针对P300 信号特征提取和分类过程中训练及测试速度相对较慢的不足，提出了一种基于P300 带内带外特征的脑电 信号特征提取方法，将时域能量熵和离散小波变换相结合，克服了P300 信号识别中对电极数量和脑电信号叠加次数的苛刻要 求。试验采用支持向量机作为分类器，在BCI Competition 2003 和BCI Competition 2005 的P300 试验数据集上进行验证，结果表 明，提出的方法只需对一导数据进行处理，只有2 次叠加平均，就能得到很好的分类效果及较短的分类系统运算时间。

基于支持向量机的P300脑电信号分类研究-吕竟雷 本文针对P300脑电信号的特点，通过P300仿真信号和国际标准实验信号， 对支持向量机分类识别P300脑电信号进行了研究。研究结果显示，支持向量机 对P300仿真信号具有很高的识别率和识别速度;对于真实P300脑电信号，在 标准识别方案的基础上，通过多次信号平均和参数优化，并采用整个训练集进 行分类器的训练，识别率达到90. 3%，满足了识别性能要求。值得一提的是， 在分类识别过程中，仅仅采用了15个通道的采样数据和较少的预处理(总通道 数:6

整个P300数据由基于Oddball范式的P300字符实验产生，实验过程如下：实验过程由一名被试者完成，字符矩阵的显示周期为2.5s，在这个周期内，字符矩阵的每行或列均被随机地加亮一次，加亮的持续时间为lOOms，两次加亮之间的时间间隔为75ms：对于每个目标字符，受试者需连续重复进行15次实验，即要经历15个字符矩阵显示周期，因此对于一个目标字符，字符矩阵会进行12×15次加亮。第一节各段的目标字符分别为CAT,DOG,FISH,WATER,BOWL;第二节各段的目标字符分别为HAT,HAT,

第三届BCI竞赛数据集dataset Ⅱ，包括数据集说明文档和测试集的目标字符。数据集在官网下很慢，这里分享一下matlab 格式资源，需要的自取。本人主页也有官网下载方法介绍的博客，时间充足的可去官网下载~