脑电波统计特性
脑电波状态特征及其认知功能开放型社会尊重安全评估
脑电波状态特征及其认知功能开放型社会尊重安全评估脑电波状态特征是指脑电图（Electroencephalogram, EEG）所记录到的脑电信号的空间和时间特征。
这些特征可以帮助我们深入了解人类大脑的功能和认知过程。
在开放型社会中，人们对于脑电波状态的特征与其认知功能有着极大的兴趣，但同时也必须重视尊重个体隐私和确保安全的问题。
脑电波的特征与认知功能紧密相关。
通过对脑电波信号的分析，我们可以获取有关认知过程、如思考、注意力、情绪和记忆等的重要信息。
脑袋波状态特征的研究不仅为神经科学领域提供了有力的工具，更有助于认知心理学、医学诊断和神经技术等领域的发展。
在开放型社会中，人们对于个体的隐私和安全有着很高的关注度。
脑电波状态特征的研究应该遵循尊重个体隐私的原则，并严格遵循伦理规范和法律法规。
在进行脑电波实验或研究时，研究人员必须充分保护被试者的个人信息，确保其匿名性和保密性，并征得被试者的知情同意。
此外，脑电波状态特征的开放性研究也有助于人机交互的发展。
通过监测和分析脑电波信号，我们可以实现脑机接口技术，进一步探索人与计算机之间的交互方式。
然而，这种技术的发展也面临着安全和隐私的挑战。
在开放型社会中，如何保护个人的脑电波数据，防止其被滥用或窃取是一个重要的问题。
为了促进脑电波状态特征及其认知功能的开放研究，我们需要建立一套科学的评估体系来确保研究的安全性和可信度。
首先，需要严格遵循伦理规范，确保研究过程中的人权和尊重隐私。
其次，应加强技术安全措施，确保脑电波数据的存储和传输的安全性。
同时，对脑电波数据的使用和传播也应制定相关政策和法规，以防止信息泄露和滥用。
此外，脑电波状态特征的研究需要与相关学科和领域进行合作，以推动开放研究和应用的进展。
跨学科研究团队可以共同探讨脑电波状态特征的认知功能，提供多维度、多角度的分析和解释。
同时，加强学术界与工业界的合作，将脑电波状态特征的研究应用到实际领域，如脑健康管理、神经疾病诊断和心理疾病治疗等，为社会发展做出更多贡献。
脑电图信号分析理论解析与三大特征浅显介绍
脑电图信号分析理论解析与三大特征浅显介绍脑电图信号是一种反映大脑活动的电生理信号，是神经元通过离子流动产生的微弱电流在头皮上被探测到的结果。
通过对脑电图信号的分析和解读，可以了解大脑的功能状态、疾病诊断和脑机接口等方面的应用。
本文将对脑电图信号的分析理论进行解析，并简要介绍其三个重要特征。
首先，脑电图的频率特征是对脑电信号进行分析的重要方面之一。
脑电信号的频率可以分为多个频带，包括δ波（0.5-4Hz）、θ波（4-8Hz）、α波（8-13Hz）、β波（13-30Hz）以及γ波（30-100Hz）。
不同频带代表着不同的脑电活动状态。
例如，α波往往与放松、休息、闭眼等状态相关，而β波则与注意力、思考和认知等高级活动状态相关。
通过对脑电图信号频率特征的分析，可以帮助医生做出脑功能状态的评估，进而指导临床操作和治疗。
其次，脑电图信号的时域特征也是脑电图分析中的关键指标。
时域特征是指脑电信号在时间上的变化特征，如振幅、幅值谱密度、方差等。
通过分析脑电图信号的时域特征，可以了解脑电信号的基本特性，如脑电信号的波形形态、振幅的变化，并可以评估脑电信号的稳定性和可靠性。
此外，时域特征还可以用于疾病的诊断与区分。
例如，癫痫发作时，脑电信号的频率快速增加、振幅剧烈变化，在时域特征上表现为尖波、棘波等异常波形。
通过对脑电图信号时域特征的分析，可以帮助医生进行疾病的早期诊断和治疗。
最后，脑电图信号的相干性特征被认为是脑电图分析的重要参数之一。
相干性是描述脑电信号之间相关关系的指标，反映了不同脑区之间的功能连接程度。
脑电信号的相干性可以通过几何平均相干函数、相位同步指数等方式进行计算。
通过分析脑电图信号的相干性特征，可以揭示脑网络的功能性连接，研究大脑信息传递、协调和整合等方面的机制。
此外，相干性还可以用于评估脑损伤和失调情况。
