綠色LED光環(huán)境對大腦集中力影響的研究

彭金歌，郭濱，白雪梅，張晨潔

（長春理工大學(xué) 電子信息工程學(xué)院，長春 130022）

LED照明技術(shù)是點亮21世紀(jì)的理想之光，發(fā)展前景廣闊［1-3］。2002年，DavidBesron等人發(fā)現(xiàn)了人眼的第三種感光細胞（ipRGG）［4］，由此，掀起了學(xué)術(shù)界對于健康照明理論的研究熱潮。2005年，Yasu Kouchi等通過研究發(fā)現(xiàn)，來自于視網(wǎng)膜的光信號傳輸至大腦皮層時分為兩路，一路形成影像視覺通路，另一路控制人體某些激素分泌的松果體，以此來實現(xiàn)對生理節(jié)律的調(diào)節(jié)和對激素控制的非視覺通路。由此可見，由光照引起的視覺與非視覺效應(yīng)都與大腦有著密切聯(lián)系；研究LED照明環(huán)境對大腦節(jié)律的影響顯得尤為重要。

實驗研究在使用LED燈照明時，通過將在綠色和普通LED兩種光環(huán)境下的實驗進行對比，測量學(xué)生自習(xí)期間EEG的變化情況，分析得出綠色LED光環(huán)境下累積對大腦集中力的影響。

1 研究背景及理論分析

針對人工光照明國內(nèi)外已開展了一系列的研究工作，如：文獻［4］對學(xué)生在不同照度、色溫?zé)晒鉄舡h(huán)境下的視疲勞程度等進行了對比研究；文獻［5］探討了照明對人體眼睛、生理、心理的作用機制及影響，并揭示了光對人體健康的調(diào)控，提出了健康照明的意義和發(fā)展前景；文獻［6］對LED光源相關(guān)色溫（CCT）對人類視覺表現(xiàn)進行了分析；文獻［7］研究了環(huán)境光源和顯示類型對視覺疲勞的影響；文獻［8］則在教室照明的背景下，通過分析學(xué)生瞳孔面積和疲勞程度，提出了適當(dāng)?shù)念伾珳囟裙庠磁c教室的節(jié)能照明有關(guān)；文獻［9］針對秋冬季節(jié)自然光不足時論述了不同LED照明環(huán)境下的學(xué)習(xí)效率變化；文獻［10］通過一系列實驗，對比研究了在熒光燈不同色溫、照度背景下，學(xué)習(xí)疲勞程度、辨別力等，及熒光燈、LED燈的色溫對學(xué)生學(xué)習(xí)效率、腦疲勞和視疲勞的綜合影響［11，12］。

1.1 EEG及其信號處理技術(shù)

EEG是一種使用電生理指標(biāo)記錄大腦活動的方法，作為一種有效的對神經(jīng)活動進行間接測量的工具，它具有較高的時間精度，可以被檢測到毫秒級的電位變化。當(dāng)人專注于某件事注意力集中時，大腦用于思維和記憶的功能區(qū)會變得興奮，此處EEG的幅值會增大；當(dāng)人感到疲勞困倦時，注意力不再高度集中，反應(yīng)在EEG上將表現(xiàn)為此功能區(qū)波形的幅值減小。因此，通過對腦波節(jié)律的檢測，可以評價人大腦注意力的集中程度和持續(xù)時間。

傳統(tǒng)的EEG分析方法主要包括時域分析和頻域分析［13］，近年來EEG信號在信號處理領(lǐng)域的研究方法主要是時頻分析法（包括小波分析）及非線性動力學(xué)分析方法等。時域分析方法主要有波形識別、峰值檢測、方差分析等；頻域分析方法最常見的是AR模型譜估計；時頻分析的方法主要有：維格納分布（Wigner-Ville Distribution）、小波變換以及人工神經(jīng)網(wǎng)絡(luò)等。

1.2 ICA的基本原理知識

EEG分為自發(fā)腦電（EEG）和誘發(fā)電位（EP）兩種，其中EP是作為干擾信號出現(xiàn)的。因此，研究EEG信號的第一步就是信號的提取和去除噪聲干擾，實驗研究中采用ICA方法來處理信號。

