EEG/ECG/PPG/EDA/EMG 的测量原理、指标与误区
核心内容:本文围绕“EEG/ECG/PPG/EDA/EMG 的测量原理、指标与误区”展开,属于中科心研科研动态中的科研原理类内容,以公开文献与实验方法为依据整理,供人因工程与心理学领域科研参考。文中观点以引用的公开发表研究为准,相关设备与方法仅用于科研测量与教学,不用于诊断、治疗或筛查。
EEG/ECG/PPG/EDA/EMG 的测量原理、指标与误区
在心理学、神经科学、人因工程以及相关生物医学研究中,我们经常会接触到一些常见的神经生理与生理信号:EEG、ECG、PPG、EDA 和 EMG。
它们都可以用来记录人体状态,但记录的对象并不相同:
- EEG —— 记录脑电活动
- ECG —— 记录心脏的电活动
- PPG —— 记录由血液容积变化产生的光学脉搏信号
- EDA —— 记录皮肤电活动
- EMG —— 记录肌肉电活动
对于第一次接触这些信号的研究者来说,真正需要搞清楚的其实不是这些缩写分别代表什么,而是:
它们究竟记录了什么?
原始数据是什么样的?
我们通常从中提取哪些指标?
这些指标能够帮助我们研究什么?
又有哪些地方容易被误读?
这篇文章就从这几个问题出发,逐一介绍这五种常见信号。
五种信号
| EEG | |||
| ECG | |||
| PPG | |||
| EDA | |||
| EMG |
需要注意的是,这里的"记录"与"解释"是两件事情。
仪器首先记录的是电位、光强、皮肤电导等物理信号;研究者再通过信号处理,从这些原始信号中提取特征,进一步联系到心率、脑电频带、皮电反应、肌肉激活等生理指标,最终结合实验任务和行为结果进行解释。
生理信号首先告诉我们"发生了什么样的生理变化",而不是直接告诉我们"这个人正在经历什么心理状态"。
理解这一点,是阅读和使用这些数据的第一步。
01 EEG
EEG ,即 electroencephalography(脑电图),是通过放置在头皮表面的电极记录头皮电位随时间变化的信号。
这些电位变化与大脑神经元群体产生的电活动有关。尤其是在大量神经元的突触后电活动具有一定同步性时,这些电活动产生的电场可以传播到头皮,并被电极记录下来。因此,EEG 本质上是一种非侵入式记录脑电动态变化的方法。EEG 的重要特点之一,是时间分辨率较高,可以在毫秒尺度上观察脑活动随时间发生的变化。
原始 EEG 数据是什么样的?
原始的 EEG 数据,可以理解成一条随时间连续变化的电位曲线。
通常:
横轴是时间 纵轴是电位/电压 多通道 EEG 会同时记录多个电极位置的信号
因此,如果有 64 个电极,就可以得到 64 条同时随时间变化的信号。
不过,研究者通常不会仅仅盯着这条原始波形本身。实际分析中,还需要进行滤波、去伪迹、分段等预处理,再从信号中提取更容易量化和比较的特征。
从 EEG 原始信号中,可以得到什么?
一个最常见的思路,是观察 EEG 在不同频率上的组成。
我们日常看到的 EEG 波形看起来像一条不断上下波动的曲线,但这种波动其实可以进一步分解为不同频率的成分。例如:
δ(delta)、θ(theta)、α(alpha)、β(beta)以及更高频的 γ(gamma) 等。
研究中经常会计算某一个频率范围内的功率(power)。
可以把它简单理解为:
某个频率范围内,信号波动强度的一个量化描述。
例如,研究者可能比较任务条件下 alpha 频段功率是否发生变化,而不是直接比较两段复杂的原始波形。
另一类常见指标是 ERP(event-related potential,事件相关电位)。
如果实验中有一个明确的刺激或事件,例如呈现一个图片、声音或单词,那么研究者可以把 EEG 数据按照这个事件对齐,再将多次试次进行平均,从而观察刺激发生后不同时间点上的脑电反应。ERP 特别适合研究刺激加工过程中具有时间特异性的脑反应。
EEG 通常适合研究什么?
