基于眨眼伪迹的脑电信号数据集

该数据集主要应用于脑电信号伪迹识别、信号预处理优化以及脑机接口系统中的信号净化任务。在算法层面，可用于训练监督学习模型，如支持向量机、随机森林以及轻量级神经网络模型，用于实现眨眼伪迹的自动检测与分类。此外，该数据也可用于验证脑电信号在低信噪比条件下的鲁棒性与稳定性分析。一、加工前的数据说明 本数据集来源于3名健康受试者（S01–S03），所有受试者均签署数据采集与使用授权协议。数据采集在实验室环境下进行，使用可穿戴非侵入式脑电采集设备，通过多通道电极采集脑电信号。采集过程中，受试者按照实验范式完成眨眼任务（包括自然眨眼与自主控制眨眼），同时记录静息状态脑电信号作为对照数据。脑电信号采样率为256 Hz，数据通过无线蓝牙模实时传输至计算机终端进行存储。原始数据以连续时间序列形式记录，并在采集后进行统一编号与时间对齐处理。 二、数据处理规则说明 原始脑电信号首先进行基础预处理，包括带通滤波用于去除低频漂移与高频噪声，其频率范围设置为0.5–40 Hz。随后采用滑动时间窗口对连续信号进行分段处理，每个窗口长度为2秒，重叠率为50%，以增强样本密度与时间连续性。眨眼事件通过阈值检测与人工校验相结合的方法进行标注，确保标签准确性，其中label=1表示眨眼伪迹，label=0表示非眨眼状态。数据进一步计算统计特征，包括均值（Mean）、标准差（Standard Deviation，STD）与峰值（Peak Value），用于后续机器学习模型训练与分类分析。 三、数据内容与算法规则说明 本数据集包含脑电信号的结构化特征数据与对应标签信息，主要字段包括受试者编号（Subject ID，受试者标识）、时间窗口起始点（Window Start Time，时间片起点）、脑电统计特征（EEG Mean：脑电均值；EEG STD：脑电标准差；EEG Peak：脑电峰值）以及眨眼状态标签（Label）。

搜集汇总

背景与挑战

背景概述

本数据集包含3名健康受试者的多通道脑电信号，经0.5-40Hz带通滤波和2秒滑动窗口分段后，提取了均值、标准差、峰值等统计特征，并标注眨眼伪迹标签（label=1/0），共2143条记录。该数据可用于训练监督学习模型（如SVM、随机森林、轻量级神经网络）以实现眨眼伪迹的自动检测与分类，也可用于脑电信号在低信噪比条件下的鲁棒性分析，服务于脑电信号预处理和脑机接口系统的信号净化。