不同刺激模式對SSVEP信號質量影響的研究

陳鈺華 尹晶海

摘要：該研究旨在探究多維實驗參數變化對SSVEP（Steady-State Visually Evoked Potential） 信號質量的影響。通過對實驗參與者進行多維實驗，包括頻率、亮度、對比度和視覺角度等參數的變化，分析這些參數對SSVEP信號的影響，并對其信號質量進行評估。實驗結果表明，多維實驗參數的變化對SSVEP信號質量產生了顯著影響，這對于進一步研究和應用SSVEP技術具有重要意義。

關鍵詞： 腦電信號；SSVEP；刺激模式；信號分析；特征工程

中圖分類號：TP311? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2023）35-0133-03

開放科學（資源服務）標識碼（OSID）

0 引言

腦電信號是一種記錄和測量大腦活動的電生理信號。它是通過在頭皮上放置電極來捕捉和記錄大腦神經元的電活動產生的微弱電流。這些電活動是由大腦中的神經元之間的化學和電信號傳遞引起的。腦電信號的主要特征是其高時間分辨率，可以在毫秒級別上捕捉到大腦活動的瞬時變化。腦電信號通常用于研究大腦的功能和活動，例如認知過程、感知、情緒和運動控制等[1]。通過分析腦電信號，可以了解大腦在不同任務和狀態下的活動模式，并且可以用于診斷和治療一些神經系統疾病和紊亂。

SSVEP（steady-state visually evoked potential） 是一種通過視覺刺激引起的穩態腦電位。它是一種特殊的腦電信號，當人眼注視頻率固定的視覺刺激時，大腦神經元會以相同的頻率同步振蕩產生電活動。這種同步振蕩的電活動可以通過腦電圖記錄和分析。通常，SSVEP信號的頻率范圍在6～90 Hz，對應于不同的視覺刺激頻率[2]。在實驗中，通過讓被試者注視閃爍頻率固定的光源或圖案，可以誘發和記錄SSVEP信號。SSVEP信號具有高時間分辨率和較高的信噪比，因此被廣泛應用于腦機接口（BCI） 技術和認知研究[3]。通過分析和解碼SSVEP信號，可以實現基于視覺刺激的腦機接口系統，用于控制外部設備或實現交互操作[4]。此外，SSVEP信號還可用于研究大腦的注意力、視覺感知和信息處理等認知功能。

不同的刺激模式和參數對SSVEP信號質量將會產生顯著的影響。首先，刺激頻率是影響SSVEP信號質量的關鍵因素之一。通常情況下，較高的刺激頻率會導致更強的SSVEP信號，因為高頻刺激能夠更有效地引起大腦神經元的同步振蕩[5-6]。然而，當刺激頻率過高時，可能會出現信號混疊的問題，導致信號質量下降。其次，刺激持續時間也會對SSVEP信號質量產生影響。較長的刺激持續時間可以增加SSVEP信號的幅值和穩定性，從而提高信號質量。然而，過長的刺激持續時間可能會引起疲勞和適應效應，導致信號質量下降[7-8]。此外，刺激的顏色、亮度和對比度也會對SSVEP信號質量產生影響。合適的顏色、較高的亮度和對比度可以增強刺激的感知效果，從而增加SSVEP信號的強度和清晰度。然而，過高的亮度和對比度可能會引起視覺疲勞和不適感，影響信號質量。最后，刺激模式也會對SSVEP信號質量產生影響。合理的刺激模式可以增強刺激的辨別度和注意力引導效果，從而提高SSVEP信號的質量[9-10]。刺激頻率、刺激持續時間、刺激的顏色、亮度和對比度以及刺激模式是影響SSVEP信號質量的重要因素。在設計和實施SSVEP實驗時，需要綜合考慮這些因素，以獲得高質量的SSVEP信號。

1 實驗設計

實驗流程如圖1所示，通過改變實驗刺激的頻率、顏色、亮度、大小以及刺激模式等參數，做多組的腦電實驗，采集腦電信號后對數據進行分段、去漂移、去偽跡、濾波等預處理操作，得到的腦電數據集作為該研究的基礎數據源。

基礎刺激模式選擇最經典的黑白棋盤格翻轉。刺激頻率的變量從7～13Hz一共7組，棋盤格大小的變量選擇從50～150像素一共11組，棋盤格亮度的變量選擇從100～200共11組，其中每個值代表RGB色的3個值。顏色變量一共6組，分別是紅綠藍三原色對應黑白兩色，模式變量一共5組，包含橫豎條紋，單個方塊、圓形或者條紋等。具體的實驗參數變化如表1所示：

