47.29%42.73%–51.92% |
FiLM 分类头 · 数值编码L0c-FS-NUM | 13.13%12.14%–14.17% | 50.71%47.16%–54.37% | 24.52%22.01%–27.12% |
FiLM 分类头 · 题号L0c-FS-ID | — | 67.95%63.95%–71.82% | 50.08%45.34%–54.78% |
匹配分类头 · 参考谱L0c-MATCH-REF | 6.52%5.76%–7.34% | 70.16%66.13%–74.16% | 54.07%49.11%–59.13% |
匹配分类头 · 数值编码L0c-MATCH-NUM | 10.33%9.39%–11.36% | 50.03%46.53%–53.66% | 25.22%22.72%–27.86% |
匹配分类头 · 题号L0c-MATCH-ID | — | 71.50%67.56%–75.33% | 56.14%51.31%–61.08% |
| 普通频谱，不加斜坡 | |||
FiLM 分类头 · 参考谱L0-FS-REF | 39.00%36.07%–41.78% | 57.18%53.38%–60.95% | 31.48%28.28%–34.62% |
FiLM 分类头 · 数值编码L0-FS-NUM | 41.46%38.15%–44.68% | 53.76%49.87%–57.49% | 23.67%21.22%–26.09% |
| 无需训练 | |||
CCA（无需训练）CCA | 80.90%76.59%–84.85% | 80.90%76.59%–84.85% | 65.46%59.66%–71.08% |
这 13 项对比中，六项为主要对比（P1–P6），七项为次要对比（S1–S7）；都没有做多重比较校正。95% 区间来自对被试与训练种子所做的 2,000 次分层配对 bootstrap 抽样（种子 20261007），以固定的被试折与三个种子为条件；五个固定的频率轮换先取平均。CCA 无需训练，只有单一的种子维度；它唯一的对比是 S7（−67.97 pp）。留出分数在 8 个候选中选择，见过频率的分数在 32 个候选中选择，两者是不同的任务；留出分数的匹配对照是 m8，以幅度参考谱作查询的 FiLM 分类头在 m8 上达到 42.86%。与普通频谱的对比（P1、P2、S3、S4）比较的除了斜坡，还有两种特征配方：复数频谱与普通频谱在归一化、维度和容量上都不同。延迟范围取决于每个时间窗的训练标签。FiLM 分类头与匹配分类头的初始分数不同，所以分类头之间的比较没有对齐初始化。BETA 给每个目标分配各自的刺激相位，所以相位本身携带真实的标签信息。相位斜坡作用于已经加窗的系数，保留幅度和通道间的相位，各谐波的相位一起转动，近似于一次时间平移。全部 10 项随机标签检查都通过了（120 次拟合）；仍不能排除借助依赖标签的延迟、只在训练中起作用的捷径。
| 对比 | 任务 | 比较 | 角色 | 估计值 | 95% 区间 |
|---|---|---|---|---|---|
P1FiLM 分类头 · 参考谱 | 留出频率 | 加斜坡减去普通频谱 | 主要 | −8.45 pp | −10.14 至 −6.69 |
P2匹配分类头 · 参考谱 | 留出频率 | 加斜坡减去普通频谱（FiLM 分类头 · 参考谱） | 主要 | −26.07 pp | −28.84 至 −23.19 |
P3FiLM 分类头 · 题号 | 见过的频率（平衡） | 加斜坡减去不加斜坡 | 主要 | −46.38 pp | −51.06 至 −41.71 |
P4匹配分类头 · 题号 | 见过的频率（平衡） | 加斜坡减去不加斜坡 | 主要 | −52.98 pp | −57.96 至 −48.11 |
P5FiLM 分类头 · 数值编码 | 留出频率 | 加斜坡减去不加斜坡 | 主要 | +14.96 pp | +12.10 至 +17.63 |
P6匹配分类头 · 数值编码 | 留出频率 | 加斜坡减去不加斜坡 | 主要 | +2.09 pp | +0.88 至 +3.29 |
S1FiLM 分类头 · 参考谱 | 见过的频率（平衡） | 加斜坡减去不加斜坡 | 次要 | −32.26 pp | −36.12 至 −28.45 |
