绿色LED光环境对大脑集中力影响的研究

LED照明技术是点亮21世纪的理想之光，发展前景广阔［1-3］。2002年，DavidBesron等人发现了人眼的第三种感光细胞（ipRGG）［4］，由此，掀起了学术界对于健康照明理论的研究热潮。2005年，Yasu Kouchi等通过研究发现，来自于视网膜的光信号传输至大脑皮层时分为两路，一路形成影像视觉通路，另一路控制人体某些激素分泌的松果体，以此来实现对生理节律的调节和对激素控制的非视觉通路。由此可见，由光照引起的视觉与非视觉效应都与大脑有着密切联系；研究LED照明环境对大脑节律的影响显得尤为重要。

实验研究在使用LED灯照明时，通过将在绿色和普通LED两种光环境下的实验进行对比，测量学生自习期间EEG的变化情况，分析得出绿色LED光环境下累积对大脑集中力的影响。

1 研究背景及理论分析

针对人工光照明国内外已开展了一系列的研究工作，如：文献［4］对学生在不同照度、色温荧光灯环境下的视疲劳程度等进行了对比研究；文献［5］探讨了照明对人体眼睛、生理、心理的作用机制及影响，并揭示了光对人体健康的调控，提出了健康照明的意义和发展前景；文献［6］对LED光源相关色温（CCT）对人类视觉表现进行了分析；文献［7］研究了环境光源和显示类型对视觉疲劳的影响；文献［8］则在教室照明的背景下，通过分析学生瞳孔面积和疲劳程度，提出了适当的颜色温度光源与教室的节能照明有关；文献［9］针对秋冬季节自然光不足时论述了不同LED照明环境下的学习效率变化；文献［10］通过一系列实验，对比研究了在荧光灯不同色温、照度背景下，学习疲劳程度、辨别力等，及荧光灯、LED灯的色温对学生学习效率、脑疲劳和视疲劳的综合影响［11，12］。

1.1 EEG及其信号处理技术

EEG是一种使用电生理指标记录大脑活动的方法，作为一种有效的对神经活动进行间接测量的工具，它具有较高的时间精度，可以被检测到毫秒级的电位变化。当人专注于某件事注意力集中时，大脑用于思维和记忆的功能区会变得兴奋，此处EEG的幅值会增大；当人感到疲劳困倦时，注意力不再高度集中，反应在EEG上将表现为此功能区波形的幅值减小。因此，通过对脑波节律的检测，可以评价人大脑注意力的集中程度和持续时间。

传统的EEG分析方法主要包括时域分析和频域分析［13］，近年来EEG信号在信号处理领域的研究方法主要是时频分析法（包括小波分析）及非线性动力学分析方法等。时域分析方法主要有波形识别、峰值检测、方差分析等；频域分析方法最常见的是AR模型谱估计；时频分析的方法主要有：维格纳分布（Wigner-Ville Distribution）、小波变换以及人工神经网络等。

1.2 ICA的基本原理知识

EEG分为自发脑电（EEG）和诱发电位（EP）两种，其中EP是作为干扰信号出现的。因此，研究EEG信号的第一步就是信号的提取和去除噪声干扰，实验研究中采用ICA方法来处理信号。

ICA是近年来是伴随着盲源分离（blind source separation，BBS）而发展起来的一种新的信号处理技术，又称盲分离。ICA方法是从一组观测信号中提取统计独立分量的方法，是一种信源之间的相互统计独立并且具有高阶统计特性的分析方法，在去噪的同时能最大限度地保证对其它信号不破坏，滤波性能较好，在实验中测试的是学生在室内的不同照明环境下的EEG变化数据，因此包含工频干扰和眼电、心电信号扰动，这些对于EEG信号来说都是噪声，并且EEG信号中包含很多独立成分，利用ICA方法可以分解得到相互独立的信号分量，所以ICA方法的运用有利于实验采集到的信号的去噪处理。

ICA方法处理的对象是相互统计独立的信源，经线性组合后产生的一组混合信号。其滤波处理的终极目标是从混合信号中提取出相对独立的信号分量。ICA是一种线性变换技术。

设有i个独立的信源信号，表示成矢量形式为s(t)=[s1(t),s2(t),…,si(t)]T，t=1,2,…,T ；线性系统A是一个由混合系数组成的混合矩阵，让s(t)通过A混合，得到观测信号x(t)，线性混合模型为：

x(t)=[x1(t),x2(t),…,xj(t)]T，t=1,2,…,T ，且A与s(t)均未知，x(t)可以通过观测得到，即：

ICA方法就是找到一个线性变换P（解混矩阵）算法，将P对观测信号x(t)作用后，使得当 j＞i时，如果s(t)中含有小于等于一个高斯过程，则输出信号y(t)满足：

此时通过求解矩阵P，可以使矢量y尽可能的逼近于矢量s，且能保证矢量y的各分量尽可能的独立。由此可以采用ICA方法得到EEG信号中的独立分量。

文章来源：《绿色科技》 网址: http://www.lskjzzs.cn/qikandaodu/2020/0916/550.html