基于ERP的設計評價探究：以智能座艙轉向交互為例

摘要：面向人機系統工效評價問題，聚焦于如何使用ERP技術表征系統的工效。采集腦電生理信號，通過腦電ERP分析和認知實驗范式評價，獲得定量分析的結論，提出優化策略，并最終提高系統工效，為界面設計提供客觀依據。構建基于腦電的認知實驗模型，運用生理測量技術獲取用戶在使用過程的生理反應數據，通過數據分析，判斷界面設計的優劣。以智能座艙HUD界面中的轉向標志交互設計為例，展示實驗開展的過程。首先構建EEG的實驗模型，再通過界面交互設計的調研信息，獲取HUD轉向標志的經典交互方案；然后基于改進的ERP認知實驗范式進行實驗流程設計；接著使用g·tec生物電信號采集系統開始實驗；最后提取成分特征進行組內與組間對比分析，輸出設計評價。實驗數據證實箭頭模式的轉向指示具有良好的穩定性與指向性；而燈帶模式的轉向指示具有不穩定性，更容易使用戶發生誤判；同時箭頭模式的轉向指示普遍帶來了更高的認知負荷。以上結果表明基于該改進范式的實驗模型可以為設計評價提供多維度證據。該實驗為基于生理測量技術進行定量化的交互界面設計工效評價提供了實踐與探索。

關鍵詞：事件相關電位；腦電圖；智能座艙；增強現實型抬頭顯示；實驗模型

中圖分類號：TP391.9 文獻標識碼：A文章編號：1003-0069（2025）04-0137-05

Abstract：Facing the issue of ergonomics evaluation of human-machine systems， it focuses on how to use ERP technology to characterize the ergonomics of the system. Collect brain electrophysiological signals， obtain quantitative analysis conclusions through EEG ERP analysis and cognitive experiment paradigm evaluation， propose optimization strategies， and ultimately improve system efficiency， providing objective basis for interface design. Construct a cognitive experimental model based on EEG， use physiological measurement technology to obtain the user’s physiological response data during use， and judge the quality of the interface design through data analysis. Take the interactive design of the turn sign in the smart cockpit HUD interface as an example to show the process of the experiment. First， build an EEG experimental model， and then use the research information of interface interaction design to obtain the classic interaction scheme of the HUD steering sign； then design the experimental process based on the improved ERP cognitive experiment paradigm； then use the g·tec bioelectrical signal acquisition system to start experiment； finally extract component features for intra-group and inter-group comparative analysis， and output design evaluation. Experimental data confirms that arrow mode turn indicators have good stability and directivity； while light strip mode turn indicators are unstable and are more likely to cause misjudgments by users； at the same time， arrow mode turn indicators generally bring higher cognitive load. The above results show that the experimental model based on this improved paradigm can provide multi-dimensional evidence for design evaluation. This experiment provides practice and exploration for quantitative interactive interface design efficiency evaluation based on physiological measurement technology.

Keywords：Event-related potential；Electroencephalogram；Smart cockpit；AR-HUD；Experimental model

引言

近年來，隨著交互技術的日益成熟，以自然交互、智能交互、人機融合為導向的人機交互過程正逐漸成為新的追求。人機融合交互達到擬態環境階段，可實現數字虛擬環境中沉浸式的自然交互體驗。人機融合將是人類與人造世界和諧相處的一個未來方向[1]，改變的不僅僅是人類社會的形態，更是一次重新塑造人類生命體的嘗試，融合的機制與范式亟待新的技術與理論支撐，同時人機系統的交互性能，即效率與科學性問題也受到越來越多的關注。

目前，設計學科開始聚焦設計系統人機交互效率的定量化研究，隨著認知神經科學的快速發展，越來越多的學者開始基于腦電、眼動與肌電等生理信號進行生理評測以評估人機交互性能[2]。其中，腦電圖（Electroencephalogram，EEG）已被證實在測定認知表現方面的有效性。而事件相關單位（Event-Related Potential，ERP）是基于EEG的提取獲得的一種可以展現特定認知過程的重要標志。早在1997年，Pfurtscheller G就能夠通過大腦皮層特殊部位的事件誘發電位在用戶做動作之前就感知到用戶的運動意愿[3]。其后，眾多研究論證了腦電圖在測定認知表現方面的有效性，ERP具有重要的研究意義。