筆者從健康的大學生和教師中招募一定數量的受試者作為實驗對象。受試者需符合特定的入選標準，如無視覺或神經系統疾病、無顏色盲等。

每位受試者每次實驗一共進行5大類的40組實驗，每組實驗一共400個刺激周期。每組實驗完成后休息半分鐘再進行下一組腦電實驗，如果受試者感覺到眼部疲勞，則可以延長休息時間直至疲勞基本恢復。受試者需要在隔音的腦電實驗室中以較為放松的姿勢坐在電腦屏幕前，頭戴電極帽同時與屏幕保持50 cm左右的距離，眼睛高度與屏幕中心點保持一致，受試者需要在清醒以及平和的狀態下完成這些實驗，實驗室溫度盡量保持在15～25 °C。

2 數據采集與預處理

腦電信號采集選擇neuroscan公司生產的NuAmps設備，NuAmps是40導便攜式腦電信號采集設備。數據采集軟件使用的是scan 4.5，因為本研究對刺激模式的要求比較多，因此刺激軟件使用的是自己用C#開發的EEGSTIM軟件。

每位受試者每次實驗一共40組，每組耗時加中間休息90秒左右，因此每次實驗的耗時大概是60～70分鐘，加上前期的實驗準備，注射導電膏以及后期的設備清潔與受試者的清洗，單次實驗全程大概兩小時完成，每天可以采集2～3名受試者的腦電數據，大約一個月時間可以完成數據采集的工作。受試者男女比例各一半，其中普通老師占比10%，剩余90%均為在校大學生。

采集好的原始腦電數據存儲在CNT文檔中，該文檔通常包含以下幾個組成部分：

文件頭（Header） ：文件頭包含了文件的基本信息，以ASCII文本的形式存儲。常見的文件頭信息包括文件版本號、腦電數據類型、通道數、采樣率、數據點數等。文件頭還可以包含一些額外的元數據，如受試者信息、實驗條件等。

通道標簽（Channel Labels） ：通道標簽用于定義每個通道的名稱和類型，每個通道名稱占據一行。通道類型可以是EEG（腦電圖）、ECG（心電圖）、EOG（眼電圖）等。

事件標記（Event Markers） ：事件標記用于記錄在數據采集過程中出現的事件。每個事件標記通常包含了事件的發生時間點、事件類型、事件持續時間等信息。事件標記可以用于標記刺激呈現、行為反應等重要時間點。

采樣點數據（Sample Points） ：采樣點數據存儲了腦電信號的原始數據，以時間序列的方式進行存儲。每個采樣點數據通常由多個通道的采樣值組成。

附加信息（Additional Information） ：附加信息可以包含一些額外的數據，如參與者的基本信息（如年齡、性別等）、實驗設計（如刺激參數、任務類型等）、數據預處理方法等。

原始的腦電信號必須經過數據預處理才能進行分析和計算，預處理的完整流程如圖2所示，首先要清除錯誤的數據，比如出現了壞道或者是電極阻抗太大導致的數據錯誤等。然后對腦電信號中出現明顯漂移的部分進行清除，然后觀察眼動對腦電的影響，選擇峰值后根據相關數據進行去眼電干擾的操作。完成這些數據清洗操作之后，下一步就需要對腦電進行數據分段。分段需要考慮刺激頻率，以刺激時間點為標記往前和往后一段時間，切割的總時間不能超過一個刺激周期的時間總長度。因為每組實驗都是400次刺激，因此分段后得到的是包含400段腦電數據的EEG文檔。接下來對腦電數據的基線漂移進行糾正，然后進行偽跡去除操作，如果偽跡過多則需要重新調整偽跡參數，使得偽跡的比例保持在一個合理的范圍內，然后對分段腦電數據進行分類疊加，獲得AVG腦電數據文檔。

AVG格式的腦電數據文檔通常用于存儲和分析各類周期性的誘發腦電數據。它的數據結構與EEG文檔格式相似，也包含了文件頭、通道標簽和附加信息等數據，不同的地方在于其存儲的是疊加后的平均波形數據，每個波形數據包含一個周期內所有時間點的平均值。

3 腦電信號分析

腦電信號的Mean Global Field Power（MGFP） 是一種用于分析腦電圖數據的指標。它是通過計算腦電信號在所有電極上的平均振幅來得到的。在MGFP分析中，首先從腦電圖數據中獲取每個時間點上每個電極的振幅值。然后，對所有電極的振幅值進行平均，得到每個時間點上的平均振幅值。最后，將這些平均振幅值繪制成MGFP曲線，以顯示腦電信號在時間上的整體活動水平。MGFP可以提供關于腦電活動的整體動態變化的信息。它可以用于比較不同條件下的腦電活動，例如對照組和實驗組之間的差異，或者在不同任務或刺激條件下的變化。MGFP還可以用于研究腦電信號的時空動態，例如在特定時間窗口內的腦電活動的變化。

