绿色LED光环境对大脑集中力影响的研究(4)

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［ 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 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。图1是随机测量的一组脑电波数据生成的波形与ICA滤波后的波形对比图，其中实线为ICA滤波后波形，点画线为含有噪声的波形。其中，横坐标轴代表时间，以毫秒为单位；纵坐标轴代表幅度均值（Ampitude），以微伏为单位。图1 ICA去噪后波形与原波形对比1.3 辨别力指标d'信号检测理论（Signal Detection Theory，SDT）运用的是一种心理物理法，用于判断在不确定的情况下如何做出判决的理论。辨别力的概念起源于SDT，其反映了两种决定相互分离的程度，即敏感性。图2 二元信号检测判决划分与判决概率图2是以二元信号的为例，在假设H0、H1下，p(x|H0)、p(x|H1)分别为判H0、H1的观测信号的概率密度函数，其中x为自变量；P(H0|H0)为在假设H0下判为H0的正确概率；P(H1|H1)为在假设H1下判为H1的正确概率；P(H0|H1)为在假设H1下判为H0的错误概率；P(H1|H0)为在假设H0下判为H1的错误概率。辨别力就反应在p(x|H0)与p(x|H1)两种分布的距离远近上；距离越大远，敏感性越高，d'越高大；反之，敏感性越低，d'越小。当假设H1为信号加噪声，H0为噪声时，P(H1|H1)称为击中概率，P(H1|H0)称为虚警概率，此时给出d'的计算方法：其中，Z击中、Z虚警的值都要根据实验数据计算和查POZ转化表得到。2 实验方案2.1 实验条件及对象实验分别在两个房间里进行：其中一个房间的墙壁、天花板、地板、桌面均贴有绿色壁纸，以营造一种绿光下的环境；另一个为正常粉刷装修后的的房间，墙体、天花板和桌子为全白色。两个房间均选为无窗、恒温、恒湿，排除自然光等外界条件的影响。实验过程中禁止使用所有可能的干扰电磁辐射源。灯具选用四支同种型号、照度、色温的白光LED灯管，每个房间两支，单只功率为16W，Ra≥80。从《现代汉语频率词典》中随机选1440个使用频率为0.00023～0.00046的词组制成卡片，均为中性词，前后无语义联系；前480个平均分成6组用于学习，1440个平均分成6组用于再认。实验对象为10名18～21岁本科大学生，分成两组，第一组4人用于EEG信号采集，另一组6人，用于“学习—再认”模式的验证实验；10名学生均为男生（考虑到女性生理周期会对生理节律有影响），身体健康，均矫治视力在5.0以上。由于要进行大脑波形的测定，所以实验对象均选为右利手。学生自习时的学习内容统一为高等数学课本 实验过程对于第一组，先让4名受试者随机两两一组，分别进入到各自的实验房间，5分钟适应时间，然后开始进行45分钟的自习。自习期间，分别在自习到25分钟和45分钟时测量记录受试者EEG数据40秒（测试期间受试者不中止自习）。最后，由测得的数据进行EEG信号的滤波处理，得到滤波后的有用信号波形，分析在各时间段的受试者脑波信号变化情况，探究对比得到在绿色LED光环境下学习对学生大脑集中力的影响。对于第二组，6名受试者随机平均分成两组，每组三人，编号分别为1号、2号、3号；进入各自实验房间，在自习前、后进行验证实验，测试d'，验证有第一组学生实验总结的结论 实验测试指标与说明实验采用OpenBCI V3 8bit开源Arduino EEG模块-8通道进行EEG数据的采集，可以持续记录实验过程中被试者EEG变化情况。由于前脑是学习记忆和精神思维最集中的部分，中部用于运动和感觉，后部主要跟视觉有关，所以前脑是与实验研究最相关的区域。因此，EEG电极安装采用标准的电极安放法，安装于大脑前额FP1（左前额区）、FP2（右前额区）、C3（左侧中央区）、C4（右侧中央区）而这4个区域几乎覆盖了人的整个前脑，因此，由这4个区域测得的数据的均值变化更能综合反映出大脑集中力的变化，由此可利用前脑波幅度均值的变化来评价学生学习时大脑集中力的变化：实验共测出了4名学生的EEG数据，每种照明环境下2名，由于数据量过大，因此将同环境2人在对应相同时间点测得的数据先取平均值处理，再进行EEG数据的噪声滤除。