另一方面，新興智能技術促進汽車智能座艙的不斷升級，將汽車、駕駛艙、人和道路進行智能交互，逐漸成為以人為中心的綜合移動空間，旨在提供更加智能化和人性化的駕駛體驗[4]。車內呈現各種終端顯示設備，傳統的機械式儀表盤發展為包括儀表盤、中控屏、HUD抬頭顯示、座椅屏幕、后排屏幕、手機等外設在內的多界面系統，將駕駛信息、娛樂、社交等信息融為一體，無疑給系統的人機交互帶來極大復雜性，如何把握設計要素，保證系統設計工效，同時進行科學的評價，給人機融合的設計領域帶來了新的挑戰。

本研究面向人機系統工效評價問題，聚焦于如何使用ERP技術表征人機系統的工效。以智能座艙的HUD界面交互設計為例，通過改進的實驗范式更好地實現面向設計評價的腦電ERP分析，獲得定量分析的結論，提出優化策略，并最終提高系統工效，為界面設計提供客觀依據。

一、基于EEG的實驗基礎

（一）EEG的概念簡介：20世紀初，德國精神病學家Hans Berger將電極放在人的頭皮上并測量到了人腦活動時發出的電信號，首次畫出了腦電圖[5]。腦電圖用于記錄大腦電活動，是一種無創、非侵入性的電生理技術。通過在頭皮表面放置電極，捕捉大量神經元同步活動時產生的突觸后電位的總和，從而生成的電生理圖譜。腦電圖能夠直接測量中樞神經系統在群體水平上的神經活動，是大腦活動電信號的宏觀體現，直觀表現為電位隨時間變化的曲線，已被證明是自發性大腦活動的可靠指標。Chen等（2017）提出了一種基于主帶功率譜密度的腦電圖（EEG）方法來評估大腦負荷任務，并表明左額頂葉的Fp1電極通道與大腦負荷水平的相關性最高[6]；Ismail和Karwowski（2020）總結了認知領域對腦電圖的研究，并指出一些ERP成分（如P3、P2、N1、N2）的振幅隨著工作量的增加而降低[7]。

（二）基于ERP的實驗：ERP的成分被視為特定認知過程在大腦層面上的體現，例如P200多用于在視覺搜索實驗中，與特定任務相關的信息加工認知有關[8]。而這些ERP成分的物理特性（如波幅和潛伏期）能夠反映認知過程的特定方面。ERP分析已成為在人機交互設計中分析用戶使用界面時的認知符合以及評價界面可用性的一種有效方法[9]。

在界面的人機交互評價中，ERP實驗通過對刺激的適當設計和任務指令的明確給出，可以直接操縱和測量與界面交互相關的認知過程，從而了解用戶是如何理解和響應這些指示的。這需要通過嚴格的實驗設計在特定的ERP組分與特定認知過程之間建立起合理的邏輯關系。本文要研究的是用戶對于交互的認知過程而不是對于視覺刺激的反應過程，則需要通過實驗材料形成一種交互的實驗任務。這些任務可以設置為根據轉向指示執行相應的動作，例如轉動方向盤、按鍵、鼠標等。

同時，在ERP實驗設計中，確保鎖時性（Time-Locked）與設置合適的時間間隔（Time Interval）是兩個關鍵的步驟，它們共同構成了ERP精確捕捉和分析大腦對特定事件反應的基礎。

二、智能座艙的人機交互界面信息要素

智能座艙已經形成了多界面人機交互的情境。駕駛員需要處理多個信息來源和交互任務，會在多屏設備間不斷轉移注意力，對駕駛員的感知、認知和決策造成影響。增強現實型抬頭顯示（Augmented Reality HUD，AR-HUD）已成為智能座艙的多界面人機交互情境中一個全新的交互界面。該產品將整車信息整合到車內，利用前擋風玻璃作為投影介質來反射成像[10]。通過結合現實路況信息，將導航和輔助駕駛信息與前方道路融合，顯示轉向指示、障礙物警告和車道偏離等內容。這種非干擾性的信息顯示方式可以大幅減少駕駛員需要轉移目光的次數和持續時間，使駕駛員可以更加專注于道路上的情況，從而減少因檢查儀表盤或中控屏而造成的分心[11]。

