国家女子体操队备战伦敦奥运会不同训练阶段脑α波特征及适应状态分析

李稚 吴瑛 李捷 洪平 裘晟 张亮

1上海体育学院体育教育训练学院（上海200438）

2 广东省体育科学研究所

3 广东省体育局科教宣传与交流处 4 国家体育总局体育科学研究所

备战2012年伦敦奥运会国家女子体操队的集训选手均具备世界级选手的能力， 如何通过科学合理的训练最大限度地提高并维持选手的竞技能力， 保证选手在比赛中取得优异成绩， 备战期各阶段的训练控制至关重要。 同时，在众多高手中挑选出竞技水平最高、技能表现最稳定的选手参赛，也是一个艰难的选择，需要综合考虑诸多因素。 现代高水平竞技训练中，先进科学的训练监控手段越来越受到教练员的重视， 教练员能否正确调整训练计划、合理选拔参赛选手，与是否能准确掌握不同训练阶段的训练负荷和专项技术结构对选手的影响以及赛前选手的整体状态紧密相关。 从系统科学的角度看， 运动训练的过程是选手在训练目标的导向下，通过训练负荷经验，引起机体内部产生竞争与协同自组织成为有序状态的过程[1]。这一过程是机体各级网络系统依据经验信息重构重组的过程，因此，选手大脑的时序自组织适应状态， 可反映出选手对训练负荷经验自组织情况的动态变化。

脑电图（electroencephalogram,EEG）因具有良好的时间分辨率及设备轻便等优势， 成为分析脑机能和状态最常用的方法。20世纪50年代，脑电测试开始应用于竞技训练领域，涉及到神经心理状态、运动性疲劳、过度训练、运动选材、不同运动负荷、不同训练水平、不同性别年龄等多个方面[2]。 频率为8～13Hz的脑电α波是人在安静闭目状态下被记录到的主要脑电波形， 是一种低幅同步波，具有混沌特征，可作为评价意识水平和脑机能水平的客观指标,以往的研究发现运动负荷的增加或情绪的紧张都会对其产生影响[3-6]。 早在20世纪90年代，梅磊、周传岱等人就利用脑α波频段的涨落特征来评价飞行员的大脑机能， 并将其应用于飞行员和航天员的选拔[7]。 近些年来，该评价技术被用于射击、射箭、竞走、曲棍球、跳水、举重、游泳、蹦床等竞技项目，涉及到中枢机能状况监测、选材和评价训练效果等方面[8-20]。有关脑神经科学与体操运动技能学习、 训练控制及技能表现的关系， 一直是体操训练监控和状态评估体系中的薄弱环节。 本研究基于运动训练的自主适应控制理论，运用脑α波分析技术，从脑的角度研究高水平女子体操选手在备战伦敦奥运会期间的各个训练阶段，脑α波协同结构与专项训练内容安排和运动负荷变化相对应的适应性变化规律， 并比较奥运选手和非奥运选手在相同训练阶段的脑α波协同结构特征，以期从中枢训练适应的角度进一步完善高水平体操选手的训练监控和状态评估体系， 为教练员更好把握选手的训练与竞技状态、 调整训练计划及选拔参赛队员提供客观依据。

1 研究对象与方法

1.1 研究对象

国家女子体操队备战2012年奥运会有16名集训选手，其中有2人因伤病未能正常训练，本研究最后统计了14名选手。 国家队最终从这14名选手中选拔5名参加伦敦奥运会， 本研究中将集训选手分为奥运选手和非奥运选手两组。 选手基本情况见表1。

表1 运动员基本情况

1.2 测试过程与阶段划分

2011年11月至2012年7月期间，对集训的14名选手的脑α波优势频类型、脑α波优势频几率、脑熵值、中枢疲劳指数、 兴奋抑制指数和脑功能态指数等指标进行系统监测。同时，每周进行一次训练内容记录和训练负荷得分评估， 并将与专项相关的训练内容分为非成套动作和半套/成套动作两部分进行比例统计，训练负荷得分是依据运动员自我评分（50%）和教练员客观评分（50%）的综合得分。 根据观察记录和数据统计，依时间轴画出训练内容和训练负荷的变化趋势图（图1）。2011年11月至2012年7月期间，14名选手的备战过程是围绕2012年5月全国冠军赛暨奥运选拔赛与2012年7月伦敦奥运会两个比赛进行的， 两个比赛前与专项相关的训练内容、训练负荷呈现出相同的变化特点，本研究依据该特点将备战期的训练阶段分为恢复阶段（A）、提高阶段(B)和强化阶段(C)。 具体如下：