例如，在脑卒中患者中，脑电信号的相干性特征往往呈现出异常的变化，反映了脑功能受损的程度。
通过对脑电图信号相干性特征的分析，可以为临床医生提供大脑功能状态的评估和治疗指导。
脑电波与味觉的关联
1: 频率在12 赫兹左右的脑电波携带与眼睛有关的信息，频率在4 赫兹左右的脑电波携带与嘴巴有关的信息。
——解码脑电波能知人所思所想
2: 过自关联函数和DFA 方法分析来揭示脑电波序列在时间上具有长程相关性,而且发现了老年痴呆症患者跟正常人的脑电波的某些差异.——脑电波的统计特性
3. 事件相关电位在面料中的测量
事件相关电位(ERP)是一种特殊的诱发电位,属于近场电位的一种,它反映认知过程中大脑的神经电生理改变,因此也有人把它称作“认知电位”[6 ]。
利用此种原理已经制作出ERP 测谎仪。
测量的时候可以基于事件相关电位,来测试面料对人体触觉的影响情况。
以前人们在测量纺织面料对人体触觉影响时所用的方法是:将不同试样置于左前腕内侧,每隔3秒给予刺激一次,记录 6 个不同部位的事发相关电位曲线。
经过测试分析后发现试样本身的风格特征对P300的振幅有显著影响,但电极所放置的部位以及测定部位和试样间的交互作用对P300的振幅无显著影响。
人触摸手感柔软、丰满、肤感好的织物时,P300 的振幅小于触摸手感粗糙的砂皮时的振幅[5 ]。
在以前的基础之上,可以通过两种方法来测量人体对面料或服装的触觉效果。
第一种,由于对于人体来说,感觉最灵敏的是人体的背部,所以可以在上述方法的基础之上,以面料刺激这个部位来测量人体的脑电情况;第二种就是不光靠面料来反复刺激人的同一部位,而是将服装样品直接穿在身上,稍微移动身体,依靠全身与衣料的接触作为刺激,来测量人的脑电情况。
这个方法的优点是可以完全模仿服装的穿着效果,而且可以折射出透气透水性对人体的影响,反应出服装对人的综合性影响。
但是也不可避免地带来肌电干扰等问题,这个问题可以通过软件将其影响尽量减少。
脑电波及其在认知科学中的应用
脑电波及其在认知科学中的应用随着科技的发展，人类对于大脑的研究越来越深入。
其中一个重要的研究领域便是脑电波的研究以及在认知科学中的应用。
脑电波是指大脑神经元活动所产生的电信号，通过脑电图仪器可以记录并分析这些波形数据。
本文旨在介绍脑电波的特征及其在认知科学中的应用。
脑电波特征脑电波可以通过频率分为不同的类型：δ（0～4 Hz）、θ（4～8 Hz）、α（8～13 Hz）、β（13～30 Hz）以及γ（30～100 Hz）。
不同频率的波形代表了不同的大脑状态，如δ波代表慢波睡眠、θ波代表放松状态、α波代表清醒带有放松的状态、β波代表警醒状态以及γ波代表专注状态。
除了不同频率的波形表现出不同的大脑状态之外，脑电波还具有许多其他的特征。
其中最重要的特征包括振幅、相位、波形形态以及频谱等。
通过这些特征，我们可以深入了解大脑是如何运作以及产生思维和行为的。
脑电波在认知科学中的应用脑电波在认知科学中的应用非常广泛，以下列举几个例子：1. 认知行为治疗认知行为治疗是一种以行为和认知为基础的心理治疗方法。
在该治疗中，医师会让患者进行一些行为任务，同时使用脑电波监测患者的大脑状态。
通过分析脑电波，医师可以更好地了解患者的内部情况，并根据不同的大脑状态，适时调整治疗方案。
2. 运动控制和运动学习对于大多数人而言，我们经常坐着的时间比较长，运动的时间则相对较少。
而在日常生活中，我们需要运用大脑来控制运动。
使用脑电波监测大脑的活动，可以更好地了解运动控制的过程，从而进行更加精确的运动控制和运动学习。
3. 工作记忆工作记忆是指在短时间内对信息进行记忆和处理的能力。
脑电波可以记录大脑对信息进行记忆和处理的情况，从而更加深入地了解工作记忆的过程和机制。
4. 外部刺激反应外部刺激反应是指大脑对外部刺激作出的反应，包括注意力、反应速度和对视觉、听觉等信息的处理。
使用脑电波可以更加准确地监测大脑对外部刺激的反应，从而更好地了解大脑是如何进行信息处理的。
人的脑电波知识
