武 俠 鐘楚鵬 丁玉瓏 曲 折

(中山大學(xué)心理系,廣州 510006)

1 引言

Berger于1929年第一次記錄了人類頭皮處的腦電活動(dòng)(Electroencephalography,EEG,Berger,1929),揭開了對(duì)人類EEG研究的序幕。隨著時(shí)間的推進(jìn),研究者們的研究興趣逐漸從直接研究自發(fā)腦電活動(dòng)轉(zhuǎn)移到了研究事件相關(guān)電位(Event-Related Potentials,ERPs)。在1960年代以后,人們主要通過(guò)使用時(shí)域內(nèi)ERP分析方法來(lái)探討認(rèn)知活動(dòng)和腦電活動(dòng)之間的關(guān)系 (Bastiaansen,Mazaheri,& Jensen,2012)。時(shí)域ERP分析方法假設(shè)每一次事件誘發(fā)的電活動(dòng)類似,而自發(fā)噪音則是隨機(jī)的。時(shí)域ERP分析方法把每一次事件出現(xiàn)的時(shí)刻作為數(shù)據(jù)分析的標(biāo)準(zhǔn)時(shí)刻點(diǎn),將每一個(gè)試次(trial)的EEG信號(hào)按照標(biāo)準(zhǔn)時(shí)刻點(diǎn)對(duì)齊后疊加求平均。不同試次的噪音會(huì)在疊加平均的過(guò)程中相互抵消,疊加平均后的腦電信號(hào)就是事件誘發(fā)的腦電活動(dòng),代表了大腦對(duì)該事件的認(rèn)知加工過(guò)程(Luck,2005;Woodman,2010)。

1980年代以來(lái),越來(lái)越多的研究者意識(shí)到時(shí)域ERP成分只是一種特定類型的事件相關(guān)腦電信號(hào)。事件發(fā)生后,大腦對(duì)事件認(rèn)知加工所對(duì)應(yīng)的腦電活動(dòng)中還有其他類型的事件相關(guān)腦電活動(dòng)。研究者發(fā)現(xiàn),在事件發(fā)生后大腦內(nèi)與事件加工相關(guān)的EEG活動(dòng)有可能是以下幾種類型：頻率反應(yīng)(frequency response,Ijspeert,2008),振幅反應(yīng)(amplitude response,Klimesch,2012; Tallon-Baudry & Bertrand,1999),相位重置(phase resetting,Gruber & Müller,2005; Klimesch et al.,2004),新增成分(additive response,M?kinen,Tiitinen,&May,2005; Mazaheri & Picton,2005)。

圖 1列出了上述四類大腦對(duì)事件的反應(yīng)類型。(1)頻率反應(yīng)(圖 1A)是某頻率的自發(fā) EEG活動(dòng)在事件出現(xiàn)后變化了振蕩頻率,這一類大腦活動(dòng)多見(jiàn)于單細(xì)胞放電或者人們?cè)谟泄?jié)律運(yùn)動(dòng)的時(shí)候中樞系統(tǒng)某節(jié)律細(xì)胞的活動(dòng)。(2)振幅反應(yīng)(圖1B)是事件發(fā)生后某頻率 EEG自發(fā)電活動(dòng)能量增加(或減小),每個(gè)試次中該頻率的能量都有所增加(或減小),不過(guò)每個(gè)試次事件相關(guān)電活動(dòng)相位是隨機(jī)的,疊加平均時(shí)相互抵消掉了,ERP平均波形捕捉不到此類事件相關(guān)腦電活動(dòng)。(3)相位重置(圖 1C)是所有試次的相位都會(huì)因事件出現(xiàn)而變得一致,這類活動(dòng)是相位鎖定活動(dòng)。求平均波形時(shí),此類活動(dòng)會(huì)出現(xiàn)在平均波形中,這是我們熟知的ERP成分。(4)新增成分(圖1D),即事件發(fā)生后每個(gè)試次都會(huì)出現(xiàn)與自發(fā)活動(dòng)相互獨(dú)立的新增成分。這些活動(dòng)的相位相似,強(qiáng)度相似,求平均波形時(shí),也會(huì)呈現(xiàn)在平均結(jié)果中,也可以產(chǎn)生我們所熟知的ERP成分。

圖 1 事件發(fā)生后可能的腦電活動(dòng)變化。

綜上,在事件發(fā)生后,大腦對(duì)事件的認(rèn)知加工過(guò)程可能表現(xiàn)為相位鎖定的活動(dòng)和非相位鎖定的活動(dòng)兩類,相位鎖定的活動(dòng)可以通過(guò)時(shí)域 ERP分析方法來(lái)分析,而相位不鎖定的活動(dòng)在時(shí)域ERP分析方法中被當(dāng)作噪音去除掉了。即使是傳統(tǒng)的時(shí)域 ERP平均波形,也可能有兩種產(chǎn)生機(jī)制：相位重置(圖 1C)和新增活動(dòng)(圖 1D),但這兩種機(jī)制在傳統(tǒng)的時(shí)域ERP分析方法中無(wú)法區(qū)分。為了彌補(bǔ)時(shí)域ERP分析方法的這些局限性,研究者們引入了一種新的信號(hào)分析方法,這就是本文要介紹的時(shí)頻分析方法。

