- 博客(14)
- 收藏
- 关注
RSS订阅原创 典型相关分析（CCA）探索多维数据间的深层关系：基于Matlab
典型相关分析（Canonical Correlation Analysis，CCA）是一种用于探索两组变量之间相关性的多元统计方法。它的核心目标是找到两组变量的线性组合，使得这些组合之间的相关性最大化，从而揭示两组变量之间的潜在联系。在BCI脑机接口领域，SSVEP稳态视觉诱发电位中，经常使用的一种方法。参考使用《多元统计分析（第5版）》何晓群教材内容学习理解。所以如下图可知，知晓理论求解的步骤后，只要用Matlab求 x, y 的各种cov协方差，配合inv求逆矩阵，即可得到M1和M2矩阵。
2025-03-11 09:31:10
975
2
原创 脑电波控制设备：基于典型相关分析（CCA）的脑机接口频率精准解码方法
在脑机接口(BCI)领域，有SSVEP方向，中文叫做稳态视觉诱发电位，当人观看闪烁的视觉刺激（比如闪烁的灯光或图像）时，大脑会在与刺激频率一致的频率上，产生电位波动。这段脑电波是一种稳定且容易检测的脑电信号。通过确定ssvep波的频率，可以准确地判断用户正专注于哪个视觉刺激目标，帮助BCI系统识别用户意图，从而控制相应的设备或应用。例如，用户可以通过注视不同频率的方块或图标来控制计算机光标、游戏角色、轮椅等设备。还可以通过确定频率成分，对脑部健康状况进行初步筛查或监控，进而识别一些可能的脑部异常活动。
2025-03-10 21:45:46
1402
2
原创 MATLAB 脑电数据处理代码优化：从基础到并行计算的演变
在处理 EEG（脑电图）数据时，我们常常需要对大量信号进行滤波、降噪等操作。随着数据规模的不断增大，传统的串行处理方法往往变得效率低下。为了提高计算速度，我们可以通过引入并行计算来大幅度提升处理效率。本文将通过三个版本的 MATLAB 代码演示如何优化 EEG 数据处理流程，从基础的串行处理到并行计算，再到进一步优化的并行化版本，展示数据处理的演变过程和性能提升。希望能给大家带来些启发。这三个版本的代码分别展示了从基础串行处理到并行计算的逐步演化。
2025-03-10 21:25:58
914
原创 TRCA：提升SSVEP-BCI性能的关键技术解析与Matlab实战
传统的典型相关分析（CCA）方法在SSVEP信号识别中取得了一定成效，但容易受到自发脑电活动的干扰，且未充分利用相位信息。为此，研究者提出了TRCA方法，通过最大化任务期间神经影像数据的可重复性，提取任务相关成分，增强信号的信噪比（SNR），抑制背景脑电噪声。任务相关成分分析（Task-Related Component Analysis, TRCA） 是一种用于脑电信号（EEG）处理的多变量分析方法，主要应用于脑机接口（BCI）领域。
2025-03-07 08:55:50
989
4
原创 深度学习在SSVEP信号分类中的应用分析
随着脑机接口（BCI）技术的发展，SSVEP（稳态视觉诱发电位）因其高信息传输速率和短训练时间而成为最受欢迎的BCI范式之一。近年来，深度学习方法在SSVEP信号分类中取得了显著的成果。本文通过对31个深度学习模型的分析，总结了其设计特点、模型输入、结构设计、训练方法等多个方面，为未来的研究者提供了有价值的参考。
2025-03-06 21:54:49
1006
1
原创 脑机接口（BCI）领域入门：SSVEP基本术语解析
脑机接口，简称BCI，是一种连接人类大脑与外部设备的桥梁。它通过采集脑电信号（EEG），利用信号处理算法提取有用的信息，并将其转化为控制指令，从而实现对外部设备的操作。BCI技术的应用领域非常广泛，包括医疗康复、游戏娱乐、智能家居控制等。SSVEP作为一种高效、非侵入性的脑机接口技术，正在被广泛应用于医疗康复、人机交互等领域。理解SSVEP领域的基本术语，是进一步学习和研究的基础。希望本文能够帮助读者快速入门，为后续的深入研究打下坚实的基础。
2025-03-06 21:38:16
832
1
原创 发展中的脑机接口：SSVEP特征提取技术
脑机接口（BCI）是先进的系统，能够通过分析大脑信号与外部设备之间建立通信，帮助有障碍的人与环境互动。BCI通过分析大脑信号，提供了一种非侵入式、高效的方式，让人们与外部设备进行交流。BCI技术越来越受到关注，主要是因为它在轮椅控制、神经假肢、神经康复和娱乐等领域具有巨大的应用潜力。在众多脑活动测量方法中，
