鄭 巍

(哈爾濱師范大學(xué))

1 自我信息加工ERP研究

大量研究證明了自我相關(guān)信息存在明顯的加工優(yōu)勢(shì)［2］，大量的自我研究采用已經(jīng)熟知的信息(刺激材料的選擇可能是自己的名字或面孔［6］)涉及記憶和高級(jí)決策，所以研究材料的選取會(huì)對(duì)實(shí)驗(yàn)結(jié)果解釋產(chǎn)生影響［7］．為了進(jìn)一步驗(yàn)證自我優(yōu)勢(shì)不僅影響人的高級(jí)決斷，也對(duì)初級(jí)知覺(jué)加工產(chǎn)生影響．Sui等［5］人采用新的社會(huì)學(xué)習(xí)(Social Learning)范式來(lái)研究自我相關(guān)信息加工的特點(diǎn)．利用Sui的實(shí)驗(yàn)過(guò)程測(cè)得的數(shù)據(jù)正是要進(jìn)行后續(xù)研究的基石．

由于目前還沒(méi)有對(duì)視覺(jué)誘發(fā)電位的特有成分C1深入研究．C1發(fā)生源位于視覺(jué)初級(jí)皮質(zhì)V1，在頭皮后部的中線或后部的兩側(cè)波幅最大．當(dāng)刺激落在中視野時(shí)通常是波幅更小的正波，由于C1比較小，當(dāng)它是正波時(shí)，就會(huì)與P1重合成一個(gè)波而被掩蓋．因此，除非上視野刺激產(chǎn)生負(fù)性C1波，C1通常觀察不到．C1通常在刺激后40～60 ms出現(xiàn)，刺激后 80～100 ms達(dá)到頂峰［3］．由于傳統(tǒng)的疊加平均方法得到的C1并沒(méi)有考慮到數(shù)據(jù)的整體性，該文希望能夠通過(guò)函數(shù)型數(shù)據(jù)方法對(duì)自我信息方面的事件相關(guān)電位進(jìn)行分析，進(jìn)而對(duì)視覺(jué)誘發(fā)電位C1進(jìn)行探索．

基于函數(shù)型數(shù)據(jù)分析獲取ERP的方法從數(shù)據(jù)的整體出發(fā)估計(jì)ERP［8］，進(jìn)而更充分的考慮了數(shù)據(jù)隱含的信息，并且所得ERP是連續(xù)的函數(shù)，體現(xiàn)了腦活動(dòng)本身的時(shí)實(shí)連續(xù)性并為后續(xù)研究提供了可行性基礎(chǔ)．分析時(shí)程為刺激呈現(xiàn)前200 ms至刺激呈現(xiàn)后 1000 ms，刺激呈現(xiàn)前200 ms作為基線，之后對(duì)O1這個(gè)電極的26個(gè)被試的自我-大圖形、自我-小圖形、媽媽-大圖形、媽媽-小圖形、陌生人-大圖形、陌生人-小圖形六種條件所誘發(fā)的ERP波形使用函數(shù)型數(shù)據(jù)分析方法研究與C1成分有關(guān)的40～100 ms的事件相關(guān)電位．下面就通過(guò)對(duì)函數(shù)型數(shù)據(jù)分析方法的介紹來(lái)了解FDA方法對(duì)ERP數(shù)據(jù)的處理優(yōu)勢(shì)．

2 函數(shù)型數(shù)據(jù)分析(FDA)

