静息睁闭眼状态脑电信号特征分析

静息睁闭眼状态脑电信号特征分析

高伊蒙，朱守林*，高明星，戚春华，杨锋

(内蒙古农业大学 能源与交通工程学院，呼和浩特 010018)

摘要：驾驶员的脑电信号特征在实际行车时与室内状态下具有一定联系，尤其表现在α波和β波的活动强弱上。利用MP150多通道生理信号采集仪对不同受试者静息状态睁眼和闭眼时的脑电信号进行采集，并在Acqknowledge软件上分离出α波和β波，通过对受试者同一时间段内α波和β波的平均功率分析，并结合受试者气质类型进行深入研究，得到以下结果：α波活动并不稳定，因实验条件的不同容易受到干扰而发生改变；在相同一段EEG信号中，β波的波形变化幅度相对于α波要小很多。由分析结果可见，动态测量和睁眼状态时，利用脑电信号β波作为分析指标比α波更为合理。由此，可为草原公路实驾过程中驾驶员脑电信号的提取提供一定的参考。

关键词：脑电信号；α波；β波；睁闭眼状态；气质类型

中图分类号：S 76;U 491

文献标识码：A

文章编号：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

基金项目：国家自然科学基金项目(51168036)

作者简介：第一高伊蒙，硕士研究生。研究方向：公路交通人机环境。

通讯作者：*朱守林，教授，博导。研究方向：公路交通人机环境。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.静息睁闭眼状态脑电信号特征分析[J].森林工程，2015，31(2)：164-168.

驾驶疲劳是导致交通事故发生的主要因素之一。能够有效地检测和预防驾驶疲劳，具有很大的现实意义。脑电图被视为监测疲劳的“金标准”，各种形式的疲劳都会引起脑电可察觉的变化[1-4]。并且，脑电信号具有受环境干扰小、时间分辨率高、延迟较低等特征。通过监测驾驶员的脑电波变化，可反映其情绪的波动以及疲劳的程度。当汽车驾驶员的驾驶动作幅度不大时，其脑电波与静息状态下的大致相同，因此，研究驾驶员静息时不同生理状态下的脑电波特征对分析正常驾驶时的脑电波具有参考作用[5]。

相关研究表明，在静息睁闭眼状态下脑电α波的差异研究中发现闭眼情况下α波功率显著高于睁眼，具有显著性差异的大脑位置包括额叶、顶叶和枕叶等区域[6-8]。同时，精神因素对脑电波有很大影响，当注意力集中或精神紧张时，脑电波中的α节律受到抑制或消失；而在精神放松时，α节律明显增强，但当精神放松而出现倦意时，α节律逐渐解体[9]。正常人在清醒、安静、闭目时，出现α波，一旦被试者睁眼、思考问题或接受其他刺激时，则α波立即消失并转变为快波，称为“α波阻断”现象。当此人重新安静闭目时，α波又重新出现。因此可以说α波是大脑皮层处于清醒安静闭目状态时电活动的主要表现[10]。一些研究[11-12]也证实使用α波平均功率水平作为衡量静息状态下睁眼闭眼状态的标准。由此可见学者们对脑电信号的研究，涉及了大脑额叶、顶叶、枕叶等部位；睁闭眼以及注意力集中和精神紧张等心生理状态。

目前国内外研究多集中在不同状态下脑电α波的幅度以及功率变化，对α波和β波的研究也只是单一的波形分析居多，并未涉及到这两种波的变化关联以及相互比较的问题。由于脑电波十分微弱，在采集过程中也容易受到各种因素的干扰，相关研究对驾驶过程中脑电信号平均功率变化的分析不够详尽，而且将睁眼闭眼状态α波和β波的变化与驾驶过程联系的很少。因此，对于静息状态睁眼闭眼的脑电信号分析还需继续深入研究。为此本文对静息状态下脑电α波和β波进行对比研究，得到睁眼和闭眼状态下α波和β波的波形、功率的特征变化情况，并结合驾驶员的气质类型做分析。期望可为草原公路驾驶员生理心理指标的检测提供参考数据。

1实验设计

1.1　实验人员

选取7名年龄为22～26岁、身体健康、驾龄为0～5a的大学生作为实验的受试者。由于试验中不稳定因素以及个体差异的影响，选择具有代表性的5位受试者的实验结果进行研究分析。

1.2　试验仪器及要求

仪器选择MP150多通道生理信号采集仪。采集受试者在静息睁、闭眼状态下的额部的平稳脑电信号，采集时间均为6 min。数据的采样频率设置为1 000 Hz，低通35Hz，高通1Hz。实验前受试者保证睡眠充足，避免烟、酒、茶和咖啡等任何可能影响脑电采集的食物和药物，避免剧烈运动。实验过程中保持环境安静，室内光线调整到受试者感到舒适的强度。

