陳志華，石詩(shī)余

(大連交通大學(xué) 軟件學(xué)院，遼寧 大連 116028)*

0 引言

腦電波是一種非常復(fù)雜的非線性生理信號(hào)，有多個(gè)不同的復(fù)雜變量組成.為了減少變量數(shù)目并提取出重要的特征變量，通常采用主成分分析方法對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)化和特征提?。?］.通過(guò)主成分分析的方法，可以把高維空間的問(wèn)題轉(zhuǎn)化到低維空間進(jìn)行處理，將多個(gè)變量轉(zhuǎn)化為少數(shù)幾個(gè)綜合變量(即主成分)，并加以應(yīng)用.作為最重要的多元統(tǒng)計(jì)方法之一，主成分分析在多個(gè)領(lǐng)域都有著重要的應(yīng)用.

對(duì)腦電數(shù)據(jù)的分析研究中，主成分分析方法是一種重要的數(shù)據(jù)分析方法.在以往的研究中，主成分分析常被用于簡(jiǎn)化腦電數(shù)據(jù)，或者用來(lái)去除腦電信號(hào)中的偽跡，使得其他研究得以簡(jiǎn)化并得到較好的結(jié)果，而主成分的貢獻(xiàn)率變化這一特征常常被忽略［1-5］.應(yīng)用主成分分析基于腦電圖研究應(yīng)用在腦電圖研究各個(gè)方面，但是就使用主成分分析分析情感方面的變化而言，大多數(shù)使用音樂(lè)刺激的方法進(jìn)行分析［6-7］.而短的無(wú)聲視頻進(jìn)行視覺(jué)刺激的研究則較少出現(xiàn).

本文針對(duì)觀看兩種不同的視頻過(guò)程中采集的腦電情感變化腦電節(jié)律進(jìn)行了主成分分析，然后對(duì)兩種不同狀態(tài)的分析結(jié)果進(jìn)行比較，通過(guò)不同情緒時(shí)的第一及第二主成分的貢獻(xiàn)率的差異，來(lái)研究人腦的感情變化的特征.這將為為腦電圖數(shù)據(jù)分析以及腦電研究提供基礎(chǔ)性的分析，并為進(jìn)一步的研究做參考.

1 主成分分析方法

采用主成分分析方法進(jìn)行分析，首先對(duì)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，之后計(jì)算出相關(guān)系數(shù)來(lái)得出相關(guān)系數(shù)矩陣，最后對(duì)數(shù)據(jù)進(jìn)一步分析，計(jì)算出相關(guān)的特征值和特征向量，接下來(lái)通過(guò)貢獻(xiàn)率的大小，取出前90%的貢獻(xiàn)率，并計(jì)算出其相應(yīng)的載荷就完成了主成分分析.完成的主成分分析的結(jié)果貢獻(xiàn)率分布如圖1所示.

圖1 XXX的各個(gè)成分的貢獻(xiàn)率分布

完成主成分分析后，比較2次不同情緒下貢獻(xiàn)率的差異就可以完成對(duì)情感的判別.在本次研究中，采用的是第一主成分和第二主成分的貢獻(xiàn)率的變化來(lái)進(jìn)行分析.因?yàn)榈谝恢鞒煞帜茏畲笙薅鹊姆磻?yīng)樣本之間的差異.而且只能用第一主成分來(lái)進(jìn)行排序.而第二主成分可以用來(lái)驗(yàn)證第一主成分，所以本次研究采用的的第一主成分進(jìn)行分析，用第二主成分加以驗(yàn)證的做法.

2 實(shí)驗(yàn)過(guò)程

2.1 腦電采集設(shè)備和預(yù)處理

采用日本光電工業(yè)株式會(huì)社制造的腦電圖機(jī)(EEG-9200K)來(lái)完成腦電數(shù)據(jù)的采集.作為一種常用的32導(dǎo)的腦電圖機(jī)，該腦電圖機(jī)有著很優(yōu)良的性能，采集的數(shù)據(jù)準(zhǔn)確、誤差較小，同時(shí)能在一定程度上排除外界干擾對(duì)腦電數(shù)據(jù)的影響.

選用國(guó)際常用的10-20腦電極系統(tǒng)中比較常用的19個(gè)腦電極完成數(shù)據(jù)的采集，其中每一個(gè)腦電極可以被視為一個(gè)原始成分進(jìn)行分析，f分析所采用的19個(gè)腦電極的名稱和具體位置如圖2所示.

