视觉刺激情感变化β波同步分析

陈志华，苏 雅

(大连交通大学 软件学院，辽宁 大连 116052)*

0 引言

如今，脑电信号广泛应用于情感识别研究领域.英国伦敦大学的Eimer和Holmes使用分别带有惊恐和中性表情的人脸图片作为视觉刺激并利用事件相关电位来找出惊恐情感和中性情感间的差异［1］.美国休斯顿大学的 Zouridakis等人通过过滤将原始脑电信号映射到常见的五个频带上，再分别求出五个频带所对应的频带能量，以此作为脑电特征进行情感识别［2］.Frantzidis等人以图片作为视觉刺激对测试者进行试验，他们将所得到的数据分为心情愉悦和心情低落，高兴奋度和低兴奋度，并利用马氏距离分类法进行情感分类，具有很高的分类精度［3］.虽然对情感分析的方法种类有许多［4-8］，但通过事件相关去同步化/同步化方法研究情感识别的研究还有待深入，并且本研究在实现了当左右脑对应区域均为活动状态时，通过左右脑系数差值百分比判断哪一个区域活动较为剧烈的功能.

1 预备知识

当大脑皮质某区域受到感官、动作指令或想象运动等刺激而开始激活时，该区域的代谢和血流增加，同时进行信息加工可以导致相应频段的脑电信号振荡的幅度减低或者阻滞，这种电生理现象称作事件相关去同步化(ERD)［9-10］.大脑在静息或惰性状态下表现出明显波幅增高的电活动，将其称为事件相关同步化(ERS)［11-12］.ERD/ERS具有频段特异性:大脑振荡的活动频率范围波动较大，这些频率常被分为以下频段:delta(＜4Hz)，theta(4 ～7 Hz)，alpha(8 ～12 Hz)，beta(13～30 Hz)及 gamma频段(＞30 Hz).Alpha和beta频段的ERD可作为大脑激活的指标，而ERS的出现则表明大脑处于失活状态，提示皮质区域恢复到静息或惰性状态［13］.本研究采用事件相关去同步化和同步化方法研究过滤后的脑电信号.现有常用的ERD/ERS分析方法主要有时频图谱法(TFS)，功率谱密度(PSD)曲线法，ERD/ERS系数法，脑地形图法，功率谱嫡分析法，小波嫡分析法等［14-15］.本文将主要介绍ERD/ERS系数法.

2 方法

在介绍ERD/ERS系数法之前必须先引入另外两个概念:短时傅里叶变换(Short Time Fourier Transform，STFT)和功率谱密度(Power Spectral Density，PSD).

2.1 短时傅里叶变换

一般情况下，ERD/ERS的发生是与特定时间段的特定频段相关的，使用可以同时提取时域与频域信息的时频分析方法是更符合实际情况的选择.因此基于短时傅里叶变换的时频图谱和功率谱密度法常用在诱发脑电信号的分析中.短时傅里叶变换的公式如下:

公式涵义:在时域用窗函数去截信号，对截下来的局部信号作傅里叶变换，即在t时刻该段信号的傅里叶变换，不断地移动t，即不断地移动窗函数的中心位置，即可得到不同时刻的傅里叶变换，这些傅里叶变换的集合，既是Sx(ω，t).

2.2 功率谱密度

定义:当波的频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率谱密度.功率谱密度(PSD)同样是基于短时傅里叶变换(STFT)其具体公式如下:

2.3 ERD/ERS 系数

ERD/ERS系数的计算公式如下:

其中，tR为参考时间，tA为测试时间，在本次研究实验中用当前选定的时间段作为参考时间，而间隔0.1 s的后一个时间段作为测试时间.

