© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州澜鑫诺科技有限公司
企业杭州澜鑫诺科技有限公司围绕相关业务开展运营。面向脑电信号、专注状态识别、脑电信号放松状态评估等领域提供数据服务，开放脑电信号专注状态识别特征数据（脑电信号、专注状态识别）、脑电信号放松状态评估特征数据（脑电信号放松状态评估、职业压力与心理健康）、肌电信号手部动作识别特征数据（肌电信号动作识别、人机交互），支撑交通监测与通行研判。
脑电信号专注状态识别脑电信号放松状态评估
数据集列表
微环谐振光谱数据集
本数据集主要用于微环谐振光谱分析算法和光子传感系统的研发、训练及性能验证。通过对光谱波长、光强响应、噪声水平和谐振中心波长等数据进行处理，可解决微环谐振光谱中谐振峰自动识别、中心波长定位、弱信号提取、噪声干扰抑制以及不同样本间波长漂移量计算等问题，为待测物折射率变化和浓度变化的定量分析提供数据基础。
在具体应用中，该数据集可用于生物医学检测中的蛋白质、葡萄糖、抗体等生物标志物响应分析；环境监测中的水体污染物浓度变化识别；食品安全检测中的目标成分筛查和浓度反演；工业过程检测中的材料折射率、溶液浓度及工艺状态变化监测。同时，可用于微环谐振光子传感芯片的结构优化、光谱解调算法训练、无光谱仪数字化读出模型开发及传感系统稳定性验证，从而提高谐振中心识别精度、复杂噪声条件下的信号提取能力和检测结果的一致性。
浙江省数据知识产权登记平台2026-07-28 更新00
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。
浙江省数据知识产权登记平台2026-07-23 更新00
脑电信号注意力水平评估特征数据
本数据基于多频段功率特征与频谱复杂度指标，对个体的注意力水平进行量化分析，可广泛应用于智能康复训练、学习与认知评估、脑机接口人机交互以及驾驶与操作安全监测等场景。在实际系统中，通过实时采集EEG信号并计算注意力指数与频谱熵等特征，实现对用户专注程度的动态监测与分级判定，从而为任务难度自适应调整、神经反馈干预以及风险预警提供数据支持。一、加工前的数据说明
原始数据为 18-65 岁健康人群的非侵入式脑电信号，采集于室内静态注意力任务场景（温度 18-26℃、电磁干扰≤30dB），通过多通道采集连续时域信号（采样率≥256Hz），单采集周期 5-10 分钟（含静息校准、注意力任务执行阶段，任务含持续性注意测试、选择性注意分辨等类型）。
二、处理规则
预处理：采用 0.5-40Hz 带通滤波去除工频、肌电、眼电干扰，通过独立成分分析剔除伪迹，保留信噪比≥15dB 的有效信号段；2. 特征提取：经傅里叶变换计算 δ/θ/α/β/γ 波能量值，通过熵值算法得到谱熵，结合脑电信号节律稳定性分析生成注意力指数，根据任务正确率与信号特征标注专注状态标签；3. 匿名化处理：消除个体生理特征唯一性，确保无法通过算法或数据关联还原原始脑电信号及个人身份；4. 数据筛选：剔除特征值超健康人群注意力状态生理基准区间、任务执行异常的样本，保障数据有效性。
三、数据内容描述
加工后为结构化数据集，可直接作为注意力水平评估算法的输入数据，且无法反向推导原始采集对象。
字段名 中文解释
record_id ：记录编号（用于区分不同采集记录的匿名唯一编号）
channel_id：通道标识（表示脑电信号采集通道编号，例如 CH07，用于区分不同脑电电极位置）
delta_power：δ波能量值（反映低频脑电活动强度，与深度放松、困倦等状态相关）
theta_power：θ波能量值（反映较低频脑电活动强度，用于评估注意力波动、疲劳及认知状态变化）
alpha_power：α波能量值（反映放松与静息状态下的脑电活动水平，常用于评估专注与放松平衡状态）
beta_power：β波能量值（反映较高频脑电活动强度，与注意力集中、认知加工和任务执行相关）
gamma_power：γ波能量值（反映高频脑电活动强度，用于描述高级认知处理与信息整合活动）