圖2 分析數(shù)據(jù)時(shí)所采用的電極

在本次實(shí)驗(yàn)中，電極的阻抗保持在10以下.采樣頻率為500 Hz，信號(hào)過(guò)濾范圍為0.1～60 Hz.這樣基本保證了數(shù)據(jù)的有效性.

2.2 實(shí)驗(yàn)對(duì)象及環(huán)境

本次實(shí)驗(yàn)受試者全部為大連交通大學(xué)在校學(xué)生，年齡在22～25歲之間，身體健康無(wú)相關(guān)疾病.這次試驗(yàn)共有52名受試者參加，其中男生34人，女生18人，每人需要分別做2次實(shí)驗(yàn).除去3例因環(huán)境因素造成的無(wú)效數(shù)據(jù)后，有習(xí)慣使用左手的男生2人次，有習(xí)慣使用右手的男生67人次，有習(xí)慣使用右手的女性34人次，共計(jì)103組數(shù)據(jù).實(shí)驗(yàn)地點(diǎn)在大連交通大學(xué)一實(shí)驗(yàn)室進(jìn)行，室內(nèi)光線適中，溫度適宜，周圍無(wú)線信號(hào)和噪音對(duì)腦電信號(hào)的采集無(wú)明顯干擾.

2.3 實(shí)驗(yàn)步驟

首先，受試者安靜閉眼1 min，然后令受試者睜眼調(diào)整坐姿，以免實(shí)驗(yàn)中因不能長(zhǎng)久保持坐姿而有所晃動(dòng)，對(duì)腦電圖數(shù)據(jù)產(chǎn)生干擾;然后，給參與實(shí)驗(yàn)人員播放黑白噪音視頻.播放完畢實(shí)驗(yàn)人員睜眼調(diào)整放松.調(diào)整之后，播放一段可愛(ài)貓的視頻(在第2遍時(shí)為與第一段不同的可愛(ài)貓視頻).每段視頻的長(zhǎng)度為30 s.

播放兩段視頻后分別詢問(wèn)受試者，發(fā)現(xiàn)所有受試者對(duì)于后一段視頻的愉悅程度均高于前者.

2.4 視頻的選取原則

本次試驗(yàn)采用的視頻應(yīng)盡可能簡(jiǎn)單，同時(shí)使得刺激盡可能有效并具有一定的普遍性，而視頻的時(shí)間應(yīng)該在30 s左右，這些可以使誘發(fā)情緒的時(shí)間可以控制在合理的范圍內(nèi).在本研究中，采用的是可愛(ài)貓和黑白噪音的無(wú)聲視頻.

為保證視頻有效性，在觀看視頻前，兩段視頻均對(duì)所有受試者保密.同時(shí)第2次實(shí)驗(yàn)采取了與第一段近似但略有不同的可愛(ài)貓視頻來(lái)保證對(duì)受試者有足夠的愉悅度.3段視頻的截圖如圖3所示.

圖3 誘發(fā)人產(chǎn)生不同情緒的視頻截圖

2.5 實(shí)驗(yàn)數(shù)據(jù)的分析波段選取

本實(shí)驗(yàn)提取數(shù)據(jù)中4～30 Hz頻段用來(lái)數(shù)據(jù)分析，因?yàn)棣梁挺虏ㄗ鳛槌赡昴行阅X電波中存在的主要波段，提取這一頻段的信息可以較大程度排除噪聲和其他波的干擾，同時(shí)保留數(shù)據(jù)中的最有效特征，θ波段雖然在成年腦電圖占的比重較小，但是通過(guò)θ波一般能較明顯的表現(xiàn)出情感變化的特征，而且α，β和θ3個(gè)波段互相之間并不能完全的獨(dú)立.因此決定采用4～30 Hz這一頻率作為這次實(shí)驗(yàn)分析的分析波段.

3 實(shí)驗(yàn)結(jié)果分析

3.1 愉悅和不愉悅情況下的結(jié)果對(duì)比

對(duì)于日常生活中習(xí)慣用右手的女生，相對(duì)于不愉悅時(shí)，大部分人(85%)在愉悅時(shí)的第一主成分貢獻(xiàn)率增大，這說(shuō)明第一主成分的情感變化荷載變大.而與之相反，絕大多數(shù)(96%)第二主成分在愉悅時(shí)的貢獻(xiàn)率減小，即第二主成分情感變化荷載減小.

