腦電分析在服裝心理認知評價中的應用研究進展

摘要：為促進腦電分析在服裝工效、設計審美、消費決策等領域的個體心理狀態、認知形成機制與評價研究，文章對腦電分析在服裝心理認知評價中的應用研究現狀進行了綜述。首先，對腦電信號采集處理、成分特征提取、特征信息判定等內容進行了梳理，分類介紹了EEG和ERP技術路徑下的腦電成分特征與關鍵指標。其次，探討了腦電分析在服裝舒適性評價、服裝審美感知評價、服裝消費決策評價方面的研究進展，闡述了腦電信號判定指標、實驗范式和研究成果。最后，針對目前腦電分析技術在應用中存在的不足，從標準化范式研究、貼近真實應用環境研究、場景細分化研究等方面進行了展望。

關鍵詞：腦電；服裝；認知評價；感性工學；ERP；EEG

中圖分類號：TS941.12

文獻標志碼：A

文章編號：1001-7003（2025）04-0038-09

DOI：10.3969j.issn.1001-7003.2025.04.005

收稿日期：2024-09-04;

修回日期：2025-03-05

基金項目：北京市屬高校分類發展-北京服裝學院“服裝學”新興交叉學科平臺建設項目（11000024T000003073871）

作者簡介：王保魯（1987），男，副教授，博士，主要從事服裝消費者行為研究、服裝產業與市場研究。

腦電是大腦皮層神經元活動產生的電信號。1924年Hans Berger首次記錄到腦電活動，并將其命名為EEG（Electroencephalogram，腦電圖）。隨著腦電記錄裝置、計算機技術和信號處理技術的不斷發展，近年來針對腦電活動的分析應用也快速延伸至神經生理學、認知神經科學、社會心理學等諸多領域［1-2］。通過對腦電進行記錄與分析，腦電信號成為理解人腦功能、心理與認知過程等的重要途徑。目前，常見的腦電分析技術包含EEG和ERP（Event-related potential，事件相關電位技術）兩類。其中，EEG記錄的是大腦整體電活動，通常以頻譜分析來研究不同頻率成分的變化，并基于頻率成分揭示不同的心理和生理狀態；而ERP作為從EEG信號中提取的一種特定類型電位，是大腦對特定事件或刺激（如感覺、認知或運動刺激）的電生理反應，其信號與特定事件或刺激的時間點相關聯，反映了大腦對特定事件的反應強度和時間動態。兩種方法在腦電分析中雖各有側重，但也常互相結合，幫助研究人員揭示復雜的腦功能機制，在人的感知、注意、記憶和決策等研究中應用廣泛［3］。作為跨學科領域研究的工具，腦電分析技術還促進了感性工學、神經管理學、神經營銷學、神經金融學等前沿與新興學科發展。

服裝領域內相關研究涉及多種學科交叉，涵蓋了設計美學、人體工學、市場營銷、消費心理等多方面內容。圍繞“人-服裝-環境”的關系探討，在服裝設計審美、服裝工效、市場營銷策略、消費決策等方面，多需要從個體的心理與認知角度開展研究。傳統研究中多以主觀評價、實證檢驗等為主，很難針對個體的心理和認知形成機制、觸發過程等進行分析，研究深度不足。腦電分析技術通過對個體腦電信號的記錄、分析與解釋，為探究個人心理狀態、認知和決策過程提供了神經基礎層面的數據支撐，為產品設計與優化、用戶體驗提升、營銷決策制定等提供了科學依據。然而，目前腦電分析技術在服裝領域內的研究應用仍處于早期階段，尚未形成體系化的研究范式，應用場景不夠豐富。通過系統梳理腦電分析在服裝心理認知評價中的應用情況，將有助于加深廣大學者對國內外相關研究的全面了解，厘清研究范疇，并進一步提升腦電分析技術應用研究的深度和廣度。

1 腦電分析關鍵環節

1.1 腦電信號的采集

腦電信號多通過將物理電極放置在頭皮上進行采集，分為侵入式和非侵入式兩種方法。侵入式方法可以提供更高精度和較低噪聲的信號，但由于安全性問題，非侵入式依然是目前的主流采集方法［4］。根據采集電極的不同，非侵入式采集又分為干電極采集和濕電極采集兩種形式。其中，濕電極采集需要在電極和頭皮之間添加導電介質，以減少電阻干擾。但這種采集辦法準備工作復雜、耗時較長、介質易消耗且影響受試者體驗，不利于長時間的信號采集。相較之下，近年來逐漸流行的干電極采集因不需要導電介質，從而減少了長時間實驗中的不適感。腦電采集過程中通常配備多個電極采集不同腦區的信號。根據電極數的不同，常見有16電極、32電極和64電極等。電極放置多遵循10-20系統電極放置法，即相鄰電極間距離分別是前后或左右頭骨距離的10%或20%。電極放置位置如圖1所示。

外界環境噪聲、眼動及肌肉運動、電極偏移等因素都會干擾腦電信號采集。為得到純凈的腦電信號，通常需要對采集到的原始信號進行預處理。常見方法包括濾波、主成分分析（PCA）和獨立成分分析（ICA）等。濾波可去除固定頻段的干擾，常用于去除環境噪聲的影響。PCA和ICA則主要用于去除難以通過濾波過濾的眼電、心電和肌電等信號數據。其中，ICA分解后的各信號分量相互獨立，偽跡去除精度高，已廣泛用于腦電信號預處理中［5］。

1.2 腦電信號成分特征提取

經過預處理后的信號可被用于腦電信號成分特征的提取，即在復雜的腦電數據中識別出與個人認知活動（情緒）相關的腦電信號特征。常見的信號特征包括時域特征和頻域特征。其中，ERP研究多采用時域特征，EEG研究多采用頻域特征。