ICA是近年來是伴隨著盲源分離（blind source separation，BBS）而發(fā)展起來的一種新的信號處理技術(shù)，又稱盲分離。ICA方法是從一組觀測信號中提取統(tǒng)計獨立分量的方法，是一種信源之間的相互統(tǒng)計獨立并且具有高階統(tǒng)計特性的分析方法，在去噪的同時能最大限度地保證對其它信號不破壞，濾波性能較好，在實驗中測試的是學(xué)生在室內(nèi)的不同照明環(huán)境下的EEG變化數(shù)據(jù)，因此包含工頻干擾和眼電、心電信號擾動，這些對于EEG信號來說都是噪聲，并且EEG信號中包含很多獨立成分，利用ICA方法可以分解得到相互獨立的信號分量，所以ICA方法的運用有利于實驗采集到的信號的去噪處理。

ICA方法處理的對象是相互統(tǒng)計獨立的信源，經(jīng)線性組合后產(chǎn)生的一組混合信號。其濾波處理的終極目標(biāo)是從混合信號中提取出相對獨立的信號分量。ICA是一種線性變換技術(shù)。

設(shè)有i個獨立的信源信號，表示成矢量形式為s(t)=[s1(t),s2(t),…,si(t)]T，t=1,2,…,T；線性系統(tǒng)A是一個由混合系數(shù)組成的混合矩陣，讓s(t)通過A混合，得到觀測信號x(t)，線性混合模型為：

x(t)=[x1(t),x2(t),…,xj(t)]T，t=1,2,…,T，且A與s(t)均未知，x(t)可以通過觀測得到，即：

ICA方法就是找到一個線性變換P（解混矩陣）算法，將P對觀測信號x(t)作用后，使得當(dāng)j＞i時，如果s(t)中含有小于等于一個高斯過程，則輸出信號y(t)滿足：

此時通過求解矩陣P，可以使矢量y盡可能的逼近于矢量s，且能保證矢量y的各分量盡可能的獨立。由此可以采用ICA方法得到EEG信號中的獨立分量。

圖1是隨機測量的一組腦電波數(shù)據(jù)生成的波形與ICA濾波后的波形對比圖，其中實線為ICA濾波后波形，點畫線為含有噪聲的波形。其中，橫坐標(biāo)軸代表時間，以毫秒為單位；縱坐標(biāo)軸代表幅度均值（Ampitude），以微伏為單位。

圖1 ICA去噪后波形與原波形對比

1.3 辨別力指標(biāo)d'

信號檢測理論（Signal Detection Theory，SDT）運用的是一種心理物理法，用于判斷在不確定的情況下如何做出判決的理論。辨別力的概念起源于SDT，其反映了兩種決定相互分離的程度，即敏感性。

圖2 二元信號檢測判決劃分與判決概率

圖2是以二元信號的為例，在假設(shè)H0、H1下，p(x|H0)、p(x|H1)分別為判H0、H1的觀測信號的概率密度函數(shù)，其中x為自變量；P(H0|H0)為在假設(shè)H0下判為H0的正確概率；P(H1|H1)為在假設(shè)H1下判為H1的正確概率；P(H0|H1)為在假設(shè)H1下判為H0的錯誤概率；P(H1|H0)為在假設(shè)H0下判為H1的錯誤概率。辨別力就反應(yīng)在p(x|H0)與p(x|H1)兩種分布的距離遠近上；距離越大遠，敏感性越高，d'越高大；反之，敏感性越低，d'越小。