2 時(shí)頻分析方法原理簡(jiǎn)介

研究者從頭皮處的電極記錄到的腦電信號(hào)是一種時(shí)域內(nèi)的信號(hào),是糅雜了事件誘發(fā)的短時(shí)暫變信號(hào)、自發(fā)電活動(dòng)以及隨機(jī)噪音等強(qiáng)度隨時(shí)間變化的信號(hào)。為了更加清晰直觀地觀察腦電信號(hào),可以通過(guò)傅立葉變換將信號(hào)從時(shí)域變換至頻域,頻域內(nèi) EEG活動(dòng)的各種頻率成分可以清晰區(qū)分,不僅更直觀,而且可以對(duì)不同頻率成分進(jìn)行獨(dú)立分析,給信號(hào)分析提供了極大的方便。但實(shí)驗(yàn)條件下的EEG信號(hào)是一種非穩(wěn)恒信號(hào),事件誘發(fā)的信號(hào)有產(chǎn)生和衰減的時(shí)間進(jìn)程。將信號(hào)完全轉(zhuǎn)換到頻域會(huì)失去時(shí)變信息,導(dǎo)致頻域結(jié)果含義不清,難以解釋。而時(shí)頻分析則可以在分析頻率成分的同時(shí)給出時(shí)間信息,使得對(duì)時(shí)變信號(hào)的分析變得直觀和容易理解。在結(jié)果中包含信號(hào)的頻域和時(shí)域信息的分布被稱為時(shí)頻分布,對(duì)信號(hào)做時(shí)頻分布的分析就是時(shí)頻分析。

時(shí)頻分析的算法有很多種,包括窗口傅立葉變換,小波變換,Hilbert變換,Hilbert-Huang變換,Wigner-Ville分布等方法(Huang et al.,1998; Torrence& Compo,1998)。在心理學(xué)腦電數(shù)據(jù)分析領(lǐng)域,最常用的是小波變換和Hilbert變換。小波變換常應(yīng)用于計(jì)算各個(gè)波段活動(dòng)的能量(Mishra,Martínez,Schroeder,& Hillyard,2012; Tallon-Baudry &Bertrand,1999)。對(duì)相位的計(jì)算中,則常會(huì)用到Hilbert變換(Canolty et al.,2006; Song,Meng,Chen,Zhou,& Luo,2014)。窗口傅立葉變換也是一種時(shí)頻分析算法,但高頻和低頻波段信號(hào)的分辨率相同,在心理學(xué)腦電數(shù)據(jù)分析中應(yīng)用較少。傳統(tǒng)的傅立葉變換則是一種頻域分析方法,不適合時(shí)變信號(hào)的分析。

2.1 傅立葉變換和窗口傅立葉變換

為了形象地說(shuō)明幾種時(shí)頻分析方法的異同,本文構(gòu)造了兩段簡(jiǎn)單的時(shí)變信號(hào)：第一段(圖2A)的前半段是振幅為1的10 Hz正弦信號(hào),后半段是振幅為 1.5的 20 Hz余弦信號(hào); 第二段(圖 2B)的前半段是振幅為1.5的20 Hz余弦信號(hào),后半段是振幅為1的10 Hz正弦信號(hào)。這兩段不同時(shí)變信號(hào)的傅立葉變換結(jié)果完全相同(分別見(jiàn)圖2C和圖2D)。由此可見(jiàn),傅立葉變換對(duì)于時(shí)變信號(hào)并不適用。在實(shí)際應(yīng)用中,傅立葉變換只適用于分析一些能產(chǎn)生相對(duì)穩(wěn)恒的腦電振蕩模式的實(shí)驗(yàn)數(shù)據(jù),如對(duì)穩(wěn)態(tài)視誘發(fā)(SSVEP)的分析(Regan,1966;Norcia,Appelbaum,Ales,Cottereau,& Rossion,2015; Rossion,Prieto,Boremanse,Kuefner,& van Belle,2012)。

窗口傅立葉變換,又叫短時(shí)傅立葉變換(shorttime Fourier transform,STFT,Allen,1977),是在傅立葉變換的基礎(chǔ)上,對(duì)算法做了改進(jìn),從而適用于時(shí)變信號(hào)的分析。具體來(lái)說(shuō),是對(duì)信號(hào)進(jìn)行分析時(shí),加了一個(gè)短暫的時(shí)間窗口,在窗口內(nèi)對(duì)信號(hào)進(jìn)行傅立葉變換。因?yàn)榇翱跁r(shí)間短暫,窗口內(nèi)的信號(hào)可近似看作穩(wěn)恒信號(hào),通過(guò)傅立葉變換就可以得到短暫窗口內(nèi)的頻率信息,然后再將時(shí)間窗口依次施加于信號(hào)中不同的時(shí)間位置,從而獲得原信號(hào)不同時(shí)間位置的頻率信息。用窗口傅立葉變換分析圖 2A、2B中的時(shí)變信號(hào)結(jié)果如圖3A所示。

窗口傅立葉變換中采用的窗口一般是 Hanning窗、Hamming窗或者高斯窗口(Pampu,2011)。選擇了窗口后,窗口長(zhǎng)度在信號(hào)分析過(guò)程中便不再改變(如圖 5A),于是高頻和低頻信號(hào)有相同的時(shí)間分辨率和頻率分辨率。