滤波是采用ICA方法，利用Matlab中的Eeglab工具箱中的命令编程实现的。综合考虑各种因素后，教育部规定学生的一节课为45分钟，因此，为了更加准确的检测到学生自习时45分钟内效率和注意力最集中的时间段，选取25分钟的中间时间段进行第一次数据采集；在45分钟时学生学习在时间积累的过程中已达到相对疲劳状态，再进行第二次数据采集。对于验证实验，取在同一光环境下的辨别力指标差均值（Z）作为评价标准：其中，N在同一光环境下受试者的数量。Z越大，在此光环境下学习d'下降越快，即脑集中力下降越快；反之，Z越小，证明此光环境利于学习，能较长时间维持d'，维持脑集中力水平。3 实验结果与分析验证3.1 绿色LED光环境下前脑EEG波形分析图3为学生在绿色房间的LED照明环境下自习时前脑EEG波形变化，分为自习25分钟后和45分钟后两种情况讨论。其中，横坐标轴代表时间，以毫秒为单位；纵坐标轴代表幅度均值，以微伏为单位。图3 学生在绿色LED光环境下自习EEG变化情况由于只统计测量了前脑四个区域的EEG数据，所以绘制出来的EEG形图可能会存在波动不大的时间段，在此时间段内学生的记忆和思维方面活性较小，可能在运动、五官感觉等方面较活跃。因此，图3中自习25分钟时存在的十几秒的波动较小的波形段。25分钟时，若现在只考虑波动较明显的波形，可以发现在绿光环境下，学生注意力最集中时的EEG幅值的最高峰值在3000μV左右，多数峰值处于0～2000μV。此时间段内学生学习效率较高，注意力较集中。在自习45分钟时，绿光环境下学生EEG幅值变化几乎均匀分布在0～100μV比较平稳；相比于相同环境下自习25分钟时的脑疲劳度明显增加，大脑的集中力明显下?普通LED光环境下前脑EEG波形分析图4为学生在普通房间的LED照明环境下自习时前脑EEG波形变化，分为自习25分钟后和45分钟后两种情况讨论。其中，横坐标轴代表时间，以毫秒为单位；纵坐标轴代表幅度均值，以微伏为单位。图4 学生在普通LED光环境下自习EEG变化情况由图4可以看出，在普通LED光环境中，学生在自习25分钟时EEG的变化幅度较大，少有的最好峰值幅度可以达到6000μV，多数峰值处于0～2000μV，说明此时学生的前脑的活化状态良好，学生注意力高度集中，学习效率高。当自习到45分钟时，学生也进入了疲劳状态，此时的EEG最高峰幅值可以达到600μV左右，少数峰值分布在200μV以上；相比于相同环境下自习25分钟时的脑疲劳度明显增加，大脑的集中力明显下?两种光环境下学生脑集中力的对比分析根据图3、图4实验得到的EEG波形变化，可以对比发现：1）当学生自习25分钟后，普通LED光环境下的脑波活性明显高于绿色LED光环境下的脑波活性；2）当学生自习45分钟后，大脑处于相对疲惫状态，此时EEG峰值都明显降低，但在普通光下大脑的活跃程度依然略微优与绿光下大脑的活跃程度；3）在普通光下学习能够能够比在绿光环境下学习获得更高的效率，大脑集中力时间能维持的更持久?实验验证表1是在受试者在两种不同光环境下进行“学习-再认”的验证实验时得到的辨别力测试结果数据。表1 辨别力测试结果数据受试者自习前自习后辨别力指标差均值绿光环境下1号3.396 2.457 0.871 2号2.568 1.726 3号2.746 1.914普通光环境下1号3.031 2.307 0.715 2号3.632 2.687 3号2.687 2.211由表1的统计数据可以明显看出，绿光环境下Z大于在普通光环境下得到的Z值，充分说明，在自习45分钟后，在学生同样都处于大脑相对疲劳的状态下，绿光会加速d′的降低，加速大脑疲劳，使脑集中力维持时间降低的更快。由此实验得到的绿的LED光环境对脑集中力有不利影响的结论得以验证。4 结语通过分别对学生在普通LED光环境下自习和在绿色LED光环境下自习过程中EEG的测量，得出自习过程中EEG波形幅度值具体变化，对比讨论出了绿色光环境更容易影响人的大脑集中力，使学习效率下降。而普通LED光环境下，能够略微延长脑集中力的持续时间。经过验证实验，证明了结论的正确性。此外，在实验过程中，处于绿色照明环境下的学生自习时出现揉眼的次数较频繁，且实验结束后来到自然光环境下反应出现眼前会出现紫色、粉色的斑块，产生了视觉残缺的补色反应。因此，虽然众所周知，绿色护眼，生物学也强调绿色波长较短，对光线的吸收和反射都处于适中状态，并且成像在视网膜之前，眼睫状肌能得到休息，有利于减轻眼部疲劳；但是绿光环境并不能提高学生学习效率，相反还会缩短大脑集中力的时间。