2.4 研究方法

整个实验ERD/ERS判断方法(ERD/ERS系数零一法):将原始脑电数据过滤为脑电极为Fp2(右前额)、Fp1(左前额)、C4(右脑中央区域)、C3(左脑中央区域)为四个电极，beta频带(14，18，22，26和30 Hz)的脑电波数据.设定时间段的时间长度为0.4 s，时间间隔为0.1 s，依次提取十一个时间段的脑电数据，计算十个事件相关去同步/同步系数.将计算得到的同步去同步系数大于0的值(表示同步)均标记为1，小于0的值(表示去同步)均标记为0，将10个数相加，若所得结果大于7则表明同步现象明显，小于3则表明去同步现象明显.

当左右脑对应区域均为ERD时，可以通过比较左右脑参考时间和测试时间功率谱差值的绝对值大小比较活动强度.绝对值较大的代表能量下降多即活动强度大.比较Fp2和Fp1，C4和C3脑电极十个时间段参考时间和测试时间功率谱差值的绝对值大小，若Fp2值大于Fp1，证明Fp2区域能量下降的多，即活动强烈，C4，C3同理.

3 实验

3.1 测试者

所有测试者均为在校大学生，年龄在20～25岁之间，25名男性，10名女性.

3.2 实验准备

安装了如下电极:Fp1、Fpz、Fp2、C3、C4、F7、F8、Fz、C3、C4、T3、T4、Cz、P3、P4、T5、T6、Pz、O1、O2、Oz，奇数表示大脑左侧，偶数表示大脑右侧，Fpz、Fz、Cz、Pz、Oz 表示大脑中轴，两个耳垂电极A1、A2及Z作为参考电极，并要求有地线接地.脑电极的具体位置根据Neurofax EEG-9100K(NKC，Japan)的国际电极位置系统的标准.采样频率设为1 000 Hz.

3.3 实验步骤

第一步，让实验受试者保持放松闭眼，并记录其脑电波，时间大约120 s，此过程的最大目的是为了让实验参与者能处于相当比较平和的状态;

第二步，让受试者睁眼，给予高兴图片视觉刺激，引起其情感变化，并记录其脑电图;

第三步，让受试者闭眼放松约120 s，再给予不高兴图片视觉刺激，引起其情感变化，并记录脑电图.

4 结果

计算测试者分别在频段为 14、18、22、26、30Hz时，Fp2、Fp1、C4、C3 四个脑电极上，十个时间段的ERD/ERS系数.其具体的数据和图形情况，以某测试者为例，如表1和图1.

表1表示 beta波14 Hz，视觉刺激为高兴时，某测试者在各电极各时间段的ERD/ERS系数.每行表示14 Hz时，每个时间段的上各电极的ERD/ERS系数，每一列表示特定电极上各时间段的ERD/ERS系数.

图1第一行表示视觉刺激为高兴时5个beta频段上特定电极的ERD/ERS系数图，每子图的横坐标表示时间段，纵坐标表示ERD/ERS系数最大上限和最小下限.第二行表示视觉刺激为不高兴时5个beta频段上特定电极的ERD/ERS系数图.

表1 某测试者在各电极各时间段的ERD/ERS系数

图1 某测试者两次实验beta频段各电极的ERD/ERDS系数图

根据ERD/ERS系数零一法，分别计算所有男性和女性在视觉刺激时，beta频段，各电极上的ERD/ERS系数零一值和的平均值来判断其大脑活动状态，其具体内容如表2所示.

表2 男性、女性视觉刺激ERD/ERS数据表

由表2可知，视觉刺激为高兴时，男性电极Fp2，Fp1和C3均变现为ERD，C4表现为ERS;视觉刺激为不高兴时，男性的Fp2和Fp1，C3和C4均表现为ERD，可以推断出男性对高兴和不高兴的视觉刺激反应均比较明显.视觉刺激为高兴时，女性电极Fp2，Fp1和C3均变现为ERD，C4表现为ERS;视觉刺激为不高兴时，女性的Fp2，Fp1，C3和C4均表现为ERS，可以推断出女性只对高兴的视觉刺激明显.

