功率谱密度（PSD）是一种能够分离脑电图（EEG）信号的工具，它可以告诉你每种速度（或频率）对整体记录贡献了多少能量。一旦你学会了阅读功率谱密度图，你就像是在阅读大脑的节奏谱，这张图表能够展示哪些节奏占主导地位，哪些节奏则退居幕后。
什么是脑电图（EEG）中的功率谱密度？
可以将原始 EEG 轨迹想象成由管弦乐队演奏的和弦，其中每种乐器代表不同频率的脑电波。仅凭耳朵，你无法分辨出每种乐器的贡献有多大。
PSD 通过计算每个频率处信号幅度的平方，并在一段记录时间内取该测量值的平均值来解决这个问题。其结果是一条以频率为一个轴、功率为另一个轴的曲线，精确展示了大脑的电活动是如何分布在慢节奏和快节奏之中的。
PSD 将整个记录时间段压缩为一条曲线，因此它反映的是该时间窗口内频率的总体平衡，而不是追踪这种混合成分每秒钟的变化。这一点至关重要，因为一个人的大脑状态可能会迅速变化，但标准的 PSD 图会将这些变化平均化。
对比医疗级设备和消费级 EEG headset的研究人员采用了一种用于此平均过程的特定计算方法，称为韦尔奇修正周期图法（Welch's modified periodogram），它将记录信号分成重叠的片段并对它们的谱图进行平均，从而生成更清晰、噪声更少的 PSD 估计值。
这种信号处理步骤是生成能够反映潜在脑活动而非随机波动的 PSD 曲线的标准做法。
逐步计算功率谱密度
计算 PSD 通常涉及一系列信号质量和信号处理决策，而不仅仅是一个命令。首先检查记录是否存在缺失数据、不适合的通道和显著的伪影。然后，分析人员选择数据段，在适当的时候消除或建模缓慢趋势，应用窗函数，将数据转换到频域，并缩放结果。
生成的频谱应与原始时间序列以及动作、电极脱落、眼球运动、肌肉活动或实验事件的相关标记（如果存在）一起进行检查。这种对比有助于区分真实的节律模式与恰好产生频谱功率的瞬态干扰。
一个实用的工作流程可以组织为以下几个阶段：
核验采样率、通道标签、参考电极和记录时长。
识别可用时程（epoch），并处理伪影或剔除片段。
选择片段长度、重叠度、窗函数和频率范围。
估计并缩放 PSD，然后检查峰值和频带限定功率（band-limited power）。
记录参数，以便结果可以重现和比较。
这些步骤使计算过程具有可追溯性。它们还可以防止在评估视觉上看起来不错的频谱时，忽略了产生该频谱的预处理和估计选择。
常用方法：周期图法和韦尔奇法
周期图法计算选定片段的傅里叶变换幅度的平方。它简单直接，在片段较长时可以提供精细的名义频率间隔，但其估计值在不同频率箱（frequency bin）之间可能会产生大幅波动。这种可变性在噪声较大的生物记录中尤为明显。
韦尔奇法则将信号划分为重叠的片段，对每个片段加窗，分别计算周期图，并对结果求平均值。平均处理通常会产生更平滑、方差更低的估计值，而较短的片段可能会降低频率分辨率。最佳平衡取决于分析侧重于窄峰、宽频带还是稳定的平均活动。
这种差异不仅仅是外观上的。更平滑的频谱可以使大体模式更容易比较，但过度平均可能会掩盖短暂或局部狭窄的变化。对于随时间变化的 EEG，时频分析方法可能比整个记录的单一 PSD 更合适。
健康静息态 EEG 频谱的特征
如果你让一个健康的成年人坐下，让他们放松，并记录他们的 EEG，生成的 PSD 曲线会呈现出一种可识别的形状。功率在最低频率处最高，并随着频率的增加稳步下降，产生类似 1/f 的下降趋势。
这种下降曲线反映了上述的非周期性成分，其陡峭程度由一个称为频谱指数（有时写作 β）的单一数值表示。更陡峭的下降意味着更大的负指数；较平缓的下降则意味着功率在各频率间的分布更为均匀。
在这种背景下降的基础上，闭眼静息的大脑通常会在 8 到 12 Hz 附近产生一个明显的隆起，即 alpha 峰。这个凸起通常在后脑勺处最强。让同一个人睁开眼睛，该 alpha 峰就会明显缩小。