腦電研究表明,低頻波段相差數(shù)赫茲的頻率可能代表了不同的心理功能。比如一項(xiàng)記憶研究中,阿爾法波段(α,8～12 Hz)與記憶的提取相關(guān),而西塔波段(θ,4～8 Hz)與記憶編碼相關(guān)(Klimesch,1999),兩個(gè)波段頻率只相差數(shù)赫茲。對(duì)于較高頻段,往往較廣頻段范圍內(nèi)的信號(hào)代表了同一種心理功能,比如伽馬波段(γ,30 Hz以上)往往是一大段頻率具有同樣的認(rèn)知功能(Siegel,Donner,Oostenveld,Fries,& Engel,2008)。這就需要在實(shí)際分析腦電信號(hào)時(shí),更加希望低頻有更高的頻率分辨率,而高頻則無(wú)需追求特別高的頻率分辨率。要實(shí)現(xiàn)這樣的目的,需要采用小波變換。

圖2 時(shí)變信號(hào)的傅立葉變換示意圖。

圖3 對(duì)圖2中的兩個(gè)時(shí)變信號(hào)的時(shí)頻分析示意圖。

2.2 小波變換

小波是一種時(shí)間長(zhǎng)度有限并向兩端快速衰減的振蕩波形(Vidakovic & Mueller,1991)。小波的振蕩形態(tài)有很多種,每一種形態(tài)被稱為一種母小波 (Lee & Yamamoto,1994)。構(gòu)造母小波需滿足一定的條件,不同形態(tài)的母小波會(huì)對(duì)分析結(jié)果造成影響(Nobach et al.,2007)。所以分析數(shù)據(jù)時(shí)要根據(jù)所分析數(shù)據(jù)的特點(diǎn),選擇合適的母小波(Kharate,Patil,& Bhale,2007; Ngui,Leong,Hee,& Abdelrhman,2013)。腦電研究中最常用的是復(fù)morlet小波分析(連續(xù)小波分析,Roach & Mathalon,2008)。復(fù)Morlet小波可以看做是由余弦振蕩為實(shí)部和正弦振蕩為虛部構(gòu)成的復(fù)振蕩函數(shù)加一個(gè)高斯窗口組成,正余弦振蕩向窗口兩端迅速衰減(Bernardino& Santos-Victor,2005; Lieuw,2015,圖 4)。

圖4 復(fù)Morlet小波示意圖,實(shí)線是小波的實(shí)部,虛線是小波的虛部。復(fù)Morlet小波的實(shí)部和虛部相位相差 90度,都可以看做是正余弦信號(hào)加了高斯窗口構(gòu)成的向兩端急劇衰減的振蕩信號(hào)。

信號(hào)分析時(shí),Morlet母小波經(jīng)過(guò)壓縮和擴(kuò)張可生成一個(gè)小波族(wavelet family,圖 5B),不同壓縮和擴(kuò)張程度的小波可以理解為代表著不同“頻率”的小波,然后將小波族的子小波分別與信號(hào)做卷積,從卷積結(jié)果中提取出信號(hào)的時(shí)頻能量和相位。各個(gè)子小波具有不同的時(shí)間長(zhǎng)度,“高頻”小波的時(shí)間長(zhǎng)度比“低頻”小波更短,但是兩者在各自時(shí)間長(zhǎng)度內(nèi)的周期數(shù)是一樣的。小波分析中低頻波段時(shí)間窗口長(zhǎng),頻率窗口短,因而可以得到較高的頻率分辨率但時(shí)間分辨率較差; 而高頻波段,時(shí)間窗口短,頻率窗口長(zhǎng),因而有較高的時(shí)間分辨率和較差的頻率分辨率(圖 5B)。對(duì)圖 2的兩個(gè)時(shí)變信號(hào)做小波變換結(jié)果如圖3B所示。

圖 5 窗口傅立葉變換和小波變換小波族(wavelet family)子小波對(duì)比。

2.3 Hilbert變換

Hilbert變換是將信號(hào)與1/(pi×t)做卷積,使得信號(hào)的相位旋轉(zhuǎn) 90度,而本身的振幅大小不變(Nobach et al.,2007)。心理學(xué)領(lǐng)域的數(shù)據(jù)分析中,Hilbert變換的應(yīng)用亦很廣泛(Canolty et al.,2006;Penny,Duzel,Miller,& Ojemann,2008; Song et al.,2014)。在EEG數(shù)據(jù)分析中,Hilbert變換主要是通過(guò)解析信號(hào)的構(gòu)造來(lái)求解信號(hào)的能量和相位的。Hilbert變換常和濾波結(jié)合在一起用,通過(guò)無(wú)相位偏差的帶通濾波將要分析的信號(hào)限定在所要分析的較窄頻段內(nèi),然后再由Hilbert變換求解該頻段信號(hào)的振幅和相位大小(Song et al.,2014)。一般認(rèn)為,Hilbert變換擁有較高的頻率分辨率,而時(shí)間分辨率稍差,在邊界處的計(jì)算誤差(邊界效應(yīng))比較大。一些研究者采用了信號(hào)兩端補(bǔ)零和加Hanning窗的辦法減少 Hilbert變換的邊界效應(yīng)(Song et al.,2014)。Hilbert變換對(duì)圖2中的時(shí)變信號(hào)的分析結(jié)果如圖3C所示。

