電子電工產品進入市場前需要進行相關的電氣安全性能認證,以降低電擊事故和電氣火災的發生,保障人身和財產的安全。泄漏電流是電氣安全性能測試中最重要的指標,而其測試的理論基礎是人體的感知電流效應及閾值。傳統上人體感知電流閾值的測量完全依賴受試者的自身感覺,具有太強的主觀性,近幾年的研究引入了生理心理統計算法來過濾人體主觀感受對測量結果的影響,提高了數據的可靠性和一致性。本文建立了基于腦電(EEG)特征分析的人體感知電流閾值試驗測試系統,獲得967組測試數據。利用小波包分解提取EEG的α波,運用快速傅里葉變換對電流刺激前、后α波進行頻譜分析,研究表明:α波的能量在電流刺激前、后有明顯變化的占97.72%。那么,聯合EEG分析測試人體的感知電流閾值,通過識別EEG的α波的能量變化并結合人體自身的感知來聯合判決流過人體的電流是否達到感知閾值點,從而客觀準確地獲取人體的感知電流閾值。
引用本文： 王曉飛, 施麗娟, 李東, 趙旭, 邵海明. 聯合腦電分析的人體感知電流閾值測試方法. 生物醫學工程學雜志, 2014, 31(1): 13-17. doi: 10.7507/1001-5515.20140003 復制
引言
為了保證各類電子電工產品使用的安全性，包括我國在內的許多國家強制規定了各類電子設備的電氣安全性能標準和測量條件，建立了電氣安全標準體系。電子電工產品進入市場前需要進行相關的電氣安全性能認證，以確保其電氣安全性能指標符合相應的標準，從而降低電擊事故和電氣火災的發生，保障人身和財產的安全。泄漏電流是電氣安全性能測試中最重要的指標，泄漏電流測試的根本依據是國際電工委員會(International Electro-technical Commission，IEC)提出的人體阻抗網絡模型和規定的泄漏電流限值，而兩者的提出是基于人體的電流效應及閾值。
人體電流效應中，反應、擺脫、電灼傷和心室纖顫電流效應閾值均可通過人體生理反應指標來客觀地進行評判和測量，另外，IEC還將心電圖用于心室纖顫電流效應閾值的分析[1-2]，而肌電圖常用于研究反應電流流過人體時人體神經、肌肉的興奮及功能傳導情況[3-4]。
通常應將泄漏電流控制在人體的感知電流效應閾值范圍內，以保證人員使用儀器設備的舒適性及安全性。感知電流效應閾值是指電流流過人體，能夠引起人體任何感覺(如熱、麻、刺痛等)的最小電流值[1-2]。目前國際上對人體感知電流效應閾值普遍采用的測量方法是：對人體手到手或者手到腳施加電壓，使電流流過人體，通過人體自身的感覺臨界來確定感知電流閾值[1-2]。很早就有研究者將這種方法應用于轎車、公共汽車等交通工具中人體與之觸及時感知與反應電流的測量[5]，IEC人體電流效應實驗數據的獲得也是采用這種方法[1-2]，該方法一直沿用至今。
由于依賴人體自身的感覺來獲取數據易受心理等因素的影響，具有太強的主觀性，因此近幾年的研究引入了生理心理統計算法來過濾人體主觀感受對測量結果的影響[6-7]，提高了數據的可靠性和一致性，但能否采取更客觀的手段來獲得感知電流閾值呢？能否像測量其它電流效應閾值那樣，通過某種手段來監測人體生理指標的變化從而客觀準確地確定感知電流閾值呢？
1 腦電應用綜述