μ节律在alpha节律中，8-10Hz，一般用于脑机接口SMR节律感觉运动节律，13-15Hz。
α指数（α波占全部脑波百分比，安静、闭目时为75%）可以作为情绪表现的指标，情绪稳定而思维广博的人，α指数较高，情绪不稳定而狭隘偏激的人α指数则甚低。
α波易受外界刺激干扰，在睁眼时，α波会减弱或消失，即便是在黑暗的环境中，睁眼也会如此。
当人处于“怎么”“什么”“为什么”的惊疑状态时，由于网状结构上行激活作用的增强而导致去同步化，所以α活动也会受到抑制；若外界刺激持续存在，它又可以逐渐恢复。
α波的峰与两侧的谷大体上可连成为等腰三角形，若峰顶向左或右移位，破坏了等腰形态，则提示中枢处于疲劳状态。
α活动可以反映一个人的某些心理品质，如α节律优势者，易与人合作。
β波不受睁、闭眼的影响。
在睁眼视物、情绪紧张、焦虑不安、惊疑恐惧或服用安定等药物时，β波活动急剧增多。
β活动也与人的某些心理品质有关。
β节律优势的人常表现为：精神紧张、情绪不稳、感情强烈、易于冲动、固执己见、不受约束、善于独立的执行任务；长于抽象思维，喜欢依靠“推理”解决问题，还表现出持久力差，易于疲劳的特点。
频率的个体差异很小，波幅的个体差异较大。
正常脑波与年龄大小有密切关系，年龄越小，快波越少，而慢波越多，且伴有基线不稳；年龄越大，则快波越多，而慢波越少。
但是，在50岁以后，慢波又继续回升，且伴有不同程度的基本频率慢波化。
脑波更受到意识活动、情绪表现以及思维能力等精神因素的影响。
(1)年龄和个体差异脑电图作为客观反映大脑机能状态的一个重要方面，和年龄的关系非常密切。
如在小儿，脑电图可以观察到随年龄增加的脑波发展变化。
年龄阶段不同，脑波可显示明显的差异。
另一方面，由于小儿时期脑兴奋抑制机制发育水平的年龄差异，因而对内、外界各种因素影响的反应较成人显著，容易出现明显的脑波异常，而且异常的范围也较广泛，但相应的消失也较成人快。
在小儿时期异常脑波的出现也与年龄有关。
脑电波频谱特点与认知状态关联性分析
脑电波频谱特点与认知状态关联性分析简介：脑电波频谱特点与认知状态之间的关联性一直是神经科学领域的研究热点之一。
通过分析脑电波在不同频段上的振幅和频率变化，可以揭示出人的认知状态，如注意力、记忆和意识等。
本文将通过综述之前的研究成果，探讨脑电波频谱特点与认知状态之间的关联性，并进一步探讨其在临床疾病诊断和治疗上的应用。
一、脑电波频谱特点1. 脑电信号来源脑电信号是通过电极在头皮上采集到的，反映了脑神经元的电活动。
脑电信号可以分为不同频段，包括δ波（0.5-4Hz）、θ波（4-8Hz）、α波（8-13Hz）、β波（13-30Hz）和γ波（30-100Hz）等。
2. 脑电波频谱特点不同频段的脑电波在人的不同认知状态下表现出不同的特点。
一般来说，低频段（如δ波和θ波）与放松、入睡等状态有关，而高频段（如β波和γ波）与工作记忆、注意力等高级认知功能有关。
二、脑电波频谱特点与认知状态的关联性1. 注意力和脑电波频谱注意力是认知控制的核心内容之一，它涉及到大脑的上皮运动和皮质调节，与许多认知功能密切相关。
研究发现，注意力集中时，α波的振幅会降低，而β波的振幅会增加。
这一现象被称为“α阻尼”和“β激活”，与注意力的提高密切相关。
2. 工作记忆和脑电波频谱工作记忆是人类对信息进行暂时存储和处理的能力，与学习和思维过程密切相关。
研究表明，工作记忆的负载水平与θ波和α波的振幅增加有关。
特别是在记忆的保持和检索阶段，这种关联性更为显著。
3. 睡眠和脑电波频谱睡眠是人类生理活动的重要组成部分，与身体休息和大脑修复密切相关。
通常，在入睡和深度睡眠阶段，δ波的振幅会增加，而α波和β波的振幅会降低。
因此，脑电波频谱特点可以用来判断睡眠质量和睡眠障碍。
4. 认知障碍和脑电波频谱脑电波频谱特点与认知障碍（如阿尔茨海默病和帕金森病等）之间存在一定的关联性。
研究表明，患有阿尔茨海默病的人群在β波和γ波频段上显示出异常的脑电波活动，这可能与其注意力和记忆功能的损害有关。
脑电的测量与分析汇总.
