本篇文章主要介绍了稳态视觉诱发电位SSVEP以及相关的数据集处理。

文章来源于CSDN网友pengchengIT的授权分享。

在此非常感谢pengchengIT！

稳态视觉诱发电位(Steady-stateVisual Evoked Potentials, SSVEP)属于视觉诱发电位(Visual Evoked Potentials, VEP)，是指当人眼受到一个恒定频率（通常大于4Hz）的视觉刺激时，大脑视觉皮层会自动产生与刺激频率及其谐波频率同频率的响应。

SSVEP典型应用

实验目的：利用ssvep实现高速字符输入

说明：

1、屏幕上5X8个方格以不同频率（8-15hz）和相位闪集中烁，受试着将视线集中在某个方块上（比如以12hz闪烁的方块），则视觉区收集到的脑电信号中可以识别出12hz及其谐波，这样受试者就完成了一次选择。

2、每一种选择对应一个字符，完成字符输入。
ssvep数据集
1、该数据基于SSVEP经典实验范式产生，所提供数据为4维数据，其中第一个维度表示数据采集的通道数，第二个维度表示数据采样点数，第三个维度表示实验次数，第四个维度表示试验中刺激块的闪烁频率。例如Data_1数据大小为[9,5120,40,6],9表示该实验数据的采集来自于9个通道，5120为采样点数，40表示为确保数据的可靠性，共进行了40轮，6表示SSVEP实验范式中刺激块的闪烁频率为6个不同的频率。
2、采样频率：1024
data_2（MATLAB的mat文件形式）
MATLAB对数据集处理
1、s2_1=sum(data2,1)/9;对第一维（9个通道）取平均
2、s2_1=sum(s2_1,3)/40;对第三维（40次重复）取平均
3、s2_1=s2_1(1,:,1,6);第一维和第三维已经取平均，其索引范围只有1了，第四维中6表示6个频率中第6个频率，其索引范围1到6；第二维是采样点数。
4、这个代码实现绘制信号时域图和绘制频域图

load('Data_2.mat');
data2=kwang_1024_1;
figure(1)
s2_1=sum(data2,1)/9;
s2_1=sum(s2_1,3)/40;
s2_1=s2_1(1,:,1,6);
t=(0:length(s2_1)-1)/1024;
plot(t,s2_1)
axis([t(1) t(end)+1 -5*max(s2_1) 5*max(s2_1)]);
figure(2)
NFFT = 2^nextpow2(length(s2_1));
f = 1024/2*linspace(0,1,NFFT/2+1);
y=fft(s2_1,NFFT)/length(s2_1);
plot(f,abs(y(1:NFFT/2+1)),'r')
axis([0 50 0 0.15]);

结果展示

<1>时域图

这个是第6个频率刺激下的时域图

<2>频域分析

通过对脑电波的频域分析，观察其频率与其谐波频率，可以得出这6个刺激频率分别是7,8,9,10,11,12Hz

第一个频率下产生的脑电波s2_1(1,:,1,1)FFT结果

第二个频率下产生的脑电波s2_1(1,:,1,2)FFT结果

第三个频率下产生的脑电波s2_1(1,:,1,3)FFT结果

第四个频率下产生的脑电波s2_1(1,:,1,4)FFT结果

第五个频率下产生的脑电波s2_1(1,:,1,6)FFT结果

第六个频率下产生的脑电波s2_1(1,:,1,6)FFT结果

本案例中的数据文件下载地址：

https://download.csdn.net/download/pengchengIT/12498373

不方便下载且对上述数据集非常有需求的话，可以联系Rose(扫描下面二维码，微信Rose)

文章来源于网络，仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言！

更多阅读

快速入门脑机接口：BCI基础(一)

干货|详解EEG脑电原理

脑电与情绪

蒲慕明院士：脑机融合技术或许会成为未来人工智能的一个热门方向

专家点评马斯克展示的最新脑机接口

快速入门脑机接口：BCI基础(二)

脑波的振幅、位相、分类

如何快速找到脑机接口社区的历史文章？

脑机接口BCI学习交流QQ群：515148456