S2匹配分类头 · 参考谱 | 见过的频率（平衡） | 加斜坡减去不加斜坡 | 次要 | −50.94 pp | −56.07 至 −45.96 |
S3FiLM 分类头 · 数值编码 | 留出频率 | 加斜坡减去普通频谱 | 次要 | −13.37 pp | −15.60 至 −11.30 |
S4匹配分类头 · 数值编码 | 留出频率 | 加斜坡减去普通频谱（FiLM 分类头 · 数值编码） | 次要 | −29.04 pp | −32.22 至 −25.73 |
S5FiLM 分类头 · 参考谱 | 留出频率 | 加斜坡减去不加斜坡 | 次要 | +21.88 pp | +18.78 至 +25.00 |
S6匹配分类头 · 参考谱 | 留出频率 | 加斜坡减去不加斜坡 | 次要 | +6.41 pp | +5.40 至 +7.34 |
S7匹配分类头 · 参考谱 | 留出频率 | 加斜坡减去 CCA（无需训练） | 次要 | −67.97 pp | −72.07 至 −63.76 |
| 分类头 · 查询 | 泛化代价 | nn8 | u3 |
|---|---|---|---|
| 复数频谱，训练时加相位斜坡 | |||
FiLM 分类头 · 参考谱FS-REF | −12.30 pp−13.71 至 −10.95 | 31.62%28.79%–34.41% | 25.09%24.07%–26.22% |
FiLM 分类头 · 数值编码FS-NUM | −7.25 pp−8.62 至 −5.97 | 28.42%25.75%–30.96% | 14.37%13.62%–15.17% |
FiLM 分类头 · 题号FS-ID | — | 13.74%13.13%–14.36% | — |
匹配分类头 · 参考谱MATCH-REF | +0.61 pp−0.11 至 +1.32 | 13.05%12.49%–13.59% | 24.20%23.51%–24.92% |
匹配分类头 · 数值编码MATCH-NUM | +0.05 pp−0.64 至 +0.73 | 12.50%11.93%–13.10% | 12.79%12.28%–13.29% |
匹配分类头 · 题号MATCH-ID | — | 13.46%12.76%–14.17% | — |
| 复数频谱，不加斜坡（匹配对照） | |||
FiLM 分类头 · 参考谱L0c-FS-REF | −56.89 pp−61.14 至 −52.56 | 8.56%7.66%–9.53% | 25.46%24.22%–26.73% |
FiLM 分类头 · 数值编码L0c-FS-NUM | −37.57 pp−41.13 至 −33.99 | 13.41%12.44%–14.41% | 7.16%6.63%–7.79% |
FiLM 分类头 · 题号L0c-FS-ID | — | 7.40%6.58%–8.35% | — |
匹配分类头 · 参考谱L0c-MATCH-REF | −63.64 pp−68.11 至 −59.06 | 6.69%5.88%–7.54% | 23.99%23.12%–24.83% |
匹配分类头 · 数值编码L0c-MATCH-NUM | −39.70 pp−43.47 至 −36.12 | 10.68%9.68%–11.79% | 10.76%9.85%–11.71% |
匹配分类头 · 题号L0c-MATCH-ID | — | 6.78%5.90%–7.69% | — |
| 普通频谱，不加斜坡 | |||
FiLM 分类头 · 参考谱L0-FS-REF | −18.18 pp−19.64 至 −16.69 | 43.41%40.04%–46.58% | 19.61%18.53%–20.63% |
FiLM 分类头 · 数值编码L0-FS-NUM | −12.30 pp−13.42 至 −11.17 | 40.96%37.65%–44.13% | 20.57%19.33%–21.78% |
| 无需训练 | |||
CCA（无需训练）CCA | 0.00 pp | 66.66%61.33%–71.56% | 81.70%78.49%–84.57% |
匹配分类头的泛化代价接近零，是因为它的留出分数和 m8 都落在随机水平。
卡片 5 · 匹配计算
CCA 不经训练、直接读取原始时间窗。它领先于学习型分类头，靠的是这一计算中的哪些部分？