函數(shù)型數(shù)據(jù)分析方法在經(jīng)濟(jì)、氣象、醫(yī)學(xué)等科學(xué)領(lǐng)域都有應(yīng)用．經(jīng)過(guò)epoch之后的數(shù)據(jù)按時(shí)間排列，為含有多個(gè)試次的數(shù)據(jù)集，就每一個(gè)試次而言，可以看成是一個(gè)時(shí)間序列數(shù)據(jù)，為其隨時(shí)間變化的特性;就每一個(gè)確定的時(shí)刻而言，可以看成是截面數(shù)據(jù)，體現(xiàn)的是相同時(shí)刻，不同試次觀測(cè)值的變化的信息［8］．疊加平均的方法是對(duì)每一個(gè)時(shí)刻的所有試次的觀測(cè)值依次進(jìn)行疊加平均，最后將各時(shí)刻的均值連接起來(lái)作為ERP．這樣做會(huì)損失數(shù)據(jù)包含的信息，比如把各個(gè)時(shí)刻分割開(kāi)來(lái)進(jìn)行疊加平均會(huì)丟掉各個(gè)試次作為一個(gè)完整的反應(yīng)序列隨時(shí)間變化的信息;若單獨(dú)從時(shí)間序列的角度考慮又不能顧及多個(gè)試次的某些共性，若能從整體角度出發(fā)來(lái)分析這樣的數(shù)據(jù)就能夠更深刻的利用數(shù)據(jù)的信息，進(jìn)行更深入的分析［1］．這種把數(shù)據(jù)看成一個(gè)整體的思想就是統(tǒng)計(jì)上的 FDA 方法［4］．

假定存在光滑的隨機(jī)函數(shù)X(t)，可以看作是某種隨機(jī)過(guò)程，其中 X1(t)，…，Xn(t)表示X(t)的n個(gè)獨(dú)立實(shí)現(xiàn)．將觀測(cè)數(shù)據(jù)記作 yi=(yi1，…，yini)'，所以函數(shù)型數(shù)據(jù)的基本特征為

yij=Xi(tij)+ εi(tij)，j=1，…，n;i=1，2，…，n

令均值函數(shù)μ(t)=EX(t)，協(xié)方差函數(shù)Γ(s，t)=Cov{X(s)，X(t)}，可由特征函數(shù)和非增非負(fù)的特征根表示Γ(s，t)Γ．可以使用 Karhumen-Loève展開(kāi)，這時(shí)，第i條隨機(jī)曲線的展開(kāi)為 Xi(t)=μ(t)+，其中 φk(t)是特征函數(shù)，隨機(jī)變量ξik是Xi(t)的第k個(gè)主成分得分．根據(jù)所要研究的ERP數(shù)據(jù)，n表示參與估計(jì)的試次個(gè)數(shù)，ni表示每個(gè)試次的觀測(cè)個(gè)數(shù)，體現(xiàn)數(shù)據(jù)整體趨勢(shì)的均值函數(shù)是要估計(jì)的ERP，該文使用非參方法中的局部線性估計(jì)方法得到μ(t)就是求解下面最小化的問(wèn)題

其中K(·)表示核函數(shù)，hμ表示估計(jì)μ所用的帶寬，最優(yōu)帶寬使用交叉核實(shí)的方法確定．則

3 實(shí)驗(yàn)過(guò)程

3．1 被試

被試為25名大學(xué)生其中男6人，女19人，年齡在20 ～ 27歲(M=22．07 ±2．74)，所以被試視力或是矯正視力正常，均為右利手，全部被試都是志愿參加，實(shí)驗(yàn)后得到相應(yīng)報(bào)酬．

3．2 實(shí)驗(yàn)材料

采用21寸純平電腦顯示器，屏幕分辨率為1024×768，刷新率為100 Hz．實(shí)驗(yàn)程序采用心理學(xué)專業(yè)軟件E-Prime 1．3編制并收集數(shù)據(jù)．實(shí)驗(yàn)刺激從事先繪制好40種三角形，40種四邊形和40種橢圓形中隨機(jī)抽?。渲忻糠N圖形分為大小兩種情況各20種．