時域特征是腦電信號中最為直觀和常用的信號成分特征。通過分析腦電信號在時間軸上的變化，如針對信號的幅值、方差、均值、峰度等的分析，可以識別腦電信號在特定時間點或時間段內的波動特征，從而幫助理解大腦的功能狀態［6］。在ERP研究中，波形的潛伏期、振幅和極性是主要的衡量指標。潛伏期指從刺激到大腦皮層反應的時間延遲，反映了神經活動的加工時間。振幅可以反映大腦興奮性的高低，而極性則通過正性電壓波動（P）和負性電壓波動（N）進行表示。以上指標也用于特征信號命名，如在研究中常見的P300信號便是潛伏期為300 ms左右的正向波動信號，如圖2所示。

頻域特征是指腦電信號隨頻率變化的特性。通過將時域信號轉換為頻域信號，可以直觀地觀察腦電信號中各個節律分布情況，從而提取與特定認知或情緒狀態相關的特征。頻域分析中通常基于信號頻率將腦電信號劃分為δ、θ、α、β和γ等頻段（表1），再提取功率、功率譜密度（Power spectral density， PSD）等特征進行分析。在EEG研究中，PSD是應用最為廣泛的特征之一，反映腦電信號在不同頻段上的能量分布，對于腦電情緒識別具有重要作用。

1.3 腦電成分分析

通過對腦電信號變化情況的分析，可以判別被試者對客觀事物的態度體驗或潛在心理活動。在ERP研究中，基于腦電時域特征，典型的腦電成分包括Pl00、Nl00、P200、N200、P300等。其中P100、N100、P200被稱為外源性成分，主要受刺激物理特性的影響；N200、P300被稱為內源性成分，更多與被試的注意、記憶、決策、判斷等認知加工過程或心理狀態有關［6］。

P100和N100出現于刺激后100 ms左右，主要反映的是初級感覺加工過程。P100通常與視覺刺激相關，N100則與聽覺和觸覺刺激相關［7］。這些早期成分可以用于初步的情緒反應分析。研究表明，P100成分與情緒和喚醒度相關，強烈的情緒和較高情緒喚醒度往往會引起P100較大波幅變化［8］。

P200和N200出現于刺激后200 ms左右，反映與注意早期相關的自動加工處理過程。研究表明，作為一種具有代表性的認知決策成分，P200 成分可以反映刺激影響被試者注意力的程度。N200成分則通常與沖突檢測和錯誤監測有關。研究發現，N200的振幅在處理負面情緒刺激時會增大，同時認知沖突或負面情緒越大，N200振幅越高［9-10］。

P300出現于刺激后300 ms左右，是認知處理的重要指標，與腦認知過程有高度聯系，可以表征感覺、直覺、記憶、理解、學習、判斷、推理等系列心理活動。由于P300成分的測量更為可靠，且其振幅和潛伏期特征包含的信息更豐富，P300被廣泛應用于認知識別研究。研究發現，較高的P300振幅通常與較高的情緒喚醒相關［11］。

出現在刺激后300 ms到數百毫秒之間的晚期正成分（Late positive potential， LPP）也被認為與情緒加工和情感評估有關［12］。LPP的振幅反映了情緒的強度，其在處理情感豐富的刺激時會顯著增加，因此被用來分析長時間情緒反應變化和情緒分類等問題［13］。

在EEG研究中，頻域信息也被證實與個體心理狀態等具有相關性。已有研究表明，當人身心處于愉悅、輕松狀態時，會誘發更多的α波，而當人身心處于精神緊張狀態或有煩躁焦慮情緒時，會誘發出較多的β波。此外，不同腦區也與特定感知和認知活動相關［14］。如額葉與思維、意識有關，顳葉與人臉和場景等復雜刺激信息的處理、嗅覺和聽覺有關，頂葉與多種感官信息的整合和對物體的操作控制有關，枕葉則與視覺有關。以上信息常在各類EEG研究中用于判定被試的潛在心理活動。

2 服裝心理認知評價中的腦電分析應用

服裝心理認知評價是個體對來自服裝視覺、觸覺等輸入信息進行心理加工的過程，反映了個體感知和評價服裝的心理活動［15］。常借助認知心理學理論及研究方法，評價服裝因素、個人因素、環境因素與著裝心理及行為的關系。在圍繞“人-服裝-環境”三元關系的服裝心理認知評價研究中，利用腦電分析技術可對神經基礎層面數據開展分析的特點，為人類個體在服裝物理屬性、設計元素、營銷策略等的認知與評價機制研究提供了重要工具。目前，腦電分析在服裝心理認知評價領域的應用更多聚焦于服裝舒適性評價、服裝審美感知評價和服裝消費決策評價，如表2所示。通過設計相應腦電實驗，將控制變量以特定事件或刺激進行呈現，得到控制變量與對應腦電時域或頻域特征的映射關系，并結合相應主觀評測，從而探究、驗證該控制變量影響下的心理認知過程。其中，基于EEG的研究更多側重于對個體整體心理狀態的分析，而ERP則更多用于對特定事件或刺激的短時間心理與認知變化分析。

2.1 服裝舒適性評價

服裝舒適性是人體、服裝、環境交互影響下的個體主觀感受，涉及人體工程學、服裝工效學、服裝衛生學、服裝心理學等多學科問題。采用腦電分析技術進行基于體感刺激的舒適性測量，通過腦電信號變化特征衡量人體穿著服裝過程中的心理變化，可以將個體主觀感受量化，更為客觀科學地評價穿著舒適性［16］。目前基于腦電分析技術的舒適性研究主要聚焦于熱濕舒適性、接觸舒適性與壓力舒適性三方面。