當(dāng)假設(shè)H1為信號加噪聲，H0為噪聲時，P(H1|H1)稱為擊中概率，P(H1|H0)稱為虛警概率，此時給出d'的計算方法：

其中，Z擊中、Z虛警的值都要根據(jù)實驗數(shù)據(jù)計算和查POZ轉(zhuǎn)化表得到。

2 實驗方案

2.1 實驗條件及對象

實驗分別在兩個房間里進行：其中一個房間的墻壁、天花板、地板、桌面均貼有綠色壁紙，以營造一種綠光下的環(huán)境；另一個為正常粉刷裝修后的的房間，墻體、天花板和桌子為全白色。兩個房間均選為無窗、恒溫、恒濕，排除自然光等外界條件的影響。實驗過程中禁止使用所有可能的干擾電磁輻射源。燈具選用四支同種型號、照度、色溫的白光LED燈管，每個房間兩支，單只功率為16W，Ra≥80。從《現(xiàn)代漢語頻率詞典》中隨機選1440個使用頻率為0.00023～0.00046的詞組制成卡片，均為中性詞，前后無語義聯(lián)系；前480個平均分成6組用于學(xué)習(xí)，1440個平均分成6組用于再認(rèn)。實驗對象為10名18～21歲本科大學(xué)生，分成兩組，第一組4人用于EEG信號采集，另一組6人，用于“學(xué)習(xí)—再認(rèn)”模式的驗證實驗；10名學(xué)生均為男生（考慮到女性生理周期會對生理節(jié)律有影響），身體健康，均矯治視力在5.0以上。由于要進行大腦波形的測定，所以實驗對象均選為右利手。學(xué)生自習(xí)時的學(xué)習(xí)內(nèi)容統(tǒng)一為高等數(shù)學(xué)課本。

2.2 實驗過程

對于第一組，先讓4名受試者隨機兩兩一組，分別進入到各自的實驗房間，5分鐘適應(yīng)時間，然后開始進行45分鐘的自習(xí)。自習(xí)期間，分別在自習(xí)到25分鐘和45分鐘時測量記錄受試者EEG數(shù)據(jù)40秒（測試期間受試者不中止自習(xí)）。最后，由測得的數(shù)據(jù)進行EEG信號的濾波處理，得到濾波后的有用信號波形，分析在各時間段的受試者腦波信號變化情況，探究對比得到在綠色LED光環(huán)境下學(xué)習(xí)對學(xué)生大腦集中力的影響。對于第二組，6名受試者隨機平均分成兩組，每組三人，編號分別為1號、2號、3號；進入各自實驗房間，在自習(xí)前、后進行驗證實驗，測試d'，驗證有第一組學(xué)生實驗總結(jié)的結(jié)論。

2.3 實驗測試指標(biāo)與說明

實驗采用OpenBCI V3 8bit開源Arduino EEG模塊-8通道進行EEG數(shù)據(jù)的采集，可以持續(xù)記錄實驗過程中被試者EEG變化情況。由于前腦是學(xué)習(xí)記憶和精神思維最集中的部分，中部用于運動和感覺，后部主要跟視覺有關(guān)，所以前腦是與實驗研究最相關(guān)的區(qū)域。因此，EEG電極安裝采用標(biāo)準(zhǔn)的電極安放法，安裝于大腦前額FP1（左前額區(qū)）、FP2（右前額區(qū)）、C3（左側(cè)中央?yún)^(qū)）、C4（右側(cè)中央?yún)^(qū)）而這4個區(qū)域幾乎覆蓋了人的整個前腦，因此，由這4個區(qū)域測得的數(shù)據(jù)的均值變化更能綜合反映出大腦集中力的變化，由此可利用前腦波幅度均值的變化來評價學(xué)生學(xué)習(xí)時大腦集中力的變化：

實驗共測出了4名學(xué)生的EEG數(shù)據(jù)，每種照明環(huán)境下2名，由于數(shù)據(jù)量過大，因此將同環(huán)境2人在對應(yīng)相同時間點測得的數(shù)據(jù)先取平均值處理，再進行EEG數(shù)據(jù)的噪聲濾除。濾波是采用ICA方法，利用Matlab中的Eeglab工具箱中的命令編程實現(xiàn)的。綜合考慮各種因素后，教育部規(guī)定學(xué)生的一節(jié)課為45分鐘，因此，為了更加準(zhǔn)確的檢測到學(xué)生自習(xí)時45分鐘內(nèi)效率和注意力最集中的時間段，選取25分鐘的中間時間段進行第一次數(shù)據(jù)采集；在45分鐘時學(xué)生學(xué)習(xí)在時間積累的過程中已達到相對疲勞狀態(tài)，再進行第二次數(shù)據(jù)采集。