Ratti 等人对医疗级 EEG 系统和消费级头带进行的直接比较研究记录了完全相同的模式：在所有测试的系统中，数据中最大的节律性特征是枕叶 alpha 节律，它对闭眼与睁眼状态呈现出可预测的反应。
该对比研究还提出了一个更实际的问题：如果对同一个人在两次独立测试中进行两次记录，PSD 曲线看起来会一样吗？
答案在很大程度上取决于设备质量。医疗级系统生成的 Fp1 电极 PSD（Fp1 位于前额，是所有四个受试系统通用的一个电极）在两次测试之间保持一致，而消费级系统在测试与重测之间表现出最高的相对变化。这告诉我们，平稳规律的 PSD 曲线不仅是大脑的特性，也是信号采集精确程度的体现。
麻醉如何改变大脑的频谱特征
当大脑状态发生巨大改变时，静态 PSD 会变得特别具有参考价值，麻醉就是最直接的例子。Colombo 等人于 2019 年开展的一项研究记录了健康志愿者在使用三种不同药物（氙气、丙泊酚和氯胺酮）麻醉前和麻醉期间的静息态 EEG。
在每次测试之后，研究人员会询问受试者在失去反应期间是否留有意识体验的记忆，从而区分出有意识体验报告的状态与意识似乎缺失或无法回忆的状态。
频谱指数紧密契合了这一区别。氙气和丙泊酚这两种与意识体验丧失相关的药物，导致每个受试者体内的负频谱指数大幅下降，这意味着 PSD 曲线变得明显更陡峭。在 1 到 40 Hz 的较宽范围内，这种陡峭化似乎指示了意识体验的缺乏，而不仅仅是无反应状态。
氯胺酮的情况则有所不同。尽管受试者在氯胺酮作用下在行为上没有反应，但他们通常保留了一些意识体验，其总体 PSD 衰减趋势看起来与正常清醒状态相似。唯一的例外是曲线在 20 到 40 Hz 范围内特异性变平，这一细节与氯胺酮相较于其他两种药物独特的作用机制相符。
也许最令人信服的证据是该频谱指数与另一个独立推导的指标——扰动复杂度指数（PCI）之间的相关性。PCI 是通过另一种刺激大脑并测量所产生反应复杂程度的技术生成的。这两种截然不同的测量方法之间的高度相关性印证了这一观点，即频谱指数并不是一种巧合的模式，而是与意识本身的存在相关的真实标志物。
ADHD 如何改变 EEG 功率谱
在麻醉下发生改变的同种非周期性下降，在患有 ADHD 的儿童中也表现出差异。一项针对 3 至 7 岁儿童的研究对比了患有 ADHD 的儿童与正常发育的同龄人，测量了频谱斜率和偏移量（非周期性曲线的高度），以及传统指标如 alpha 峰值频率和频带功率比。
与正常发育的儿童相比，未经药物治疗的 ADHD 儿童表现出更高的 alpha 功率、更大的非周期性偏移以及更陡峭的频谱斜率。这种变陡的模式值得深思，因为它呼应了麻醉研究中所见的变化方向，尽管这两种情况在严重程度或机制上显然不可同日而语。
频谱斜率还与 ADHD 研究中多年来使用的传统 theta/beta 比率相关，表明斜率在捕捉重叠信息的同时，可能提供了一个更清晰、更全面的标志物。
另一个细节更为这一发现增添了说服力。曾接受过兴奋剂药物治疗的 ADHD 儿童，即使经过了药物活性作用本应消退的 24 小时洗脱期，其斜率和偏移量也与正常发育组相当。
这提出了一个可能性，即 ADHD 中改变的频谱模式并非一成不变，尽管该研究仅将其视为一种线索而非确认的治疗效果。由于以往的研究也将频谱斜率与执行功能以及大脑兴奋与抑制活动之间的平衡联系起来，作者提出，改变的斜率可能反映了潜在病症中具有重要意义的特征，而不是 theta/beta 比率计算过程中的统计假象。
组别 | 频谱斜率 | Alpha 功率 | 偏移量 |
|---|---|---|---|
正常发育组 | 正常斜率 | 正常功率 | 正常偏移量 |
ADHD，未用药组 | 较陡斜率 | 较高功率 | 较大偏移量 |
ADHD，兴奋剂治疗组 | 与正常发育组类似 | 未报告 | 与正常发育组类似 |
使用功率谱密度对癫痫发作进行分类
意识和注意力并不是静态 PSD 发挥作用的仅有领域。癫痫分类提供了一个更加自动化、偏重计算的范例。