2实验数据处理与分析

2.1　脑电数据基本分析

受试者在静息闭睁眼状态下实测的两种原始脑电信号如图1和图2所示，两种信号的不同之处在于：静息闭眼状态时的脑电信号较为平稳，波幅在一定范围内波动。睁眼状态时的脑电信号受到眨眼的影响很大，图2中的尖波为眨眼时脑电的波形变化。

图1　静测闭眼条件下的脑电波形 Fig.1 The EEG waveform under static eyes-closed state

图2　静测睁眼条件下的脑电波形 Fig.2 The EEG waveform under static eyes open state

脑电信号可分为多个频带，其中α和β波属于脑电中的快波，α波是成年人觉醒并安静闭目时的正常波形，β波产生于人们处于警觉并注意外部刺激或施加特别心理压力时；θ波属于脑电中的慢波，在睡眠期时增多。受年龄和性别等个体差异因素的影响，各类波在产生状态及振幅上有很大不同。

(1)α波。频率为8～13 Hz，幅值25～75μV，以顶枕部最明显，双侧大致同步，是成年人安静时的主要脑电波，正常情况下，其频率是相当恒定的，尤其是人在清醒、安静并闭眼时该节律最为明显，一旦睁开眼睛或接受其它刺激时，α波即刻消失。

(2)β波。频率为14～30 Hz，波幅5～20μV，额部及中央区最明显，安静闭目时只在额区出现，当人的大脑皮层处于兴奋状态时此波一般会出现。β波是新皮质紧张活动时的脑电波，在额叶和顶叶较显著。处于此波时，人脑处于清醒状态，人的精神比较紧张，对周围的事物很敏感，大脑容易出现疲劳状况。绝大部分白天处于这种状态。

(3)θ波。频率为4～7 Hz，幅值20～40μV，两侧对称，为慢波。成年人在疲倦时可记录到此波。

实验均在受试者清醒状态下进行，不涉及睡眠状态，因此选择可代表脑电活动强弱的α和β波进行研究分析。平均功率值可反映实际脑电波的活动强弱以及受到眨眼的影响程度。

2.2　脑电α波平均功率分析

对受试者在睁闭眼两种状态下脑电α波的平均功率进行分析，如图3至图7所示。

从1号、2号和3号受试者脑电α波的平均功率变化图中可以发现：

(1)闭眼时α波的平均功率很稳定，而睁眼时α波的平均功率因为受到眨眼的影响而有所波动；不同的是1号和2号在睁眼时的30～60 s内α波的平均功率变化幅度很大，可见受试者在实验开始时状态不稳定会对脑电信号的采集有所影响，在数据分析中要排除。

图3　1号受试者α波的平均功率变化图 Fig.3 The change of mean power of alpha waves for driver 1

图4　2号受试者α波的平均功率变化图 Fig.4 The change of mean power of alpha waves for driver 2

图5　3号受试者α波的平均功率变化图 Fig.5 The change of mean power of alpha waves for driver 3

图6　4号受试者α波的平均功率变化图 Fig.6 The change of mean power of alpha waves for driver 4

图7　5号受试者α波的平均功率变化图 Fig.7 The change of mean power of alpha waves for driver 5

(2)α波的平均功率在睁眼时比闭眼时大，这与一部分学者的研究相悖，考虑到实验设备和实验方法的不同，脑电信号的采集可能会受到影响，因此，这方面的研究还有待深入。

从4号和5号受试者α波的平均功率变化图中发现：

睁闭眼时的两条α波的平均功率变化曲线有交叉点，且交叉点的分布并不规律。这与其他3位受试者的数据情况有明显的不同。5号的曲线相对平稳，两种状态下特征曲线的交叉点相对于4号少，且当数据稳定时，α波的平均功率值为闭眼高于睁眼状态。

2.3　脑电β波平均功率分析

对受试者在睁闭眼两种状态下脑电β波的平均功率进行分析，如图8~图12所示。

图8　1号受试者β波的平均功率变化图 Fig.8 The change of mean power of beta waves for driver 1

图9　2号受试者β波的平均功率变化图 Fig.9 The change of mean power of beta waves for driver 2

图10　3号受试者β波的平均功率变化图 Fig.10 The change of mean power of beta waves for driver 3

图11　4号受试者β波的平均功率变化图 Fig.11 The change of mean power of beta waves for driver 4

图12　5号受试者β波的平均功率变化图 Fig.12 The change of mean power of beta waves for driver 5

从图8和图9中可发现：

1号和2号受试者闭眼时的β波平均功率均低于睁眼，而且波形平稳；睁眼时的β波波形在开始的30 s时变化很大，1号β波平均功率从5.30×10-7下降到2.10×10-7；2号β波平均功率则从1.10×10-6下降到2.00×10-7。