2025-03-02 20:29:32
849
2
原创 脑机接口SSVEP 信号特征提取技术术语
脑机接口（BCI）技术作为人机交互的前沿技术，为身体障碍者提供了与外部环境互动的有效手段。BCI通过分析大脑皮层的电活动，帮助用户与外部设备进行通信。脑电图（EEG）作为最常见的非侵入式大脑活动监测方法，因其高时间分辨率、非侵入性、便携性和经济性，成为脑机接口研究中的重要手段。SSVEP（稳态视觉诱发电位）作为一种典型的诱发电位信号，由视觉刺激引起，具有高信噪比和信息传输速率（ITR），因此在BCI系统中得到了广泛应用。
2025-03-01 20:49:39
929
1
原创 天津大学脑机接口MetaBCI平台：开源神器助力脑机接口技术发展
天津大学医学工程与转化医学研究院、天津脑中心等单位联合开发了我国首个脑机接口综合性开源软件平台——MetaBCI。本文将详细介绍MetaBCI平台的功能、特点及应用前景，以及获取安装方法，文档地址。作为我国首个综合性开源脑机接口软件平台，为BCI技术的研究和应用提供了强有力的支持。
2025-02-28 12:34:04
1104
3
原创 清华大学脑机接口研究组Benchmark dataset数据集介绍
本文介绍清华大学脑机接口研究组的Benchmark dataset数据集信息，简要阐述如何使用。这一数据集为SSVEP-BCI领域的研究提供了丰富的数据资源，使得研究人员可以深入了解SSVEP信号的特性、开发更高效的BCI算法、优化控制器设计，并推动脑机接口技术的实际应用。为SSVEP（稳态视觉诱发电位）-BCI领域提供了一组高质量、多样化的数据，极大地支持了算法研究和系统优化。
2025-02-28 11:13:23
1414
4
原创 脑机接口SSVEP经典算法 ITCCA个体模板典型相关分析 matlab实战
itCCA最开始用于C-VEP(code modulated VEP)信号的解码，这种信号的特征难以用正余弦波去描述，但确实存在稳定的类间差异性和类内统一性。因此基于正余弦信号的标准CCA算法，不适用于该情况。C-VEP（Code Modulated Visual Evoked Potential，编码调制视觉诱发电位）信号是一种通过编码调制技术生成的视觉诱发电位（VEP）。VEP是神经生理学中用于评估视觉系统功能的信号。
2025-02-27 10:15:19
1131
12
原创 天津大学脑机接口MetaBCI项目平台安装教程
天津大学神经工程团队介绍了中国首个脑机接口开源软件平台——MetaBCI的技术架构和实现方法。MetaBCI针对BCI领域中数据分布零散、算法难以复现以及在线系统效率低下的问题，规范了BCI数据结构和预处理流程，开发了通用的算法框架。使用anconda管理python环境，及安装jupyter notebook便于后续Metabci环境的使用
2025-02-26 10:00:43
1407
5
原创 脑机接口SSVEP经典算法 FBCCA滤波器组典型相关分析 matlab实战
是一种用于多通道脑电图（EEG）信号处理的算法，特别用于稳态视觉诱发电位（SSVEP）脑-机接口（BCI）系统中的信号分类。FBCCA结合了滤波器组（Filter Bank）和典型相关分析（Canonical Correlation Analysis, CCA）的技术，旨在提高不同频率刺激下SSVEP信号的分类性能。项目地址：项目首页 - FBCCA算法matlab实现:脑机接口SSVEP领域FBCCA算法的matlab实现代码。- GitCode。
2025-02-25 08:45:00
2413
9
原创 stm32f103触屏贪吃蛇项目(附代码) 食物提速+死亡动画
使用stm32f103rct6，2.8寸TFT LCD屏幕，代码已上传至仓库，有意思的小制作。GitCode - 全球开发者的开源社区,开源代码托管平台GitCode是面向全球开发者的开源社区,包括原创博客,开源代码托管,代码协作,项目管理等。与开发者社区互动,提升您的研发效率和质量。stm32触屏贪吃蛇。
2025-02-24 09:22:05
1022
6
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人