靜息睜閉眼狀態(tài)腦電信號特征分析

高伊蒙，朱守林*，高明星，戚春華，楊鋒

(內蒙古農業(yè)大學 能源與交通工程學院，呼和浩特 010018)

摘要：駕駛員的腦電信號特征在實際行車時與室內狀態(tài)下具有一定聯(lián)系，尤其表現(xiàn)在α波和β波的活動強弱上。利用MP150多通道生理信號采集儀對不同受試者靜息狀態(tài)睜眼和閉眼時的腦電信號進行采集，并在Acqknowledge軟件上分離出α波和β波，通過對受試者同一時間段內α波和β波的平均功率分析，并結合受試者氣質類型進行深入研究，得到以下結果：α波活動并不穩(wěn)定，因實驗條件的不同容易受到干擾而發(fā)生改變；在相同一段EEG信號中，β波的波形變化幅度相對于α波要小很多。由分析結果可見，動態(tài)測量和睜眼狀態(tài)時，利用腦電信號β波作為分析指標比α波更為合理。由此，可為草原公路實駕過程中駕駛員腦電信號的提取提供一定的參考。

關鍵詞：腦電信號；α波；β波；睜閉眼狀態(tài)；氣質類型

中圖分類號：S 76;U 491

文獻標識碼：A

文章編號：1001-005X(2015)02-0164-05

Abstract：The characteristics of EEG at indoor environment have relations with that in the actual driving state，especially in the intensity of alpha and beta waves.The MP150 multi channel physiological signal acquisition instrument was used to collect the data of different drivers’ EEG signal under eyes open and closed states with peace.The Acqknowledge software was then used to separate the alpha and beta waves.According to the analysis on the average power of alpha and beta waves in the same time quantum，combined with the subjects’ temperament types，the following results were obtained：alpha wave was instable and easy to be disturbed and changed under different experimental conditions.What’s more，in the same period of EEG signal，the change range of beta wave form was much smaller than that of alpha wave form.The results showed that using beta wave of EEG signal as analysis index was more reasonable than using alpha wave at the dynamic measurement and the eye-open state，which can be used as references for obtaining the EEG signal of drivers in grassland highways.

Keywords：electroencephalogram；α wave；β wave；eyes open and closed state；temperament types

收稿日期：2014-09-01

基金項目：國家自然科學基金項目(51168036)

作者簡介：第一高伊蒙，碩士研究生。研究方向：公路交通人機環(huán)境。

通訊作者：*朱守林，教授，博導。研究方向：公路交通人機環(huán)境。E-mail：zhushoulin@126.com

Analysis on the EEG Characteristics under Eyes Open and Closed States

Gao Yimeng，Zhu Shoulin*，Gao Mingxing，Qi Chunhua，Yang Feng

(College of Energy and Transportation Engineering，Inner Mongolia Agricultural University，Hohhot 010018)

引文格式：高伊蒙，朱守林，高明星，等.靜息睜閉眼狀態(tài)腦電信號特征分析[J].森林工程，2015，31(2)：164-168.

駕駛疲勞是導致交通事故發(fā)生的主要因素之一。能夠有效地檢測和預防駕駛疲勞，具有很大的現(xiàn)實意義。腦電圖被視為監(jiān)測疲勞的“金標準”，各種形式的疲勞都會引起腦電可察覺的變化[1-4]。并且，腦電信號具有受環(huán)境干擾小、時間分辨率高、延遲較低等特征。通過監(jiān)測駕駛員的腦電波變化，可反映其情緒的波動以及疲勞的程度。當汽車駕駛員的駕駛動作幅度不大時，其腦電波與靜息狀態(tài)下的大致相同，因此，研究駕駛員靜息時不同生理狀態(tài)下的腦電波特征對分析正常駕駛時的腦電波具有參考作用[5]。

相關研究表明，在靜息睜閉眼狀態(tài)下腦電α波的差異研究中發(fā)現(xiàn)閉眼情況下α波功率顯著高于睜眼，具有顯著性差異的大腦位置包括額葉、頂葉和枕葉等區(qū)域[6-8]。同時，精神因素對腦電波有很大影響，當注意力集中或精神緊張時，腦電波中的α節(jié)律受到抑制或消失；而在精神放松時，α節(jié)律明顯增強，但當精神放松而出現(xiàn)倦意時，α節(jié)律逐漸解體[9]。正常人在清醒、安靜、閉目時，出現(xiàn)α波，一旦被試者睜眼、思考問題或接受其他刺激時，則α波立即消失并轉變?yōu)榭觳?，稱為“α波阻斷”現(xiàn)象。當此人重新安靜閉目時，α波又重新出現(xiàn)。因此可以說α波是大腦皮層處于清醒安靜閉目狀態(tài)時電活動的主要表現(xiàn)[10]。一些研究[11-12]也證實使用α波平均功率水平作為衡量靜息狀態(tài)下睜眼閉眼狀態(tài)的標準。由此可見學者們對腦電信號的研究，涉及了大腦額葉、頂葉、枕葉等部位；睜閉眼以及注意力集中和精神緊張等心生理狀態(tài)。