腦電(electroencephalogram,EEG)是大腦半球的生物電活動，是大腦皮層錐體細胞及其頂樹突突觸后電位同步綜合波，并由丘腦中線部位非特異性核團起調節作用，丘腦/腦干網狀結構與大腦皮層各部間的興奮或抑制刺激和反饋作用，決定著EEG活動的節律性同步活動。EEG信號的波幅通常為10~100 μV，是心電圖的千分之一。在清醒狀態下描記的正常EEG，通過給予生理、物理或藥物誘發，使受試者注意了刺激，引起一系列高級神經活動，使大腦皮層建立了興奮灶，導致腦電波產生相應的頻率、波幅變化，稱之為非特異性腦誘發反應[8-9]。
目前的研究中，有將EEG應用到人體神經系統興奮性作用的研究[10]，有將EEG用于麻醉深度的監測[11]，有利用EEG研究運動和語言對人體的刺激[12]，有研究EEG與人體心理活動的關系。
本文在前期研究的基礎上提出基于EEG特征的變化來客觀地識別感知電流效應閾值[13-14]：即當流過人體的電流達到感知閾值時，由注意引起大腦皮層建立新的興奮，引起非特異性腦誘發反應，從而導EEG特征(如頻率、波幅等)的改變，所以借助EEG可以觀察人體通過感知閾值電流前、后EEG特征的變化，從而幫助客觀地確認流過人體的電流是否達到感知閾值點。
2 人體試驗方案
人體電流效應閾值并非一個固定值，它與人體的自身情況(如人體皮膚的接觸面積、接觸壓力、接觸電壓、潮濕程度、溫度、皮膚類型等)、電流流過人體的時間、頻率、波形、路徑等諸多因素有關[1-2]。
如圖 1所示，建立了基于EEG特征分析的并考慮上述諸多影響因素的人體感知電流閾值測量試驗方案。電極上粘貼絕緣膠帶以改變與人體的接觸面積；電極與人體的接觸壓力可通過微型壓力傳感器進行測量；通過加濕器、空調、季節的自然變化改變受試者所處的環境溫、濕度；人體樣本的選擇(年齡、性別)決定了皮膚類型；時間繼電器和自鎖按鍵用于控制電流流過人體的時間；電極與人體接觸部位不同決定了電流路徑；通過計算機中的Matlab編程并驅動任意函數信號發生器產生頻率、波形可調的信號；通過信號調理電路調節信號幅值；將該信號施加在兩電極上從而改變人體皮膚的接觸電壓；可測量任意波形真有效值的μA表用于監測流過人體的電流；腦電圖儀始終處于監測狀態；計算機識別EEG特征的變化。如果EEG特征沒有發生變化，人體也未有感知，說明流過人體的電流尚未達到感知閾值，增加流過人體的電流幅值，直至人體有感知時讀取μA表的真有效值獲得傳統測量方法中的人體感知電流效應閾值，下一步需要分析此時腦電特征是否發生明顯改變。
圖1
人體感知電流效應閾值測試驗方案
Figure1.
Experimental method of testing human body current threshold for perception
試驗為期1年，以實現一年四季的室內環境溫濕度，其中，溫度變化范圍為18.6~32.7℃，濕度變化范圍為10.02%~64.00%；選擇12例受試者，6男6女，年齡22~67歲，包含老、中、青三個年齡段；電流頻率范圍為50~1 000 Hz，依次為50、200、400、600、800、1 000 Hz，共計6個頻率點；電流信號波形選擇了正弦波、三角波、方波以及畸變的正弦波和畸變的方波，共計5種波形；通電時間均控制為2 s；電流路徑為手到手；接觸壓力控制在150、80和25 N左右，以模擬大、中、小接觸壓力；接觸面積也分為大、中、小接觸面積，模擬手掌、手指、指尖與操作設備的接觸；EEG監測是在人體處于坐姿、放松、閉目的條件下進行的，以減少EEG信號偽差和心理因素的影響；接觸電壓均在安全電壓范圍內。人體試驗照片如圖 2所示，共獲得967組數據。
圖2
人體試驗照片
Figure2.