（1）恢复阶段：与专项相关的训练内容中，半套/成套动作仅占5%～10%， 非成套动作为训练内容的主导；训练负荷得分为59 ± 12.7，还处于较低负荷水平。

（2）提高阶段：专项训练内容与训练负荷在此阶段明显分化为两个小阶段，其中，提高阶段1半套/成套动作占到专项训练内容的20%～30%， 训练负荷得分为73± 15.6，均较调整阶段有所提高；提高阶段2半套/成套动作增加到40%～50%， 负荷得分则大幅提升至94 ±13.1，达到备战期各阶段最高点。

（3）强化阶段：半套/成套动作比例占到70%～80%，达到备战期各阶段最高比例； 训练负荷得分为78 ±15.5，调整至赛前最佳。

依据上述阶段， 本研究进一步探讨选手在备战期各阶段脑α波优势频类型、脑α波优势频几率、脑熵值、中枢疲劳指数、 兴奋抑制指数和脑功能态指数的变化特征，以及与训练内容、训练负荷的关系。

图1 备战期各阶段的训练内容与负荷变化情况

1.3 测试仪器和步骤

本研究采用由北京日江电子技术有限公司生产的脑功能状态监控仪采集脑电信号。按国际10-20系统安置电极，选用F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T5、T6共12导联进行单极引导，双耳连线为参考电极，前额正中接地保护。 每个样本的原始采集数据大于150万个，构成功率谱阵列6000个以上，信号经A/D转换后使用多谱压缩分析程序处理。 技术指标： 放大器输入抗阻≥200 MΩ，共模抑制比≥120 db，采样频率256Hz，时间常数0.3秒，放大倍数2～5万。

被试体操选手均无任何可能影响脑电波的疾病，在测试前两天内，禁服任何神经类药物，为避免单次大负荷训练课对脑电波的影响， 测试时间安排在运动员休息日或小负荷训练课后2小时。 测试前受试者需静坐5～15分钟，保持测试环境安静，无干扰噪音。 测试时以95%的酒清棉球，擦拭头皮及双耳去脂，然后将卤化的脑电专用电极置于受试者头皮测试点。 在参考电极凹内填充专用脑电极膏，并夹在受试者两耳耳垂。保证仪器接地良好。 每次测试均试采样，待信号平稳后进入实际测试，每次测试时间为18分钟，测试时受试者采取坐位，闭目，保持安静、清醒状态。

1.4 采集指标

脑α波优势频类型：脑波不仅有功率涨落，还有频率涨落[21，22]，表现为不同频率间的不断变化，对脑波的时间涨落过程进行分析， 观察各个频率之间的相互作用，可计算出脑α波中8～13 Hz各个频率所出现的几率，即脑波频率涨落竞争结构， 其中出现几率最大的称为优势频[7]。 根据测试结果，可分为以下5种类型：以8 Hz为优势频的运动控制慢化型， 以9 Hz为优势频的运动控制优化型， 以10 Hz为优势频的运动控制认知型，以11～13 Hz为优势频的运动控制情绪型和无优势主频的运动控制分散型。

优势频几率： 脑波频率涨落竞争结构中各频率成分出现优势涨落的几率反映了该频率在频率竞争结构中的地位和作用。当某个频率（优势频）领先时，其他频率出现的几率会下降，因此优势频出现几率越大，此时脑内的信息越集中；相反，当优势频出现几率越小时，脑内的信息越分散。

脑电熵值：反映脑α频段涨落的不确定性[17]和优势频率的有序性[9，23]。 数值在0～1之间，熵值越小优势频率涨落的不确定性较小，有序性较大，表示脑内信息较集中， 受外界干扰少； 反之优势频率涨落的不确定性较大，有序性较小，表示脑内信息杂乱，受外界干扰多。