2.1.1 熱濕舒適性

針對熱濕舒適性的研究主要以EEG頻域特征為判定指標，通過監測實驗被試不同頻段腦電變化，對熱濕舒適性進行客觀評價。Jeong等［17］通過記錄身穿普通純棉運動服和吸濕速干戶外運動服的被試者腦電數據變化，得出穿著吸濕速干服裝的被試者α波平均功率更高，αβ波強度比更大，表示其在此狀態下更加放松、壓力更小，以此驗證吸濕速干服裝可以帶來更為舒適的感受。Han等［18］對不同熱濕環境下的服裝穿著者進行腦電測量發現，當人體處于熱不適狀態時，所有腦電圖功率值增加，尤其是β波顯著增加，表明大腦處于較高的認知負荷和不舒適狀態。Lee等［19］、任佳園等［20］的研究也證實了α波和β波的功率譜密度等指標和主觀熱濕評價指標之間的相關關系，其中濕熱感和不舒適感越強時，α波強度受到抑制，β波強度增強，反之則α波強度增強而β波強度受到抑制。采用此種對應關系可以對服裝穿著者的熱濕舒適性體驗進行預測。

2.1.2 接觸舒適性

針對接觸舒適性的研究主要以腦電信號的時域特征和頻域特征為判定指標，通過監測被試接觸紡織品或面料時的腦電變化，評估織物的接觸舒適性。在ERP實驗環境下，常以織物表面紋理誘發事件相關電位，以此探究觸覺感知與表面紋理之間的關系。Horiba等［21］針對毛毯、棉布和砂紙的觸感刺激研究發現，不適接觸狀態下的P300振幅高于舒適狀態下的P300振幅，并指出P300振幅可以反映織物的觸覺舒適性；Chen等［22］則通過對比棉布、亞麻布、絲綢等不同織物材料的觸覺刺激，發現表面粗糙的織物誘發了更高的P300振幅，進一步證實了Horiba的結論。除P300外，Yuan等［23］研究發現N100的振幅隨織物的硬挺度而增加，P200的振幅隨織物的平滑度而減小，因此認為N100和P200電位也可作為區分織物觸覺特性的腦電指標。在EEG實驗環境下，多通過織物接觸過程中的整體情緒感受進行接觸舒適性評價。Wang等［24］將不同衣物接觸下的腦電數據與客觀物理指標測試數據、主觀評分數據進行相關分析，發現織物越柔軟光滑，α波能量百分比越高，受試者的舒適感越強。Ye等［25］研究也證實了α波強度可用于反映人體在接觸面料時的舒適性感受。

2.1.3 壓力舒適性

在壓力舒適性研究中主要以EEG頻域特征為判定指標，通過腦電信號變化檢測服裝壓對人體的影響，特別是利用α波和β波強度變化來評價壓力舒適性。Horiba等［26］研究了腰帶對腹部的壓力影響，發現α波的強度變化與腰帶對腹部產生的壓力有顯著關系。當壓力舒適性較高時，受試者的α波得以增強，而當壓力舒適性較低時，受試者的α波被抑制，β波增強。Sugita等［27］在束腹褲對中老年女性的壓力舒適性影響研究中也驗證了這一現象。Lee等［28］則通過研究不同壓力水平的壓縮褲對穿著者注意力的影響，驗證了β波功率譜在壓力舒適性檢測中的可行性。Liu等［29］認為采用腦電技術建立服裝壓力評估系統，可為服裝壓力舒適性評價提供可靠、無偏見的測量手段，在功能性服裝、緊身內衣等產品的穿著舒適性研究中具有較大應用前景。

2.2 服裝審美感知評價

腦電技術在服裝審美感知評價中主要以對服裝的視覺美觀性評價為主。傳統服裝視覺美觀性評價主要采用主觀描述的評價方法，其作用與反饋機制并不明確，而采用腦電技術研究個體在接受視覺刺激后的腦電變化，可以明晰其內在感知發生過程，實現科學客觀的量化評價。目前基于腦電分析技術的服裝審美感知評價主要聚焦于服裝色彩和款式造型兩方面。

2.2.1 服裝色彩

針對服裝色彩的評價研究以受試者對色彩的視覺認知加工、情感與心理狀態評估等為主，多以腦電信號的時域與頻域特征為觀測指標。在ERP實驗環境下，多通過不同顏色明度或色調引起的誘發事件相關電位變化探究被試的色彩視覺感知差異，從而對被試的視覺審美感知進行量化分析。其中，陳雁等［30］對不同色彩引起的誘發電位分析發現，N100、P100等外源性誘發電位可用于監測服裝色彩物理特性對人體神經系統的影響（即所謂視覺沖擊），并指出腦電技術在服裝顏色風格評價中具有重要應用價值。此外，蔣孝鋒［31］、范中雯［32］以不同色彩明度服裝為刺激材料，研究發現不同色彩明度可以導致P300成分的明顯變化，驗證了P300作為后期認知決策中色彩感知評價指標的可行性。在EEG實驗環境下，則多通過分析不同服裝色彩感知下的被試情緒感受，將感性審美與人腦生理反應相結合。Chinen等［33］研究發現，色彩明亮柔和的服裝能夠引發穿著者更明顯的α波，并證實腦電波強度與服裝色彩主觀評價之間存在一致性。

2.2.2 款式造型

針對款式造型的評價研究以受試者對服裝款式風格、結構造型等引發的情緒或審美反應為著手點，多以腦電信號的時域與頻域特征為觀測指標。在ERP實驗環境下，通過對被試腦電成分的振幅、潛伏期等進行分析，探究審美認知加工機制，并以此量化款式造型對感性認知的影響。Lv等［34］以運動休閑風格的男士上裝為例，發現服裝款式所產生的被試情緒差異可導致P100、N100、P200等成分變化，為服裝誘發的情感評定提供了生理學特征參考。在EEG實驗環境下，多通過識別特定情緒下的腦電活動特征來量化對服裝款式造型的審美認知。Wang［35］對不同服裝款式誘發的腦電信號分析發現，從腦電信號中獲得的情緒分析結果與主觀問卷調查結果一致，驗證了采用腦電信號量化設計審美的可行性。高君等［36］則以泳裝為例，通過測量F3、F4電極的額區α波功率差，發現能夠引起積極情緒的泳裝樣式會誘發較大的α波不對稱指數，表明α波功率差可用于服裝款式的審美認知評價。