總之,窗口傅立葉變換、小波變換以及 Hilbert變換都可以有效地分析時(shí)變信號(hào)(如圖3所示)。有研究者對(duì)比了窗口傅立葉變換、小波變換以及Hilbert變換對(duì)一批腦電數(shù)據(jù)分析的結(jié)果,發(fā)現(xiàn)在三種方法之間并沒(méi)有實(shí)質(zhì)的差別 (Bruns,2004)。

3 時(shí)頻分析的基本計(jì)算指標(biāo)和心理學(xué)意義

時(shí)頻分析技術(shù)通過(guò)豐富的計(jì)算指標(biāo)揭示腦電中非相位鎖定成分的心理意義。不同計(jì)算指標(biāo)幫助揭示認(rèn)知加工過(guò)程的不同方面。這部分內(nèi)容將簡(jiǎn)要介紹時(shí)頻分析用于腦電分析的三大類指標(biāo)：能量,相位一致性以及耦合。

3.1 能量(Power)

3.1.1 計(jì)算原理

能量是指信號(hào)分析結(jié)果中某頻率成分在某時(shí)刻點(diǎn)的能量值,代表了該頻率成分振蕩強(qiáng)度(振幅亦可以代表振蕩強(qiáng)度,為能量的平方根)。以小波變換求能量為例,分析能量前,首先構(gòu)造合適的母小波,母小波由小波核心參數(shù)Q值決定。感興趣的頻段為低頻時(shí),Q一般選為5,或者3 (Mishra et al.,2012); 若感興趣的頻段為高頻時(shí),Q可以選擇為6或者7。也有文獻(xiàn)提出可以調(diào)節(jié)Q值的小波變換(Selesnick,2011)。母小波構(gòu)造好后,根據(jù)要分析的頻段確定具體頻率值和對(duì)應(yīng)尺度值,然后根據(jù)尺度值構(gòu)造子小波。將子小波和信號(hào)做卷積運(yùn)算,對(duì)卷積結(jié)果中的小波分析系數(shù)求模平方即為能量值,而系數(shù)模則為振幅值。

3.1.2 能量的心理學(xué)意義

在數(shù)據(jù)分析過(guò)程中,時(shí)頻分析求能量有兩種求解順序,分別對(duì)應(yīng)不同的事件相關(guān)腦電活動(dòng)(圖6)：一種是先對(duì)不同試次的信號(hào)疊加平均得到平均波形(ERP),然后求平均波形的能量(evoked能量,代表相位鎖定于刺激發(fā)生時(shí)刻的能量); 另一種是求單個(gè)試次的能量,然后把不同試次的相應(yīng)時(shí)頻能量進(jìn)行疊加平均(包含了 evoked能量和induced能量)。由此可見(jiàn),時(shí)頻分析比傳統(tǒng)的時(shí)域ERP分析方法可以挖掘出更多的事件誘發(fā)腦活動(dòng),彌補(bǔ)了傳統(tǒng)方法的局限。在 Tallon-Baudry和Bertrand (1999)的研究中,induced γ活動(dòng)代表了被試對(duì)三角形的整體覺(jué)知,代表了一種對(duì)特征的整合,這是evoked能量所無(wú)法揭示出來(lái)的。后來(lái)的研究者使用了不同的刺激,仍然得到了相似的結(jié)論,刺激之后200 ms后出現(xiàn)的非相鎖的induced γ活動(dòng)標(biāo)志著物體的特征整合在一起(Busch,Herrmann,Müller,Lenz,& Gruber,2006; Goffaux,Mouraux,Desmet,& Rossion,2004; Gruber,Trujillo-Barreto,Giabbiconi,Valdés-Sosa,& Müller,2006; Martinovic,Gruber,& Müller,2007; Tallon-Baudry,2009)。不僅如此,也有研究發(fā)現(xiàn)γ能量在工作記憶中也標(biāo)志著特征整合的過(guò)程(Morgan et al.,2011; Tseng,Chang,Chang,Liang,& Juan,2016)。

圖6 計(jì)算evoked能量和induced能量示意圖,

雖然有研究表明,induced γ活動(dòng)可能受到微眼動(dòng)的影響(Yuval-Greenberg,Tomer,Keren,Nelken,& Deouell,2008; Muthukumaraswamy,2013),但大量的研究在使用一些數(shù)據(jù)分析技術(shù)去除了微眼動(dòng)對(duì)研究結(jié)果的影響后,同樣發(fā)現(xiàn)了特征捆綁過(guò)程中γ活動(dòng)的存在(Hassler,Barreto,& Gruber,2011;Keren,Yuval-Greenberg,& Deouell,2010)。這說(shuō)明了刺激出現(xiàn)200ms后持續(xù)較長(zhǎng)時(shí)間的γ活動(dòng)與特征捆綁相關(guān),這種 γ活動(dòng)代表了一種將大腦加工的特征信息整合起來(lái)的過(guò)程(Hassler,Friese,Martens,Trujillo-Barreto,& Gruber,2013; Makin et al.,2011)。