有一种方法将癫痫 EEG 记录转换为研究人员所称的功率谱密度能量图（本质上是 PSD 的视觉表征），然后将这些图像输入深度卷积神经网络，这种机器学习模型非常适合识别类图像数据中的模式。
该模型经过训练，可将 EEG 片段分为四类：
发作间期（两次发作之间）
两个不同的发作前期窗口（发作前 30 分钟和 10 分钟）
发作期状态本身
使用公开的癫痫数据集，该方法在所有四个类别中的平均分类准确率达到了 90% 以上。结果证实，静态 PSD 的整体形状包含了足够的特征信息，算法无需追踪信号的每时每刻变化，即可可靠地区分这些具有临床重要性的大脑状态。
功率谱密度的研究应用
功率谱密度曲线的形状已被用于研究从认知衰退到专注冥想等广泛的大脑状态。以下研究使用了 Emotiv 技术来捕获这些频谱特征。
利用静息态 PSD 区分认知衰退
一项关于静息态 EEG 的研究探讨了功率谱密度是否可以区分健康个体与认知障碍患者。研究人员使用 14 通道的 Emotiv Epoc X headset，分析了健康对照组、轻度认知障碍（MCI）患者和痴呆症患者在两分钟闭眼静息状态下的 PSD。
作者报告称，EEG 有效区分了痴呆症患者和健康对照组，但在 MCI 组和健康组之间未显示出显著差异。正如该认知障碍研究所指出的，这表明虽然静态 PSD 在识别晚期认知衰退方面前景广阔，但在早期检测中仍面临挑战。
对比用于 PSD 测量的湿电极与干电极
用于采集 EEG 的电极类型会影响所得的功率谱密度。一项研究使用两种 Emotiv 设备直接对比了从湿电极和干电极获得的 PSD：Epoc X（湿）和 Insight（干）。在音频刺激任务前后，分别从颞叶和前额电极采集记录。
该电极类型对比发现，刺激后 PSD 的下降百分比在湿电极中高于干电极，这为研究人员设计基于 PSD 的实验方案提供了实际参考。
念诵曼陀罗期间的 PSD 变化
功率谱密度也被用于研究冥想练习过程中的大脑活动。一项针对经验丰富的修行者的研究，通过 Emotiv Flex 32 通道设备记录了念诵“OM”曼陀罗对 EEG 的影响。
作者使用韦尔奇法计算了 PSD，发现在念诵期间多个频段的功率均显著增加，包括 alpha、gamma、beta 和 delta。这项关于曼陀罗念诵的研究指出，这些 PSD 变化表明修行者在练习过程中进入了更深层次的放松和专注状态。
咖啡因对 EEG 功率谱的影响
一项使用 Emotiv Flex 系统的先导研究捕捉到了一种常见兴奋剂对大脑频谱特征的影响。研究人员在参与者摄入适量咖啡因之前和之后记录了中央区电极的 EEG。功率谱密度分析显示，绝对 alpha 功率抑制和 beta 功率增强显著增加。
这项关于咖啡因的先导研究的作者报告称，这些被证实为真实振荡转变的 PSD 变化表明皮层唤醒度增加，并且可以通过可穿戴传感器检测到。
总的来说，这些研究表明功率谱密度是一种功能多样化的工具，可用于捕获与认知、唤醒和集中注意力相关的大脑活动变化。尽管这些发现指出了在不同状态下存在一致的频谱模式，但它们来自特定的、通常规模较小的样本群体和受控条件。这些研究并未证明仅凭 PSD 就能诊断任何疾病或预测个体的状态，但它们确实表明该测量方法对一系列有意义的神经变化十分敏感。
解释 PSD 时的常见误区
PSD 曲线的可靠性取决于其来源记录的质量，若干实际问题可能会使曲线形状失真，而这些失真与潜在的大脑功能毫无关系。
伪影是最直接的问题。眨眼和肌肉运动会产生其自身的电信号，这些信号会被头皮电极捕获，特别是在前额部位。
消费级与医疗级 EEG 系统的对比发现，消费级设备更容易受到这种污染，特别是其中一款消费级头带在整个频谱范围内显示出宽带功率增加，这种特征与肌肉和眨眼伪影一致，而非真实的神经节律。因此，在计算 PSD 之前仔细清洗数据并挑选伪影较少的片段是必要步骤，而非可选项。
容积传导也是 EEG 研究中广泛讨论的另一个局限性。通常因为电场在到达头皮之前会穿过脑组织和颅骨扩散，大脑中的单一活动源可能会同时记录在附近的多个电极上，从而模糊了任意给定 PSD 读数的空间精度。