spectral_entropy：谱熵（衡量脑电信号频谱复杂度和无序程度，反映脑活动状态的复杂性）
attention_index：注意力指数（指数范围为0-100，[0, 30]对应低注意力状态，(30, 70]对应正常状态，(70, 100]对应高注意力状态）
focus_label：专注状态标签（当前样本对应的注意力水平分类结果，低 / 正常 / 高注意力状态）
浙江省数据知识产权登记平台2026-06-12 更新00
脑电信号注意力水平评估特征数据
本数据基于多频段功率特征与频谱复杂度指标，对个体的注意力水平进行量化分析，可广泛应用于智能康复训练、学习与认知评估、脑机接口人机交互以及驾驶与操作安全监测等场景。在实际系统中，通过实时采集EEG信号并计算注意力指数与频谱熵等特征，实现对用户专注程度的动态监测与分级判定，从而为任务难度自适应调整、神经反馈干预以及风险预警提供数据支持。
浙江省数据知识产权登记平台2026-05-28 更新10
生理与行为特征联合分析数据
本数据主要用于分析个体在不同任务情境下的生理状态与行为表现之间的关联关系。通过联合分析生理信号特征（如心率变化、皮肤电反应等）与行为特征（如反应时间、任务准确率等），可以对个体的认知负荷、压力水平及任务执行效率进行综合评估。
该数据可应用于多种智能系统场景，例如智能学习系统中的学习状态分析、人机交互系统中的用户状态识别、驾驶安全监测中的疲劳与压力评估以及健康管理系统中的生理行为关联分析等。通过对生理与行为特征的联合分析，可辅助系统实时识别用户状态并进行智能反馈与调节，从而提升系统交互效率与安全性。加工前的数据来源于生理信号采集设备和行为任务记录系统。生理数据主要包括心率信号、皮肤电信号等时间序列数据，通过可穿戴传感器实时采集；行为数据来源于任务交互系统记录，包括用户在执行任务过程中的反应时间、操作次数及任务完成情况等信息。
在数据处理过程中，首先对原始生理信号进行滤波与异常值检测处理，去除明显噪声并保留有效生理变化信息；随后基于固定时间窗口计算心率变化率、皮肤电响应幅度等统计特征。同时对行为数据进行时间同步处理，提取反应时间、任务切换频率及任务完成效率等行为特征。在特征提取完成后，通过归一化处理统一不同特征的量纲，并采用多特征加权融合方法计算综合认知压力指标和行为认知负载指标。
最终形成的数据为结构化的生理与行为联合特征数据，每条记录包含生理信号特征指标、行为表现特征指标以及基于多特征融合计算得到的综合状态评估指标。数据中不包含可逆的原始生理信号时间序列，所有数据均经过去标识化处理，无法还原具体个体信息。
sample_id：样本编号（用于区分不同志愿者或不同实验记录的匿名编号，不包含个人身份信息）
heart_rate：心率（单位：次/分钟，表示受试者在任务执行过程中的平均心跳水平，用于反映生理唤醒状态）
skin_conductance：皮肤电导水平（单位：微西门子，用于反映人体交感神经活动强度，与压力或情绪唤醒程度相关）
reaction_time：反应时间（单位：毫秒，表示受试者对任务刺激做出响应的平均时间，用于衡量认知处理速度）
task_accuracy：任务准确率（0–1之间的归一化数值，表示任务完成的正确程度，用于衡量行为表现质量）
task_switch_frequency：任务切换频率（表示在实验过程中切换不同任务或操作状态的次数，用于反映认知灵活性与任务负荷）
cognitive_stress_index：认知压力指数（通过生理与行为特征融合计算得到的综合指标，用于评估个体在任务过程中的压力水平）
behavioral_cognitive_load：行为认知负荷指数（基于行为表现计算得到的负荷指标，用于反映任务执行的困难程度与认知消耗）
feature_version：特征版本号（用于标识当前数据特征提取方法的版本，用于保证数据可追溯性与一致性，本数据集中为V1.0）
浙江省数据知识产权登记平台2026-05-15 更新70
肌电信号肢体动作分类数据