Photo of a person tested
3 EEG特征分析
通過觀察發現，EEG特征的變化主要表現為枕區α節律幅值的改變。由于EEG的多樣性、復雜性和數據量大的特點，首先利用小波包分解從復雜的EEG信號中提取出通電前、后的α波，再對其進行快速傅里葉變換以分析其能量的變化。
3.1 α節律的小波包提取
EEG數據的采樣頻率為120 Hz，為了提取出8~13 Hz的α節律，采用小波包5層分解，最小頻率分辨率為1.875 Hz。
采用db4小波對各組EEG信號O2-A2枕區導聯的數據進行5層分解，從EEG信號中提取出α波。設[j,i]為小波包分解的第j層的第i個節點，考慮到小波包分解的混頻現象，采用按頻帶順序排列的小波包新算法[15]，可得到α節律頻段(8~13 Hz)所包含的分解節點為[5, 6]、[5, 7]、[5, 5]。根據α節律所在的頻率范圍，把α節律頻段所包含的分解節點的重構信號信息疊加，即可得出α節律信號的波形。
圖 3中，(a)為1例1 000 Hz三角波信號流過人體時的EEG；(b)是根據圖像的RGB值對(a)提取出的O2-A2枕區EEG信號；(c)是對(b)運用小波包5層分解最終提取出的α波。
圖3
EEG信號α波的提取
(a) EEG；(b)O2-A2枕區EEG信號；(c)提取的
(a)EEG； (b)O2-A2 occipital EEG signals；(c) Extracted
3.2 通電前、后EEG的α波能量對比
采樣通電前、后O2-A2枕區EEG波形各1段進行FFT頻域分析。
如圖 3(a)所示，虛線1為受試者感覺到電流刺激后給予口頭信號時所做的標記，人體自感覺到電流刺激到做出口頭反應約需要1 s的反應時間，因此，從標記點的前1 s開始對提取出的枕區α波進行采樣，采樣頻率為120 Hz，采樣點數為120個，將此1 s 的EEG信號內容作為電流刺激后的EEG信號特征信息；從標記點前2 s開始對提取出的枕區α波進行采樣，采樣頻率和采樣點數同上，將此1 s的EEG信號作為電流刺激前的EEG信號特征信息。對兩段時域α波分別進行快速傅里葉變換，得到對應的頻域直方圖如圖 4所示。
圖4
電流刺激前后EEG信號頻域直方圖
(a)電流刺激前； (b)電流刺激后
Figure4. Frequency histogram of EEG signals before and after the current flows(a) before the current flows； (b) after the current flows
由圖 4可見電流刺激后α波的幅值明顯受到了抑制。967組數據中，電流刺激后(此時受試者表示有感知)α波幅值受到抑制的有882例，占全部數據的91.21%；α波幅值增大的有63例，占全部數據的6.51%；α波幅值基本不變的有22例，占全部數據的2.28%。
4 結論
本文將EEG應用于人體感知電流閾值的測量中，實驗表明：人體受到一定的電流刺激時會引起腦電特征的明顯變化，那么聯合EEG分析測試人體的感知電流閾值，通過識別EEG的α節律能量的變化并結合人體自身的感知來聯合判決流過人體的電流是否達到感知閾值點，即當人體有感知而EEG的α節律的能量也發生變化時說明此時圖 1中μA表顯示的為人體的感知電流閾值，解決現有測試方法易受受試者主觀意識干擾，數據可靠性和一致性差的問題，從而客觀準確地獲取人體感知電流閾值數據。
引言
為了保證各類電子電工產品使用的安全性，包括我國在內的許多國家強制規定了各類電子設備的電氣安全性能標準和測量條件，建立了電氣安全標準體系。電子電工產品進入市場前需要進行相關的電氣安全性能認證，以確保其電氣安全性能指標符合相應的標準，從而降低電擊事故和電氣火災的發生，保障人身和財產的安全。泄漏電流是電氣安全性能測試中最重要的指標，泄漏電流測試的根本依據是國際電工委員會(International Electro-technical Commission，IEC)提出的人體阻抗網絡模型和規定的泄漏電流限值，而兩者的提出是基于人體的電流效應及閾值。