在相同的划分下，原始两秒时间窗上的 CCA 在留出频率上达到 80.90%（76.80%–85.13%，被试 bootstrap）。给时间窗加 Hann 窗后，它变化了 −7.95 pp（−9.07 至 −6.78），降至 72.96%。无需训练的裁剪谱匹配在留出频率上达到 73.20%（68.62%–78.13%），与 Hann 窗 CCA 相差 +0.24 pp（−0.12 至 +0.64）。它所用的复数谱坐标，正是此前的复数频谱分类头在拟合缩放之前读取的坐标；以带刺激相位的参考谱提问时，这些分类头在卡片 2 中分别为 24.97%（FiLM 分类头）和 22.47%（匹配分类头），这里只作对照引用，没有与它们做配对对比。该匹配不使用标签，为每个时间窗拟合通道权重与参考权重。
在参考信号张成的子空间内对每个通道的能量取平均，达到 55.21%（49.99%–60.90%）。在源被试上训练的单个岭回归打分器，以每个通道在 3 个谐波上各自的能量占比为输入，达到 57.45%（53.20%–62.14%）：相对该平均为 +2.23 pp（+0.13 至 +4.37），相对 CCA 为 −23.46 pp（−26.64 至 −20.45）。在见过频率的 32 类任务上，它与同一平均相差 −0.82 pp（−2.86 至 +1.18）。
| 对比 | 留出频率，8 选 1 | 见过的频率，32 类平衡 | 说明 |
|---|---|---|---|
| Hann 窗 CCA（中心化） − CCA（无需训练） | −7.95 pp95% 区间 −9.07 至 −6.78 | −9.98 pp95% 区间 −11.10 至 −8.84 | — |
| Hann 窗 CCA：未中心化 − 中心化 | 0.00 pp95% 区间 0.00 至 0.00 | 0.00 pp95% 区间 0.00 至 0.00 | 定义不同，结果相同。 |
| 裁剪谱匹配（无需训练） − Hann 窗 CCA（未中心化） | +0.24 pp95% 区间 −0.12 至 +0.64 | +0.19 pp95% 区间 −0.22 至 +0.64 | 尚无定论：两项任务上的区间都跨过零。 |
| 裁剪谱匹配（无需训练） − 通道能量平均（联合参考子空间） | +17.98 pp95% 区间 +14.94 至 +21.28 | +19.94 pp95% 区间 +17.06 至 +23.18 | 这一领先捆绑了三项改变：跨通道混合、拟合参考系数、聚合方式。 |
| 通道能量平均：逐谐波子空间 − 联合参考子空间 | 0.00 pp95% 区间 0.00 至 0.00 | 0.00 pp95% 区间 0.00 至 0.00 | 定义不同，结果相同。 |
| 共享岭回归打分器 − 通道能量平均（逐谐波子空间） | +2.23 pp95% 区间 +0.13 至 +4.37 | −0.82 pp95% 区间 −2.86 至 +1.18 | 在留出频率上高于平均；在见过的频率上，区间跨过零。 |
| 共享岭回归打分器 − CCA（无需训练） | −23.46 pp95% 区间 −26.64 至 −20.45 | −30.54 pp95% 区间 −34.76 至 −26.67 | — |
| 本页名称 | 导出代码 | 留出频率，8 选 1 | 见过的频率，32 类平衡 |
|---|---|---|---|
| CCA（无需训练） | CCA-RAW | 80.90%95% 区间 76.80%–85.13% | 65.46%95% 区间 59.94%–71.40% |
| Hann 窗 CCA（中心化）无需训练 | CCA-HANN-C | 72.96%95% 区间 68.36%–77.86% | 55.48%95% 区间 50.01%–61.63% |
| Hann 窗 CCA（未中心化）无需训练 | CCA-HANN-U | 72.96%95% 区间 68.36%–77.86% | 55.48%95% 区间 50.01%–61.63% |
| 裁剪谱匹配（无需训练） | SUBSPACE-CROP | 73.20%95% 区间 68.62%–78.13% | 55.67%95% 区间 50.20%–61.78% |
| 通道能量平均（联合参考子空间）无需训练 | CHANNEL-JOINT | 55.21%95% 区间 49.99%–60.90% | 35.74%95% 区间 30.77%–41.13% |