在這些基本信息中，最能體現AR沉浸式交互環境優勢的就是轉向以及車道方向的顯示，這是基于AR-HUD出現的全新界面元素。調研發現目前的AR-HUD 的界面設計在轉向和車道方向顯示上，出現了截然不同的設計思路，大致可以分為箭頭模式和燈帶模式兩類：

（1）箭頭模式：箭頭對于視覺感官具有極強的刺激性，有利于將視覺焦點集中于該元素上，使人們得到清晰而明確的指示。如圖1（a）所示。（2）燈帶模式：舒緩的燈帶讓視覺感官感到溫和，使人們不會將視覺焦點完全集中于該元素上。但是延長的圖形可以造成視覺的延伸，并有可能潛移默化地通過視覺通道完成自然的、隱含的交互。如圖1（b）所示。

同時，在使用指示轉向和車道方向的布局中，通常將其他重要信息放置于下方位置，以將視覺焦點均勻分布。本實驗著重考慮的基本信息包括：里程與道路、車速、限速與提示。

三、基于EEG的實驗模型構建

本實驗目的是探究HUD界面中，不同類型的方向指示標志對用戶交互過程（判斷方向）的影響。通過分析HUD不同圖標顯示下用戶的認知狀態與規律、認知負荷機制，為客觀的評價智能座艙HUD界面指示標志的交互設計提供參考。

（一）實驗刺激材料設計：實驗刺激材料去除HUD模擬界面中道路實景的背景圖片以排除激發無關ERP成分的可能，將視覺刺激置于顯示器屏幕的中央以減少眼動生理偽跡，并且進行簡潔的HUD圖形設計：通過基本信息顯示區和標識顯示區形成均勻視覺中心布局，如圖2所示，并將其作為本實驗刺激的基本模式。

然后基于圖2設置燈帶和箭頭兩種不同類型轉向提示的靶刺激。如圖3所示為用做靶刺激的實驗材料，（a）為燈帶左轉，（b）為箭頭右轉。

（二）任務設置與實驗分組：將刺激材料形成實驗任務，分配給被試，形成交互刺激，可以激發特定ERP成分。實驗任務還可通過分析任務完成正確率用于行為學結果的解釋。

在駕駛過程中，HUD的作用就是輔助駕駛員高效、輕松的完成駕駛任務，而轉向標記的目的就是要清楚地指示方向，因此相應的任務應該與方向相關，使被試能產生實驗情境和任務之間自然的聯系。

在對比了方向盤、鼠標和鍵盤3種輸入硬件后，發現方向盤是最擬真的輸入工具，但是其會導致身體的大幅度動作影響EEG的準確性并且在多次執行后，會大大增加被試的體力負荷，因此不予采用。最終選擇了使用外接鍵盤，將位于鍵盤最左側的“A”鍵定義為左轉的映射；位于鍵盤最右側的“L”鍵定義為右轉的映射。基于如圖3所示的靶刺激設置實驗任務為：若您判斷出指示方向為“左”，即按下鍵盤靠左側的“A”鍵；若您判斷出指示方向為“右”，即按下鍵盤靠右側的“L”鍵。

在任務設置完成后，通過靶刺激與標準刺激的設置形成分組。實驗的自變量為方向指示標志的類型，實驗將按照表1所示兩組進行。

（三）實驗指導材料設計

實驗指導材料包括：

1.智能座艙AR-HUD介紹視頻；在正式實驗前，需要向被試介紹實驗背景。首先播放AR-HUD的介紹視頻，時長45s，使被試充分理解又不至于產生視覺和腦力疲勞。2.實驗指導語；使被試充分了解實驗注意事項以及如何進行實驗。3.實驗指導圖：向被試描述實驗任務，如圖4所示。