2.3 服裝消費決策評價

借助腦電信號的高時間分辨率，可以深入解析服裝消費者在感知和決策過程中的神經機制，從而揭示傳統單一系統框架消費者研究中難以涉及的決策過程黑箱，為消費決策研究、品牌營銷策略制定等提供了交叉領域視角下的科學依據。目前，以服裝等相關產品或品牌為研究對象，腦電技術在消費決策評價研究中主要聚焦于品牌認知、消費行為、營銷策略評價等方面。

2.3.1 品牌認知

在消費者品牌認知研究方面，多采用ERP實驗設計，依據不同成分腦電信號的時頻特征，對消費者知覺的形成過程進行階段化分析，以探究認知加工過程。Wang等［37］針對服裝品牌的品牌延伸進行消費者感知實驗，記錄到消費者對品牌典型產品與延伸產品的比較可引發明顯的N400波動，指出當被試基于長時記憶進行品牌典型產品和品牌屬性聯想時，N400等內源性成分可用于品牌認知評價。Ma等［38］以穿著中外傳統服裝的消費者圖片為刺激物，發現在品牌形象的感知過程中，不同國別形象導致了被試P300振幅的顯著差異，驗證了以P300成分探究品牌認知過程的可行性。陳倩云［39］則針對女裝品牌logo進行消費者感知實驗，發現在產品感知的高級階段誘發了大腦左半球更大的P300成分和右半球更大的N400成分，也進一步證實了P300、N400對理解品牌認知加工過程具有重要作用。

2.3.2 消費行為

在消費行為研究方面，多基于EEG頻域特征探究行為決策時的認知加工與情感反應，以消費情境誘發的情緒性生理指標進行消費行為預測。Touchette等［40］通過觀測被試觀看具有不同吸引力的服裝產品時腦電α波變化情況，發現被試對服裝產品的喜好可由α波功率譜密度進行判定，并可由此預測消費傾向。Casson等［41］記錄了被試在真實服裝店鋪環境進行商品瀏覽時的腦電信號，發現被試α波強度可反映店鋪環境對消費行為的影響。Zeng等［42］則以鞋類產品為例，通過分析腦電信號頻域特征，發現大腦額葉區和枕葉區在消費者的“喜歡”和“不喜歡”決策過程中起著重要作用，并驗證了基于腦電信號DE（Differential entropy，微分熵）特征可以實現準確率超過94%的消費者喜好預測，展示了腦電技術在預測消費行為偏好上的潛力。

2.3.3 營銷策略評價

在營銷策略評價方面，多通過對不同營銷手段進行ERP分組比較實驗，基于腦電信號時頻特征探究不同控制變量分組間受試者的腦電活動差異，以此對營銷策略效果進行評價。Deng等［43］探討了電商平臺促銷活動對消費者的影響，發現不同促銷方式可誘發被試P200和N200振幅的顯著變化，從腦電生理角度證實了不同促銷方式下的消費者認知差異。Chen等［44］研究了月銷量和商品評價等在線信息暴露對消費者線上消費決策的影響，發現低評分與低銷售額作為負面刺激誘發了更大的P200、N400和LPP振幅，反映了此類負面刺激下消費者具有更為強烈的情緒喚醒。Jing等［45］針對平價奢侈品品牌的折扣促銷策略設計了ERP實驗，發現當產品原始價格較高時，無折扣商品相比有折扣商品產生了更大的N200與LPP振幅，顯示了在無折扣促銷時消費者具有較大的認知沖突，從而驗證了折扣促銷策略的有效性。

3 腦電分析應用的挑戰

盡管腦電分析已逐漸成為認知神經科學研究中的重要手段，相應技術方法、實驗設備也日趨成熟，但其在服裝領域內的研究應用仍處于起步階段，面向服裝舒適性、審美感知和消費決策等個體心理認知評價的研究應用數量依然較少，研究對象和研究場景仍較單一。究其原因，腦電分析作為一種跨學科領域研究工具，其應用除受腦科學、認知神經生理學等基礎科學研究影響外，在應用過程中還面臨腦電生理指標在應用環境下的適配與解讀、實驗場景設計、數據獲取與處理等多方面的挑戰。

3.1 腦電信號結果解釋仍存在模糊性

隨著腦科學研究的不斷深入，研究者對于腦部活動與人的心理或行為反應之間的關系理解逐漸加深，但人類大腦與神經活動的高度復雜性，使得腦電數據與人的心理或行為反應的關系解讀依然存在模糊空間。在腦電實驗中，觀測到的特定腦電信號與被試的心理或行為反應，往往呈現“非唯一”的映射關系，即一個特定的腦部活動可能被多種認知活動激活。如P300作為腦電實驗中的重要指標，在服裝舒適性評價、審美感知評價和消費決策評價等視觸覺刺激實驗場景下均有應用，其本質是刺激信息映射到大腦中的神經信號反應，但在具體解釋中研究者多根據自身研究需要進行解讀，其解釋度的穩健性受到質疑。在這一方面，已有學者質疑腦電信號所代表的腦部活動與被試的心理或行為反應之間更多是相關關系，而非因果關系［46］。另一方面，腦電技術在現有服裝領域內應用的研究范式更多采用“reverse inference”（逆向推理）［47］，其推斷的合理性也值得關注。如研究者在面對由具體刺激（X）誘發的腦電信號結果（Y）時，往往用“過往研究中判定的認知過程（Z）也同樣誘發結果Y”為依據，而推論出基于X的刺激實驗中也產生了類似Z的認知過程。考慮到腦電反應與認知過程的“非唯一”映射關系，此種推論往往會被質疑缺乏嚴謹性。