| 通道能量平均（逐谐波子空间）无需训练 | CHANNEL-HARMONIC | 55.21%95% 区间 49.99%–60.90% | 35.74%95% 区间 30.77%–41.13% |
| 共享岭回归打分器在源被试上拟合的岭回归 | SHARED-RIDGE | 57.45%95% 区间 53.20%–62.14% | 34.92%95% 区间 30.83%–39.20% |
每种方法都获得全部 40 个候选频率；“留出”指不参与有监督的拟合。本研究包含 6 种无需训练的打分方法和 35 次岭回归拟合，每项任务上有七个预先设定的对比。95% 百分位区间来自以被试为单位的 2,000 次配对 bootstrap 抽样（种子 20261015）；未做多重比较校正。
在核对的 6 行上，裁剪后的坐标与此前分类头读取的输入一致；分类头拟合的缩放是可逆的，但会改变匹配所用的距离。核对方式：在全部 11,200 个时间窗上重建了 CCA，无需训练的打分方法抽查了 6 行，35 次岭回归拟合全部独立重新拟合。
卡片 6 · 对 CCA 的学习修正
保留 CCA，只让学习的部分修正它的得分，留出频率上的准确率会提高吗？
保留时域 CCA，在其得分上加一个有界的学习修正，在留出频率上达到 86.15%（82.84%–89.35%），CCA 单独为 80.90%：+5.24 pp（+3.91 至 +6.62）。在见过频率的 32 类任务上，它达到 73.19%，CCA 为 65.46%（+7.73 pp，+6.10 至 +9.46）。这个修正只能重新排序 CCA 相关系数彼此相差在 0.2 以内的候选。在全部留出频率的判断中，它把 7.39% 由错改对，把 2.14% 由对改错。给能量分类头加入裁剪谱匹配的六个典型相关系数，即得到适配分类头，在留出频率上带来 +17.51 pp（+15.46 至 +19.70）；这一增益捆绑了多项匹配运算。
候选频率仍为 CCA 提供正弦与余弦参考信号，也提供每个频率的数值编码。这里没有与滤波器组 CCA 和有监督的空间模板做比较。适配分类头与单独 CCA 的比较不是预先计划的对比，没有区间。每个训练组取三个固定训练种子的平均。每项任务上有六个预先设定的对比；95% 百分位区间来自以被试为单位的 2,000 次配对 bootstrap 抽样（种子 20261015），以拟合好的模型与三个固定的训练种子为条件；未做多重比较校正。
| 本页名称 | 导出代码 | 留出频率，8 选 1 | 见过的频率，32 类平衡 |
|---|---|---|---|
| 能量分类头在源被试与见过的频率上训练 | ENERGY-FS | 63.05%95% 区间 58.97%–67.50% | 43.34%95% 区间 39.09%–47.83% |
| 适配分类头在源被试与见过的频率上训练 | ADAPT-FS | 80.56%95% 区间 76.98%–84.13% | 64.06%95% 区间 59.56%–68.85% |
| 加学习修正的裁剪谱匹配在源被试与见过的频率上训练 | CROP-RESIDUAL | 79.24%95% 区间 75.24%–83.37% | 63.35%95% 区间 58.39%–68.72% |
| 加学习修正的 CCA在源被试与见过的频率上训练 | RAW-RESIDUAL | 86.15%95% 区间 82.84%–89.35% | 73.19%95% 区间 68.48%–77.99% |
| 裁剪谱匹配（无需训练） | CCA-CROP | 73.20%95% 区间 68.62%–78.13% | 55.67%95% 区间 50.20%–61.78% |
| CCA（无需训练） | CCA-RAW | 80.90%95% 区间 76.80%–85.13% | 65.46%95% 区间 59.94%–71.40% |
| 对比 | 留出频率，8 选 1 | 见过的频率，32 类平衡 | 说明 |
|---|---|---|---|
| 适配分类头 − 能量分类头 | +17.51 pp95% 区间 +15.46 至 +19.70 | +20.72 pp95% 区间 +18.54 至 +23.01 | — |
| 适配分类头 − 裁剪谱匹配（无需训练） | +7.36 pp95% 区间 +5.33 至 +9.32 | +8.38 pp95% 区间 +5.91 至 +10.82 | — |