（四）實驗流程設計：實驗流程的設計，將鎖時性與時間間隔的關鍵問題考慮進去。以經典的Oddball實驗范式為基礎進行變體，再插入一種同類不同樣的靶刺激成為兩種偏差刺激的Oddball實驗范式。基于此范式，將靶刺激占標準刺激的比例設置為20%。

本實驗使用Tobii studio作為刺激呈現軟件，圖5所示為第一組實驗的具體流程。一組實驗共展示400個刺激，其中靶刺激80次，標準刺激320次，其中靶刺激又分為兩種：左向指示靶刺激40次和右向指示靶刺激40次。同時靶刺激和標準刺激是打亂排列順序隨機呈現的。最后將標準刺激的刺激起始時間差（SOA）設置為2000ms，標準刺激的刺激間間隔（ISI）設置為1000ms。而靶刺激用于形成實驗任務，不設置定時自動跳轉，其SOA為不限制，ISI仍未1000ms。每個ISI期間均呈現用于消除視覺殘影的掩蔽圖1000ms。

第二組實驗同第一組實驗，按照表1的設置將燈帶類型的靶刺激替換為加箭頭類型的靶刺激，重復該流程。兩組實驗共800次刺激，包括160次靶刺激和640次標準刺激。

四、實驗操作流程

（一）實驗對象、設備與環境：共招募青年學生21人（男14名，女7名，年齡范圍19～28歲，平均年齡 23.7歲，標準差 2.4），被試身體健康，裸眼視力或矯正視力正常，均為右利手，自愿參與實驗，并已在實驗前知曉實驗注意事項與原則。

實驗主要設備包括：奧地利g.tec公司生產的g-USBamp生物電信號放大器、有16個Ag/AgCl導電濕電極的電極帽、g.GAMMAbox濕電極盒，如圖6所示。

實驗在腦電實驗室進行，如圖7所示。實驗室為全封閉，配有包覆隔音和金屬絕緣層，隔音隔光。實驗室空間寬敞，裝有空調和通風系統，可為被試提供舒適的實驗環境。實驗期間被試坐在實驗間的座椅上，前方放置操作臺，操作臺上放置刺激呈現電腦。主視坐在被試后方的操作室內，與被試所處的實驗間隔離開以排除影響，但是可以通過玻璃窗口觀察和檢測被試的實驗情況。

（二）通道調試與正式實驗：車輛駕駛環境動態復雜，涉及駕駛員諸多行為，因此牽涉眾多認知過程。本實驗采用如圖8所示的電極排布狀態，將16個電極較均勻地排布在全腦。首先FP1、FP2、F3、F4 和Fz涵蓋了額葉區域，同時 FP1 和 FP2 還將幫助檢測眨眼偽影。而頂葉區域的Pz、Cz、F3、F4對于研究注意力過程至關重要。最后，頂枕區的 PO7、PO8、Oz對于視覺 ERP 特別有用，還可以捕獲與高級視覺處理相關的活動。

生物信號雜亂、微弱，需要仔細分析甄別，首先選擇3名被試進行預記錄實驗，初步分析數據合理性，然后再開始正式實驗，實驗場景如圖9所示。實驗共獲得21組腦電原始數據，其中一組電信號有效度過低而被排除，共保留20組數據。

五、腦電數據處理與分析

（一）組內ERP提取與數據分析：首先進行組內比較。因變量定義為轉向的方向（右轉和左轉）。目的在于對比燈帶轉向組和箭頭轉向組，右轉和左轉對于被試ERP影響的差異和偏差情況。

1.燈帶左轉指向靶刺激和右轉指向靶刺激對比。在完成燈帶組數據預處理后，選擇靶刺激出現前200ms到出現后800ms的時間段作為腦電分段時間，并將左轉標為bin1，右轉標為bin2，進行分段、疊加平均與組平均后得到ERP波形。通過對波形圖和地形圖（150ms-250ms）綜合分析，發現在200ms左右于枕區出現了明顯的正波，選取了效應明顯的Oz、PO7和PO8 3個枕區電極作為數據分析對象，其ERP波形圖如圖10所示。