从图10和图11中可发现：

3号和4号受试者睁眼时的β波平均功率相对较稳定，且睁眼的平均功率均大于闭眼的平均功率；但闭眼时的β波平均功率值有稍微的波动。

从图12中发现：

5号受试者睁眼闭眼的两条β波的平均功率变化图形都很平稳，但不同于以上4位受试者的是：闭眼的β波平均功率比睁眼时高。

经过以上分析可见，实验结果受到受试者个体差异的影响较严重，因此，需要从不同受试者的年龄、性别尤其是性格特征等方面来分析脑电信号的特征。

3结合气质类型对脑电信号的综合分析

3.1　受试者气质类型

通过对5位受试者进行问卷调查，得到其个人信息情况，包括年龄、性别、气质类型、性格特征等，见表1。而性格特征又分性格类型和性格特点，正常人的气质类型包括：胆汁质、多血质、粘液质和抑郁质；性格类型包括：心静如水型、大众心态型、易冲型和定时炸弹型。各个受试者的信息情况见表1。

3.2　结合气质类型对α波进行分析

(1)分析α波的平均功率在睁眼状态比闭眼状态大的原因，结合表1，发现1号、2号和3号气质类型都不相同，但他们的性格类型都属于易冲型，而易冲型的性格特点是：易冲动，精神容易紧张。可见，冲动、精神紧张对脑电信号有一定的影响，冲动的性格可能会引起脑电信号中α波的不同，尤其是睁眼闭眼时的α波。并且，从性格特点发现这两种性格的驾驶员在行车过程中需要克服一定的性格缺点。

(2)4号和5号在两种状态下α波的平均功率范围相近，结合表1分析：4号属粘液质型，5号属粘液-抑郁质混合型，因此，气质类型更易影响睁闭眼状态下脑电α波的特征。由此发现气质平和安静的人，脑电α波更为稳定。从性格特点角度看这两类驾驶员的性格特点更适合安全行驶。

3.3　结合气质类型对β波进行分析

(1)排除实验开始时的不稳定因素影响，发现前4位男性受试者睁眼时的β波平均功率值存在一定的波动，但整体较稳定。并且，在整个实验过程中，睁眼的平均功率值均大于闭眼，但睁眼时的数据波动较大。可见易冲动的性格类型直接影响脑电β波的特征变化。

(2)5号明显不同于前4位受试者的是β波平均功率在闭眼状态比睁眼时大。两种状态下β波波形均很平稳，没有太大的波动。结合5号受试者的性格特点可见，性格平静，有耐力，态度持重，严肃认真的人，脑电信号波形相对稳定。并且结合实际情况得知，5号受试者做过类似的脑电信号采集实验，对实验非常熟悉，其实验结果的精确度也定会有所提高。

而且，作为女性受试者也是导致脑电信号差异的原因之一。

表1　5名不同受试者的性格信息统计表 Tab.1 The statistics of the character information of the 5 subjects

综上可见，睁闭眼状态脑电信号α、β波的特征受到性格和个人气质的影响很大，今后需考虑到更多的影响因素，并进行深入的探索研究。

4结论

本文重点对静息睁闭眼状态下的脑电α波和β波的特征进行研究，并结合受试者的气质类型、性格特点分析得到以下结论：

(1)脑电α波活动并不稳定，容易受到实验条件的影响。不同气质类型的受试者在睁闭眼状态下的α波活动水平不同，同时，性格差异极易影响实验过程中受试者脑电的特征变化，尤其表现在α波的活动上。

(2)在分析相同一段EEG信号时，β波的波形变化幅度相对于α波的波形变化幅度小很多。此方法可行的前提下，在今后的脑电信号采集当中，提取β波作为分析对象要比α波更加准确可靠。由此，可为研究驾驶员实际行车过程中的脑电信号提供一定的参考。

【参考文献】

[1]李君羡，潘晓东.基于脑电分析的连续驾驶疲劳高发时间判断[J].交通科学与工程，2012，28(4)：72-79.

[2]王利，艾玲梅，王四万，等.驾驶疲劳脑电信号节律的特征分析[J].生物医学工程学杂志，2012，29(4)：629-633.

[3]冯知音.脑电信号在身份识别及疲劳检测中的应用研究[D].北京：北京邮电大学，2012，11.

[4]刘佳兴.基于多参数融合的疲劳驾驶监测及预警系统[D].兰州：兰州大学，2013，6.

[5]王炳浩，魏建勤，吴永红.汽车驾驶员瞌睡状态脑电波特征的初步探索[J].汽车工程，2004，26(1)：70-72.

[6]李凌，张金香.闭眼与开眼静息状态下脑电α波的差异研究[J].电子医科大学学报，2010，39(3)：450-453.

[7]谢松云，张振中，杨金孝，等.脑电信号的若干处理方法研究与评价[J].计算机仿真，2007，24(2)：326-329.

[8]殷艳红.基于脑电波与眨眼的驾驶员疲劳模拟实验研究[J].中国优秀硕士学位论文全文数据库，2011(S1)：C034-344-1.

[9]陈炎，胡江碧，荣建，等.脑电技术在驾驶行为分析中的应用[J].道路交通与安全，2006，6(9)：15-18.

[10]南姣芬.基于脑电信号的驾驶疲劳检测方法研究[D].西安：陕西师范大学，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.

[责任编辑：肖生苓]