| 加学习修正的裁剪谱匹配 − 适配分类头 | −1.32 pp95% 区间 −2.46 至 −0.23 | −0.71 pp95% 区间 −1.95 至 +0.54 | 在留出频率上，加在裁剪谱匹配上的修正低于适配分类头。 |
| 加学习修正的裁剪谱匹配 − 裁剪谱匹配（无需训练） | +6.04 pp95% 区间 +4.90 至 +7.17 | +7.67 pp95% 区间 +6.26 至 +9.13 | — |
| 加学习修正的 CCA − CCA（无需训练） | +5.24 pp95% 区间 +3.91 至 +6.62 | +7.73 pp95% 区间 +6.10 至 +9.46 | — |
| 加学习修正的 CCA − 加学习修正的裁剪谱匹配 | +6.91 pp95% 区间 +5.60 至 +8.16 | +9.84 pp95% 区间 +8.60 至 +11.04 | 两种修正的起点不同：一个是原始时间窗上的 CCA，一个是裁剪谱匹配。 |
| 判断的变化 | 留出频率，8 选 1 | 见过的频率，32 类平衡 | 统计的是什么 |
|---|---|---|---|
| 由错改对 | 7.39% | 10.66% | CCA 单独时选错了频率，加修正后判断正确。 |
| 由对改错 | 2.14% | 2.93% | CCA 单独时选对了频率，加修正后判断错误。 |
| 由错改为另一个错 | 2.59% | 7.63% | 两次判断都错，但选的频率不同。 |
| 未变，正确 | 78.76% | 62.53% | 两者都选对了频率。 |
| 未变，错误 | 9.12% | 16.25% | 两者选了同一个错误频率。 |
| 共改变 | 12.12% | 21.22% | 前三行之和。 |
CCA 中最大的两个相关系数相差超过 0.2 的判断，改变了 0 次；这样的预测实例在留出频率上有 11,403 个，在见过的频率上有 6,012 个（在 3 个种子与 5 个轮换上合计）。
卡片 7 · 第二个数据集
原样用于第二个数据集时，学习修正还会改变 CCA 的得分吗？
Wearable-102：102 名被试，12 个目标（9.25 至 14.75 Hz），每种电极 12,240 个两秒时间窗，干电极与湿电极头带，记录按原样存储；105 个未改动的 BETA 模型。数据集文档无法排除部分被试也出现在 BETA 中。
卡片 6 的 105 个模型（7 个被试折 × 5 个频率轮换 × 3 个种子）在 BETA 上训练，原样用于 Wearable-102。在相同的时间窗上，模型平均为干电极 65.45%、湿电极 81.04%，匹配 CCA 为 65.38% 和 81.65%。与匹配 CCA 配对比较，模型使干电极的得分变化 +0.07 pp（−0.71 至 +0.91），湿电极变化 −0.61 pp（−1.48 至 +0.23）；两个区间都包含零，也没有设定等效界值。模型的得分是 CCA 加一个有界的学习项，因此相对匹配 CCA 的变化就是学习项带来的部分。
| Wearable-102 电极类型 | 加学习修正的 CCA | 匹配 CCA | 相对匹配 CCA 的变化 | 裁剪谱检查（Wearable-102），仅作诊断 |
|---|---|---|---|---|
| Wearable-102，干电极主要对比 · 12,240 个时间窗 | 65.45%95% 区间 60.82%–70.08% | 65.38%95% 区间 60.73%–70.06% | +0.07 pp95% 区间 −0.71 至 +0.91 | 57.78%95% 区间 52.79%–62.89% |
| Wearable-102，湿电极主要对比 · 12,240 个时间窗 | 81.04%95% 区间 77.14%–84.49% | 81.65%95% 区间 77.60%–85.14% | −0.61 pp95% 区间 −1.48 至 +0.23 | 73.01%95% 区间 68.46%–77.18% |
| Wearable-102，两种电极合并次要对比 · 24,480 个时间窗 | 73.24%95% 区间 69.40%–76.88% | 73.51%95% 区间 69.71%–77.22% | −0.27 pp95% 区间 −0.95 至 +0.40 | 65.40%95% 区间 60.94%–69.69% |