参考电极的选择也存在类似的情况。EEG 本质上是一种差分测量，这意味着每个电极的信号都是相对于某个参考点计算的，无论该参考点是所有电极的平均值、耳后的乳突骨，还是像 Cz 这样的中央头皮位置。改变该参考点会重新分配各通道的功率，并改变 PSD 曲线的绝对形状。
因此，在比较不同论文或数据集的 PSD 结果时，了解使用的是哪种参考方式通常是一项标准检查内容。
最后是测试-重测信度。即使受试者和设备保持不变，在不同测试期间进行的重复记录也会在 PSD 曲线中表现出一定程度的自然差异。
医疗级系统在两次测试中产生的 Fp1 PSD 更为一致，而被测的消费级系统表现出的相对变化最大。这是一个切实提醒：不要过度解读单一受试者身上观察到的细微 PSD 差异，尤其是在记录设备或实验流程未受到严格控制的情况下。
计算功率谱密度的工具和软件
PSD 可以使用科学编程库、专用 EEG 分析软件包或通用信号处理软件进行计算。基本要求是能够访问采样数据，并对采样率、分段、加窗、去趋势、重叠、缩放和频率限制进行透明控制。仅凭图形输出不足以证明估计值是如何生成的。
可复现的实现方式会在保存频谱的同时记录预处理和估计参数。它还会保留通道参考、单位、剔除的时程以及计算前应用的任何转换。当结果用于组间比较或跨记录会话合并时，这些细节尤为重要。
当工作流程同时生成数值数组和诊断图时，结果会更容易审核。有用的检查包括原始波形、标记伪影的区间、选定的频率范围以及不同合理分段选择下的估计值比较。这些检查并不能使解释全自动化，但它们使隐藏的假设更容易被察觉。
结语
功率谱密度图充当了大脑的节奏谱，其背景衰减的陡峭程度在截然不同的心理状态下表现出显著的一致标志。
无论是人在特定麻醉剂下失去知觉、儿童表现出与 ADHD 相关的注意力困难，还是癫痫发作开始，这种整体形状都会以可预测的方式发生转变，通过共同的可测量特征将这些情况联系在一起。这种模式表明，大脑的静息电学轮廓蕴含着关于其功能状态的有意义的交叉线索，而不仅仅是特定频率下的孤立峰值。
虽然 PSD 仅提供记录窗口内的静态平均值，但它可靠区分清醒与无意识时段、或让算法高精度识别癫痫发作的能力，证明了其在神经科学中的实用价值。这些相关性并不能证明导致这些状态的根因，但它们提供了一个直观的、单一数值的总结——曲线斜率——有助于评估意识、注意力差异或癫痫发作风险。
对于研究人员和临床医生而言，这一简便的测量方法为探索大脑动力学提供了强有力的切入点，在抽象的节律与现实世界的差异之间架起了一座桥梁。
参考文献
Ratti, E., Waninger, S., Berka, C., Ruffini, G., & Verma, A. (2017). Comparison of Medical and Consumer Wireless EEG Systems for Use in Clinical Trials. Frontiers in human neuroscience, 11, 398. https://doi.org/10.3389/fnhum.2017.00398
Colombo, M. A., Napolitani, M., Boly, M., Gosseries, O., Casarotto, S., Rosanova, M., ... & Sarasso, S. (2019). The spectral exponent of the resting EEG indexes the presence of consciousness during unresponsiveness induced by propofol, xenon, and ketamine. NeuroImage, 189, 631-644. https://doi.org/10.1016/j.neuroimage.2019.01.024