3.2 實驗環境限制了研究普適性

受現有腦電檢測設備使用條件的限制，目前對于腦電技術的應用大多在實驗室環境下開展。因為實驗室環境下的變量控制與刺激設計無法完全模擬真實環境，導致研究結果在實際應用中的效度存疑。如在服裝審美感知評價中，多通過電腦屏幕呈現相應服裝產品樣式，被試所見所感不能完全反映真實服裝效果，且實驗環境所帶來的被試緊張感，也往往在不同程度上影響了實驗結果。同時，傳統腦電實驗設備的舒適性和便攜性較弱，可能會影響被試的自然行為和真實體驗，這會對服裝舒適性評價研究等產生較為明顯的干擾。被試穿戴腦電設備所產生的穿戴舒適感會對其舒適性感知產生影響，這在使用非輕量化設備進行腦電監測時表現更為明顯。此外，因腦電實驗操作過程較為復雜、耗時較長，現有研究中樣本量多集中在20～30人規模，甚至部分研究中樣本量不足10人，且樣本選取多為在校大學生。考慮到不同個體對同一刺激的腦電反應可能存在較大差異，個體的情緒狀態、疲勞程度等因素也會影響腦電活動，如采用小樣本、單一樣本來源的實驗設計，其實驗結果的統計學意義、群體反應效力和實驗復現性會變弱。腦電檢測設備價格較高，實驗人員培訓、設備維護、被試招募、實驗耗材等也會產生較高成本支出，也提高了腦電分析技術應用普及的門檻。

3.3 腦電數據處理分析具有復雜性

受采集條件、實驗設計等限制，腦電信號中包含大量噪聲和偽跡，這加大了數據預處理和特征提取的難度。如在服裝舒適性評價相關研究中，往往需要觸摸或穿戴相應測試樣品，觸摸動作本身產生的肌電干擾和運動干擾、熱濕環境下產生的汗液干擾等，會嚴重影響腦電信號質量，降低數據可信度。針對此類環境噪聲和信號偽跡的剔除方法依然需要不斷優化。同時，腦電數據具有高維特性，其信號特征選定與測量的方式種類繁多。目前常見的有基于時域特征的信號振幅幅值、方差、均值、峰度等指標，也有基于頻域特征的節律信號PSD、DE等指標。還有研究者嘗試采用自組織映射、支持向量機等機器學習手段進行信號特征提取，以完成對被試情緒狀態的精確分類與判斷［48］。不過，現有服裝領域的應用更多是基于時域成分振幅、頻域成分強度等較為簡單特征，對于其他信號特征或測量指標應用較少，特征提取與情緒狀態判定方法單一，缺少多種方法的交叉驗證，可能會影響被試心理狀態的準確識別。另外，在服裝壓力舒適性、熱濕舒適性等研究中，往往還需要壓力水平、熱濕條件等刺激條件與腦電數據進行量化對應，這也進一步加大了特征值選取和數據梳理分析的復雜性。

4 腦電分析技術應用前景

4.1 腦電分析技術應用的規范化研究

針對當前腦電分析技術在服裝心理認知評價應用中存在的實驗設計、數據處理、結果解釋等問題，構建標準化研究范式是未來腦電技術應用的關鍵。在圍繞“人-服裝-環境”的心理認知評價研究中，要基于研究對象、實驗場景等構建規范化實驗設計標準，充分考慮實驗中的變量控制、前后對照、組間差異、個體差異等問題，適當擴大實驗被試樣本，從實驗設計層面提升數據真實有效性和結果解釋度。在數據采集與分析過程中，探索數據的多模態融合，開展腦電信號與其他生理信號（眼動、肌電等）、主觀評價數據、行為觀測數據等的結合研究，利用多模態“生理-心理-行為”信號數據的組合、比照等作為分析指標，并嘗試開發或借鑒使用適應性強、穩健性好的數據處理和分析算法、腦電信號特征指標等。如在服裝舒適性評價相關研究中，可以將腦電分析法與傳統舒適性測量方法相結合，通過數據比對尋找腦電信號與舒適性感知水平間對照關系，增強腦電特征的解釋力；通過肌電、心電等多模態生理信號的監測，明晰實驗過程中的環境噪聲影響，以期盡可能降低外在因素干擾。在結果解釋過程中，要參照認知神經科學、心理學等領域最新研究進展，同時還要基于實驗設計開展雙向推理、多路徑驗證等，并規范化語言表述，進一步提升結果解釋效度。

4.2 貼近真實環境的腦電分析研究

為規避實驗室環境帶來的研究偏差，未來腦電技術的應用研究要充分考慮真實化場景需求。一方面，積極探索適合實驗室場景的研究課題。如針對元宇宙場景下的虛擬服裝或數字化服裝產品設計評價研究，其服裝形象展示相比真實服裝更貼合實驗室條件要求，在實驗室環境下的被試體驗與真實環境差異較小，實驗過程中的刺激物選擇和呈現也更為容易。同樣，針對線上營銷場景中的購物環境氛圍、展示界面、交流互動等也更容易在實驗室條件下進行模擬測試與體驗感知，腦電技術也可以在這些領域發揮重要作用。另一方面，關注小型化腦電設備發展，充分發揮便攜式研究工具特點，開展基于現實場景下的腦電監測探索，通過獲取被試在真實環境中的認知數據，增強研究結果的實際應用價值。目前已有利用小型化腦電設備在真實服裝店鋪內開展腦電監測的研究案例，應關注并跟蹤此類研究，學習便攜式腦電工具使用方法、實驗過程設計、腦電數據校準與質量控制等，并拓展應用至面向真實服裝產品、真實消費環境、真實服裝應用場景的感知評價研究。