但對(duì)于習(xí)慣用右手的男生來(lái)說(shuō)，隨著愉悅度的提高，根據(jù)情感變化的第一主成分的相關(guān)數(shù)據(jù)計(jì)算得出的情感變化載荷的差值為正的，接近50%，因此沒(méi)有參考意義.同一樣本群中的第二主成分隨著愉悅度，67%的第二主成分有所增大的降低，說(shuō)明情感變化能導(dǎo)致一半的人結(jié)果下降但是結(jié)果并不顯著，不能進(jìn)行有效的判別.

由于男生習(xí)慣用左手的受試者只有1人2例而女生無(wú)習(xí)慣用左手的受試者.所以未進(jìn)行分析.具體的結(jié)果如表1、2所示，表中第一主成分為同一受試者在高興和不高興的兩種情況下第一主成分的貢獻(xiàn)率的差值，第二主成分為同一受試者在高興和不高興的兩種情況下第二主成分的貢獻(xiàn)率的差值.

表1 男生分析結(jié)果

表2 習(xí)慣使用右手的女生分析結(jié)果

3.2 各個(gè)電極對(duì)第一主成分的貢獻(xiàn)率

為了進(jìn)一步探究各個(gè)區(qū)域?qū)δX電情緒變化的影響，對(duì)數(shù)據(jù)原有的電極對(duì)第一主成分的貢獻(xiàn)率進(jìn)行分析.數(shù)據(jù)表明，無(wú)論在高興和不高興的時(shí)候，大部分人對(duì)第一貢獻(xiàn)率最大的電極為FP1、FP2或者是F3、F4，證明人類在情感變化時(shí)，大腦前部皮層區(qū)的活動(dòng)比較強(qiáng).男生和女生在貢獻(xiàn)率前幾名的分布都集中在大腦的中前部FP1、FP2，F(xiàn)3、F4，C3、C4，以及 O1 、O2兩個(gè)電極代表的視覺(jué)識(shí)別區(qū).但是從總體來(lái)說(shuō)，男生的腦電極的貢獻(xiàn)范圍比女生更加集中，更加趨向于F3，F(xiàn)4附近的腦前中部區(qū)域.

通過(guò)愉悅和不愉悅時(shí)的電極分布情況對(duì)比發(fā)現(xiàn)，就同一個(gè)人而言，不愉悅時(shí)電極分布更偏向于左邊，愉悅時(shí)電極的分布更偏向于右邊.但是對(duì)于不同人來(lái)說(shuō)區(qū)域并不相同，而且有很多人出現(xiàn)了愉悅時(shí)比不愉悅時(shí)更靠左的區(qū)域，并不好直接用來(lái)判別.

4 討論

通過(guò)視頻刺激的實(shí)驗(yàn)和使用主成分分析方法進(jìn)行分析.初步得出以下結(jié)論:主成分分析的貢獻(xiàn)率變化對(duì)習(xí)慣使用右手的正確率達(dá)到了83.8%，擁有一定的區(qū)分度.但是男生識(shí)別的正確率只有55%，并不能很好的區(qū)分情感變化.這可以歸結(jié)為以下幾方面因素:

(1)相對(duì)于非線性信號(hào)，主成分分析對(duì)于線性信號(hào)的分析更加有效，而對(duì)非線性信號(hào)則可能造成一定的精度損失.腦電波信號(hào)是一種比較典型的非線性的信號(hào)，如果換用非線性主成分分析［8］和獨(dú)立成分分析結(jié)合的辦法可能能避免一定的精度損失，能提高其正確率;

(2)通過(guò)分析不同情感變化下原電極對(duì)第一主成分的貢獻(xiàn)率，我們發(fā)現(xiàn)相比于女生，男生的視覺(jué)識(shí)別區(qū)的變化不明顯，而在前頭部的區(qū)域的活動(dòng)相對(duì)來(lái)說(shuō)則比較明顯.僅對(duì)于前頭部區(qū)域而言，在不愉悅向愉悅變化的過(guò)程中，雖然男生的變化比女生明顯一些，但是僅僅就貢獻(xiàn)率而言，這一點(diǎn)區(qū)別尚不足于用來(lái)判別情緒變化.而女生因?yàn)橛蠴1，O2視覺(jué)識(shí)別區(qū)的變化較明顯，使得在不同情緒下的貢獻(xiàn)率變化比較大，能夠較好的排除腦隨機(jī)信號(hào)的影響.為了進(jìn)一步區(qū)分男生情緒變化的正確率，可以采用只分析前頭部來(lái)完成實(shí)驗(yàn)，但是這樣的結(jié)果也不能很好的來(lái)完成情緒的判別.由于每人前頭部的各個(gè)電極的貢獻(xiàn)率是不同的，尚未找到能夠一個(gè)合適的區(qū)域來(lái)描述大部分人在視頻刺激時(shí)的腦電主要變化區(qū)域，而不引入其他區(qū)域的隨機(jī)信號(hào)的方法;