中枢疲劳指数：反映脑内与疲劳相关递质（5-羟色胺）水平，其高低反映大脑是否处于疲劳状态。 评价标准为：＜25不疲劳；＞26、≤30轻度中枢疲劳；＞30、≤35中度中枢疲劳；＞36重度中枢疲劳。

兴奋抑制指数： 反映脑内兴奋性递质与抑制性递质的功能平衡情况（γ-氨基丁酸、S3系与谷氨酸、去甲肾上腺素的即时对比关系），其高低反映了大脑处于兴奋或者抑制状态。 评级标准为：＜15抑制状态；≥15、≤25适中；＞25兴奋状态。

脑功能态指数： 反映大脑周期活动的情况或混沌状态，数值越小，说明大脑的功能态越好。 评价标准为：＜10 好；≥10、＜15良好；≥15、＜35一般；≥35较差。

1.5 数据处理

将脑功能状态监控仪采集分析的数据转换至计算机，借助Excel进行数据管理，运用spss17.0软件进行统计分析，所有数据以“平均数±标准差”表示，用独立样本t检验分析组间差异， 组内差异采用单因素方差分析，P＜0.05为具有显著性差异，P＜0.01为具有非常显著性差异。

2 结果

2.1 脑α波优势频类型

所有选手均进行了8次脑电测试， 同一选手8次测试脑α波优势频类型相同的，将其归类为一致；8次测试中出现一次或一次以上脑α波优势频类型与其他次测试不相同的，将其归类为不一致。 从表2可看出，8次测试中奥运选手脑α波优势频类型一致的占80%，非奥运选手脑α波优势频一致的仅占44%。

表2 不同水平运动员脑α波优势频类型比较

2.2 脑α波优势频几率

从图2可看出，在备战期各个阶段，所有选手的优势频几率表现出相似的变化趋势。与恢复阶段相比，奥运选手提高阶段1的优势频几率略变小， 提高阶段2和强化阶段的优势频几率变大；非奥运选手提高阶段1的优势频几率略变小，提高阶段2和强化阶段的优势频几率变化不大。同一训练阶段，奥运选手的优势频几率显著或非常显著高于非奥运选手（P＜0.05或0.01）。

图2 不同训练阶段优势频几率变化情况

2.3 脑电熵值

从图3可看出，在备战期各阶段，所有选手的脑电熵值表现出相似的变化趋势。与恢复阶段相比，提高阶段1所有选手的脑电熵值有增高趋势； 提高阶段2和强化阶段，所有选手的脑电熵值有降低趋势。奥运选手强化阶段的熵值显著小于恢复阶段和提高阶段1，而非奥运选手则没有如此显著的变化。同一训练阶段，奥运选手脑电熵值显著或非常显著低于非奥运选手 （P＜0.05或0.01）。

图3 不同训练阶段脑电熵值的变化情况

2.4 中枢疲劳指数

从图4可看出，在备战期各个阶段，所有选手的中枢疲劳指数均数在正常状态分布范围内， 并表现出相似的变化趋势。 与恢复阶段比，提高阶段，所有选手的中枢疲劳指数显著增加（P＜0.05），强化阶段下降至恢复阶段水平。在同一训练阶段，奥运选手和非奥运选手的中枢疲劳指数没有显著差异。

图4 不同训练阶段中枢疲劳指数变化情况

2.5 兴奋抑制指数

从图5可看出，备战期各阶段，所有选手的兴奋抑制指数均值在正常状态分布范围内， 并表现出相似的变化趋势。与恢复阶段相比，提高阶段和强化阶段的兴奋抑制指数显著增加（P＜0.05）。 同一训练阶段，奥运选手和非奥运选手的兴奋抑制指数没有显著差异。

图5 不同训练阶段兴奋抑制指数变化情况

2.6 脑功能态指数

从图6可看出，在备战期各阶段，所有选手的脑功能态指数均数在正常状态分布范围内， 并表现出相似的变化趋势。 与恢复阶段相比，提高阶段1所有选手的脑功能态指数显著增加（P＜0.05），提高阶段2所有选手的脑功能态指数开始下降， 强化阶段奥运选手的脑功能态指数继续下降， 而非奥运选手脑功能态指数却上升至显著高于恢复阶段的水平（P＜0.05）。 同一训练阶段， 奥运选手和非奥运选手的功能态指数没有显著差异。