4.3 腦電分析技術應用場景的細分化研究

相較而言，當下研究中腦電分析技術在服裝舒適性評價中應用明顯多于服裝審美感知評價和消費決策評價，通過與人體工程學、服裝工效學等研究結合，腦電分析應用場景也更為豐富。未來研究中面向服裝消費者的審美感知、消費決策研究應加強。研究者可結合設計評價、消費心理等領域研究，積極嘗試基于腦電技術的實證研究、技術方法比較研究等，擴大應用范圍。如關注并借鑒腦電技術在神經營銷學中的應用，加強對服裝消費者行為研究，探知行為接受意愿、風險感知、隱私考慮等決策過程中的潛在心理活動，以幫助企業理解消費者的真實需求和偏好；在廣告效果評估、推廣方式評價等方面，開展針對具體營銷手段的消費者感知研究，以大腦生理數據解讀心理活動過程，提升營銷手段選擇的科學性。同時，還可以借鑒面向工業產品的其他行業門類研究、腦神經科學前沿研究等，拓展腦電技術在服裝領域內的應用場景。如關注跟蹤BCI腦機接口等腦科學研究最新進展，拓展“人-服裝-環境”至“人-機-服裝-環境”的關系探討，在人機交互、用戶體驗、情感設計、虛擬現實等方面創新研究思路與視角。

5 結 語

本文對腦電分析技術相關理論及其在服裝心理認知評價領域的應用文獻進行了梳理，從舒適性評價、審美感知評價、消費決策評價三方面，總結了腦電分析技術在不同領域研究中的腦電信號判定指標、實驗范式和研究成果，并針對目前腦電分析技術應用中的局限性，從標準化范式研究、貼近真實環境應用研究、場景細分化研究等方面進行了展望。腦電分析技術為探測服裝感知、審美、決策等方面的神經機制帶來了可能，同時也為客觀地評價服裝舒適性、視覺美觀性、品牌感知、營銷手段等提供了嶄新途徑。未來，腦電分析技術將會越來越廣泛地與服裝各領域進行深入融合，帶來更為豐富的研究成果。

《絲綢》官網下載

中國知網下載

參考文獻：

［1］劉曉君， 李麗麗， 王萌萌， 等. 跨學科知識的交叉與融合機制研究： 以腦電技術為例［J］. 科技管理研究， 2022， 42（15）： 240-248.

LIU X J， LI L L， WANG M M， et al. Research on the mechanism of interdisciplinary knowledge intersection and fusion： Taking EEG technology as an example［J］. Science and Technology Management Research， 2022， 42（15）： 240-248.

［2］刁雅靜， 盧健， 楊倩， 等. 在線購物觀察學習的社會影響： 基于自我報告和腦電實驗的實證研究［J］. 管理評論， 2023， 35（12）： 137-147.

DIAO Y J， LU J， YANG Q， et al. Social influence of online observational learning： Evidence from self-reported and EEG data［J］. Management Review， 2023， 35（12）： 137-147.

［3］秦天鵬， 生慧， 岳路， 等. 腦電信號情緒識別研究綜述［J］. 計算機工程與應用， 2023， 59（15）： 38-54.

QIN T P， SHENG H， YUE L， et al. Review of research on emotion recognition based on EEG signals［J］. Computer Engineering and Applications， 2023， 59（15）： 38-54.

［4］王忠民， 趙玉鵬， 鄭镕林， 等. 腦電信號情緒識別研究綜述［J］. 計算機科學與探索， 2022， 16（4）： 760-774.

WANG Z M， ZHAO Y P， ZHENG R L， et al. Survey of research on EEG signal emotion recognition［J］. Journal of Frontiers of Computer Science and Technology， 2022， 16（4）： 760-774.

［5］熊馨， 楊秋紅， 周建華， 等. 腦機融合控制中腦電偽跡處理方法［J］. 昆明理工大學學報（自然科學版）， 2021， 46（3）： 56-70.

XIONG X， YANG Q H， ZHOU J H， et al. Removing artifacts from EEG for brain-machine integration control［J］. Journal of Kunming University of Science and Technology （Natural Sciences）， 2021， 46（3）： 56-70.

［6］付雨桐， 楊志， 姚黎清. 事件相關電位在腦卒中患者中的應用進展［J］. 中國醫學物理學雜志， 2019， 36（7）： 858-863.

FU Y T， YANG Z， YAO L Q. Progress on application of event-related potential in stroke patients［J］. Chinese Journal of Medical Physics， 2019， 36（7）： 858-863.

［7］HOPF J M， VOGEL E， WOODMAN G， et al. Localizing visual discrimination processes in time and space［J］. Journal of Neurophysiology， 2002， 88（4）： 2088-2095.

［8］張冠華， 余旻婧， 陳果， 等. 面向情緒識別的腦電特征研究綜述［J］.中國科學： 信息科學， 2019， 49（9）： 1097-1118.

ZHANG G H， YU M J， CHEN G， et al. A review of EEG features research for emotion recognition［J］. Scientia Sinica （Informationis）， 2019， 49（9）： 1097-1118.

［9］YU J J， ABDULLAH M F I L， MANSOR N S. EEG components of inhibitory control ability in internet gaming disorder： A systematic review and meta-analysis of randomized controlled trials［J］. Brain and Behavior， 2024， 14（1）： 3388.

［10］WEI Z， LI H W， MA L， et al. Emotion recognition based on microstate analysis from temporal and spatial patterns of electroencephalogram［J］. Frontiers in Neuroscience， 2024（18）： 1355512.

［11］梁晨， 孫元. 神經美學在用戶研究領域的研究現狀及展望［J］. 包裝工程， 2022， 43（16）： 76-91.

LIANG C， SUN Y. Research status and prospects of neuroaesthetics in the field of user research［J］. Packaging Engineering， 2022， 43（16）： 76-91.

［12］MACNAMARA A， JOYNER K， KLAWOHN J. Event-related potential studies of emotion regulation： A review of recent progress and future directions［J］. International Journal of Psychophysiology， 2022（176）： 73-88.

［13］FIELDS E. The P300， the LPP， context updating， and memory： What is the functional significance of the emotion-related late positive potential？［J］. International Journal of Psychophysiology， 2023（192）： 43-52.

［14］曹宇杰， 高亞罕， 郭國棟. 基于腦電信號的三種情緒區別分析［J］. 生物醫學工程研究， 2022， 41（1）： 41-45.

CAO Y J， GAO Y H， GUO G D. Analysis of the difference between three kinds of emotions based on EEG signals［J］. Journal of Biomedical Engineering Research， 2022， 41（1）： 41-45.

