不同刺激模式对SSVEP信号质量影响的研究

陈钰华 尹晶海

摘要：该研究旨在探究多维实验参数变化对SSVEP（Steady-State Visually Evoked Potential） 信号质量的影响。通过对实验参与者进行多维实验，包括频率、亮度、对比度和视觉角度等参数的变化，分析这些参数对SSVEP信号的影响，并对其信号质量进行评估。实验结果表明，多维实验参数的变化对SSVEP信号质量产生了显著影响，这对于进一步研究和应用SSVEP技术具有重要意义。

关键词： 脑电信号；SSVEP；刺激模式；信号分析；特征工程

中图分类号：TP311        文献标识码：A

文章编号：1009-3044（2023）35-0133-03

开放科学（资源服务）标识码（OSID）

0 引言

脑电信号是一种记录和测量大脑活动的电生理信号。它是通过在头皮上放置电极来捕捉和记录大脑神经元的电活动产生的微弱电流。这些电活动是由大脑中的神经元之间的化学和电信号传递引起的。脑电信号的主要特征是其高时间分辨率，可以在毫秒级别上捕捉到大脑活动的瞬时变化。脑电信号通常用于研究大脑的功能和活动，例如认知过程、感知、情绪和运动控制等[1]。通过分析脑电信号，可以了解大脑在不同任务和状态下的活动模式，并且可以用于诊断和治疗一些神经系统疾病和紊乱。

SSVEP（steady-state visually evoked potential） 是一种通过视觉刺激引起的稳态脑电位。它是一种特殊的脑电信号，当人眼注视频率固定的视觉刺激时，大脑神经元会以相同的频率同步振荡产生电活动。这种同步振荡的电活动可以通过脑电图记录和分析。通常，SSVEP信号的频率范围在6～90 Hz，对应于不同的视觉刺激频率[2]。在实验中，通过让被试者注视闪烁频率固定的光源或图案，可以诱发和记录SSVEP信号。SSVEP信号具有高时间分辨率和较高的信噪比，因此被广泛应用于脑机接口（BCI） 技术和认知研究[3]。通过分析和解码SSVEP信号，可以实现基于视觉刺激的脑机接口系统，用于控制外部设备或实现交互操作[4]。此外，SSVEP信号还可用于研究大脑的注意力、视觉感知和信息处理等认知功能。

不同的刺激模式和参数对SSVEP信号质量将会产生显著的影响。首先，刺激频率是影响SSVEP信号质量的关键因素之一。通常情况下，较高的刺激频率会导致更强的SSVEP信号，因为高频刺激能够更有效地引起大脑神经元的同步振荡[5-6]。然而，当刺激频率过高时，可能会出现信号混叠的问题，导致信号质量下降。其次，刺激持续时间也会对SSVEP信号质量产生影响。较长的刺激持续时间可以增加SSVEP信号的幅值和稳定性，从而提高信号质量。然而，过长的刺激持续时间可能会引起疲劳和适应效应，导致信号质量下降[7-8]。此外，刺激的颜色、亮度和对比度也会对SSVEP信号质量产生影响。合适的颜色、较高的亮度和对比度可以增强刺激的感知效果，从而增加SSVEP信号的强度和清晰度。然而，过高的亮度和对比度可能会引起视觉疲劳和不适感，影响信号质量。最后，刺激模式也会对SSVEP信号质量产生影响。合理的刺激模式可以增强刺激的辨别度和注意力引导效果，从而提高SSVEP信号的质量[9-10]。刺激频率、刺激持续时间、刺激的颜色、亮度和对比度以及刺激模式是影响SSVEP信号质量的重要因素。在设计和实施SSVEP实验时，需要综合考虑这些因素，以获得高质量的SSVEP信号。

1 实验设计

实验流程如图1所示，通过改变实验刺激的频率、颜色、亮度、大小以及刺激模式等参数，做多组的脑电实验，采集脑电信号后对数据进行分段、去漂移、去伪迹、滤波等预处理操作，得到的脑电数据集作为该研究的基础数据源。

基础刺激模式选择最经典的黑白棋盘格翻转。刺激频率的变量从7～13Hz一共7组，棋盘格大小的变量选择从50～150像素一共11组，棋盘格亮度的变量选择从100～200共11组，其中每个值代表RGB色的3个值。颜色变量一共6组，分别是红绿蓝三原色对应黑白两色，模式变量一共5组，包含横竖条纹，单个方块、圆形或者条纹等。具体的实验参数变化如表1所示：

