《Microchemical Journal》：Integration of electrochemical sensors and spectral analysis for monitoring alpha brainwave responses to Vedic chanting
维拉·拉加瓦·斯瓦米·纳卢里（Veera Raghava Swamy Nalluri）| V.J.K. 基肖尔·松蒂（V.J.K. Kishor Sonti）
印度金奈萨蒂亚巴玛科学技术学院（Sathyabama Institute of Science and Technology）
摘要
压力和心理疲劳问题是常见的现象，因此需要找到客观且实时的方法来监测人们的放松状态。衡量放松和平静心理状态的可靠神经指标包括α脑电波（8–12 Hz）。尽管传统上使用吠陀吟唱来缓解压力，但其科学有效性较低，因为这依赖于主观评估、间接的声学评估以及非自适应信号处理的标准脑电图（EEG）方法。为克服这些缺点，本研究提出了一种结合电化学和频谱分析的模型，以定量测量吠陀吟唱对α脑电波激活的影响。在基线静息状态和吟唱过程中（涉及《娑摩吠陀》《梨俱吠陀》和《夜柔吠陀》的吟唱），使用国际标准的10–20电极阵列记录了EEG信号。获取的EEG数据经过卡尔曼滤波（Kalman filtering）处理以实时抑制噪声，并通过Z分数标准化（Z-score normalization）确保通道间的可比性。通过频带分析分离出α波段活动，并利用快速傅里叶变换（FFT）、功率谱密度（PSD）和希尔伯特-黄变换（HHT）来捕捉其频谱特征和非平稳瞬态动态。使用SPSS中的方差分析（ANOVA）对基线和吟唱状态下的α波段能量进行了统计验证。结果表明，吟唱显著改变了α脑电波的活性（p < 0.0005）。这种方法允许对大脑对放松的反应进行及时且经过统计验证的评估，从而证实了其在客观压力测量和基于神经反馈的心理健康系统中的重要性。
引言
人类大脑的认知、情感和生理状态是一个动态过程的一部分[1]。在脑电图（EEG）所观察到的各种振荡中，α节律是最常见的类型之一，通常与放松的意识、内在专注力和压力减轻相关[2]。高水平的α波活动与正念、冥想和音频刺激有关，这些因素能增强心理清晰度和平静感[3]。因此，神经科学、心理学和生物医学工程领域的研究逐渐探讨了特定文化和精神实践对α波段活动的影响。吠陀吟唱是一种基于印度哲学传统的口头传承，几个世纪以来一直被用来平衡情绪、促进精神成长和控制心灵[4]。吠陀吟唱的特点是有节奏的发音、控制的呼吸以及重复的音节，据说可以引发一种促进专注和内在平静的冥想状态[5]。虽然历史上有实证数据支持这些观点，但目前缺乏能够解释吟唱所涉及神经生理过程的现代实证数据[6]。此外，文献中对吠陀吟唱的关注较少，研究主要集中在冥想和音乐疗法上[7]。当前EEG频谱分析方法的发展使得对声音和冥想方法引起的大脑波活动的时间动态有了更清晰的研究[8]。频谱技术能够分解EEG波，使研究人员能够测量与特定任务或刺激相关的α波功率变化、空间分布和时间动态[9]。然而，EEG本身并不能提供完整的心理生理反应，因为它仅反映了中枢神经系统的活动。为此，人们设计了可穿戴的电化学和生理生物传感器来监测压力、唤醒状态和代谢状况[10]。同时测量皮肤电活动、心率变异性和汗液分泌，从而无创地了解自主神经系统的活动。这些生理指标与认知状态的变化相关，通常在人放松时表现为交感神经活动的减弱[11]。通过结合这些外围测量和EEG数据，可以更深入地了解身心过程。然而，EEG频谱分析和电化学传感的多模态结合在沉思神经科学研究中尚未得到广泛应用[12]。多模态设计提供了一种更强大的方法，用于确定吠陀吟唱等实践对人类健康的影响，揭示中枢神经过程与外围身体反应之间的时间依赖关系[13]。现代信号处理和数据融合方法也有助于同步和同时分析多变量传感器数据[14]。这使得通过吟唱引起的α波活动增加得以量化，并能检测到表明放松和压力缓解的微小生理变化[15]。然而，样本量小、可穿戴电化学生物标志物的特异性有限、个体在吟唱体验上的差异以及传感器噪声和运动伪影等混杂因素常常限制了研究。
为了有效监测、量化并比较不同吠陀吟唱方法引起的α脑电波反应，以评估压力和放松效果，必须设计并验证一个结合电化学EEG检测和先进频谱分析技术的综合框架。主要贡献如下：
神经生理学的实际评估：
该方法采用基于EEG的途径，利用α波段脑电波分析客观评估吠陀吟唱带来的放松效果。
时间和频率的自适应分析：
通过结合希尔伯特-黄变换（Hilbert-Huang Transform），可以准确描述非平稳和非线性的EEG动态，从而比传统技术提供更高的时间分辨率。
通过统计验证吟唱效果：
ANOVA程序提供的α波段能量变化的强烈统计证据支持该框架在实时压力监测和基于神经反馈的健康系统中的应用。
部分摘录
文献综述
在[16]中，使用Praat仿真编译器对《梨俱吠陀》《夜柔吠陀》《阿闼婆吠陀》和《娑摩吠陀》的四个吟唱样本进行了基于信号分析的研究，提取了声学参数，包括频谱响应、音高、强度、共振峰和脉冲。将脑电图（EEG）的脑电波频段（0–27 Hz）与强度分析得到的频率值进行了比较。研究结果表明，虽然其他吠陀经文也显示出振荡现象，但《娑摩吠陀》的振荡特征更为明显
方法论框架
为了评估由放松引起的α脑电波反应，研究人员在安静的实验室中使用电化学传感器在标准10–20电极位置记录了志愿者的EEG数据。参与者在吟唱过程中，研究人员同时捕获了基线和吟唱时的EEG信号。信号经过卡尔曼滤波和Z分数标准化处理。分析重点关注α波段（8–12 Hz）的活动，并利用FFT、PSD和HHT进行了频谱分析。
结果与讨论
结果部分报告了基于EEG的频谱分析和HHT分析结果，强调了吠陀吟唱期间α波段能量的变化，并使用SPSS中的ANOVA对不同吟唱状态下的放松反应进行了统计比较。
讨论
为了将电化学传感系统与先进的频谱分析相结合，实现对吠陀吟唱期间放松引起的α脑电波反应的客观测量，研究人员评估了现有的模型。其他研究人员的工作主要基于哲学或听觉解释，但未通过EEG进行实证验证，因此提供的神经生理数据有限[16]。神经成像或传统EEG研究也未能提供足够的支持
结论
对吠陀吟唱的EEG α波段活动的研究是一种客观可靠的评估方法，可以评估吠陀吟唱对放松效果的影响。ANOVA的统计验证方法表明，吠陀吟唱与α波活动的显著增加相关（F = 8.31，p = 0.0003）。这些发现支持了基于神经反馈的放松机制、心理健康评估等综合方法的有效性
CRediT作者贡献声明
维拉·拉加瓦·斯瓦米·纳卢里（Veera Raghava Swamy Nalluri）：负责撰写初稿、验证、方法论制定和概念构思。
V.J.K. 基肖尔·松蒂（V.J.K. Kishor Sonti）：负责审稿和编辑工作，并提供监督。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
