情緒化消費(fèi)的腦電研究

穆振東

摘要：消費(fèi)在市場化經(jīng)濟(jì)的今天，是一個很關(guān)鍵的詞，為了發(fā)展經(jīng)濟(jì)國家要關(guān)注刺激，但是作為自然人，我們?nèi)粘ＯM(fèi)是否合理，是否有計(jì)劃會關(guān)系到個人的經(jīng)濟(jì)計(jì)劃，情緒化消費(fèi)顯然不是有計(jì)劃的消費(fèi)，經(jīng)常帶有情緒化的消費(fèi)會極大的影響我們的日常生活，為此對情緒化消費(fèi)進(jìn)行研究顯得尤為重要，本文從腦電信號和情緒的關(guān)系出發(fā)，通過對情緒消費(fèi)場景設(shè)計(jì)，闡述應(yīng)用腦電信號對情緒化消費(fèi)研究的可信性。

關(guān)鍵詞：腦電信號；情緒化；消費(fèi)

情緒化消費(fèi)，本文定義為由于消費(fèi)者出于某種不穩(wěn)定情緒下的無度的不必要的消費(fèi)。這里不穩(wěn)定情緒指的是生氣、發(fā)怒、緊張或者興奮情緒，在日常生活中，我們都或多或少的會出現(xiàn)各種的情緒波動，為了平復(fù)自己的情緒，有很多手段可以采納，例如聽音樂、看電影、找朋友等等，但是也有一種是去消費(fèi)，通過不停的買東西，花錢來緩解自己的情緒，從商家來講，這無疑是好事，從刺激消費(fèi)的角度來講，這也不算壞事，但是從自己來講，那就是壞事，首先在情緒掌控下的自己，根本就不知道自己是否真的有購買的需要；其次鋪張浪費(fèi)的購買會對自己以后的經(jīng)濟(jì)狀況帶來困擾；最后雖然消費(fèi)發(fā)泄短時(shí)間能緩解自己的緊張心情，但是并不能解決任何問題，反而對消費(fèi)和延遲問題解決帶來的后果可能更加加重自己的心理負(fù)擔(dān)。

消費(fèi)，特別是無度的消費(fèi)，對家庭對自己都是有很大的負(fù)面意義的。無計(jì)劃，情緒化消費(fèi)對于大學(xué)生的害處更大，比如攀比、比如追求潮流、比如追求享樂等等這些都會影響大學(xué)生的學(xué)習(xí)，在搜狐新聞網(wǎng)上連續(xù)版面報(bào)道了大學(xué)生的“人情消費(fèi)”、“戀愛消費(fèi)”這些本不該成為名詞的消費(fèi)概念現(xiàn)在成為了很多大學(xué)生家庭的負(fù)擔(dān)，為此有很多大學(xué)生竟然放棄學(xué)業(yè)去打工甚至去犯罪來滿足自己的“面子需求”。這些消費(fèi)無疑都是毫無理智的情緒化消費(fèi)，對于消費(fèi)的研究，如今常用的手段還是停留在統(tǒng)計(jì)、綜合等定性研究上，那么影響和反映情緒化消費(fèi)有沒有人本身物理反應(yīng)呢？

對人情緒化研究的最好工具，無疑是腦電信號，腦電信號一經(jīng)提出，很多研究者都對它從很多方面研究，也取得了很多研究成果。本人曾主持過“基于運(yùn)動想象腦電信號物理機(jī)制研究”課題，結(jié)果發(fā)現(xiàn)人的運(yùn)動相關(guān)產(chǎn)生的腦電信號都有自己的大腦物理機(jī)制在影響。那么情緒化消費(fèi)能否利用腦電信號來研究呢？腦電信號包括不同的頻率段，一般分為四個波段即σ（1-3Hz）、θ（4-7Hz）、α（8-13Hz）、β（14-30Hz）。γ波大于30Hz。每個波段對應(yīng)不同的情緒，例如σ波段出現(xiàn)在人在極度疲勞和昏睡狀態(tài)下。θ波一般出現(xiàn)在成年人在意愿受到挫折和抑郁時(shí)以及精神病患者這種波極為顯著。α是正常人腦電波的基本節(jié)律，如果沒有外加的刺激，其頻率是相當(dāng)恒定的。人在清醒、安靜并閉眼時(shí)該節(jié)律最為明顯，睜開眼睛或接受其它刺激時(shí)，α波即刻消失。β是當(dāng)精神緊張和情緒激動或亢奮時(shí)出現(xiàn)的。

情緒化消費(fèi)的腦電研究，腦電獲取是首要任務(wù)，因此設(shè)計(jì)很好的場景是第一個要完成的任務(wù)，本文設(shè)計(jì)腦電信號誘發(fā)刺激程序是一個日常消費(fèi)場景，模擬學(xué)生日常生活，然后通過腦電獲取設(shè)備，跟蹤實(shí)時(shí)獲取腦電信號，并把腦電信號記錄下來，通過各種信號分析手段，提取和情緒化消費(fèi)相關(guān)的腦電特征。（作者單位：江西科技學(xué)院信息技術(shù)研究所）

參考文獻(xiàn)：

[1]Malakhov A I，Schookin S I，Ivancov V I，et al. A Combined Algorithm for Identification and Differentiation of Atrial Flutter and Atrial Fibrillation Based on ECG Analysis[J]. Biomedical Engineering，2013： 1-4.

[2]Wijnmaalen A P，Stevenson W G，Schalij M J，et al. ECG identification of scar-related ventricular tachycardia with a left bundle-branch block configuration[J]. Circulation： Arrhythmia and Electrophysiology，2011，4（4）： 486-493.

[3]Sufi F，Khalil I，Mahmood A. Compressed ECG biometric： a fast，secured and efficient method for identification of CVD patient[J]. Journal of medical systems，2011，35（6）： 1349-1358

[4]Daudelin D H，Sayah A J，Kwong M，et al. Improving use of prehospital 12-lead ECG for early identification and treatment of acute coronary syndrome and ST-elevation myocardial infarction[J]. Circulation： Cardiovascular Quality and Outcomes，2010，3（3）： 316-323.

[5]Mu Z，Hu J. Research of EEG identification computing based on AR model[C]//BioMedical Information Engineering，2009. FBIE 2009. International Conference on Future. IEEE，2009： 366-368