基于深度学习的稳态视觉诱发电位（SSVEP）解析——连载1

        Hello，进入这个课题研究也有一段时间了，想来想去，决定好好介绍一下这个方向，帮助更多跨专业或者未接触过的同孩们来更快入门。

稳态视觉诱发电位介绍

    通俗地讲，我们可以将稳态视觉诱发电位（下面简称为SSVEP）理解为一种与视觉有关的脑电信号。具体来看，SSVEP由固定闪烁频率的视觉刺激所诱发，在人脑中以枕叶和顶叶为主的大脑区域产生一种脑电波。

        那依照我们的题目，就是要通过不同类型的算法，对SSVEP信号进行识别，识别的内容就是引起信号的视觉刺激频率值。至于为什么如此做，以脑机接口的脑控汽车为例，我们可以将发动作为10Hz视觉刺激相应的控制命令，当我们识别到某段信号是由10Hz，那汽车就发动了，其他的设备及命令，也是如此。

        既然我们是要通过分析SSVEP信号来控制其他设备（也就是脑机接口），那从上述的描述中，我们就可以得出两个重要的评估指标。思考一下，闪烁-->SSVEP-->算法识别-->外设控制。首当其冲需要考虑的就是，准确率（ACC），我们总不能在想发动汽车的时候，识别成了取消驻车的命令吧，会有危险的。另外一个就是信息传输速率，仍以汽车为例，如果前方出现障碍，我们想向左变道，如果迟迟识别不出来或识别的速度很慢，那产生的危险也是无法估量的。

        因此，我们所进行的所有工作，大都是为了提升准确性（ACC）和信息传输率（ITR）。

        现在我们基本清楚研究东西和目的了，我们再说一下SSVEP的样式，如下图所示。

         如上图，仍然是以10Hz的闪烁刺激为例来说明，在受到刺激后，产生基频（刺激频率）和倍频的谐波响应。且随着谐波倍数的增加，信号幅值不断降低。

        所有文章对于工科学生来讲，过长总会出现疲劳感，为此，那我们分开来讲述不同部分，以此来帮助大家更好的接受这一部分知识。谢谢大家。

        另外，对于脑电信号的可视化，就类似于这篇文章中的图片，推荐大家使用EEGlab工具箱，在进入课题之前，可以学一学，比较不错。