特异性诱发电位的检查，通 常我们把特异性诱发电位简 称为诱发电位(evoked potential，EP)。
目前临床上常用的诱发电位
模式翻转视觉诱发电位(pattern
evoked potential，BAEP)
reversal visual evoked potential，PR-VEP),
单极导联法是将活动电极置于头皮上，并通过导联选 择开关接至前置放大器的一个输人端(G1)；无关电极 置于耳垂，并通过导联选择开关按至前置放大器的另 一个输入端(G2)。 无关电极一般选两侧耳垂，它与活 动电极有多种配对方式： 1．一侧耳垂无关电极对应同侧头皮 活动电极。 2．一侧耳垂无关电极与另一侧头皮 活动电极相对应。 3 ．左右两侧耳垂的电极连接在一起 作为无关电极使用(也可接地)，再与 各活动电极(每次只能取一种)配对． G1 G2
A一般双极导联法，
B 联结式双极导联法， C 三角导联法。
返回
利用脑电图确定位病灶和诊断病情，并 非只由一对电极来实现，而是要用多对 电极(多个导联)，根据不同的情况和要 求，连接成不同的方式，记录多个波形， 分析这多个波形的基本特征和相互联系 才能完成病灶定位和疾病诊断。这就要 求脑电图机有多个放大器，同步记录8、 16或32导波形。
双极导联法
双极导联法不使用无关电极，只使用头皮上 的两个活动电极。 优点：记录下来的是两个电极部位脑电变化 的差值，可以大大减小干扰，并可排除无关 电极引起的误差。 缺点：如果双极导联的两个活动电极间距离 在3cm以内，来自较大范围(距离大于3cm)的 脑电位被两个活动电极同时记录下来，结果 电位差值互相抵消，记录的波幅较低，所以 两电极的距离应在3-6cm以上。
脑电图信号分析技术及其在认知科学中的应用
脑电图信号分析技术及其在认知科学中的应用脑电图（Electroencephalography，EEG）是一种用来检测脑电活动的技术，通过头部放置电极来记录大脑皮层神经元放电的电位变化。
这些电位变化可以提供有关特定时间和空间下的大脑活动模式的信息。
随着医学技术的发展，脑电图信号被广泛用于医学和科学研究，其中认知科学是一个重要应用领域。
1.脑电图信号的基本特征脑电图信号具有很高的时间分辨率（毫秒级别），因此可以更准确地刻画神经元在某些任务下的动态活动。
但是，脑电图信号同时也存在一些独特的局限性。
例如，它反映的是皮层电活动的整体趋势，而无法直接区分不同神经元或区域的个体属性；同时由于传递路径的不同，活动在不同区域的信号的传递速度也不同，因此脑电图信号难以捕捉不同区域之间的精细相互作用等。
2. 脑电图信号在认知科学中的应用脑电图信号可以应用于一系列问题，如神经元之间的同步、信号传递、脑部节奏变化和神经细胞放电等。
因此，脑电图信号成为了认知科学一个非常有用的研究工具。
例如，一些现代的注意力障碍和情绪障碍治疗工具使用EEG信号测量方法来分析大脑活动模式和节奏等，以帮助调节大脑活动的节奏变化和减轻症状。
3. 脑电图信号分析技术脑电图信号分析技术是基于信号处理技术开发的有效的工具。
在时域分析中，主要涉及事件相关电位、脑电节律和连续的脑电节奏分析，特别是出现在大脑某些区域的同步活动；在频域分析中，分析睡眠中差异表示、贡献度谱分析、相干性与互信息方面则非常重要。
各种分析技术的组合可帮助研究人员从脑电图信号中获取更多的信息，并更好地了解大脑活动的动态变化。
4. 认知科学的案例研究许多认知科学研究者使用EEG技术来观察认知过程。
例如，研究者们通过观察莱蒙德时钟测试被试的脑电图信号，研究认知能力与时间感觉之间的关系；通过控制视觉注意和多任务处理条件下的脑电图信号，研究者可以更好地了解目视认知如何影响人的反应时间和注意力分配情况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
浙 江 大 学 学 报（理学版） Journal of Zhejiang University（Science Edition）
http ：／／www ．journals ．zju ．edu ．cn／sci
V ol ．３４ N o ．１ Jan ． ２００７
近几年 ，许多专家学者把物理的概念和方法应 用于复杂生物系统 ，金融系统 ，气象等领域 ，可以达 到事半功倍的效果 ．本文是运用统计物理学的方法
和概念来分析人脑的脑电波数据的统计特性 ．脑电 波是取自人脑头皮的毫伏级电信号 ．脑电波是人体 神经元间相互作用的体现 ．就其频率特性而言脑电 波反映的是大脑皮层连续的节律性的电位变化 ，若 从其振幅特点来讲是一组非线性非周期性的复杂时 间序列 ．人脑脑电波是一种复杂的生物系统 ，它引起 了不同领域的物理学家和生物学家的关注 ．