3．3 實(shí)驗(yàn)流程

每名被試單獨(dú)測(cè)驗(yàn)，雙眼距離屏幕60cm，實(shí)驗(yàn)為2(圖形大小:7°×3°)×3(三種社會(huì)關(guān)系:自我vs媽媽vs生人)實(shí)驗(yàn)設(shè)計(jì)．實(shí)驗(yàn)開(kāi)始前給被試呈現(xiàn)三“圖形 -標(biāo)簽”關(guān)聯(lián):三角形，四邊形和橢圓分別代表自己、媽媽和陌生人(關(guān)聯(lián)方式進(jìn)行被試間匹配)，并要求記憶．實(shí)驗(yàn)開(kāi)始后，首先在屏幕中央呈現(xiàn)中央注視點(diǎn)500 ms，隨后出現(xiàn)100 ms圖形，之后呈現(xiàn)1000～1300 ms空屏，最后出現(xiàn)100 ms的標(biāo)簽，要求被試判斷之前呈現(xiàn)的圖形與隨后出現(xiàn)的標(biāo)簽是否為實(shí)驗(yàn)開(kāi)始前所要求記憶的關(guān)聯(lián)，如果是則按N鍵，不是則按M鍵．上述實(shí)驗(yàn)提供數(shù)據(jù)為清華大學(xué)心理實(shí)驗(yàn)室提供．

4 實(shí)例分析

上面提到的事件相關(guān)電位，就可由Matlab得到相應(yīng)的圖像，以一個(gè)被試為例，其中藍(lán)色代表陌生人 -小圖形、黃色代表陌生人 -大圖形、綠色代表自我-小圖形、青蘭色代表自我 -大圖形、紅色代表媽媽 -小圖形、粉紅色代表媽媽 -大圖形．關(guān)于自我面孔識(shí)別研究中，N170、P300等成分為主要研究對(duì)象，這里只關(guān)心視覺(jué)誘發(fā)成分．就是40～100 ms的峰值的研究，所以將六個(gè)條件下、三個(gè)條件的大圖形、三個(gè)條件的小圖形分別進(jìn)行了處理得到圖1～圖3．

圖2 小圖形C1成分

圖3 大圖形C1成分

由圖1～3可以看出大圖形、小圖形的C1成分的波形趨勢(shì)相似，峰值的位置也大致相近．但是想要對(duì)大圖形和小圖形的C1成分的峰值是否存在差異，這樣就需要使用獨(dú)立樣本檢驗(yàn)方法，分別對(duì)自己、媽媽、生人的小圖形，大圖形進(jìn)行26個(gè)被試的加和得到大圖形和小圖形的值，這樣就不會(huì)因?yàn)樽约?、媽媽、生人?duì)大小圖形檢驗(yàn)的獨(dú)立性產(chǎn)生影響．使用SPSS進(jìn)行分析得出p=0．1大于顯著型水平0．05得到大小圖形的均值不存在顯著性差異的結(jié)論．表1是關(guān)于C1成分的峰值表大小圖形獨(dú)立檢驗(yàn)的結(jié)果表．

表1 大小圖形獨(dú)立性檢驗(yàn)

［1］ 胡宇．函數(shù)型數(shù)據(jù)分析方法研究及其應(yīng)用．2011，東北師范大學(xué)博士論文．

［2］ 馬建苓，陳旭，王婧．自我面孔識(shí)別的特征、影響因素及ERP研究評(píng)述［J］．心理科學(xué)進(jìn)展，2012，20(2):240-247．

［3］ 魏景漢，羅躍嘉．事件相關(guān)電位原理與技術(shù)［M］．北京:科學(xué)出版社，2010．

［4］ Ramsay JO，Silverman BW．函數(shù)型數(shù)據(jù)分析［M］．第二版．北京:科學(xué)出版社，2006．

［5］ Sui J，ZhuY，Han S．Self-face recognition in attended and unattended conditions:An event-related brain potential study［J］．Neuroreport，2006，17(4):423-427．

［6］ Sui J，Liu C H，Wang L，et al．Attentional orientation induce by temporarily established self- referential cues［J］．The Quarterly Journal of Experimental Psychology，2009，62(5):844-849．

［7］ Sui J，He X，Humphreys G W．Perceptual effects of social salience:Evidence from self-prioritization effects on perceptual matching ［J］．Journal of Experimental Psychology:Human Perception and Performance，2012，38(5):1105-1117．

［8］ Zhao Y B，Tao J，Shi N Z，et al．The extraction of LRP with determining its onset via functional data analysis techniques［J］．Journal of Neuroscience Methods，2012，206:94-101．