图6 不同训练阶段下脑功能态指数变化情况

3 讨论

通过脑电α波分析技术，可观察到脑电震荡周期的特征，从而掌握选手脑突触功能矩阵结构，进而推论出选手的脑状态特征。 通过系统连续的脑电测试和分析，可观察到脑电震荡周期特征的变化， 从而了解选手脑突触功能矩阵结构适应性的变化， 进而推论出选手脑适应状态的变化情况。

3.1 脑α波优势频类型与几率

脑α波6个频率成分的优势概率可作为脑波监测和功能性评价的指标[24，25]。结构决定功能是生物学的普遍法则， 选手是否具有稳定的状态适应结构决定其是否有稳定的竞技表现。李捷等的研究认为[9-14，23]，稳定的状态适应结构与安静清醒闭目状态下脑α波频率涨落竞争结构有关,脑α波频率涨落竞争结构的形成和积累与人体内外刺激信息源（如选手运动负荷、专项技术结构以及心理变化等）以及个体的自组织能力紧密关联，对选手脑α波频率涨落竞争结构特点的监测可从中枢角度了解选手对内外刺激的适应情况。 本研究中观察到奥运选手的频率竞争结构比较稳定，变化不大。 李捷、王晓军[9]在对不同水平射击运动员脑电α波测试的研究中也发现，水平高的射击选手，脑电α波表现出较高的稳定度。 韦军等[26]的研究也发现，比赛发挥良好的游泳选手赛前安静状态下α波节律规则、集中、无离散现象。

李捷的研究认为在脑α波6个频率的竞争中， 与竞技能力相关的震荡曲线在发生训练适应的情况下，表现出更为集中的趋势，水平高的选手表现出脑α波优势频几率明显高的情况[23]。 本研究也证实了这一点，奥运选手脑α波优势频比例显著或者非常显著高于非奥运选手。研究同时发现，不同水平的选手在不同的训练阶段，脑α波优势频几率的变化趋势是一致的。分析认为，与恢复阶段相比， 提高阶段1选手接受的外部信息增加，脑内存在着明显的多重序参量竞争关系，在脑电信号上表现出其他频率出现几率增加， 优势频出现几率减少的情况；进入提高阶段2，选手对训练逐渐适应，选手接受的外部信息也开始减少， 脑内的多重竞争关系开始降低， 在脑电信号上表现为优势频出现几率开始增加；进入强化阶段，选手接受的外部信息更少，在多重竞争关系中， 与竞技能力相关的震荡曲线在发生训练适应的情况下，表现出更为集中的趋势，优势频出现的几率明显增加。

3.2 脑电熵值

脑电熵值反映大脑信息的集中和有序程度。 王霆等[27]的研究表明熵值可敏感地反映出优秀射箭选手在不同训练阶段中训练负荷的变化。本研究中，与恢复阶段相比，提高阶段1脑电熵值有增高的趋势，提高阶段2和强化阶段脑电熵值有降低趋势。分析认为，这可能与提高阶段1训练手段多、学习动作杂、成套动作少，而提高阶段2和强化阶段训练手段相对减少、 动作基本固定、成套动作较多有关。 宋爱晶等[13]在对跳水运动脑α波与神经递质的时序影响研究中也发现， 从准备期到赛前期选手的熵值逐渐减少。本研究中，奥运选手强化阶段的熵值显著小于恢复阶段和提高阶段1，而非奥运选手则没有如此显著的变化。

周北云等[10]的研究表明脑电熵值可作为优秀举重选手的选材指标之一。 邹荣琪等[28]的研究认为，与二级水平的选手相比， 健将级选手脑电图有较高的同步化和有序化趋势。 而本研究表明，同一训练阶段，尤其是强化训练阶段， 奥运选手的脑电熵值显著低于非奥运选手，提示奥运选手脑电呈现出不确定性较小、有序性较大的特征。