因此,EEG 特别适合那些关注脑活动动态过程的问题,例如:
感觉与知觉加工 注意 认知加工 记忆 语言 情绪加工 睡眠 疲劳等
尤其当研究者关心"什么时候发生了什么"时,EEG 具有明显优势。
一个需要特别注意的地方
EEG 记录的是头皮层面的电信号,眼动、眨眼、面部肌肉活动以及身体运动都可能对信号产生明显影响,因此数据预处理和伪迹控制非常重要。
同时,也不能简单地把某一个 EEG 指标直接等同于某一种心理状态。
看到 alpha、theta 或 beta 功率发生变化,并不意味着可以脱离实验任务、脑区、电极位置和分析方法,直接判断一个人"注意力高""压力大"或者"正在思考"。
生理信号提供的是证据,心理状态则需要结合实验设计和其他信息进行推断。
02 ECG
ECG ,即 electrocardiography(心电图),记录的是心脏产生的电活动在体表形成的电位变化。
心脏每一次搏动,都伴随着有规律的电活动传播。因此,在 ECG 波形中,可以看到具有典型结构的周期性变化,例如大家熟悉的 P、Q、R、S、T 波。这些波形反映了心脏不同阶段的电激活和恢复过程。
所以,严格来说:
ECG 测量的是心脏电活动,而不是"心率"本身。
心率是我们进一步从 ECG 中得到的指标之一。
从 ECG 原始信号中,可以得到什么?
最直观的指标是:
HR(Heart Rate,心率)
即单位时间内的心跳次数,通常以 bpm(beats per minute)表示。
进一步地,我们可以利用 ECG 中连续 R 波之间的时间间隔,也就是 R-R interval(RR 间期),来描述每一次心搏之间的时间差异。
例如:
第一次心搏:R 波出现在 0.82 秒
第二次心搏:R 波出现在 1.67 秒
那么这一搏的 RR 间期约为 850 ms。
把连续的 RR 间期记录下来,就可以进一步分析 HRV(Heart Rate Variability,心率变异性)。
这里有一个非常容易混淆的地方:
HR 是"心跳有多快",而 HRV 关注的是"连续心搏之间的时间间隔如何变化"。
HRV 并不是简单地计算"平均心率高还是低",而是分析连续心搏间期的变异性。RR 间期及其变化受到自主神经调节等多种因素影响,因此 HRV 常被用于研究心脏自主调节和生理状态变化。
ECG 通常适合研究什么?
ECG 可以用于:
心率及心搏节律研究 心血管反应 自主神经相关研究 压力与生理唤醒 工作负荷 运动与恢复 疲劳等
在临床和生物医学研究中,ECG 还具有更加广泛的心律和心脏电生理应用。
ECG 的局限在哪里?
ECG 提供的是非常有价值的心脏电活动信息,但它并不是一个"心理状态传感器"。
例如:
"心率升高 = 压力增加"
并不是一个可以直接成立的结论。心率升高可能出现在运动、兴奋、压力、期待、身体活动等很多情况下。
这并不是 ECG"不准确",而是任何一个生理指标都需要放回具体的实验环境中解释。
03 PPG
PPG 是 photoplethysmography,即光电容积脉搏波。
它和 ECG 都可以用于获得心率,因此经常被放在一起比较。但两者实际上测量的是完全不同的生理信号。
PPG 测的是血液容积变化
PPG 通常利用光源照射皮肤,再通过光电探测器记录反射光或透射光的变化。
当心脏搏动时,血液会随脉搏到达外周组织,使局部组织中的血容量发生周期性变化;血液与周围组织对光的吸收和散射也随之发生改变,于是传感器就能得到一个周期性的光学波形。
因此:
ECG 记录的是心脏电活动;PPG 记录的是外周血容量变化产生的光学信号。
PPG 原始信号是什么样的?
PPG 的原始波形通常会随着每一次脉搏呈现周期性变化。
在波形中,一般可以看到一个相对缓慢变化的基线成分,以及随着心搏反复出现的脉搏波。
从这些脉搏波中,可以获得:
心率 脉搏间期 脉搏波形相关特征
在特定的多波长光学配置下,还可以通过 PPG 获取血氧饱和度(SpO₂)等信息。
PPG 为什么特别适合可穿戴设备?