α能量是較早被發(fā)現(xiàn)和研究最廣泛的波段之一。α能量在清醒閉眼的時(shí)候比較顯著,是清醒時(shí)大腦后部區(qū)域能量最為顯著的波段(Valipour,Shaligram,& Kulkarni,2013)。大量研究發(fā)現(xiàn)α與注意密切相關(guān),α能量低預(yù)示著注意狀態(tài)(Sharma& Singh,2015; Marshall,O’Shea,Jensen,&Bergmann,2015; Capilla,Schoffelen,Paterson,Thut,& Gross,2014; H?ndel,Haarmeier,& Jensen,2011; Hanslmayr,Gross,Klimesch,& Shapiro,2011; van Gerven & Jensen,2009),比如選擇性注意的研究中發(fā)現(xiàn)了α能量的高低預(yù)示著注意選擇過(guò)程。在使用Posner中央線索范式來(lái)研究空間選擇性注意的文獻(xiàn)中,人們發(fā)現(xiàn)線索提示后約500ms (此時(shí)目標(biāo)尚未出現(xiàn)),會(huì)在提示空間對(duì)側(cè)枕區(qū)皮層誘發(fā)比同側(cè)更低的 α能量,代表了對(duì)線索提示位置的注意增強(qiáng)(Kelly,Gomez-Ramirez,&Foxe,2009; Kelly,Lalor,Reilly,& Foxe,2006;Rihs,Michel,& Thut,2007; Sauseng et al.,2005;Thut,Nietzel,Brandt,& Pascual-Leone,2006;Worden,Foxe,Wang,& Simpson,2000)。不僅如此,在一項(xiàng)外周 Posner線索任務(wù)中,無(wú)關(guān)聲音刺激在左右視野空間出現(xiàn),也會(huì)引起目標(biāo)出現(xiàn)前線索對(duì)側(cè)大腦皮層枕區(qū) α能量的降低。說(shuō)明了在外周Posner任務(wù)中,α能量的減小同樣代表了被試對(duì)一側(cè)空間的注意(St?rmer,Feng,Martinez,McDonald,& Hillyard,2016)。除此之外,在基于特征的注意和基于物體的注意研究中都有類似的發(fā)現(xiàn),即特征加工相應(yīng)腦區(qū)或者物體加工相應(yīng)腦區(qū)α能量的降低代表了對(duì)該特征或物體的注意 (Snyder &Foxe,2010; Knakker,Weiss,& Vidnyánszky,2015;Fu et al.,2001)。在情緒性注意的研究中,也有類似的發(fā)現(xiàn),即 α能量大小預(yù)示著對(duì)情緒刺激的注意和抑制(Uusberg,Uibo,Kreegipuu,& Allik,2013)。

定位于前額中區(qū)的 θ能量則被發(fā)現(xiàn)與認(rèn)知控制功能有關(guān)(Cavanagh,Cohen,& Allen,2009;Cavanagh,Frank,Klein,& Allen,2010; Womelsdorf,Johnston,Vinck,& Everling,2010)。比如在2013年的一篇研究中,研究者使用多任務(wù)的視覺(jué)游戲來(lái)訓(xùn)練老年人,發(fā)現(xiàn)多任務(wù)視覺(jué)游戲訓(xùn)練后,老年人額中區(qū)的θ能量以及額中區(qū)θ相位和枕區(qū)的θ相位聯(lián)系增強(qiáng),說(shuō)明了增加的額中區(qū)能量對(duì)視覺(jué)任務(wù)的完成有更好的認(rèn)知控制作用(Anguera et al.,2013)。此外,有研究發(fā)現(xiàn)β能量與運(yùn)動(dòng)密切相關(guān)(Engel & Fries,2010; Bai et al.,2008; de Lange,Jensen,Bauer,& Toni,2008; Waldert et al.,2008),也有一些研究發(fā)現(xiàn)β能量與被試的注意有關(guān)(Gola,Magnuski,Szumska,& Wróbel,2013; Deiber,Iba?ez,Missonnier,Rodriguez,& Giannakopoulos,2013)。

3.2 相位一致性(Phase Locking Index,PLI)

3.2.1 計(jì)算原理

相位一致性(PLI)是對(duì)某電極大量試次間相位一致性程度的衡量。相位一致性代表著大量試次在事件發(fā)生時(shí)刻以及后續(xù)較短時(shí)間內(nèi),相位在試次間是否一致。如果相位完全一致,PLI為1,相位完全隨機(jī),PLI則為0。計(jì)算時(shí),將不同試次的某時(shí)刻相位用單位向量表示,然后計(jì)算不同試次間該向量的平均值,原理如圖7。