目前國內外研究多集中在不同狀態(tài)下腦電α波的幅度以及功率變化，對α波和β波的研究也只是單一的波形分析居多，并未涉及到這兩種波的變化關聯(lián)以及相互比較的問題。由于腦電波十分微弱，在采集過程中也容易受到各種因素的干擾，相關研究對駕駛過程中腦電信號平均功率變化的分析不夠詳盡，而且將睜眼閉眼狀態(tài)α波和β波的變化與駕駛過程聯(lián)系的很少。因此，對于靜息狀態(tài)睜眼閉眼的腦電信號分析還需繼續(xù)深入研究。為此本文對靜息狀態(tài)下腦電α波和β波進行對比研究，得到睜眼和閉眼狀態(tài)下α波和β波的波形、功率的特征變化情況，并結合駕駛員的氣質類型做分析。期望可為草原公路駕駛員生理心理指標的檢測提供參考數(shù)據(jù)。

1實驗設計

1.1　實驗人員

選取7名年齡為22～26歲、身體健康、駕齡為0～5a的大學生作為實驗的受試者。由于試驗中不穩(wěn)定因素以及個體差異的影響，選擇具有代表性的5位受試者的實驗結果進行研究分析。

1.2　試驗儀器及要求

儀器選擇MP150多通道生理信號采集儀。采集受試者在靜息睜、閉眼狀態(tài)下的額部的平穩(wěn)腦電信號，采集時間均為6 min。數(shù)據(jù)的采樣頻率設置為1 000 Hz，低通35Hz，高通1Hz。實驗前受試者保證睡眠充足，避免煙、酒、茶和咖啡等任何可能影響腦電采集的食物和藥物，避免劇烈運動。實驗過程中保持環(huán)境安靜，室內光線調整到受試者感到舒適的強度。

2實驗數(shù)據(jù)處理與分析

2.1　腦電數(shù)據(jù)基本分析

受試者在靜息閉睜眼狀態(tài)下實測的兩種原始腦電信號如圖1和圖2所示，兩種信號的不同之處在于：靜息閉眼狀態(tài)時的腦電信號較為平穩(wěn)，波幅在一定范圍內波動。睜眼狀態(tài)時的腦電信號受到眨眼的影響很大，圖2中的尖波為眨眼時腦電的波形變化。

圖1　靜測閉眼條件下的腦電波形 Fig.1 The EEG waveform under static eyes-closed state

圖2　靜測睜眼條件下的腦電波形 Fig.2 The EEG waveform under static eyes open state

腦電信號可分為多個頻帶，其中α和β波屬于腦電中的快波，α波是成年人覺醒并安靜閉目時的正常波形，β波產(chǎn)生于人們處于警覺并注意外部刺激或施加特別心理壓力時；θ波屬于腦電中的慢波，在睡眠期時增多。受年齡和性別等個體差異因素的影響，各類波在產(chǎn)生狀態(tài)及振幅上有很大不同。

(1)α波。頻率為8～13 Hz，幅值25～75μV，以頂枕部最明顯，雙側大致同步，是成年人安靜時的主要腦電波，正常情況下，其頻率是相當恒定的，尤其是人在清醒、安靜并閉眼時該節(jié)律最為明顯，一旦睜開眼睛或接受其它刺激時，α波即刻消失。

(2)β波。頻率為14～30 Hz，波幅5～20μV，額部及中央?yún)^(qū)最明顯，安靜閉目時只在額區(qū)出現(xiàn)，當人的大腦皮層處于興奮狀態(tài)時此波一般會出現(xiàn)。β波是新皮質緊張活動時的腦電波，在額葉和頂葉較顯著。處于此波時，人腦處于清醒狀態(tài)，人的精神比較緊張，對周圍的事物很敏感，大腦容易出現(xiàn)疲勞狀況。絕大部分白天處于這種狀態(tài)。

(3)θ波。頻率為4～7 Hz，幅值20～40μV，兩側對稱，為慢波。成年人在疲倦時可記錄到此波。

實驗均在受試者清醒狀態(tài)下進行，不涉及睡眠狀態(tài)，因此選擇可代表腦電活動強弱的α和β波進行研究分析。平均功率值可反映實際腦電波的活動強弱以及受到眨眼的影響程度。