可以很好地证明一个序列是否在时间上关联 ．如果
一个时间序列无关或者短程相关 ，A（ t） 指数下降为
零 ；如果时间序列在时间上长程相关 ，A（ t） 将幂次
衰减 ，
A（ t） ∝ t－ β ．
（２）
对于某一通道所有病人的自关联函数结果 ，分
别进行归一化处理后求取平均 ，然后对得到的总的
自关联函数曲线图进行双对数坐标处理 ；对此特定
通道所有正常人的自关联函数结果进行同样处理 ．
图 １ 表示的是睁眼状态下正常人和老年痴呆症患者
的奇数通道的自关联函数计算结果 ，偶数通道的结
果类似 ．从图中可以看出老年痴呆症患者曲线呈现
相当好的幂次行为 ，而且测得自关联函数指数 β 在 ０畅 ５ 到 １畅 ０ 之间 ；正常人尽管波动较大 ，但自关联函
脑电波的统计特性
袁蒋伟１ ， 吴伊自２ ， 沈 杰１ （１ ．浙江大学 物理系 ，浙江 杭州 ３１００２７ ；２ ．浙江大学 竺可桢学院 ，浙江 杭州 ３１００２７）
摘 要 ：通过自关联函数和 DFA 等方法来分析正常人和老年痴呆症患者的 EEG 脑电波数据 ，得出了脑电波数据 信号在时间上具有长程关联性 ，发现老年痴呆症患者和正常人的脑电波的一些差异 ．
老年痴呆症（ AD）是一种脑神经退行性疾病 ，患 者部分脑组织（如海马和大脑皮质）停止工作 ，尤其 是胆 碱 能 神 经 元 通 道 损 害［３］ ，由 此 引 起 记 忆 、判 断 力 、推理以及情绪稳定性的破坏 ．因此 ，老年痴呆症 （ AD） 是一种危害性 大的脑神经 疾病 ，给人们尤其 是老年人的生活质量造成很大的威胁 ．随着生活水 平的提高 ，人口组成老龄化趋势的加重 ，老年痴呆症 的研究显得更加重要 ．专家估计 ，到 ２０２５ 年 ，世界上 将有 ２２００ 万人受这种疾病的折磨［３］ ．老年痴呆症的 诊断目前来讲还是比较困难的 ，它的确诊一般要以
值 ．做出 y（ k） ～ k 图 ，如图 ３ 所示 ．在总时间区间 T
中以长度 t 为单位分成若干区间 ，在每个区间根据
最小二乘法原理拟合曲线 ，求出每个子区间的拟和
直线 ，记为 yt （ k） ，对于指定的单位∑ １
T
k＝ １
［ y（ k）
－
yt （ k）］２
．
（４）
在双对数坐标中 log（ F（ t）） ～ log（ t） 图中分析
1 ．2 DFA 方法 自关联函数计算结果给出正常人和老年痴呆症
患者的 一 些 差 别 ，但 波 动 较 大 ．所 以 作 者 引 进 了
DF A 方法［４ ～ ７］ ，这是一种研究涨落的方法 ，
k
∑ y（ k） ＝
［ Bi － Bave ］ ，
（３）
i＝ １
其 中 Bi 为第 i 个数据点 ，Bave 为数据点 １ ～ T 的平均
收 稿 日 期 ：２００５‐０７‐０４ ． 作 者 简 介 ：袁 蒋 伟（１９８０ － ） ，女 ，硕 士 研 究 生 ，主 要 从 事 生 物 物 理 研 究 ．
４４
浙 江 大 学 学 报（理学版）
第 ３４ 卷
脑切片尸检结果为判断依据 ．因此分析老年痴呆症 患者与正常人脑电波的特征差别 ，有望成为老年痴 呆症临床诊断的一种辅助工具 ，是一项有意义的值 得深入进行下去的工作 ．
图 ３ DFA 方法计算示意图 Fig ．３ DFA algorithm
Fig ．２ Auto‐correlation functions of the T３ and T４ channels of both healthy individuals and AD patients ，and with both open and closed eyes
Solid lines are of healt hy individuals and square lines are of A D patients ． For comparison ， curves have been shifted suitably along y axis
Fig ．１ Auto‐correlation functions for the EEG with
open eyes in log‐log scale
Solid lines are of healthy individuals and square lines are of A D