對于驗證實驗，取在同一光環(huán)境下的辨別力指標(biāo)差均值（Z）作為評價標(biāo)準(zhǔn)：

其中，N在同一光環(huán)境下受試者的數(shù)量。Z越大，在此光環(huán)境下學(xué)習(xí)d'下降越快，即腦集中力下降越快；反之，Z越小，證明此光環(huán)境利于學(xué)習(xí)，能較長時間維持d'，維持腦集中力水平。

3 實驗結(jié)果與分析驗證

3.1 綠色LED光環(huán)境下前腦EEG波形分析

圖3為學(xué)生在綠色房間的LED照明環(huán)境下自習(xí)時前腦EEG波形變化，分為自習(xí)25分鐘后和45分鐘后兩種情況討論。其中，橫坐標(biāo)軸代表時間，以毫秒為單位；縱坐標(biāo)軸代表幅度均值，以微伏為單位。

圖3 學(xué)生在綠色LED光環(huán)境下自習(xí)EEG變化情況

由于只統(tǒng)計測量了前腦四個區(qū)域的EEG數(shù)據(jù)，所以繪制出來的EEG形圖可能會存在波動不大的時間段，在此時間段內(nèi)學(xué)生的記憶和思維方面活性較小，可能在運動、五官感覺等方面較活躍。因此，圖3中自習(xí)25分鐘時存在的十幾秒的波動較小的波形段。25分鐘時，若現(xiàn)在只考慮波動較明顯的波形，可以發(fā)現(xiàn)在綠光環(huán)境下，學(xué)生注意力最集中時的EEG幅值的最高峰值在3000μV左右，多數(shù)峰值處于0～2000μV。此時間段內(nèi)學(xué)生學(xué)習(xí)效率較高，注意力較集中。

在自習(xí)45分鐘時，綠光環(huán)境下學(xué)生EEG幅值變化幾乎均勻分布在0～100μV比較平穩(wěn)；相比于相同環(huán)境下自習(xí)25分鐘時的腦疲勞度明顯增加，大腦的集中力明顯下降。

3.2 普通LED光環(huán)境下前腦EEG波形分析

圖4為學(xué)生在普通房間的LED照明環(huán)境下自習(xí)時前腦EEG波形變化，分為自習(xí)25分鐘后和45分鐘后兩種情況討論。其中，橫坐標(biāo)軸代表時間，以毫秒為單位；縱坐標(biāo)軸代表幅度均值，以微伏為單位。

圖4 學(xué)生在普通LED光環(huán)境下自習(xí)EEG變化情況

由圖4可以看出，在普通LED光環(huán)境中，學(xué)生在自習(xí)25分鐘時EEG的變化幅度較大，少有的最好峰值幅度可以達到6000μV，多數(shù)峰值處于0～2000μV，說明此時學(xué)生的前腦的活化狀態(tài)良好，學(xué)生注意力高度集中，學(xué)習(xí)效率高。

當(dāng)自習(xí)到45分鐘時，學(xué)生也進入了疲勞狀態(tài)，此時的EEG最高峰幅值可以達到600μV左右，少數(shù)峰值分布在200μV以上；相比于相同環(huán)境下自習(xí)25分鐘時的腦疲勞度明顯增加，大腦的集中力明顯下降。

3.3 兩種光環(huán)境下學(xué)生腦集中力的對比分析

根據(jù)圖3、圖4實驗得到的EEG波形變化，可以對比發(fā)現(xiàn)：1）當(dāng)學(xué)生自習(xí)25分鐘后，普通LED光環(huán)境下的腦波活性明顯高于綠色LED光環(huán)境下的腦波活性；2）當(dāng)學(xué)生自習(xí)45分鐘后，大腦處于相對疲憊狀態(tài)，此時EEG峰值都明顯降低，但在普通光下大腦的活躍程度依然略微優(yōu)與綠光下大腦的活躍程度；3）在普通光下學(xué)習(xí)能夠能夠比在綠光環(huán)境下學(xué)習(xí)獲得更高的效率，大腦集中力時間能維持的更持久一些。