2.2　腦電α波平均功率分析

對受試者在睜閉眼兩種狀態(tài)下腦電α波的平均功率進行分析，如圖3至圖7所示。

從1號、2號和3號受試者腦電α波的平均功率變化圖中可以發(fā)現(xiàn)：

(1)閉眼時α波的平均功率很穩(wěn)定，而睜眼時α波的平均功率因為受到眨眼的影響而有所波動；不同的是1號和2號在睜眼時的30～60 s內α波的平均功率變化幅度很大，可見受試者在實驗開始時狀態(tài)不穩(wěn)定會對腦電信號的采集有所影響，在數(shù)據(jù)分析中要排除。

圖3　1號受試者α波的平均功率變化圖 Fig.3 The change of mean power of alpha waves for driver 1

圖4　2號受試者α波的平均功率變化圖 Fig.4 The change of mean power of alpha waves for driver 2

圖5　3號受試者α波的平均功率變化圖 Fig.5 The change of mean power of alpha waves for driver 3

圖6　4號受試者α波的平均功率變化圖 Fig.6 The change of mean power of alpha waves for driver 4

圖7　5號受試者α波的平均功率變化圖 Fig.7 The change of mean power of alpha waves for driver 5

(2)α波的平均功率在睜眼時比閉眼時大，這與一部分學者的研究相悖，考慮到實驗設備和實驗方法的不同，腦電信號的采集可能會受到影響，因此，這方面的研究還有待深入。

從4號和5號受試者α波的平均功率變化圖中發(fā)現(xiàn)：

睜閉眼時的兩條α波的平均功率變化曲線有交叉點，且交叉點的分布并不規(guī)律。這與其他3位受試者的數(shù)據(jù)情況有明顯的不同。5號的曲線相對平穩(wěn)，兩種狀態(tài)下特征曲線的交叉點相對于4號少，且當數(shù)據(jù)穩(wěn)定時，α波的平均功率值為閉眼高于睜眼狀態(tài)。

2.3　腦電β波平均功率分析

對受試者在睜閉眼兩種狀態(tài)下腦電β波的平均功率進行分析，如圖8~圖12所示。

圖8　1號受試者β波的平均功率變化圖 Fig.8 The change of mean power of beta waves for driver 1

圖9　2號受試者β波的平均功率變化圖 Fig.9 The change of mean power of beta waves for driver 2

圖10　3號受試者β波的平均功率變化圖 Fig.10 The change of mean power of beta waves for driver 3

圖11　4號受試者β波的平均功率變化圖 Fig.11 The change of mean power of beta waves for driver 4

圖12　5號受試者β波的平均功率變化圖 Fig.12 The change of mean power of beta waves for driver 5

從圖8和圖9中可發(fā)現(xiàn)：

1號和2號受試者閉眼時的β波平均功率均低于睜眼，而且波形平穩(wěn)；睜眼時的β波波形在開始的30 s時變化很大，1號β波平均功率從5.30×10-7下降到2.10×10-7；2號β波平均功率則從1.10×10-6下降到2.00×10-7。

從圖10和圖11中可發(fā)現(xiàn)：

3號和4號受試者睜眼時的β波平均功率相對較穩(wěn)定，且睜眼的平均功率均大于閉眼的平均功率；但閉眼時的β波平均功率值有稍微的波動。

從圖12中發(fā)現(xiàn)：

5號受試者睜眼閉眼的兩條β波的平均功率變化圖形都很平穩(wěn)，但不同于以上4位受試者的是：閉眼的β波平均功率比睜眼時高。

經(jīng)過以上分析可見，實驗結果受到受試者個體差異的影響較嚴重，因此，需要從不同受試者的年齡、性別尤其是性格特征等方面來分析腦電信號的特征。

3結合氣質類型對腦電信號的綜合分析

3.1　受試者氣質類型

通過對5位受試者進行問卷調查，得到其個人信息情況，包括年齡、性別、氣質類型、性格特征等，見表1。而性格特征又分性格類型和性格特點，正常人的氣質類型包括：膽汁質、多血質、粘液質和抑郁質；性格類型包括：心靜如水型、大眾心態(tài)型、易沖型和定時炸彈型。各個受試者的信息情況見表1。

3.2　結合氣質類型對α波進行分析

(1)分析α波的平均功率在睜眼狀態(tài)比閉眼狀態(tài)大的原因，結合表1，發(fā)現(xiàn)1號、2號和3號氣質類型都不相同，但他們的性格類型都屬于易沖型，而易沖型的性格特點是：易沖動，精神容易緊張。可見，沖動、精神緊張對腦電信號有一定的影響，沖動的性格可能會引起腦電信號中α波的不同，尤其是睜眼閉眼時的α波。并且，從性格特點發(fā)現(xiàn)這兩種性格的駕駛員在行車過程中需要克服一定的性格缺點。