这是 PPG 一个非常突出的特点。
由于 PPG 可以通过光学方式测量,并且传感器可以做得很小,因此非常适合集成到:
腕带 智能手表 指夹 耳部设备 其他可穿戴设备
这使得 PPG 特别适合进行连续、长时间、自然场景下的生理监测。目前大量可穿戴设备都使用 PPG 进行心率等指标的监测。
这也是它与传统 ECG 测量之间非常重要的区别之一。
ECG 和 PPG:都能测心率,有什么不同?
可以把二者理解成观察同一个心血管过程的两个不同"窗口":
| 主要记录 | ||
| 信号类型 | ||
| 心搏信息 | ||
| 常见用途 | ||
| 最大优势之一 |
需要特别注意,PPG 并不是 ECG 的简单"低配版"。两种技术的测量原理和适用场景不同。PPG 尤其适合需要长期、自然场景连续监测的研究,但它容易受到运动、传感器接触、测量位置和外周循环变化等因素影响。
04 EDA
EDA 是 electrodermal activity,即皮肤电活动。它还有一个常见名称:
GSR(galvanic skin response,皮肤电反应)。
EDA 测量的是皮肤电性质的变化
EDA 通常通过电极向皮肤施加极小的电流或电压,并测量皮肤电导等电学性质的变化。
皮肤中的汗腺活动会改变皮肤的导电性,因此汗腺活动的变化可以反映到 EDA 信号中。尤其是与情绪、认知和应激反应相关的汗腺活动,受到交感神经系统的重要调节。
因此,EDA 经常被用来研究:
arousal——生理唤醒水平。
这里的"唤醒"需要和具体情绪区分开。
一个人可能因为害怕而产生较高唤醒,也可能因为兴奋、惊讶或高度投入而产生较高唤醒。
EDA 原始信号怎么看?
EDA 信号通常可以看到两类不同时间尺度的变化:
Tonic component:相对缓慢的变化,常用于描述一段时间内的基础皮肤电活动水平。
Phasic component:叠加在基础水平上的快速变化,常表现为短暂的皮肤电反应,也就是 SCR(skin conductance response)。
例如,在一个刺激出现之后,EDA 可能在几秒内出现一个快速上升、随后逐渐恢复的变化。
因此,我们可以进一步计算:
SCL(skin conductance level) SCR amplitude SCR 数量 SCR latency 等
EDA 通常适合研究什么?
EDA 常用于:
生理唤醒 刺激反应 压力相关反应 情绪加工 定向和注意相关的生理反应 人因与任务负荷研究
但 EDA 最容易被误解的地方也在这里
EDA 对唤醒非常敏感,但它并不能单独告诉我们:
"这个人到底是高兴、害怕,还是紧张?"
同样的皮电反应可能由不同原因引起。
而且 EDA 还会受到温度、运动、皮肤状态以及传感器接触等因素影响。
所以更准确的说法是:
EDA 是一个与交感神经相关的生理唤醒指标,而不是一个直接的"情绪测量"。
05 EMG
EMG 是 electromyography,即肌电图。当运动神经元激活肌肉时,肌纤维会产生动作电位。来自多个运动单位的电活动叠加之后,可以通过放置在肌肉表面的电极记录下来,这就是常见的表面肌电(sEMG)。
EMG 原始信号是什么样的?
和 EEG 一样,原始 EMG 也是一条随时间变化的电信号。
当一块肌肉活动增加时,通常可以看到 EMG 信号的活动程度发生变化。
实际分析中,研究者经常会对原始信号进行整流、平滑等处理,然后计算一些描述信号幅度或频谱特征的指标。
比较常见的包括:
- RMS(root mean square)—— 描述一段 EMG 信号的幅度水平
- MAV / ARV —— 平均绝对值/平均整流值
- iEMG —— 积分肌电
- Mean Frequency
- Median Frequency
RMS、平均绝对值等主要从时间/幅度维度描述肌电活动,而平均频率、中心频率等则从频率维度描述信号特征。
EMG 通常适合研究什么?