3.4 實驗驗證

表1是在受試者在兩種不同光環(huán)境下進行“學(xué)習(xí)-再認(rèn)”的驗證實驗時得到的辨別力測試結(jié)果數(shù)據(jù)。

表1 辨別力測試結(jié)果數(shù)據(jù)

由表1的統(tǒng)計數(shù)據(jù)可以明顯看出，綠光環(huán)境下Z大于在普通光環(huán)境下得到的Z值，充分說明，在自習(xí)45分鐘后，在學(xué)生同樣都處于大腦相對疲勞的狀態(tài)下，綠光會加速d′的降低，加速大腦疲勞，使腦集中力維持時間降低的更快。由此實驗得到的綠的LED光環(huán)境對腦集中力有不利影響的結(jié)論得以驗證。

4 結(jié)語

通過分別對學(xué)生在普通LED光環(huán)境下自習(xí)和在綠色LED光環(huán)境下自習(xí)過程中EEG的測量，得出自習(xí)過程中EEG波形幅度值具體變化，對比討論出了綠色光環(huán)境更容易影響人的大腦集中力，使學(xué)習(xí)效率下降。而普通LED光環(huán)境下，能夠略微延長腦集中力的持續(xù)時間。經(jīng)過驗證實驗，證明了結(jié)論的正確性。此外，在實驗過程中，處于綠色照明環(huán)境下的學(xué)生自習(xí)時出現(xiàn)揉眼的次數(shù)較頻繁，且實驗結(jié)束后來到自然光環(huán)境下反應(yīng)出現(xiàn)眼前會出現(xiàn)紫色、粉色的斑塊，產(chǎn)生了視覺殘缺的補色反應(yīng)。因此，雖然眾所周知，綠色護眼，生物學(xué)也強調(diào)綠色波長較短，對光線的吸收和反射都處于適中狀態(tài)，并且成像在視網(wǎng)膜之前，眼睫狀肌能得到休息，有利于減輕眼部疲勞；但是綠光環(huán)境并不能提高學(xué)生學(xué)習(xí)效率，相反還會縮短大腦集中力的時間。針對此研究得出結(jié)論，應(yīng)該避免在學(xué)校、辦公室等需要經(jīng)常記憶思考的地方使用綠光照明。

［1］蔣余成，劉智，邴麗媛，等.基于LED的可見光通信系統(tǒng)預(yù)均衡技術(shù)研究［J］.長春理工大學(xué)學(xué)報：自然科學(xué)版，2017，40（03）：94-97+107.

［2］王晶，張寧，徐熙平，等.一種LED均勻照明的透鏡設(shè)計［J］.長春理工大學(xué)學(xué)報：自然科學(xué)版，2015，38（02）：29-31.

［3］Aninditio ML，Rahardjo A，Hudaya C.Lighting 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］魯玉紅，王毓蓉，金尚忠，等.不同波長藍光LED對人體光生物節(jié)律效應(yīng)的影響［J］.發(fā)光學(xué)報，2013，34（08）：1061-1065.

［5］Lan W，Chen YS，Guo QQ，et al.Discussion 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］楊春宇，汪統(tǒng)岳，向奕妍，等.秋冬季節(jié)不同LED照明環(huán)境下的學(xué)習(xí)效率變化［J］.照明工程學(xué)報，2017，28（06）：60-65.

［10］嚴(yán)永紅，關(guān)楊，劉想德，等.教室熒光燈色溫對學(xué)生學(xué)習(xí)效率和生理節(jié)律的影響［J］.土木建筑與環(huán)境，2010（4）：85-89.

［11］Yan YH，Guan Y，LEE TG，et al.Evaluation 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］嚴(yán)永紅，晏寧，關(guān)楊，等.光源色溫對腦波節(jié)律及學(xué)習(xí)效率的影響［J］.土木建筑與環(huán)境工程，2012，34（01）：76-79.

［13］田雅杰，鄧必鑫.腦電信號的頻譜分析與模式識別［J］.長春光學(xué)精密機械學(xué)院學(xué)報，1990（04）：20-23.