(2)4號和5號在兩種狀態(tài)下α波的平均功率范圍相近，結合表1分析：4號屬粘液質型，5號屬粘液-抑郁質混合型，因此，氣質類型更易影響睜閉眼狀態(tài)下腦電α波的特征。由此發(fā)現(xiàn)氣質平和安靜的人，腦電α波更為穩(wěn)定。從性格特點角度看這兩類駕駛員的性格特點更適合安全行駛。

3.3　結合氣質類型對β波進行分析

(1)排除實驗開始時的不穩(wěn)定因素影響，發(fā)現(xiàn)前4位男性受試者睜眼時的β波平均功率值存在一定的波動，但整體較穩(wěn)定。并且，在整個實驗過程中，睜眼的平均功率值均大于閉眼，但睜眼時的數(shù)據(jù)波動較大。可見易沖動的性格類型直接影響腦電β波的特征變化。

(2)5號明顯不同于前4位受試者的是β波平均功率在閉眼狀態(tài)比睜眼時大。兩種狀態(tài)下β波波形均很平穩(wěn)，沒有太大的波動。結合5號受試者的性格特點可見，性格平靜，有耐力，態(tài)度持重，嚴肅認真的人，腦電信號波形相對穩(wěn)定。并且結合實際情況得知，5號受試者做過類似的腦電信號采集實驗，對實驗非常熟悉，其實驗結果的精確度也定會有所提高。

而且，作為女性受試者也是導致腦電信號差異的原因之一。

表1　5名不同受試者的性格信息統(tǒng)計表 Tab.1 The statistics of the character information of the 5 subjects

綜上可見，睜閉眼狀態(tài)腦電信號α、β波的特征受到性格和個人氣質的影響很大，今后需考慮到更多的影響因素，并進行深入的探索研究。

4結論

本文重點對靜息睜閉眼狀態(tài)下的腦電α波和β波的特征進行研究，并結合受試者的氣質類型、性格特點分析得到以下結論：

(1)腦電α波活動并不穩(wěn)定，容易受到實驗條件的影響。不同氣質類型的受試者在睜閉眼狀態(tài)下的α波活動水平不同，同時，性格差異極易影響實驗過程中受試者腦電的特征變化，尤其表現(xiàn)在α波的活動上。

(2)在分析相同一段EEG信號時，β波的波形變化幅度相對于α波的波形變化幅度小很多。此方法可行的前提下，在今后的腦電信號采集當中，提取β波作為分析對象要比α波更加準確可靠。由此，可為研究駕駛員實際行車過程中的腦電信號提供一定的參考。

【參考文獻】

[1]李君羨，潘曉東.基于腦電分析的連續(xù)駕駛疲勞高發(fā)時間判斷[J].交通科學與工程，2012，28(4)：72-79.

[2]王利，艾玲梅，王四萬，等.駕駛疲勞腦電信號節(jié)律的特征分析[J].生物醫(yī)學工程學雜志，2012，29(4)：629-633.

[3]馮知音.腦電信號在身份識別及疲勞檢測中的應用研究[D].北京：北京郵電大學，2012，11.

[4]劉佳興.基于多參數(shù)融合的疲勞駕駛監(jiān)測及預警系統(tǒng)[D].蘭州：蘭州大學，2013，6.

[5]王炳浩，魏建勤，吳永紅.汽車駕駛員瞌睡狀態(tài)腦電波特征的初步探索[J].汽車工程，2004，26(1)：70-72.

[6]李凌，張金香.閉眼與開眼靜息狀態(tài)下腦電α波的差異研究[J].電子醫(yī)科大學學報，2010，39(3)：450-453.

[7]謝松云，張振中，楊金孝，等.腦電信號的若干處理方法研究與評價[J].計算機仿真，2007，24(2)：326-329.

[8]殷艷紅.基于腦電波與眨眼的駕駛員疲勞模擬實驗研究[J].中國優(yōu)秀碩士學位論文全文數(shù)據(jù)庫，2011(S1)：C034-344-1.

[9]陳炎，胡江碧，榮建，等.腦電技術在駕駛行為分析中的應用[J].道路交通與安全，2006，6(9)：15-18.

[10]南姣芬.基于腦電信號的駕駛疲勞檢測方法研究[D].西安：陜西師范大學，2011.

[11]Barry R J，Clarke A R，Johnstone S J，et al.EEG differences in children between eyes-closed and eyes-open resting conditions [J].Clin Neurophysiol，2009，120(10)：1806-1811.

[12]Barry R J，Clarke A R，Johnstone S J，et al.EEG differences between eyes-closed and eyes-open resting conditions [J].Clin Neurophysiol，2007，118(12)：2765-2773.

[責任編輯：肖生苓]