(3)可能跟選取的視頻類型有關(guān).通過(guò)查閱資料和以前做的聽(tīng)音樂(lè)時(shí)的實(shí)驗(yàn)發(fā)現(xiàn)，采用不同類型的愉悅或者難過(guò)的音樂(lè)素材的時(shí)候，所獲得的情感識(shí)別正確率有一定的差異，而且對(duì)于男生和女生產(chǎn)生的差異是不同的［7，9-11］.因此推測(cè)，在選取不同類型的視頻進(jìn)行分析時(shí)，所產(chǎn)生的情感變化時(shí)也是不同的.不同的聲學(xué)特征可能導(dǎo)致不同的情感變化，而且對(duì)于不同聲學(xué)特征導(dǎo)致的男女生的情感變化也略有差異［7，9，12］.對(duì)于圖片的分析，雖然沒(méi)有明確的特征.但是通過(guò)一些模型，還是可以找到不同圖片刺激情感變化的差異［13］.但是對(duì)于不同圖片特征導(dǎo)致的男女情感變化的差異，尚沒(méi)有有效數(shù)據(jù)來(lái)說(shuō)明.就無(wú)聲視頻而言，尚沒(méi)有一個(gè)明確的模型來(lái)完成以上的分析.所以，就目前而言，我們只能根據(jù)國(guó)際來(lái)選取一個(gè)較好的無(wú)聲視頻來(lái)完成實(shí)驗(yàn);

通過(guò)以上的討論表明，采用主成分分析方法能初步完成對(duì)女生情感變化的區(qū)分，但是就對(duì)男生的情感變化而言，尚不能完成很好的情感變化.下一步，我們將對(duì)主成分分析的算法做進(jìn)一步改進(jìn)，同時(shí)，結(jié)合其他算法來(lái)提高男生的識(shí)別正確率.

［1］ONG KM.Selection of a Subset of EEG Channels using PCA to classify Alcoholics and Non-alcoholics［C］.Annual International Conference of the IEEE Engineering in Medicine and Biology Society，2005.

［2］MEGHDADI AH.Detecting determinism in EEG signals using principal component analysis and surrogate data testing［C］.Annual International Conference of the IEEE Engineering in Medicine and Biology Society，2006.

［3］ JüRGEN KAYSER.Principalcomponentsanalysis(PCA)as a tool for identifying EEG frequency bands:I.Methodological considerations and preliminary findings［J］.New York Psycho-physiology，2000(3):65-68.

［4］杜曉燕，李穎潔，朱貽盛，等.腦電信號(hào)偽跡去除的研究進(jìn)展［J］.生物醫(yī)學(xué)工程學(xué)雜志，2008(2):464-467.

［5］孫宇舸，葉寧、許心和，等.基于PCA和小波變換的腦電信號(hào)的特征提取［C］.2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集，2007.

［6］謝康.情緒音樂(lè)的腦電識(shí)別算法［D］.四川:電子科技大學(xué)，2013.

［7］馬翔宇，陳志華、鄒颯楓，等.基于主成分分析的音樂(lè)事件相關(guān)腦電變化研究［J］.現(xiàn)代生物醫(yī)學(xué)進(jìn)展，2009(3):490-492.

［8］SAIKUMAR DEVULAPALLI.Non-Linear Principal Component Analysis And Classification Of EEG During Mental Tasks［J］.International Journal of Neural Systems，2012(5):42-45.

［9］盧英俊，戴麗麗，吳海珍，等.不同類型音樂(lè)對(duì)悲傷情緒舒緩作用的EEG研究［J］.心理學(xué)探新，2012(4):369-375.

［10］王亞卿，曹艷珺，樊浩宇，等.基于腦電(EEG)信號(hào)的“愉快-不愉快”情緒分析［J］.計(jì)算機(jī)與現(xiàn)代化，2012(7):88-91.

［11］LOLITA MERCADIé1 .Effect of synchronized or desynchronized music listening during osteopathic treatment:An EEG study［J］.Psycho-physiology，2014(6):52-59.

［12］YUAN-PIN LIN.Fusion of electroencephalographic dynamics and musical contents for estimating emotional responses in music listening［J］.Frontiers in NeuroScenice，2014(5):78-81.

［13］黃崑，賴茂生.圖像情感特征的分類與提取［J］.計(jì)算機(jī)應(yīng)用，2008(3):659-661.