笔者从健康的大学生和教师中招募一定数量的受试者作为实验对象。受试者需符合特定的入选标准，如无视觉或神经系统疾病、无颜色盲等。

每位受试者每次实验一共进行5大类的40组实验，每组实验一共400个刺激周期。每组实验完成后休息半分钟再进行下一组脑电实验，如果受试者感觉到眼部疲劳，则可以延长休息时间直至疲劳基本恢复。受试者需要在隔音的脑电实验室中以较为放松的姿势坐在电脑屏幕前，头戴电極帽同时与屏幕保持50 cm左右的距离，眼睛高度与屏幕中心点保持一致，受试者需要在清醒以及平和的状态下完成这些实验，实验室温度尽量保持在15～25 °C。

2 数据采集与预处理

脑电信号采集选择neuroscan公司生产的NuAmps设备，NuAmps是40导便携式脑电信号采集设备。数据采集软件使用的是scan 4.5，因为本研究对刺激模式的要求比较多，因此刺激软件使用的是自己用C#开发的EEGSTIM软件。

每位受试者每次实验一共40组，每组耗时加中间休息90秒左右，因此每次实验的耗时大概是60～70分钟，加上前期的实验准备，注射导电膏以及后期的设备清洁与受试者的清洗，单次实验全程大概两小时完成，每天可以采集2～3名受试者的脑电数据，大约一个月时间可以完成数据采集的工作。受试者男女比例各一半，其中普通老师占比10%，剩余90%均为在校大学生。

采集好的原始脑电数据存储在CNT文档中，该文档通常包含以下几个组成部分：

文件头（Header） ：文件头包含了文件的基本信息，以ASCII文本的形式存储。常见的文件头信息包括文件版本号、脑电数据类型、通道数、采样率、数据点数等。文件头还可以包含一些额外的元数据，如受试者信息、实验条件等。

通道标签（Channel Labels） ：通道标签用于定义每个通道的名称和类型，每个通道名称占据一行。通道类型可以是EEG（脑电图）、ECG（心电图）、EOG（眼电图）等。

事件标记（Event Markers） ：事件标记用于记录在数据采集过程中出现的事件。每个事件标记通常包含了事件的发生时间点、事件类型、事件持续时间等信息。事件标记可以用于标记刺激呈现、行为反应等重要时间点。

采样点数据（Sample Points） ：采样点数据存储了脑电信号的原始数据，以时间序列的方式进行存储。每个采样点数据通常由多个通道的采样值组成。

附加信息（Additional Information） ：附加信息可以包含一些额外的数据，如参与者的基本信息（如年龄、性别等）、实验设计（如刺激参数、任务类型等）、数据预处理方法等。

原始的脑电信号必须经过数据预处理才能进行分析和计算，预处理的完整流程如图2所示，首先要清除错误的数据，比如出现了坏道或者是电极阻抗太大导致的数据错误等。然后对脑电信号中出现明显漂移的部分进行清除，然后观察眼动对脑电的影响，选择峰值后根据相关数据进行去眼电干扰的操作。完成这些数据清洗操作之后，下一步就需要对脑电进行数据分段。分段需要考虑刺激频率，以刺激时间点为标记往前和往后一段时间，切割的总时间不能超过一个刺激周期的时间总长度。因为每组实验都是400次刺激，因此分段后得到的是包含400段脑电数据的EEG文档。接下来对脑电数据的基线漂移进行纠正，然后进行伪迹去除操作，如果伪迹过多则需要重新调整伪迹参数，使得伪迹的比例保持在一个合理的范围内，然后对分段脑电数据进行分类叠加，获得AVG脑电数据文档。

AVG格式的脑电数据文档通常用于存储和分析各类周期性的诱发脑电数据。它的数据结构与EEG文档格式相似，也包含了文件头、通道标签和附加信息等数据，不同的地方在于其存储的是叠加后的平均波形数据，每个波形数据包含一个周期内所有时间点的平均值。

3 脑电信号分析

脑电信号的Mean Global Field Power（MGFP） 是一种用于分析脑电图数据的指标。它是通过计算脑电信号在所有电极上的平均振幅来得到的。在MGFP分析中，首先从脑电图数据中获取每个时间点上每个电极的振幅值。然后，对所有电极的振幅值进行平均，得到每个时间点上的平均振幅值。最后，将这些平均振幅值绘制成MGFP曲线，以显示脑电信号在时间上的整体活动水平。MGFP可以提供关于脑电活动的整体动态变化的信息。它可以用于比较不同条件下的脑电活动，例如对照组和实验组之间的差异，或者在不同任务或刺激条件下的变化。MGFP还可以用于研究脑电信号的时空动态，例如在特定时间窗口内的脑电活动的变化。