Robertson, M. M., Furlong, S., Voytek, B., Donoghue, T., Boettiger, C. A., & Sheridan, M. A. (2019). EEG power spectral slope differs by ADHD status and stimulant medication exposure in early childhood. Journal of neurophysiology, 122(6), 2427-2437. https://doi.org/10.1152/jn.00388.2019
Gao, Y., Gao, B., Chen, Q., Liu, J., & Zhang, Y. (2020). Deep convolutional neural network-based epileptic electroencephalogram (EEG) signal classification. Front. Neurol. 11, 375 (2020). https://doi.org/10.3389/fneur.2020.00375
常见问题
什么是 EEG 中的功率谱密度（PSD）？
PSD 是一种计算 EEG 信号在各个频率下幅度的平方并在一记录期内取平均值的方法。生成的曲线展示了能量在快慢脑节律中的分布情况，从而分离出复杂的原始轨迹成分。
健康的静息态 PSD 曲线看起来是怎样的？
功率在低频处最高，并随频率稳步下降，形成类似 1/f 的背景。闭眼时，后脑勺区域通常会出现 8-12 Hz 附近的明显 alpha 峰，睁眼时该峰值会减小。
非周期性成分与振荡峰值有何区别？
非周期性（或类似 1/f 的）成分是功率随频率增加而平滑下降的部分，不形成明显的突起。振荡峰值（例如 alpha 节律）则在特定频率下高出这一背景，承载着有关大脑功能的不同信息。
麻醉如何改变大脑的频谱特征？
像氙气和丙泊酚这类导致意识体验丧失的药物，会导致 PSD 曲线在 1–40 Hz 范围内变陡。而氯胺酮在受试者无反应的情况下仍保留了意识体验，其曲线除了在 20–40 Hz 范围内出现变平外，与清醒状态相似。
在患有 ADHD 的儿童中发现了哪些 PSD 差异？
与正常发育的同龄人相比，ADHD 儿童表现出更高的 alpha 功率、更大的非周期性偏移和更陡的频谱斜率。在接受兴奋剂治疗后，即使在药物洗脱期之后，斜率和偏移量也可能与正常发育组相似。
PSD 如何对癫痫发作状态进行分类？
静态 PSD 曲线可以转换为图像并输入深度神经网络，以区分发作间期、发作前期和发作期状态。这种方法在至少一项研究中实现了较高的分类准确率，证实了整体频谱形状携带了充分的区分性信息。
为什么 PSD 被视为静态快照？
PSD 将整个记录周期压缩成一条曲线，平均掉了每秒的变化。它揭示了该时间窗口内的总体频率平衡，而不是追踪成分混合随时间的变化情况。
解释 PSD 时的常见误区有哪些？
肌肉和眼部伪影可能会污染信号并使曲线失真，这在消费级设备中尤为常见。容积传导和参考电极的选择也会影响 PSD 的形状；此外，即使使用稳定的设备，自然的测试-重测变异性也意味着微小的差异可能并不具备临床或实际意义。
PSD 与幅度谱之间有什么区别？
PSD 表示每个频率的幅度平方，适用于计算功率；而幅度谱表示频率分量的大小，使用不同的单位。
更大的 PSD 峰值是否总是意味着更强的大脑活动？
不一定。较大的峰值除了反映生理活动外，还可能反映伪影、参考电极效应、记录条件或分析参数的影响。
Emotiv 是一家神经技术领域的领导者，致力于通过易于获取的 EEG 和脑数据工具推动神经科学研究发展。
医疗免责声明：本网站提供的信息仅用于教育和信息参考目的，不作为医疗或健康建议。这些内容可能包含错误，不应作为做出改变生活的健康、医疗或生活方式选择的依据。如果您对医疗状况或治疗有任何疑问，请始终咨询您的医生或其他合格的健康服务提供者。
克里斯蒂安·布尔戈斯