针对此研究得出结论，应该避免在学校、办公室等需要经常记忆思考的地方使用绿光照明。参考文献［1］蒋余成，刘智，邴丽媛，等.基于LED的可见光通信系统预均衡技术研究［J］.长春理工大学学报：自然科学版，2017，40（03）：94-97+107.［2］王晶，张宁，徐熙平，等.一种LED均匀照明的透镜设计［J］.长春理工大学学报：自然科学版，2015，38（02）：29-31.［3］Aninditio ML，Rahardjo A，Hudaya replacement analysis at classrooms of engineering center，faculty of engineering，universitas Indonesia［C］.InternationalConference on Quality in Research（QiR） ：International Symposium on Electrical and Computer Engineering，IEEE Conferences，Chengdu，China，2017.［4］鲁玉红，王毓蓉，金尚忠，等.不同波长蓝光LED对人体光生物节律效应的影响［J］.发光学报，2013，34（08）：1061-1065.［5］Lan W，Chen YS，Guo QQ，et on development strategy of healthy lighting industry［C］.IEEE Conferences，ChinaInternationalForum on Solid State Lighting：International Forum on Wide Bandgap Semiconductors，China（SSLChina：IFWS），Beijing，China，2017.［6］Dong LL，Li Q，Xu WH，et al.The Impact of LED Correlated Color Temperature on Visual Performance Under Mesopic Conditions［J］.IEEE Photonics Journal，2017，12（09）：1-16.［7］Wang LL，Yan T，Chen YY，et al.The effect of ambient light source and display type on visual fatigue［C］.IEEE Conferences，China International Forum on Solid State Lighting（SSLChina），Beijing，China，2016.［8］Huang HJ，Chen G.Study on Energy Saving Lighting of Classroom Based on Cirtopic［C］.International Conference on Digital Manufacturing&Automation，IEEE Conferences，Guangzhou，China，2010.［9］杨春宇，汪统岳，向奕妍，等.秋冬季节不同LED照明环境下的学习效率变化［J］.照明工程学报，2017，28（06）：60-65.［10］严永红，关杨，刘想德，等.教室荧光灯色温对学生学习效率和生理节律的影响［J］.土木建筑与环境，2010（4）：85-89.［11］Yan YH，Guan Y，LEE TG，et index study of students’physiological rhythm effects under flourescent lamp and LED［C］.2010International Conference on Electrical Engineering and Automatic Control，Zibo，China，2010.［13］严永红，晏宁，关杨，等.光源色温对脑波节律及学习效率的影响［J］.土木建筑与环境工程，2012，34（01）：76-79.［13］田雅杰，邓必鑫.脑电信号的频谱分析与模式识别［J］.长春光学精密机械学院学报，1990（04）：20-23.

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