patients ． From above ， the curves are for the channel O１ ， P３ ， C３ ， T ３ and F３ respectively ． For comparison ， curves have been shifted suitably along y axis
Key words ： EEG ；auto‐correlation ； DFA ； long‐range correlation
0 引 言
对于自然界多粒子组成的关联复杂系统 ，应用 统计物理概念和方法往往能找出其中具有普适意义 的运动规律 ．平衡态和非平衡态的标度行为第一次 是在带有二级相变的统计系统中被发现的 ，它代表 了一种物理系统的动力学相似性 ，这种现象的特征 是普适性 ．普适性可以由临界指数和标度函数来描 述 ．标度行为的物理根源是时间序列的长程时空关 联 ．在多粒子的复杂系统中 ，粒子间的相互作用会导 致长程时空关联 ，称这样的系统为无标度系统 ．幂次 行为是标度行为的特征表现 ．我们可以从幂次行为 中测得相关指数从而抓住现象的物理本质［１ ，２］ ．
本实验对象由睁眼状态下 ２０ 个正常人和 １５ 个 老年痴呆症患者以及闭眼状态下 １９ 个正常人和 ２０ 个老年痴呆症患者组成 ．采样频率 ２５０ H z ；每次记 录时间约 １３０ s ．选取实验对象 １０ 个通道（ F３ 通道 ， F４ 通道 ，T３ 通道 ，T４ 通道 ，C３ 通道 ，C４ 通道 ，P３ 通 道 ，P４ 通 道 ，O１ 通 道 ，O２ 通 道 ，不 同 的 通 道 指 的 是 采用国际标准 １０／２０ 系统分别从人头皮上的不同位 置放置电极记录）脑电波数据进行初步处理 ．本文通 过自关联函数和 DFA 方法分析来揭示脑电波序列 在时间上具有长程相关性 ，而且发现了老年痴呆症 患者跟正常人的脑电波的某些差异 ．
关 键 词 ：脑电波数据 ；自关联函数 ； DFA ；长程关联 中图分类号 ：O４１１ 文献标识码 ：A 文章编号 ：１００８ － ９４９７（２００７）０１ － ０４３ － ０３
YU AN Jiang‐wei１ ， WU Yi‐zi２ ， SHEN Jie１ （１ ． Department o f Physics ， Zhe j iang University ， H ang zhou ３１００２７ ， China ；２ ． Z H U K e‐zhen Honors College ， Zhe j iang University ， H ang zhou ３１００２７ ， China ．） Statistical properties of human brain electroencephalogram ．Journal of Zhejiang University（Science Edition） ，２００７ ，３４ （１） ：４３ ～ ４５ Abstract ： Many activities in the past years have been devoted to the application of physical concepts and methods to complex biological ， meteorological and economic systems ． Due to interactions among elements in the complex sys‐ tems ， long‐range spatial and／or temporal correlations are often generated ． The purpose of this paper is to study the statistical properties of the human brain electroencephalogram with concepts and methods of statistical physics ． Through calculating auto‐correlation function and DFA ， the long‐range temporal correlation is revealed ． Certain effects of the Alzheimer＇s disease are observed ．
（１）
＜ … … ＞ 是对时间序列 t′ 上平均 ．t 指的是不
同 的 时 间 间 隔 长 短 ， 自 关 联 函 数 A（ t） 即 ＜
| dY（ t′） ‖ dY（ t′ ＋ t） | ＞ － ＜ | dY（ t′） | ＞ ２ 的差随 t