当左右脑对应电极均表现为ERD时，即男性:高兴刺激时的Fp2和Fp1电极，不高兴刺激时的Fp2和Fp1电极，C4和C3电极;女性:高兴刺激时的Fp2和Fp1电极.比较功率谱差值绝对值，来判断大脑活动的强度，得出结果:视觉刺激为高兴时，男性Fp1上的谱密度差值较大，即左前额区域活动较为强烈;视觉刺激为不高兴时，男性Fp2和C4上谱密度差值较大，即右额区域和右脑中央区域活动较为强烈，而女性Fp2上的谱密度差值较大，即右前额区域活动较为强烈.

5 结论

为了研究由视觉刺激产生的情感变化时大脑的活动状态，本文采用了ERD/ERS系数零一法通过特定时间段细化研究受刺激阶段的脑电信号，保证了状态检测的准确信，充分发挥ERD/ERS系数的定量性的特点，并在此基础上研究了左右脑均活动时的强烈程度.本文结论对不同性别针对不同情感的情感识别有一定参考价值.

［1］EIMER MARTIN，HOLMES AMANDA.An ERP study on the time course of emotional face processing.［J］.NeuroReport，2002，13(4):1-5.

［2］EIMER M，HOLMES A.Event-related brain potential correlates of emotional face processing［J］.Neuropsychologia，2007，45(1):15-31.

［3］ZOURIDAKIS G，PATIDAR U，PADHYE N S，et al.Spectral power of brain activity associated with emotion-a pilot MEG study［C］//17th International Conference On Biomagnetism Advances in Biomagnetism-BIOMAG2010，IFMBE Proceedings. Dubrovnik， Croatia:Springer，2010:354-357.

［4］LUZHENG BI，XIN’AN FAN.Emotion recognition from EEG based on Bayesian Networks［J］.Energy Procedia，2011(11):278-285.

［5］PETRANTONAKIS PANAGIOTIS C，HADJILEONTIADIS LEONTIOS J.Emotion recognition from EEG using higher order crossings.［J］.IEEE transactions on information technology in biomedicine:a publication of the IEEE Engineering in Medicine and Biology Society，2009，142:97-186.

［6］THIBAUD SENECHAL，KEVIN BAILLY，LIONEL PREVOST.Impact of action unit detection in automatic emotion recognition［J］.Pattern Analysis and Applications，2014，17(1):57-67.

［7］YAACOB SAZALI，NAGARAJAN RAMACHANDRAN，MURUGAPPAN MURUGAPPAN.Classification of human emotion from EEG using discrete wavelet transform［J］.Journal of Biomedical Science and Engineering，2010，3(4):390-396.

［8］陈曾.脑电信号在情感识别中的研究［D］.重庆:西南大学，2010.

［9］PFURTSCHELLER G，ARANIBAR A.Event-related cortical desynchronization detected by power measurements of scalp EEG［J］.Electroencephalogr Clin Neu-rophysiol，1977，42:817-826.

［10］聂聃.基于脑电的情感识别［D］.上海:上海交通大学，2012.

［11］PFURTSCHELLER G.Event-related synchronization(ERS):an electrophysiological correlate of cortical areas at rest.［J］.Electroencephalography and clinical neurophysiology，1992，831:9-62.

［12］庄平.脑电事件相关去同步化和同步化活动与运动相关性作业［J］.中国临床康复，2004(1):152-154.

［13］JAIME A，PINEDA.The functional significance of mu rhythms:Translating“seeing”and“hearing”into“doing”［J］.Brain Research Reviews，2005，50(1):57-68.

［14］REKTOR I，Sochu。rkováD，BocˇkováM. Intracerebral ERD/ERS in voluntary movement and in cognitive visuomotor task［J］.Progress in Brain Research，2006，159:311-330.

［15］王丽佳.基于BCI多动作模式的ERD/ERS信号分析及识别方法的研究［D］.南昌:南昌大学，2010.