圖3為腦電信號MGFP圖，從圖中可以看到，每個電極的電位變化圖差異性非常大，但是平均最大振幅出現在刺激后的14毫秒處，然后峰值慢慢降低直到下一次刺激開始。右上方的腦地形圖顯示，峰值電位主要出現在大腦的后枕部，也就是后腦區域中。

圖4是腦電信號時域變化圖，圖中顯示的是在平均刺激周期內，按照時間點劃分的腦電位地形圖，其中可以清晰可見大腦在收到視覺刺激后后腦的電位逐步升高，在8～20毫秒內達到峰值，然后電位逐步下降，大腦頂部和左前額部位逐步出現負電位，到47毫秒時，后腦部位的正電位完全消失。這種時域變化圖能夠詳細地反應大腦各個區域隨時間變化的電位變化圖。

從圖5可以看出，SSVEP腦電的主要頻率段主要集中在Beta1和Beta2頻率段，也就是14～25Hz和25～35Hz的區段，其中14～25Hz的Beta1頻率段占比超過80%，是穩態視覺誘發電位最主要的能量區段。

4 結論

研究發現，在刺激頻率變化組的數據分析結果表明，刺激頻率對SSVEP信號質量有顯著影響。較高的刺激頻率（大于10 Hz） 可以產生更強的SSVEP信號，而較低的刺激頻率可能導致信號質量較差，但頻率過高容易導致受試者不適甚至有誘發癲癇發作的可能，因此9～12Hz的刺激頻率是比較合適的選擇。在刺激強度組的實驗數據分析結果表明，刺激強度的增加可能會增強SSVEP信號的幅度和穩定性，從而提高信號質量。但過高的刺激強度可能導致信號飽和或產生偽跡，這主要是由于受試者受到較強的刺激產生了不適感，影響了實驗的后續過程，綜合分析發現，亮度在140時刺激產生的腦電信號足夠強且對受試者的影響較低。在刺激顏色組的實驗中，雖然紅色和白色刺激在中等頻率下產生的SSVEP信號較強，而黑色和紅色刺激在低頻下產生的SSVEP信號也較強。但紅色刺激對受試者的干擾性非常強，容易引起受試者強烈的不適感，因此，可以放棄使用紅色刺激，以避免潛在的風險，傳統的黑-白組合、藍-白和藍-黑組合更具有綜合優勢。研究還發現，不同的刺激模式對SSVEP信號質量也有影響。例如，閃爍刺激和平滑變化的刺激可能會產生不同的信號特征和質量。這些發現有助于進一步提高SSVEP的綜合信號質量，從而改進BCI系統的設計和應用。

參考文獻：

[1] 張洪欣，王俊淞，楊晨.面向SSVEP-BCI的最大后驗準則異步檢測算法[J/OL].北京郵電大學學報：1-6[2023-11-02].

[2] 羅睿心，豆心怡，肖曉琳，等.腦機接口中高頻穩態視覺誘發電位的識別研究[J].生物醫學工程學雜志，2023，40（4）：683-691.

[3] 梁栗炎，李文宇，張倩，等.基于左右視野刺激范式的耳后SSVEP-BCI系統[J].北京生物醫學工程，2023，42（4）：361-369.

[4] 張智超，劉彤軍，劉琦，等.群體廣泛適用的SSVEP腦機接口研究[J].黑龍江科學，2023，14（14）：104-107.

[5] 汪子翔，胡陳雅卓，廖柏濤，等.可編程的精確閃光刺激誘發腦電信號的實驗裝置研究[J].科技與創新，2023（14）：8-11.

[6] 李治軍.基于混合視覺誘發范式的助殘抓取機器人腦-機交互方法研究[D].西安：西安理工大學，2023.

[7] 來丹維.基于EEG與FMRI的SSVEP響應機制及tACS對SSVEP的調控機制研究[D].成都：電子科技大學，2023.

[8] 尚笑. 基于SSVEP的知覺眼優勢的客觀測量[D].上海：上海體育學院，2023.

[9] 王剛，周麗麗，孫凱明.基于脈沖神經網絡的SSVEP腦電信號的識別[J].黑龍江科學，2023，14（12）：102-104，107.

[10] 劉培帥，柯余峰，杜佳樂，等.基于增強現實的雙眼異頻編碼穩態視覺誘發電位腦-機接口研究[J].中國生物醫學工程學報，2023，42（3）：266-273.

【通聯編輯：唐一東】