古琴音乐背景下EEG非线性分析及其可视化.pdfVIP

摘要 在自然界中，许多复杂和有趣的现象都能够被归为非线性现象。大脑的认知 活动便是其中之一。用来解释非线性现象的理论称作非线性动力系统，也叫做混 沌理论。人的大脑在物质上的表现是一个不断变化的神经网络系统，如何描述这 个系统的特征并探寻此特征和大脑认知状态之间的某种关联我们所关心的。通过 记录某种大脑活动时的脑电数据EEG并对这些数据进行一定的转化处理，并采 用统计计算来找到不同大脑状态下的各种脑电数据参数的变化情况是一种有效 的研究方法。本文的实验便是在此思路上试图分析被试在聆听古琴音乐这种极具 东方特点的古老音乐时大脑状态的非线性特征，并将这些特征用有效的可视化方 法表示出来。 本文首先介绍了当前非线性混沌动力学的数学理论，目的在于为随后引出的 脑科学研究中使用的非线性分析方法做一个铺垫。 其次，文章阐述了关于EEG的数据处理部分的内容。EEG数据实际上是一 组离散时间序列，该序列来自于对大脑皮层放电的分布采样，EEG的特殊性在 于其是和大脑活动相关联的非线性数据。因此要将EEG中的非线性特征进行提 取必然要遵循非线性数据处理的一般流程，例如相空间重构。针对不同需求计算 不同的非线性特征，这些特征可以属于动力学、信息学或是复杂理论的范畴。本 文详细介绍了其中的动力学特征关联维度(D2)和复杂度度量LzC复杂度以及 信息学上的互信息。这几种方法也是在随后的实验中使用到的。 本文的第三个主题是实验。在该实验中分别记录了16位无古琴音乐训练背 景的中国在校大学生在平静状态、噪声背景和古琴音乐背景三种不同环境下的 EEG。并对EEG信号采用非线性动力学分析方法进行分析，具体方法为关联维 度(D2)和LzC。并针对得出的结果进行了分析和讨论，最后给出了关于古琴音乐 对大脑活动影响的结论。 关键字：古琴音乐；EEG；非线性；关联维度；LzC复杂度 Abstract a11d i11舭aret0 M锄yconlpleXi11tereStingph朗0mena due nolllillear isoneoft量lem．The noIllinear phenomena．Bramcog血iVe∞tiVity theo巧of be calledchaos collld tam，Hum觚brain dyIlaIIlicalsystems，als0 meoⅨIIlphysical seen嬲a neuraln酶Ⅳofk Wllichis we dynaIIlical system conthIally challging．W11at howt0 meflea_curesof conCemis thjs and really d印ict systemdiscove巧tlle b鲍Ⅳeenthesef．e绷鹏s锄dt11e brain stanls．hl relationship con．esponding cogIlitiVe ordert0findouttlle be“惯nbraillsta：tusaIld haVet0first