人體電流效應中，反應、擺脫、電灼傷和心室纖顫電流效應閾值均可通過人體生理反應指標來客觀地進行評判和測量，另外，IEC還將心電圖用于心室纖顫電流效應閾值的分析[1-2]，而肌電圖常用于研究反應電流流過人體時人體神經、肌肉的興奮及功能傳導情況[3-4]。
通常應將泄漏電流控制在人體的感知電流效應閾值范圍內，以保證人員使用儀器設備的舒適性及安全性。感知電流效應閾值是指電流流過人體，能夠引起人體任何感覺(如熱、麻、刺痛等)的最小電流值[1-2]。目前國際上對人體感知電流效應閾值普遍采用的測量方法是：對人體手到手或者手到腳施加電壓，使電流流過人體，通過人體自身的感覺臨界來確定感知電流閾值[1-2]。很早就有研究者將這種方法應用于轎車、公共汽車等交通工具中人體與之觸及時感知與反應電流的測量[5]，IEC人體電流效應實驗數據的獲得也是采用這種方法[1-2]，該方法一直沿用至今。
由于依賴人體自身的感覺來獲取數據易受心理等因素的影響，具有太強的主觀性，因此近幾年的研究引入了生理心理統計算法來過濾人體主觀感受對測量結果的影響[6-7]，提高了數據的可靠性和一致性，但能否采取更客觀的手段來獲得感知電流閾值呢？能否像測量其它電流效應閾值那樣，通過某種手段來監測人體生理指標的變化從而客觀準確地確定感知電流閾值呢？
1 腦電應用綜述
腦電(electroencephalogram,EEG)是大腦半球的生物電活動，是大腦皮層錐體細胞及其頂樹突突觸后電位同步綜合波，并由丘腦中線部位非特異性核團起調節作用，丘腦/腦干網狀結構與大腦皮層各部間的興奮或抑制刺激和反饋作用，決定著EEG活動的節律性同步活動。EEG信號的波幅通常為10~100 μV，是心電圖的千分之一。在清醒狀態下描記的正常EEG，通過給予生理、物理或藥物誘發，使受試者注意了刺激，引起一系列高級神經活動，使大腦皮層建立了興奮灶，導致腦電波產生相應的頻率、波幅變化，稱之為非特異性腦誘發反應[8-9]。
目前的研究中，有將EEG應用到人體神經系統興奮性作用的研究[10]，有將EEG用于麻醉深度的監測[11]，有利用EEG研究運動和語言對人體的刺激[12]，有研究EEG與人體心理活動的關系。
本文在前期研究的基礎上提出基于EEG特征的變化來客觀地識別感知電流效應閾值[13-14]：即當流過人體的電流達到感知閾值時，由注意引起大腦皮層建立新的興奮，引起非特異性腦誘發反應，從而導EEG特征(如頻率、波幅等)的改變，所以借助EEG可以觀察人體通過感知閾值電流前、后EEG特征的變化，從而幫助客觀地確認流過人體的電流是否達到感知閾值點。
2 人體試驗方案
人體電流效應閾值并非一個固定值，它與人體的自身情況(如人體皮膚的接觸面積、接觸壓力、接觸電壓、潮濕程度、溫度、皮膚類型等)、電流流過人體的時間、頻率、波形、路徑等諸多因素有關[1-2]。
如圖 1所示，建立了基于EEG特征分析的并考慮上述諸多影響因素的人體感知電流閾值測量試驗方案。電極上粘貼絕緣膠帶以改變與人體的接觸面積；電極與人體的接觸壓力可通過微型壓力傳感器進行測量；通過加濕器、空調、季節的自然變化改變受試者所處的環境溫、濕度；人體樣本的選擇(年齡、性別)決定了皮膚類型；時間繼電器和自鎖按鍵用于控制電流流過人體的時間；電極與人體接觸部位不同決定了電流路徑；通過計算機中的Matlab編程并驅動任意函數信號發生器產生頻率、波形可調的信號；通過信號調理電路調節信號幅值；將該信號施加在兩電極上從而改變人體皮膚的接觸電壓；可測量任意波形真有效值的μA表用于監測流過人體的電流；腦電圖儀始終處于監測狀態；計算機識別EEG特征的變化。如果EEG特征沒有發生變化，人體也未有感知，說明流過人體的電流尚未達到感知閾值，增加流過人體的電流幅值，直至人體有感知時讀取μA表的真有效值獲得傳統測量方法中的人體感知電流效應閾值，下一步需要分析此時腦電特征是否發生明顯改變。
圖1
人體感知電流效應閾值測試驗方案
Figure1.