EMG 可以用来研究:
肌肉激活 动作与运动 姿势 肌肉疲劳 肌肉协调 肌肉紧张 面部肌肉活动
例如,如果研究者想了解人在执行某个任务时肩部、颈部或面部肌肉的活动变化,EMG 就可以提供非常直接的生理信息。
一个容易误解的地方
EMG 测的是肌肉电活动,而不是肌肉力量本身。
EMG 的幅度会受到肌肉激活、肌肉本身的生理特性、电极位置以及皮下组织等多种因素影响。因此,不能简单地把"EMG 幅度越大"理解成"肌肉力量一定越大"。
这些信号到底有什么区别?
| EEG | |||
| ECG | |||
| PPG | |||
| EDA | |||
| EMG |
不过,这张表最值得记住的并不是最后一列,而是第二列:
不同信号首先记录的是不同的生理对象。
EEG 不是"注意力传感器"。
ECG 不是"压力传感器"。
PPG 不是"情绪传感器"。
EDA 也不是"情绪传感器"。
EMG 更不是"肌肉力量传感器"。
研究者真正做的是:
从原始生理信号 → 提取特征 → 结合实验条件和行为 → 对生理和心理过程进行推断。
最后:选择信号时,先问"我想测什么"
当我们开始设计一个实验时,与其问:
"哪个信号最先进?"
不如先问:
"我真正想观察的人体过程是什么?"
如果关注的是脑活动的时间动态,可以考虑 EEG;
如果关注的是心脏电活动和心搏间期,可以考虑 ECG;
如果希望以更加轻量、便携的方式进行连续心率等监测,PPG 往往更合适;
如果关注的是与交感神经相关的生理唤醒,可以考虑 EDA;
如果关注的是肌肉活动、动作或肌肉疲劳,则可以考虑 EMG。
而无论使用哪一种信号,都需要记住一个最基本的原则:
信号本身不是答案,它是我们理解人体状态的一种测量手段。
真正有意义的研究,需要从清晰的研究问题出发,选择能够回答这个问题的测量指标,并在具体实验情境下谨慎解释数据。
理解"它测到了什么",永远是理解生理与神经信号的第一步。
参考文献
Heisz, J. J., & McIntosh, A. R. (2013). Applications of EEG neuroimaging data: Event-related potentials, spectral power, and multiscale entropy. Journal of Visualized Experiments, (76), e50131. https://doi.org/10.3791/50131
Helfrich, R. F., & Knight, R. T. (2019). Cognitive neurophysiology: Event-related potentials. Handbook of Clinical Neurology, 160, 543–558. https://doi.org/10.1016/B978-0-444-64032-1.00036-9
Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. (1996). Heart rate variability: Standards of measurement, physiological interpretation and clinical use. Circulation, 93(5), 1043–1065. https://doi.org/10.1161/01.cir.93.5.1043
Charlton, P. H., et al. (2022). Wearable photoplethysmography for cardiovascular monitoring. Proceedings of the IEEE, 110(3), 355–381. https://doi.org/10.1109/JPROC.2022.3149785
Posada-Quintero, H. F., & Chon, K. H. (2020). Innovations in electrodermal activity data collection and signal processing: A systematic review. Sensors, 20(2), 479. https://doi.org/10.3390/s20020479
Boucsein, W. (2012). Electrodermal Activity (2nd ed.). Springer.
Current developments in surface electromyography (2023). Turkish Journal of Electrical Engineering & Computer Sciences. https://doi.org/10.55730/1300-0144.5667
Pulse rate variability is not the same as heart rate variability: findings from a large-scale database study (2025). Frontiers in Physiology. https://doi.org/10.3389/fphys.2025.1630032
延伸阅读
如果希望进一步了解某一种信号,可以从下面几篇综述开始:
EEG
Heisz, J. J., & McIntosh, A. R. (2013):从 EEG 信号到 ERP、频谱功率等常见分析方法。 https://doi.org/10.3791/50131ECG / HRV
Task Force (1996):HRV 领域经典的文献之一,对时域、频域以及生理解释进行了系统规范。 https://doi.org/10.1161/01.cir.93.5.1043PPG
Charlton, P. H., et al. (2022):系统介绍 PPG 原理、信号处理以及可穿戴场景中的应用。 https://doi.org/10.1109/JPROC.2022.3149785EDA
Posada-Quintero, H. F., & Chon, K. H. (2020):适合第一次接触 EDA 的研究者了解信号组成、采集和分析。 https://doi.org/10.3390/s20020479EMG
Current developments in surface electromyography (2023):适合了解现代表面 EMG 的采集、分析方法及主要应用。 https://doi.org/10.55730/1300-0144.5667