(如手臂抬起、手臂弯曲、腿部抬起等)产生的肌电信号进行特征提取与模式分析，可识别不同动作对应的肌肉激活特征模式。该数据可应用于神经康复训练系统中的动作评估与训练反馈、人机交互系统中的动作控制识别、假肢控制系统中的动作意图识别以及智能运动监测设备中的动作分析等场景。通过对肌电特征数据的分类分析，可辅助相关系统实现对用户肢体动作的自动识别与控制指令生成。
浙江省数据知识产权登记平台2026-07-23 更新00
微环谐振峰特征参数数据
本数据集合主要应用于微环谐振光子传感芯片的器件性能评估、谐振特征识别、参数标定、异常状态筛查及检测算法训练。通过对谐振中心波长、半高全宽、品质因子、峰深、拟合优度和谐振模式等特征参数进行联合分析，可解决原始光谱数据量大、谐振特征难以直接提取、不同谐振模式难以区分以及器件性能难以量化评价等问题。在光子传感芯片研发与标定过程中，本数据集合可用于识别有效谐振峰，评价谐振器的峰形质量、能量损耗、耦合状态和运行稳定性，为器件结构优化、工艺一致性分析、芯片性能分级及异常谐振模式筛查提供数据依据。
浙江省数据知识产权登记平台2026-07-23 更新00
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。
浙江省数据知识产权登记平台2026-06-03 更新00
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。
浙江省数据知识产权登记平台2026-05-19 更新00
脑电信号疲劳状态分析特征数据
该数据适用于疲劳状态分析与趋势评估，可用于智能监测系统、作业状态评估及风险预警等应用场景，帮助判断疲劳积累程度，为状态管理和干预提供参考依据。一、加工前的数据说明
原始数据为 18-65 岁健康成人的非侵入式脑电信号，采集于 18-26℃、电磁干扰≤30dB 的室内静态环境，通过 CH24 等通道采集连续时域信号（采样率 256Hz），单周期 10 分钟（含清醒 - 疲劳 - 恢复阶段）。原始数据属个人生物识别数据，可通过设备编号、采集时间关联至具体个人，需合规加工。
二、处理规则
预处理：经 0.5-40Hz 带通滤波去干扰，ICA 剔除信噪比＜15dB 的异常段，保留有效信号≥8 分钟的样本；2. 特征提取：通过 FFT 转换计算 delta/theta/alpha/beta/gamma 波能量值、谱熵及注意力指数，标注专注状态标签；3. 匿名化：特征值归一化处理，确保无法还原原始数据及个人身份；4. 筛选：剔除超出生理基准区间的异常样本，保障数据有效性。
三、数据内容描述
加工后为结构化数据集，每条记录包含 10 个核心字段。数据均为标准化数值或分类标签，且无法反向推导原始脑电信号及识别具体采集对象。
字段解释：
record_id ：记录编号（用于区分不同脑电采集记录的匿名唯一标识，不包含任何个人身份信息）
channel_id：通道标识（表示脑电信号采集通道编号，例如 CH24，用于区分不同脑区电极位置）
delta_power：δ波能量值（反映低频脑电活动强度，通常与低觉醒水平、困倦及疲劳状态相关）
theta_power：θ波能量值（反映较低频脑电活动强度，是评估精神疲劳、注意力下降及认知资源消耗的重要特征指标）
alpha_power：α波能量值（反映静息状态下的脑电活动水平，可用于辅助评估疲劳过程中脑活动的变化特征）
beta_power：β波能量值（反映较高频脑电活动强度，通常与认知活跃度、任务参与度及精神警觉性相关）
gamma_power：γ波能量值（反映高频脑电活动强度，常用于描述高级认知处理及神经信息整合活动）
spectral_entropy：谱熵（用于衡量脑电信号频谱复杂程度和无序程度，可用于反映疲劳状态下脑活动复杂性的变化）
attention_index：疲劳状态指数（基于多频段脑电特征综合计算得到的状态评估指标，用于反映个体当前疲劳程度）
focus_label：疲劳状态标签（表示当前样本对应的疲劳状态分类结果，如正常、轻度疲劳或较高疲劳状态）
浙江省数据知识产权登记平台2026-05-15 更新00