3.2.2 相位一致性的心理學(xué)意義

時(shí)域 ERP成分和相位一致性有密切的關(guān)系(Busch,Dubois,& VanRullen,2009; Mathewson,Gratton,Fabiani,Beck,& Ro,2009)。相位一致性指標(biāo)可以和能量指標(biāo)結(jié)合起來(lái),用于探討ERP產(chǎn)生的機(jī)制 (Makeig et al.,2002; Mishra et al.,2012)。如前所述,ERP成分有兩種可能的產(chǎn)生機(jī)制：相位重置(圖 1C),和新增成分(圖 1D)。一種區(qū)分兩種機(jī)制的方法是檢測(cè)刺激出現(xiàn)前后每個(gè)試次中的能量以及相位一致性; 如果前后能量沒(méi)有明顯不同,但是平均結(jié)果中卻有明顯的ERP成分,那么便可以肯定相鎖機(jī)制的存在; 如果刺激出現(xiàn)后單個(gè)試次的能量有明顯增加,且有中等強(qiáng)度的相位鎖定性,那么可能說(shuō)明新增成分機(jī)制的存在。但在實(shí)際的研究中,ERP機(jī)制的分析還會(huì)受到α阻斷效應(yīng)的干擾(Mazaheri & Picton,2005; Mishra et al.,2012),增加了區(qū)分ERP機(jī)制的難度。大量研究者使用了更多的方法來(lái)嘗試區(qū)分ERP產(chǎn)生的機(jī)制(Becker,Ritter,& Villringer,2008; Mazaheri &Jensen,2006)。其他腦功能成像技術(shù)也能從探討ERP產(chǎn)生的機(jī)制中獲得啟發(fā),Fell (2007)指出為了進(jìn)一步理解事件相關(guān) EEG和 fMRI之間的關(guān)系,將振幅和相位分離將是至關(guān)重要的步驟。

圖7 PLI計(jì)算原理示意圖,

此外,相位一致性還代表大腦認(rèn)知加工過(guò)程的一些特點(diǎn),如有文獻(xiàn)指出,α活動(dòng)的相位一致性指標(biāo)標(biāo)志著α活動(dòng)相對(duì)于刺激輸入的一種初始化,能夠增強(qiáng)刺激隨后加工的強(qiáng)度(Hebert,Lehmann,Tan,Travis,& Arenander,2005)。海馬中振蕩活動(dòng)的相位鎖定性還和工作記表現(xiàn)有關(guān)(Kleen et al.,2016)。

3.3 耦合(Coherence)

耦合是時(shí)頻分析應(yīng)用到EEG數(shù)據(jù)分析領(lǐng)域最廣泛的指標(biāo)之一。耦合是計(jì)算不同電極間同步活動(dòng)的指標(biāo),反映了認(rèn)知加工過(guò)程中的一種整體網(wǎng)絡(luò)功能(Bowyer,2016; Cabral,Kringelbach,& Deco,2014; Greenblatt,Pflieger,& Ossadtchi,2012)。有多種不同的耦合指標(biāo),如同頻率信號(hào)相位之間的耦合(即相位同步性),不同頻率振幅/能量之間的耦合,低頻信號(hào)相位和高頻信號(hào)能量之間的耦合等。這些耦合指標(biāo)分別反應(yīng)不同的神經(jīng)網(wǎng)絡(luò)活動(dòng)特點(diǎn)(Lachaux,Rodriguez,Martinerie,& Varela,1999; Siegel et al.,2008; Canolty et al.,2006;Canolty & Knight,2010; Jensen,Bonnefond,&VanRullen,2012; Penny et al.,2008)。本部分內(nèi)容主要介紹同頻率信號(hào)不同電極間的相位同步性以及低頻相位和高頻能量之間耦合的計(jì)算原理和心理意義。

3.3.1 不同電極同頻率信號(hào)的相位同步性(Phase Synchrony)的計(jì)算原理

大腦加工信息以一種網(wǎng)絡(luò)化的方式進(jìn)行,一個(gè)直接的證據(jù)就是相距較遠(yuǎn)的腦部區(qū)域間的腦電信號(hào)存在耦合。遠(yuǎn)距離電極間同頻率信號(hào)的相位同步變化被稱為相位同步性(Phase Synchrony,Lachaux et al.,1999),是兩個(gè)電極同頻率信號(hào)對(duì)應(yīng)試次間相位差恒定性程度的衡量。對(duì)應(yīng)試次間的相位差越穩(wěn)定,相位同步性越好,反之,相位同步性越差。計(jì)算時(shí),需要計(jì)算出兩電極對(duì)應(yīng)試次對(duì)應(yīng)時(shí)刻某頻率的相位值,然后相減。將此相位差異用復(fù)平面內(nèi)的單位向量表示,不同試次之間的相位差對(duì)應(yīng)的單位向量的末端分布在單位圓上。如果相位差異接近恒定,那么這些單位向量的平均向量的長(zhǎng)度便會(huì)接近于 1; 反之,相位差分布隨機(jī),平均向量的長(zhǎng)度便會(huì)接近于0。平均向量的長(zhǎng)度就是兩電極相位同步性的指標(biāo)。計(jì)算原理如圖8所示。