3.3 中枢疲劳指数和兴奋抑制指数

脑电波是大脑神经元突触后电位的总和， 神经介质震荡的信息，被携带到脑波中，不同的神经介质有不同的优势谱线和谱系结构。通过对原始脑α波的涨落信息进行分析，获得脑内神经递质的活动水平[14，16，17，29]，再结合不同神经递质的作用， 推论出中枢疲劳指数和兴奋抑制指数。

本研究中， 备战期各阶段所有选手的中枢疲劳指数和兴奋抑制指数均数在正常状态分布范围内。 同一训练阶段， 奥运选手和非奥运选手的中枢疲劳指数和兴奋抑制指数没有差异， 这与宋爱晶等人的研究一致[13]，提示：中枢疲劳指数和兴奋抑制指数与训练水平无关，而与选手的所处的环境、 所承受的运动负荷以及状态密切相关。

备战周期的不同训练阶段， 奥运选手和非奥运选手的中枢疲劳指数的变化趋势一致。 从恢复阶段到强化阶段， 所有选手中枢疲劳指数呈现出先升高后下降的趋势，其变化趋势与训练负荷得分一致，训练负荷大时，中枢疲劳指数相对较高。提示本实验中中枢疲劳指数可较敏感地反映出体操选手在不同训练阶段中训练负荷的变化。

备战周期的不同训练阶段， 奥运选手和非奥运选手的兴奋抑制指数变化趋势一致。与恢复阶段相比，所有选手的兴奋抑制指数在提高阶段和强化阶段明显增加（P＜0.05）；提高阶段和强化阶段的兴奋抑制指数变化不大，没有明显差异。 分析认为，恢复阶段选手还没有完全投入到训练中，思想上比较放松，因此，兴奋抑制指数相对较低，当进入提高阶段后，选手完全投入训练， 选手保持在一个比较兴奋紧张但仍在正常范围内的状态，然后在一定水平上相对稳定，一直维持到强化阶段。

3.4 脑功能态指数

与恢复阶段相比，提高阶段1所有选手的脑功能态指数明显增加（P＜0.05）；提高阶段2，所有选手的脑功能态指数虽然比初始阶段高，但是没有显著差异；强化阶段， 奥运选手的脑功能态指数继续下降至接近调整阶段水平，而非奥运选手的脑功能态水平上升，与恢复阶段相比有显著性差异。 分析认为，提高阶段1选手需要学习掌握的新动作比较多， 大脑的刺激信息比较复杂，因此，脑功能态指数有明显升高，当进入提高阶段2和强化阶段时，选手已经适应了这种变化刺激，脑功能态恢复到调整阶段。 非奥运选手在强化阶段时脑功能态出现明显升高，分析原因，可能与非奥运选手在这个阶段训练状况不佳有关。

4 小结

4.1 不同训练阶段，所有选手的中枢疲劳指数、兴奋抑制指数、优势频几率和脑电熵值变化趋势相似，并与训练负荷及专项训练结构变化相对应， 可从中枢适应角度作为体操项目训练监控的参考指标。

4.2 同一训练阶段，尤其是强化阶段，奥运选手和非奥运选手的优势频几率、脑电熵值和脑功能态指数不同，奥运选手呈现出脑α波优势频明显，同时具有较高的稳定度、协同性和有序性的脑电特征，可从中枢状态评估角度作为选拔体操选手参赛的参考指标。

[1] 李捷. 优秀运动员运动训练的自主适应控制原理--脑研究与2008奥运会的训练学思维[A]. 第七届全国体育科学大会论文摘要汇编（二）[C]: 2004.

[2] Thompson T, Steffert T, Ros T, et al. EEG applications for sport and performance[J]. Methods, 2008,45(4):279-288.

[3] James B. Crabbe, Rod K. Dishman. Brain electrocortical actibity during and after exercise: a quantitative synthesis[J].Psychophysiology, 2004,41(4):563-574.

[4] Gualberto Cremades J. The effects of imagery perspective as a function of skill level on alpha activity [J]. Inter J Psychophysiol, 2002,43(3):261-271.