Experimental method of testing human body current threshold for perception
試驗為期1年，以實現一年四季的室內環境溫濕度，其中，溫度變化范圍為18.6~32.7℃，濕度變化范圍為10.02%~64.00%；選擇12例受試者，6男6女，年齡22~67歲，包含老、中、青三個年齡段；電流頻率范圍為50~1 000 Hz，依次為50、200、400、600、800、1 000 Hz，共計6個頻率點；電流信號波形選擇了正弦波、三角波、方波以及畸變的正弦波和畸變的方波，共計5種波形；通電時間均控制為2 s；電流路徑為手到手；接觸壓力控制在150、80和25 N左右，以模擬大、中、小接觸壓力；接觸面積也分為大、中、小接觸面積，模擬手掌、手指、指尖與操作設備的接觸；EEG監測是在人體處于坐姿、放松、閉目的條件下進行的，以減少EEG信號偽差和心理因素的影響；接觸電壓均在安全電壓范圍內。人體試驗照片如圖 2所示，共獲得967組數據。
圖2
人體試驗照片
Figure2.
Photo of a person tested
3 EEG特征分析
通過觀察發現，EEG特征的變化主要表現為枕區α節律幅值的改變。由于EEG的多樣性、復雜性和數據量大的特點，首先利用小波包分解從復雜的EEG信號中提取出通電前、后的α波，再對其進行快速傅里葉變換以分析其能量的變化。
3.1 α節律的小波包提取
EEG數據的采樣頻率為120 Hz，為了提取出8~13 Hz的α節律，采用小波包5層分解，最小頻率分辨率為1.875 Hz。
采用db4小波對各組EEG信號O2-A2枕區導聯的數據進行5層分解，從EEG信號中提取出α波。設[j,i]為小波包分解的第j層的第i個節點，考慮到小波包分解的混頻現象，采用按頻帶順序排列的小波包新算法[15]，可得到α節律頻段(8~13 Hz)所包含的分解節點為[5, 6]、[5, 7]、[5, 5]。根據α節律所在的頻率范圍，把α節律頻段所包含的分解節點的重構信號信息疊加，即可得出α節律信號的波形。
圖 3中，(a)為1例1 000 Hz三角波信號流過人體時的EEG；(b)是根據圖像的RGB值對(a)提取出的O2-A2枕區EEG信號；(c)是對(b)運用小波包5層分解最終提取出的α波。
圖3
EEG信號α波的提取
(a) EEG；(b)O2-A2枕區EEG信號；(c)提取的
(a)EEG； (b)O2-A2 occipital EEG signals；(c) Extracted
3.2 通電前、后EEG的α波能量對比
采樣通電前、后O2-A2枕區EEG波形各1段進行FFT頻域分析。
如圖 3(a)所示，虛線1為受試者感覺到電流刺激后給予口頭信號時所做的標記，人體自感覺到電流刺激到做出口頭反應約需要1 s的反應時間，因此，從標記點的前1 s開始對提取出的枕區α波進行采樣，采樣頻率為120 Hz，采樣點數為120個，將此1 s 的EEG信號內容作為電流刺激后的EEG信號特征信息；從標記點前2 s開始對提取出的枕區α波進行采樣，采樣頻率和采樣點數同上，將此1 s的EEG信號作為電流刺激前的EEG信號特征信息。對兩段時域α波分別進行快速傅里葉變換，得到對應的頻域直方圖如圖 4所示。
圖4
電流刺激前后EEG信號頻域直方圖
(a)電流刺激前； (b)電流刺激后
Figure4. Frequency histogram of EEG signals before and after the current flows(a) before the current flows； (b) after the current flows
由圖 4可見電流刺激后α波的幅值明顯受到了抑制。967組數據中，電流刺激后(此時受試者表示有感知)α波幅值受到抑制的有882例，占全部數據的91.21%；α波幅值增大的有63例，占全部數據的6.51%；α波幅值基本不變的有22例，占全部數據的2.28%。
4 結論
本文將EEG應用于人體感知電流閾值的測量中，實驗表明：人體受到一定的電流刺激時會引起腦電特征的明顯變化，那么聯合EEG分析測試人體的感知電流閾值，通過識別EEG的α節律能量的變化并結合人體自身的感知來聯合判決流過人體的電流是否達到感知閾值點，即當人體有感知而EEG的α節律的能量也發生變化時說明此時圖 1中μA表顯示的為人體的感知電流閾值，解決現有測試方法易受受試者主觀意識干擾，數據可靠性和一致性差的問題，從而客觀準確地獲取人體感知電流閾值數據。
