前言：

哈喽，最近对清华大学脑机接口的数据进行了尝试，输入到了DL模型中，以下是本人对于清华BCI数据的个人见解。

数据地址：

清华大学脑机接口研究组 (tsinghua.edu.cn)

打开网站可以看到有很多个数据，官方对于每个数据都有介绍，但是只对于第一个数据：Benchmark Dataset官方所言最多，英文直接翻译就是基准数据集，下面的其他SSVEP数据都是对于该数据的变体，并且其他数据清华介绍也很少。下面对于这个基准数据进行介绍：

Benchmark Dataset：

该数据集收集了35名健康受试者（17名女性，年龄17-34岁，平均年龄：22岁）的SSVEP-BCI记录，重点关注在不同频率（8-15.8 Hz，间隔0.2 Hz）下闪烁的40个字符。对于每个受试者，实验由6个trials组成。每个trials包含40个试验，对应于以随机顺序指示的全部40个字符。每次试验都以指示目标刺激的视觉提示（红色方块）开始。提示在屏幕上出现0.5秒。受试者被要求在提示持续时间内尽快将目光转向目标。提示偏移后，所有刺激开始同时在屏幕上闪烁，并持续5秒。刺激偏移后，在下一次试验开始前，屏幕空白0.5秒，这使得受试者在连续试验之间有短暂的休息时间。每次试验总共持续6秒。为了便于视觉固定，在刺激期间，闪烁的目标下方出现了一个红色三角形。在每个区块中，受试者被要求在刺激期间避免眨眼。为了避免视觉疲劳，在两个连续的盖帽之间休息几分钟。

使用Synamps2系统（Neuroscan，股份有限公司）以1000Hz的采样率采集EEG数据。放大器的通频带范围为0.15Hz到200Hz。六十四个通道覆盖受试者的整个头皮，并根据国际10-20系统排列。地面位于Fz和FPz之间。引用位于顶点上。电极阻抗保持在10KΩ以下。为了消除常见的电源线噪声，在数据记录中应用了50Hz陷波滤波器。事件触发器由计算机生成到放大器，并记录在与EEG数据同步的事件通道上。

连续的脑电图数据被分割为6秒的时期（刺激前500毫秒，刺激后5.5秒）。这些时期随后被下采样到250Hz。因此，每次试验包括1500个时间点。最后，这些数据作为双精度浮点值存储在MATLAB中，并命名为主题索引（即S01.mat，…，S35.mat）。对于每个文件，加载在MATLAB中的数据生成一个名为“data”的4-D矩阵，其维数为[64，1500，40，6]。四个维度表示“电极数”、“时间点”、“目标指数”和“区块指数”。电极位置保存在“64通道.loc”文件中。每个SSVEP频率有六个试验。40个目标索引的频率和相位值保存在“Freq_phase.mat”文件中。

所有受试者的信息都列在“Sub_info.txt”文件中。对于每个科目，有五个因素，包括“科目指数”、“性别”、“年龄”、“熟练程度”和“群体”。根据受试者在基于SSVEP的脑机接口中的经验，将受试者分为“有经验”组（8名受试者，S01-S08）和“幼稚”组（27名受试人，S09-S35）。

总结：

sub：35人

采样率：250hz

data=（64，1500，40，6）：电极数”、“时间点”、“目标指数”和“区块指数

target=（1，40）

标签print一下：

[[ 8. 9. 10. 11. 12. 13. 14. 15. 8.2 9.2 10.2 11.2 12.2 13.2

14.2 15.2 8.4 9.4 10.4 11.4 12.4 13.4 14.4 15.4 8.6 9.6 10.6 11.6

12.6 13.6 14.6 15.6 8.8 9.8 10.8 11.8 12.8 13.8 14.8 15.8]] (1, 40)

类别：40

数据重塑：

（64，1500，40，6）

（64，1500，240）

（240，64，1500）

（240，1，64，1500）

数据最终以（240，1，64，1500）作为CNN的输入，240个样本，1个人工的扩维的维度，当作输入通道数=1，H=64，W=1500.

标签独热编码结果：