3.3.2 相位同步性的心理學(xué)意義

相位同步性體現(xiàn)了長(zhǎng)距離腦區(qū)的同步活動(dòng),反映了自下而上或者自上而下的信息傳遞和相互控制。有研究指出無(wú)論休息狀態(tài)還是任務(wù)狀態(tài),不同波段的相位同步性普遍存在于腦電活動(dòng)中(Pockett,Bold,& Freeman,2009)。Siegel將長(zhǎng)距離的相位同步性視為神經(jīng)網(wǎng)絡(luò)功能的一個(gè)標(biāo)志(Siegel et al.,2008)。Finger的研究也表明,相位同步性可能是大腦將分散于不同區(qū)域的信息整合在一起形成一個(gè)整體的主要機(jī)制(Finger & K?nig,2014)。在一個(gè)需要左右大腦半球共同加工視覺(jué)信息形成整體知覺(jué)的研究中,由小字母組成的大字母橫跨左右視野,在需要認(rèn)出大字母的實(shí)驗(yàn)條件中,左右半球電極間表現(xiàn)出了相位同步性的增加,兩個(gè)半球的信息得到了整合(Rose,Sommer,&Buchel,2006)。老年人在多任務(wù)游戲中額中區(qū)和枕區(qū)的長(zhǎng)距離 θ相位耦合代表了高級(jí)腦區(qū)對(duì)低級(jí)腦區(qū)的認(rèn)知控制(Anguera et al.,2013)。在關(guān)于注意的研究中,發(fā)現(xiàn)不同腦區(qū)間的 γ活動(dòng)相位耦合與注意活動(dòng)有關(guān)(Doesburg,Roggeveen,Kitajo,&Ward,2008)。而一項(xiàng)研究則表明雙任務(wù)中α活動(dòng)相位同步性則是注意負(fù)載強(qiáng)弱的指示器(Kwon et al.,2015)。也有研究表明,α相位同步性與認(rèn)知任務(wù)的表現(xiàn)有關(guān)(Palva & Palva,2011)。而γ活動(dòng)同步性則還與對(duì)物體的意識(shí)相關(guān)(Castelhano,Rebola,Leit?o,Rodriguez,& Castelo-Branco,2013)。在視覺(jué)短時(shí)記憶中,也發(fā)現(xiàn)了紋外皮層的 β活動(dòng)同步性指標(biāo)與短時(shí)記憶保持的相關(guān) (Tallon-Baudry,Bertrand,& Fischer,2001)。此外,相位同步性也是標(biāo)記一些疾病的重要指標(biāo),可能暗示著病人的神經(jīng)網(wǎng)絡(luò)功能的紊亂。一些研究表明癲癇病人發(fā)病的時(shí)候相位同步性會(huì)有一個(gè)很大的增長(zhǎng) (Franaszczuk& Bergey,1999),另外的研究也表明精神分裂癥病人的γ同步性指標(biāo)異常(Spencer et al.,2003)。這些不同的研究都說(shuō)明相位同步性體現(xiàn)了大腦的各功能區(qū)聯(lián)合為網(wǎng)絡(luò)而顯現(xiàn)出更高級(jí)的認(rèn)知功能,可以幫助人們完成復(fù)雜的認(rèn)知任務(wù)。

圖8 不同電極相位同步性計(jì)算原理示意圖。

3.3.3 低頻信號(hào)相位和高頻信號(hào)能量之間的耦合(Phase-Amplitude Coupling,PAC)的計(jì)算原理

有研究指出,長(zhǎng)距離腦區(qū)間的調(diào)控多借助于低頻振蕩,而高頻信號(hào)往往是局部活動(dòng)的一種體現(xiàn)(Canolty & Knight,2010),低頻和高頻之間的耦合就具有了特殊的功能意義,局部腦加工體現(xiàn)局部的大腦的模塊化加工,而與長(zhǎng)距離的低頻信號(hào)的耦合代表一種網(wǎng)絡(luò)的信息整合。這種耦合在數(shù)據(jù)中表現(xiàn)為高頻能量的高低起伏有一定的周期性,與信號(hào)中低頻成分的相位變化相關(guān)(圖9A)。

這種耦合的計(jì)算方法有很多(Penny et al.,2008; Samiee & Baillet,2017),其中一些研究給出了一種相對(duì)靈敏的計(jì)算方法(Canolty et al.,2006;Song et al.,2014)。首先,計(jì)算出原信號(hào)中的高頻信號(hào)(如 γ)的振幅 ampγ(t)和低頻信號(hào)(如 θ)的相位phaseθ(t),每個(gè)對(duì)應(yīng)時(shí)刻的高頻能量和低頻相位組成的復(fù)數(shù) ampγ(t)·ephaseθ(t),在復(fù)平面內(nèi)對(duì)應(yīng)一個(gè)點(diǎn)(圖 9B),許多個(gè)時(shí)刻的點(diǎn)構(gòu)成了一個(gè)分布(圖9C和 9D),如果復(fù)數(shù)點(diǎn)的分布偏向于一個(gè)象限,那么就說(shuō)明高頻能量多分布在某一個(gè)相位角內(nèi),兩者有耦合(圖 9C),否則低頻相位和高頻能量則無(wú)耦合(圖 9D)。實(shí)際計(jì)算時(shí),還需要用置換檢驗(yàn)(permutation test)的方法衡量耦合的相對(duì)強(qiáng)度(Canolty et al.,2006)：