图3为脑电信号MGFP图，从图中可以看到，每个电极的电位变化图差异性非常大，但是平均最大振幅出现在刺激后的14毫秒处，然后峰值慢慢降低直到下一次刺激开始。右上方的脑地形图显示，峰值电位主要出现在大脑的后枕部，也就是后脑区域中。

图4是脑电信号时域变化图，图中显示的是在平均刺激周期内，按照时间点划分的脑电位地形图，其中可以清晰可见大脑在收到视觉刺激后后脑的电位逐步升高，在8～20毫秒内达到峰值，然后电位逐步下降，大脑顶部和左前额部位逐步出现负电位，到47毫秒时，后脑部位的正电位完全消失。这种时域变化图能够详细地反应大脑各个区域随时间变化的电位变化图。

从图5可以看出，SSVEP脑电的主要频率段主要集中在Beta1和Beta2频率段，也就是14～25Hz和25～35Hz的区段，其中14～25Hz的Beta1频率段占比超过80%，是稳态视觉诱发电位最主要的能量区段。

4 结论

研究发现，在刺激频率变化组的数据分析结果表明，刺激频率对SSVEP信号质量有显著影响。较高的刺激频率（大于10 Hz） 可以产生更强的SSVEP信号，而较低的刺激频率可能导致信号质量较差，但频率过高容易导致受试者不适甚至有诱发癫痫发作的可能，因此9～12Hz的刺激频率是比较合适的选择。在刺激强度组的实验数据分析结果表明，刺激强度的增加可能会增强SSVEP信号的幅度和稳定性，从而提高信号质量。但过高的刺激强度可能导致信号饱和或产生伪迹，这主要是由于受试者受到较强的刺激产生了不适感，影响了实验的后续过程，综合分析发现，亮度在140时刺激产生的脑电信号足够强且对受试者的影响较低。在刺激颜色组的实验中，虽然红色和白色刺激在中等频率下产生的SSVEP信号较强，而黑色和红色刺激在低频下产生的SSVEP信号也较强。但红色刺激对受试者的干扰性非常强，容易引起受试者强烈的不适感，因此，可以放弃使用红色刺激，以避免潜在的风险，传统的黑-白组合、蓝-白和蓝-黑组合更具有综合优势。研究还发现，不同的刺激模式对SSVEP信号质量也有影响。例如，闪烁刺激和平滑变化的刺激可能会产生不同的信号特征和质量。这些发现有助于进一步提高SSVEP的综合信号质量，从而改进BCI系统的设计和应用。

参考文献：

[1] 张洪欣，王俊淞，杨晨.面向SSVEP-BCI的最大后验准则异步检测算法[J/OL].北京邮电大学学报：1-6[2023-11-02].

[2] 罗睿心，豆心怡，肖晓琳，等.脑机接口中高频稳态视觉诱发电位的识别研究[J].生物醫学工程学杂志，2023，40（4）：683-691.

[3] 梁栗炎，李文宇，张倩，等.基于左右视野刺激范式的耳后SSVEP-BCI系统[J].北京生物医学工程，2023，42（4）：361-369.

[4] 张智超，刘彤军，刘琦，等.群体广泛适用的SSVEP脑机接口研究[J].黑龙江科学，2023，14（14）：104-107.

[5] 汪子翔，胡陈雅卓，廖柏涛，等.可编程的精确闪光刺激诱发脑电信号的实验装置研究[J].科技与创新，2023（14）：8-11.

[6] 李治军.基于混合视觉诱发范式的助残抓取机器人脑-机交互方法研究[D].西安：西安理工大学，2023.

[7] 来丹维.基于EEG与FMRI的SSVEP响应机制及tACS对SSVEP的调控机制研究[D].成都：电子科技大学，2023.

[8] 尚笑. 基于SSVEP的知觉眼优势的客观测量[D].上海：上海体育学院，2023.

[9] 王刚，周丽丽，孙凯明.基于脉冲神经网络的SSVEP脑电信号的识别[J].黑龙江科学，2023，14（12）：102-104，107.

[10] 刘培帅，柯余峰，杜佳乐，等.基于增强现实的双眼异频编码稳态视觉诱发电位脑-机接口研究[J].中国生物医学工程学报，2023，42（3）：266-273.

【通联编辑：唐一东】