【附代码】SSVEP解码算法 - 局部时间信息的典型相关分析（TCCA）

1 算法来源

1. Shao, Xinghan, and Mingxing Lin. “Filter bank temporally local canonical correlation analysis for short time window SSVEPs classification.” Cognitive Neurodynamics 14 (2020): 689-696.

2 算法原理

其算法在CCA的基础上加上了一个局部时间信息。利用局部时间协方差矩阵可捕抓到脑电信号中具有判别意义的时间结构信息。

在数学上，CCA的计算依赖于协方差矩阵，并且基于CCA的方法忽略了信号的时间信息，利用固有的时间相关性来提供补充信息来指导CCA的计算是有益的。TCCA在CCA计算过程中挖掘脑电信号的内在时间结构。

1. 首先定义一个零阶矩阵A：
   
2. W的值是由Tukey的tricube加权函数确定：
   
3. 时间局部写方法矩阵计算：
   
   其中X为脑电信号，xi为第i个采样点的所有通道的脑电信号
4. 新的最大相关系数计算：