［15］劉國聯， 蔣孝鋒. 服裝心理認知評價［M］. 上海： 東華大學出版社， 2017.

LIU G L， JIANG X F. Psychological Cognition Evaluation of Clothing［M］. Shanghai： Donghua University Press， 2017.

［16］陳東生， 劉運娟. 腦電在服裝舒適性評價中的應用［J］. 服裝學報， 2016， 1（1）： 21-25.

CHEN D S， LIU Y J. Application of EEG technology to evaluation of clothing comfort［J］. Journal of Clothing Research， 2016， 1（1）： 21-25.

［17］JEONG J R， KIM H E. Assessment of the wear comfort of outdoorwear by ECG and EEG analyses［J］. Journal of the Korean Society of Clothing and Textiles， 2009， 33（10）： 1665-1672.

［18］HAN J， CHUN C. Differences between EEG during thermal discomfort and thermal displeasure［J］. Building and Environment， 2021（204）： 108220.

［19］LEE H， LEE Y J. Effects of Bikram yoga clothes on EEG beta spectrum［J］. Fibres amp; Textiles in Eastern Europe， 2022， 30（6）： 45-54.

［20］任佳園， 金劍， 鄭晶晶. 基于腦電圖技術的消防體能訓練服熱濕舒適性評價［J］. 現代紡織技術， 2024， 32（1）： 108-118.

REN J Y， JIN J， ZHENG J J. Thermal-wet comfort evaluation of fire physical training clothing based on EEG technology［J］. Advanced Textile Technology， 2024， 32（1）： 108-118.

［21］HORIBA Y， KAMIJO M， HOSOYA S， et al. Evaluation of tactile sensation for wearing by using event related potential［J］. SEN-I GAKKAISHI， 2000， 56（1）： 47-54.

［22］CHEN S， GE S. Experimental research on the tactile perception from fingertip skin friction［J］. Wear， 2017（376377）： 305-314.

［23］YUAN J， XU C L， FANG J H， et al. Investigation of fabric tactile perception using the event-related potential method［J］. Textile Research Journal， 2024， 94（1920）： 2107-2116.

［24］WANG Y P， ZHAO M M， YU M， et al. Experimental study of clothing tactile comfort based on electro-neurophysiology［J］. Fibers and Textiles in Eastern Europe， 2014（22）： 102-106.

［25］YE T， LIU F X Z， LIU G， et al. Categorization of different types of people based on their electroneurophysiological responses to fabric-skin contact［J］. Textile Research Journal， 2023， 93（78）： 1747-1759.

［26］HORIBA Y， KAMIJO M， SADOYAMA T， et al. Effect on brain activity of clothing pressure by waist belts［J］. Kansei Engineering International， 2000， 2（1）： 1-8.

［27］SUGITA A， OKABE K， KIOKA E. Effects of girdles on comfort of aged women［J］. Journal of the Japan Research Association for Textile End Uses， 2022， 43（6）： 365-376.

［28］LEE H， KIM K， LEE Y J. Effect of compression pants on EEG spectrum［J］. International Journal of Clothing Science and Technology， 2020， 32（2）： 197-207.

［29］LIU Y J， CHEN D S. An analysis on EEG power spectrum under pressure of girdle［J］. International Journal of Clothing Science and Technology， 2015， 27（4）： 495-505.

［30］陳雁， 李棟高. 服裝顏色的感覺生理研究［J］. 紡織學報， 2004（3）： 68-69.

CHEN Y， LI D G. Sensory-physiological study of clothing color［J］. Journal of Textile Research， 2004（3）： 68-69.

［31］蔣孝鋒. 服裝顏色明度對人情感的影響機制： 行為及ERP研究［D］. 蘇州： 蘇州大學， 2011.

JIANG X F. Mechanism for Effects of Clothing Color Value on Human Emotion： Behavioral and ERP Study［D］. Suzhou： Soochow University， 2011.

［32］范中雯. 服裝色彩對女性職業印象感知的影響［D］. 蘇州： 蘇州大學， 2023.

FAN Z W. Influence of Clothing Color on Female Professional Impression Perception［D］. Suzhou： Soochow University， 2023.

［33］CHINEN Y， IKAMI K， KIOKA E. The image formed and the feeling produced by clothing colors［J］. Journal of Home Economics of Japan， 2004， 55（11）： 845-851.

［34］LV J， CHEN D， SUI Y. Event-related potentials technique using in affective fashion design［J］. International Journal of Clothing Science and Technology， 2016， 28（1）： 77-91.

［35］WANG J J. EEG-based quantitative analysis of aesthetic emotion in clothing design［J］. Translational Neuroscience， 2019， 10（1）： 44-49.

［36］高君， 王偉珍. 基于眼腦數據和問卷分析的泳裝圖像情感因子空間構建［J］. 毛紡科技， 2022， 50（6）： 73-79.

GAO J， WANG W Z. Establishment of emotional factor space for swimsuit image based on eye tracking， electroencephalography data and questionnaire analysis［J］. Wool Textile Journal， 2022， 50（6）： 73-79.

［37］WANG X Y， MA Q G， WANF C C. N400 as an index of uncontrolled categorization processing in brand extension［J］. Neuroscience Letters， 2012， 525（1）： 76-81.

［38］MA Q， ABDELJELIL M， HU L. The Influence of the consumer ethnocentrism and cultural familiarity on brand preference： Evidence of event-related potential （ERP）［J］. Frontiers in Human Neuroscience， 2019（13）： 220.

［39］陳倩云. 女裝品牌Logo對消費者產品感知的影響［D］. 蘇州： 蘇州大學， 2020.

CHEN Q Y. Effect of Brand Logos on Consumer Perception for Women’s Dress［D］. Suzhou： Soochow University， 2020.

［40］TOUCHETTE B， LEE S E. Measuring neural responses to apparel product attractiveness［J］. Clothing and Textiles Research Journal， 2017， 35：15-30.