此处的匹配 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 在相同窗口上使用到四次谐波的参考信号，为 65.47% 和 81.56%。
裁剪谱检查（Wearable-102）的干电极为 57.78%、湿电极为 73.01%；它只作为诊断列出。
局限：Wearable-102 存储的幅值单位没有文档说明，而修正项读取的是幅度谱，所以这些数字都基于原样存储的记录。它的时间窗从刺激开始后 0.14 s 起，BETA 的时间窗从刺激开始时起；硬件、参考电极、被试和频率网格也同时改变，因此无法分离出单一因素。两种方法都获得这 12 个候选频率。每名被试的准确率对 105 个模型分别计算，先在模型上平均，再在被试上平均；没有集成、重新拟合或模型挑选。这一任务基于另一批记录，与卡片 1 至 6 的 BETA 结果分开看待。
干电极与湿电极为两个主要对比，两种电极合并为次要对比。95% 百分位区间来自以被试为单位的 2,000 次配对 bootstrap 抽样（种子 20261015），以固定的 105 个源模型为条件；未做多重比较校正。
卡片 8 · 进行中
讨论串中的下一项：用一组共享的学习权重给每个候选频率在基频及两个谐波上的通道×通道矩阵打分，不设逐频率参数，即在互谱特征上固定的学习线性读出，并按规定做逐试次归一化或白化。设计已冻结，正在运行；结果经审核后加入本页。
方法与局限
没有任何区间做多重比较校正。差值为配对差，在舍入前计算，因此印出的差值可能与印出水平之差在最后一位上不同。
卡片 2 通过一个经过审查的兼容读取器，为此前的题号与数值编码运行评分，因为那些文件缺少列出其问题的字段。softmax 运行的冻结前检查改为对文件内容计算哈希。两项改动都没有涉及训练、预测或结果。
Bingchuan Liu et al. · BETA: A Large Benchmark Database Toward SSVEP-BCI Application (2020), doi:10.3389/fnins.2020.00627.
卡片 1 至 6，以及卡片 7 在 Wearable-102 上运行的模型的来源。
须署名。被试知情同意所描述的用途是非商业科学研究，这一使用边界比版权许可更窄；未成年被试须征得监护人同意。
只发布队列层面的聚合结果；不发布被试记录、EEG 信号或单个预测。
带刺激相位的参考谱（卡片 2 与 3）所用的刺激相位，换算为余弦约定、零潜伏期。读自 Hugging Face 镜像 Bingchuan/BETA（固定版本 d4290c02…）。
卡片 1 中冻结的 CBraMod 特征（L1），即第三条路线所用的特征。不分发任何权重。
代码：MIT · 权重：Apache-2.0（官方模型卡）Code: MIT · Weights: Apache-2.0 (official model card)
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
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
论文描述的知情同意范围是非商业科学研究。The paper describes consent for noncommercial scientific research.
基于 2026-09-20 获取的清华 BCI 实验室作者官方镜像快照计算；该镜像本身没有单独的 DOI 或版本号。
以上均为 BCI Report 的衍生分析，只发布聚合结果，不再分发任何原始数据。
数据来源： new-ssvep-frequencies-update.json · schema bci-report-new-ssvep-frequencies-update-v1。
BCI Report. 解码器靠什么回答没训练过的 SSVEP 频率？[EB/OL]. (2026-10-20). https://bci.report/zh/topics/new-ssvep-frequencies/
数字来自发布 new-ssvep-frequencies-update-20261020（2026-10-20）。也请同时引用上游数据集：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）