[5] Reinecke K, Cordes M, Lerch C, et al. From lab to field conditions: A pilot study on EEG methodology in applied sports sciences [J]. Appl Psychophysiol Biofeedback, 2011,36(4):265-271.

[6] 杨建平. 我国体育运动领域中脑电图研究现状的综述[J].山西体育科技，2008,28（4）：36-38.

[7] 周传岱，崔怡娟，刘月红等. 261名歼击机飞行员脑波A频段涨落图特征的研究[J]. 航天医学与医学工程，1998,11（1）：11-15.

[8] 王琳. 优秀蹦床运动员脑电超慢涨落参数特征的研究[J].成都体育学院学报，2012,38（8）：49-52.

[9] 王晓军，李捷. 不同水平射击运动员脑电α波测试结果的比较[J]. 体育科研，2009,30（1）：89-91.

[10] 周北云，李捷，罗智. 脑电活动类型对优秀举重运动员选材评估的价值[J]. 中国临床康复，2005,9（36）：102-105.

[11] 黄贝君，梁东梅，曹伟等竞走运动员内稳态的脑电α波分析[J]. 体育学刊，2013,20（2）:119-123.

[12] 林丽雅，李捷，邓树勋等. 脑电压缩谱评价高原训练效果的探索性研究[J]. 体育科学，2005，25（6）：30-32,41.

[13] 宋爱晶，裘晟，张援等. 比赛应激源对不同级别竞技水平跳水运动员脑α波与神经递质的时序影响[J]. 中国运动医学杂志，2014，33（6）：583-589. 60.

[14] 王晓军， 李稚. 连续大强度比赛对女子曲棍球运动员脑内神经递质的影响[J]. 广州体育学院学报，2011,31 （5）：89-92.

[15] 魏高峡. 优秀游泳运动员赛前心理状态的脑波超慢涨落分析[D]. 北京体育大学博士学位论文，2005.

[16] 郑樊慧，全志伟，张平法. 射击、射箭运动员脑电超慢图正常参考值的初步研究[J]. 体育科研，2010,31（1）：70-76.

[17] 周未艾，陈海涛，何文革等.中国优秀射击运动员超慢脑电涨落图分析[J]. 中国运动医学杂志，2010，29（2）：197-213.

[18] 周未艾，何文革，王义夫等. 我国优秀射击运动员大脑机能状态研究[J]. 中国运动医学杂志，2009,28（6）：689-692.

[19] 张振民，周未艾，蔡振华等. 中国乒乓球世界冠军运动员脑功能特征研究[J]. 中国运动医学杂志，2002,21 （5）：452-457.

[20] 周未艾，陈长庚，张振民等. 中国优秀跳水运动员大脑机能监控研究[J]. 中国运动医学杂志，2004,23（6）：649-653.

[21] 梅磊，ET-脑功能研究新技术[M]. 北京：国防工业出版社，1995.

[22] 梅磊. 解码脑波SET：发现隐藏着的量子世界[M]. 北京：兵器工业出版社，2008.

[23] 李捷. 运动技能形成自组织理论的构建及其实证研究[M].北京：北京体育大学出版社，2006.

[24] 韩东旭，周传岱，刘月红等. 模拟失重状态人脑波频率涨落分析[J]. 航天医学与医学工程，2002,15（3）：174-177.

[25] 韩东旭，周传岱，刘月红等. 靶音识别作业对脑波α段频率涨落特征的影响[J]. 航天医学与医学工程，2004,17（1）：30-34.

[26] 韦军，王琳，陆一帆等. 高水平游泳运动员赛前脑电特点与运动成绩的相关性研究[J]. 安徽体育科技，2009,30（2）：42-46.

[27] 王霆，王德，邓兴国. 脑电非线性动力学分析在优秀射箭运动员中枢疲劳研究中的应用[J]. 体育科学，2010，30（2）：64-69,82.

[28] 邹荣琪，段立公，李广周等. 优秀男子短距离场地自行车运动员脑电变化分析[J]. 中国运动医学杂志，2009,28（1）：79-81.

[29] 刘昌，李德明，梅磊. 成人脑涨落图年龄变化特点的研究[J].心理学报，1996,28（3）：307-314.