［41］CASSON A J， TRIMBLE E V. Enabling free movement EEG tasks by eye fixation and gyroscope motion correction： EEG effects of color priming in dress shopping［J］. IEEE Access， 2018（6）： 62975-62987.

［42］ZENG L， LIN M S， XIAO K Y， et al. LikeDislike prediction for sport shoes with electroencephalography： An application of neuromarketing［J］. Frontiers in Human Neuroscience， 2022（15）： 793952.

［43］DENG Y， HAN W， ZHANG X F， et al. The effect of new e-commerce platform’s OSC promotion on consumer cognition： From cognitive legitimacy and cognitive psychology perspective［J］. Frontiers in Human Neuroscience， 2024（18）： 1380259.

［44］CHEN K Y， ZHANG W K， JIANG P T. Ratings or sales？ The neural and psychological processes of online experience product purchase： Evidence from a sample of Chinese university students［J］. Behavioral Sciences， 2022（12）： 499.

［45］JING K P， CHEN L L， MEI Y P. The effectiveness of price promotions in purchasing affordable luxury products： An event-related potential study［J］. Frontiers in Neuroscience， 2022（16）： 818503.

［46］MCINNES A N， SUNG B， HOOSHMAND R. A practical review of electroencephalography’s value to consumer research［J］. International Journal of Market Research， 2023， 65（1）： 52-82.

［47］汪蕾， 楊一愷， 鄭杰慧， 等. 基于消費者神經科學視角預測消費者行為： 現狀， 挑戰與未來［J］. 管理工程學報， 2020， 34（6）： 1-12.

WANG L， YANG Y K， ZHENG J H， et al. Predicting consumer behavior in the perspective of consumer neuroscience： Status， challenge and future［J］. Journal of Industrial Engineering and Engineering Management， 2020， 34（6）： 1-12.

［48］陳旭東， 鐘恒， 皇甫潔， 等. 腦電信號情緒識別綜述［J］. 計算機應用， 2023， 43（1）： 323-332.

CHEN X D， ZHONG H， HUANGFU J， et al. Review of emotion recognition of EEG signals［J］. Journal of Computer Applications， 2023， 43（1）： 323-332.

Research progress on the application of electroencephalogram analysis in the field of apparel psychological cognition and evaluation

WANG Baolu1， JIANG Ying1， JIANG Xiaofeng2， ZHAO Weipu1

（1.School of Fashion， Beijing Institute of Fashion Technology， Beijing 100029， China; 2.College of Textile and Clothing Engineering， Soochow University， Suzhou 215006， China）

Abstract：Electroencephalography analysis can assist researchers in uncovering the complex mechanisms underlying brain functions. This approach has been widely applied in studies related to human perception， attention， memory， and decision-making. In the field of apparel psychological cognition and evaluation， such as clothing design evaluation， clothing ergonomics， marketing strategies， and consumer decision-making， previous studies primarily relied on subjective and empirical testing. These methods make it challenging to analyze the mechanisms and processes that shape individual psychological and cognitive responses. In this way， the introduction of electroencephalography analysis technology offers a means of recording， analyzing， and interpreting individual electroencephalography signals， thereby providing neural data to explore personal psychological states， cognitive processes， and decision-making mechanisms. This approach provides a scientific foundation for product design and optimization， enhancement of user experience， and formulation of marketing strategies， suggesting that electroencephalography analysis has significant potential for application within apparel research. Therefore， systematically reviewing the application of electroencephalography analysis in the apparel field can help scholars comprehensively understand relevant research domestically and internationally， and further enhance the depth and breadth of electroencephalography application studies.

To deeply investigate the application of electroencephalography analysis in the apparel field and to better promote research into individual psychological states， cognitive formation mechanisms， and decision-making processes， this paper makes a comprehensive review of key aspects of electroencephalography analysis， including signal acquisition and processing， component feature extraction， and feature information determination. Through a comprehensive analysis of domestic and international electroencephalography studies on clothing comfort evaluation， apparel aesthetic perception， and consumer decision-making， the paper focuses on exploring the usage of EEG and ERP， and investigating signal determination indicators， experimental paradigms， and research findings in different research scenarios. Specifically， studies based on EEG primarily explore individuals’ overall psychological states through frequency-domain characteristics such as power spectral density changes in alpha and beta waves. These methods are commonly used in studies of thermal and pressure comfort research and in apparel aesthetic perception research. In ERP-based studies， researchers analyze time-domain features such as N100， P200， and P300 by recording the brain’s electrophysiological responses to specific events or stimuli， to investigate psychological states and cognitive formation mechanisms. These approaches are frequently applied in studies of tactile comfort， apparel aesthetic perception， brand perception， and marketing strategy analysis.

Electroencephalography analysis offers the potential to explore the neural mechanisms underlying clothing perception， aesthetics， and decision-making. It also provides a novel approach for objectively evaluating clothing comfort， visual appeal， brand perception， and marketing strategies. However， current applications of electroencephalography analysis in the apparel field face several challenges， including ambiguity in interpreting EEG results， limitations in the experimental environments that affect the generalizability of research findings， and complexities in data processing and analysis. Future research should focus on standardizing the paradigms for applying electroencephalography analysis technology， conducting studies that are closer to real-world settings， and segmenting the application scenarios of electroencephalography analysis technology. For instance， in the application of electroencephalography analysis， standardized experimental design should be established based on research subjects and experimental contexts， fully considering variable control， pre-and-post comparisons， intergroup differences， and individual differences， to enhance the validity and interpretability of results. Research topics that are suitable for laboratory settings， such as evaluation of virtual or digital clothing product design， and consumer behavior in online shopping environments， should be encouraged. Drawing on the applications of electroencephalography analysis in neuromarketing， research on consumer behavior in the apparel industry can also be enhanced to explore potential psychological activities involved in decision-making processes， such as willingness to accept behavior， risk perception， and privacy considerations.

Key words：

electroencephalogram; apparel; cognition amp; evaluation; Kansei engineering; ERP; EEG