大脑与乐器在自由吉他即兴演奏中的动态协调研究学术报告

作者与发表信息

本研究由Viktor Müller（马克斯·普朗克人类发展研究所，德国柏林）和Ulman Lindenberger（马克斯·普朗克人类发展研究所、马克斯·普朗克-UCL计算精神病学与老龄化研究中心）合作完成，于2019年9月4日发表在Frontiers in Integrative Neuroscience期刊（DOI: 10.3389/fnint.2019.00050）。

学术背景

研究领域为音乐神经科学（music neuroscience）和社会互动神经机制，重点关注音乐即兴演奏中大脑与乐器之间的动态耦合。

音乐合奏需要音乐家之间的非语言沟通和精确的动作协调。先前研究表明，吉他二重奏或四重奏中，脑内同步（intra-brain synchronization）和脑间同步（inter-brain synchronization）在音乐互动中起关键作用。然而，乐器声音与音乐家大脑活动之间的同步机制尚未明确。本研究旨在填补这一空白，探索吉他即兴演奏中大脑与乐器信号的相位同步（phase synchronization）及其动态网络特征。

研究目标包括：
1. 开发一种基于相位同步的分析方法，量化吉他信号与脑电图（EEG）信号的耦合；
2. 构建包含两把吉他和两名音乐家大脑的扩展超脑网络（extended hyper-brain networks）；
3. 分析网络拓扑的动态变化，揭示即兴演奏中的协调机制。

研究方法与流程

1. 实验设计与参与者

• 参与者：两对专业吉他手（共4人），均右利手且具有5年以上职业演奏经验。
  
• 实验设置：
  
  • 吉他手面对面坐立，自由即兴演奏5-6分钟；
    
  • 演奏前简短讨论即兴主题，演奏中角色（主奏/伴奏）多次切换；
    
  • 在电磁屏蔽舱内同步记录EEG和吉他音频信号。
    

2. 数据采集

• EEG记录：
  
  • 使用两套64导联电极帽（国际10-10系统），采样率5,000 Hz；
    
  • 滤波范围0.5–70 Hz，通过独立成分分析（ICA）去除眼动伪迹；
    
  • 最终选取40个电极通道，分段为10秒无伪迹 epoch。
    
• 音频记录：
  
  • 每把吉他通过独立麦克风录制，同步存储于EEG系统；
    
  • 音频信号按相同10秒分段对齐EEG数据。
    

3. 信号处理与分析

（1）吉他信号转换

• 对原始音频信号进行Morlet小波变换（Morlet wavelet transform），提取四个频段功率：
  
  • 低频（50–250 Hz）、中频（250–500 Hz）、高频（500–2,000 Hz）、全频段（50–2,000 Hz）；
    
  • 通过平均振幅生成低频时间序列，匹配EEG信号频段。
    

（2）相位同步计算

• 采用积分耦合指数（Integrative Coupling Index, ICI）量化信号间相位关系：
  
  • 计算瞬时相位差（公式2），划分相位锁定范围（-π/4至+π/4）；
    
  • 定义正向耦合指数（PCI）、负向耦合指数（NCI）和绝对耦合指数（ACI），最终生成方向性ICI（公式3）。
    
• 使用滑动时间窗（2,000 ms宽度，80 ms步长）分析动态耦合。
  

（3）扩展超脑网络构建

• 网络包含88个节点（2×40 EEG通道 + 2×4吉他频段）和7,656条边（所有可能连接）；
  
• 设置25%成本阈值（cost level）确保网络稀疏性，优于替代数据检验结果。
  

（4）网络拓扑分析

• 节点强度：计算入强度（in-strength）和出强度（out-strength），表征连接权重；
  
• 模块化分析：通过有向图模块化算法（公式4）识别社区结构，评估异质性模块（含不同大脑或乐器节点）。
  

主要结果

1. 动态耦合强度变化

• 吉他-大脑耦合：
  
  • 吉他A和B的输出强度（out-strength）随时间波动，主导频段为低频和全频段（图3b-c）；
    
  • 例如，在3.0秒时段，吉他A信号强烈影响吉他手A的右颞叶区域。
    
• 脑内与脑间同步：
  
  • 吉他手A的顶枕叶区域和吉他手B的左颞叶区域表现出高强度连接（图3e）；
    
  • 脑间同步以右颞叶为主导，且随演奏角色切换动态调整（图3f）。
    

2. 网络模块化特征

• 社区结构显示异质性模块（heterogeneous modules），例如：
  
  • 蓝色模块：吉他手A的大脑节点 + 两把吉他部分节点；
    
  • 红色模块：吉他手B的大脑节点 + 吉他A的频段节点（图2d）。
    
• 模块组成随时间变化，反映乐器与大脑区域的动态功能重组。
  

3. 二次振荡的频谱特征

• 耦合强度动态变化呈现二次振荡（second-order oscillations），频谱峰值在0–1.5 Hz范围内（图5）；
  
• 谐波比例（如1:2、1:3）表明即兴演奏中存在特定的时间结构。
  

结论与意义

1. 科学价值：
   
   • 首次证实吉他即兴演奏中存在大脑-乐器耦合，扩展了超脑网络理论；
     
   • 相位同步方法为研究社会互动提供了新工具。
     
2. 应用前景：
   
   • 音乐治疗：通过监测脑-乐器同步优化康复策略；
     
   • 人工智能：改进人机协作音乐的算法设计。
     

研究亮点

1. 方法创新：
   
   • 开发基于ICI的相位同步分析框架，支持方向性耦合检测；
     
   • 提出“扩展超脑网络”模型，整合乐器与大脑信号。
     
2. 发现创新：
   
   • 揭示异质性模块在即兴演奏中的动态重组；
     
   • 二次振荡的频谱特征为音乐协调提供时间编码证据。
     

其他价值

• 开源MATLAB代码（补充材料）促进方法复用；
  
• 研究数据限于马克斯·普朗克研究所内部使用，但实验范式可推广。
  

（全文约1,800字）