运动想象脑电信号特征数据集

主要应用于脑机接口系统中的运动意图识别与脑电信号解码任务，可用于构建基于脑电信号的分类模型，实现对不同运动想象状态的自动识别。同时，该数据集可应用于神经康复辅助系统开发，用于支持上肢或下肢运动功能障碍患者的辅助控制与训练反馈。在人机交互领域，该数据也可用于开发基于脑电信号的交互控制系统，为智能设备控制提供基础数据支持。此外，该数据集还可用于算法性能评估与模型鲁棒性验证研究。1、加工前的数据说明： 本数据来源于单名健康受试者在受控实验环境下完成的连续脑电信号采集。实验任务包括左手运动想象、右手运动想象以及静息状态三类任务。脑电信号通过可穿戴设备进行连续采集，并以时间序列形式记录。原始数据包含多通道脑电信号记录，每条记录均对应明确的实验任务阶段，并通过时间戳进行同步标记。数据在采集过程中完成初步编号与任务区分，用于后续处理与分析。 2、数据处理规则： 原始脑电信号首先进行带通滤波处理（Band-pass Filtering，带通滤波），用于保留有效脑电频段并去除低频漂移与高频噪声干扰。随后采用滑动时间窗口方法（Sliding Window，滑动窗口切分方法），将连续信号划分为固定长度的时间片段，每个窗口长度为两秒。 每个时间窗口样本根据实验任务进行标签标注（Labeling，数据标注），其中： left_hand（左手运动想象，用0表示） right_hand（右手运动想象，用1表示） rest（静息状态，用2表示） 为提高数据可用性，对每个时间窗口提取统计特征，包括： eeg_mean（EEG Mean，脑电均值） eeg_std（EEG Standard Deviation，脑电标准差） eeg_peak（EEG Peak，脑电峰值） 数据处理过程中对受试者信息进行编号化处理（Subject ID，受试者编号），避免任何直接身份关联信息，从而实现数据去标识化（De-identification，去身份识别处理），确保无法通过可逆方式还原至真实个体。 3、数据内容描述： 处理后的数据由结构化特征字段组成，包括 sample_id（样本编号）、subject_id（受试者编号）、session_id（实验轮次编号）、task_type（任务类型）、window_start（时间窗口起点）、window_end（时间窗口终点）以及脑电统计特征字段。 其中 task_type 包含三种类别：left_hand（左手运动想象）、right_hand（右手运动想象）以及 rest（静息状态），用于描述不同脑电认知任务状态。特征字段 eeg_mean、eeg_std 与 eeg_peak 分别用于表征脑电信号在时间窗口内的平均水平、波动程度以及瞬时峰值变化。

搜集汇总

背景与挑战

背景概述

该数据集基于单名健康受试者在受控实验条件下采集的脑电信号，涵盖左手运动想象、右手运动想象和静息状态三种任务。原始信号经带通滤波、2秒滑动窗口切片及统计特征提取（均值、标准差、峰值）等处理，并完成去标识化，形成包含样本编号、受试者编号、任务类型、时间窗口和脑电统计特征的结构化数据。数据集主要应用于脑机接口中的运动意图识别与解码、神经康复辅助控制、人机交互系统开发及算法性能评估等场景。