3.3.4 低頻相位高頻能量耦合的心理學(xué)意義

低頻相位和高頻能量的耦合反映了多種認(rèn)知機(jī)能,在不同的認(rèn)知任務(wù)中都可能有相應(yīng)表現(xiàn)。該耦合可能反映了這樣的機(jī)制,將信息從大的行為反應(yīng)時(shí)間尺度轉(zhuǎn)移到局部的尺度,進(jìn)行進(jìn)一步的運(yùn)算和突觸修飾,從而整合多個(gè)時(shí)空尺度功能(Canolty & Knight,2010; Jensen et al.,2012)。Bonnefond等人關(guān)于α相位和γ能量的耦合研究說(shuō)明信息自上而下的門控機(jī)制,局部的信息計(jì)算被約100 ms的時(shí)間周期門控控制,提供了周期性抑制的控制作用(Bonnefond & Jensen,2015); 而在另外一項(xiàng)研究中,研究者使用了不同的行為任務(wù),發(fā)現(xiàn)低頻θ相位和高頻γ能量的耦合模式直接和行為任務(wù)有關(guān),在不同的行為任務(wù)中,表現(xiàn)出不同腦區(qū)間的耦合,說(shuō)明進(jìn)行不同任務(wù)時(shí)不同大腦區(qū)域之間的信息交流(Canolty et al.,2006)。認(rèn)知任務(wù)中,高級(jí)腦區(qū)對(duì)低級(jí)腦區(qū)的認(rèn)知控制可以體現(xiàn)在高級(jí)腦區(qū)的低頻振蕩活動(dòng)相位與低級(jí)腦區(qū)的高頻振蕩能量的耦合上(Helfrich & Knight,2016)。不僅如此,在工作記憶任務(wù)中,長(zhǎng)距離的低頻相位(θ、α)和高頻能量(β、γ)耦合以及長(zhǎng)距離的低頻相位的耦合反映了不同腦區(qū)之間的信息交流(Daume,Gruber,Engel,& Friese,2017)。在一篇關(guān)于兒童工作記憶的研究中,研究者通過(guò)對(duì)兒童工作記憶的訓(xùn)練發(fā)現(xiàn)認(rèn)知控制區(qū)域(額頂區(qū))的 α相位和低級(jí)腦區(qū)(顳區(qū))的γ活動(dòng)的耦合增強(qiáng),提示了該類型的耦合在工作記憶中的作用(Barnes,Nobre,Woolrich,Baker,& Astle,2016)。動(dòng)物研究也表明海馬記錄到的低頻θ和高頻γ的耦合與學(xué)習(xí)和完成回憶任務(wù)有關(guān)(Tort,Komorowski,Manns,Kopell,&Eichenbaum,2009)。還有文獻(xiàn)指出低頻相位和高頻能量耦合在記憶中標(biāo)志著編碼的功能(Friese et al.,2013)。工作記憶中(短時(shí)記憶)的信息編碼以及容量也可以用這類耦合解釋(Axmacher et al.,2010)。最近的一項(xiàng)研究中,發(fā)現(xiàn)了慢波睡眠階段的慢波振蕩活動(dòng)的相位與紡錘波之間的耦合在睡眠記憶鞏固中有重要的作用,可以部分解釋老年人記憶鞏固能力的衰退(Helfrich,Mander,Jagust,Knight,& Walker,2018)。

總的來(lái)說(shuō),低頻相位和高頻能量耦合是當(dāng)前研究的一個(gè)熱點(diǎn),在不同任務(wù)以及不同狀態(tài)都可以發(fā)現(xiàn)這樣的活動(dòng)模式,說(shuō)明這種耦合反映了腦內(nèi)不同大腦區(qū)域之間的信息交流以及信息控制,從而幫助被試完成各種高級(jí)認(rèn)知任務(wù),反映了大腦加工信息時(shí)的網(wǎng)絡(luò)功能。

4 小結(jié)

時(shí)頻分析是當(dāng)前心理學(xué)腦電領(lǐng)域的一個(gè)熱點(diǎn)算法應(yīng)用。它可以幫助我們捕捉腦電信號(hào)中非相位鎖定于事件發(fā)生時(shí)刻的活動(dòng),可以將事件誘發(fā)腦活動(dòng)的探索拓展到刺激出現(xiàn)前。心理學(xué)腦電數(shù)據(jù)分析領(lǐng)域應(yīng)用最多的時(shí)頻分析算法是復(fù) Morlet小波變換和Hilbert變換。時(shí)頻分析在腦電數(shù)據(jù)分析領(lǐng)域的應(yīng)用主要體現(xiàn)在一些指標(biāo)上。不同頻段的能量指標(biāo)反映了不同的認(rèn)知過(guò)程,如 α能量與選擇性注意密切相關(guān),而 γ能量則與特征捆綁密切相關(guān)。相位一致性指標(biāo)往往被用來(lái)探討時(shí)域ERP成分產(chǎn)生的機(jī)制。耦合往往反映了大腦作為一個(gè)網(wǎng)絡(luò)體現(xiàn)出來(lái)的整體功能,同頻率遠(yuǎn)距離腦區(qū)之間的相位耦合和低頻相位和高頻能量的耦合是過(guò)去研究中的兩個(gè)熱點(diǎn)。未來(lái)可以關(guān)注時(shí)頻分析技術(shù)在非任務(wù)態(tài)(靜息態(tài))中的應(yīng)用以及其他耦合指標(biāo)(如不同頻段能量之間,不同頻段相位之間)在探索心理過(guò)程中的應(yīng)用。