提取3個電極的峰值振幅、平均振幅和峰值潛伏期3個特征值形成燈帶組靶刺激的組內對比，如表2所示。

2.箭頭左轉指向靶刺激和右轉指向靶刺激對比。在完成箭頭組數據預處理、分段、疊加平均與組平均后得到ERP波形。通過對波形圖和地形圖（150ms-250ms）綜合分析，發現在200ms左右于枕區出現了明顯的正波，選取了效應明顯的Oz、PO7和PO8 3個枕區電極作為數據分析對象，其ERP波形圖如圖11所示。

提取3個電極的峰值振幅、平均振幅和峰值潛伏期3個特征值形成箭頭組靶刺激的組內對比，如表3所示。

（二）組間ERP提取與數據分析：組間比較，因變量定義為標志的模式（燈帶和箭頭）。目的在于綜合對比燈帶組和箭頭組對于被試ERP影響的差異和偏差情況。

在雙刺激Oddball實驗范式中，出于不同的研究目的，是可以將不同的靶刺激合并進行疊加平均的[12]。因此在本實驗中，可以將40個右轉靶刺激試次與40個左轉靶刺激試次合并為一個bin，得到總共80個的靶刺激試次以進行更多次的疊加平均，在得到更加優質ERP的同時，更為進一步組間比較提供了可能性。

選擇靶刺激出現前200ms到出現后800ms的時間段作為腦電分段時間。將左轉與右轉marker均標為bin1，進行分段。通過對波形圖和地形圖（150ms-250ms）的綜合分析，發現在200ms左右于枕區出現了明顯的正波，選取了效應明顯的Oz、PO7和PO8 3個枕區電極作為數據分析對象，其ERP波形圖如圖12所示。

提取3個電極的峰值振幅、平均振幅和峰值潛伏期3個特征值，如表4所示。

六、實驗的結果解釋

（一）行為學結果分析與評價：本實驗的行為學結果只統計實驗任務完成正確率，即在兩個實驗組中被試正確判斷方向并正確按下按鍵的準確率。如表5所示，其中錯誤次數的統計包括兩種情況：（1）將A和L按錯；（2）在直行試次時也按下了A或L鍵。

由表中兩組實驗任務的平均準確率來看，燈帶組略低于箭頭組。進一步進行配對樣本t檢驗，結果t=-2.698，p=0.002<0.05，表明燈帶組的平均準確率低于箭頭組。基于實驗任務正確率的行為學分析說明燈帶模式更容易使被試判斷錯誤方向。

（二）ERP組內對比結果分析與評價：早在1987年，Pascalis，V等就已經證實ERP 的P200組件的峰值振幅變化與不同的認知需求和注意力過程相關[13]。而現時，ERP分析已深入汽車工業的用戶研究中，在駕駛安全評價與研究中得到廣泛應用[14]。P200成分的3個典型物理特征中認知負荷和交互意圖判斷中起到重要作用。

峰值振幅與任務相關的認知需求密切相關。振幅的增加通常反映了對刺激的更強反應，可能與更高的認知負荷相對應。在交互意圖的判斷上，較高的峰值振幅可能表明用戶對特定任務或刺激的高度關注或積極響應。平均振幅提供了對整個實驗條件下ERP反應的一致性評估。平均振幅可用于理解在長時間或多個條件下認知負荷的變化情況。峰值潛伏期反映了信息處理的速度。較短的潛伏期通常表示快速的認知處理能力，這在需要快速反應的交互任務中尤為重要。延長的潛伏期可能指示認知負荷增加，或在處理復雜或新穎任務時的認知延遲。

首先以左轉與右轉為因變量，組內比較結果解釋：

1.燈帶組組內比較結果解釋。對表2進行配對樣本T檢驗，結果如表6所示。

據配對樣本T檢驗結果，t值為均為正。峰值振幅p=0.062，雖然不顯著但是略大于0.05，說明左轉靶刺激比右轉靶刺激發出較高的峰值振幅。平均振幅p=0.039，結果顯著，左轉靶刺激比右轉靶刺激激發出明顯更高的平均振幅值。這表示在整體情況下，尤其是在多次和長時間的任務中，燈帶實驗組的左轉任務比右轉任務使被試更加感覺到壓力，可能帶來了認知負荷的增高。

峰值潛伏期p=0.808遠大于0.05，說明被試在完成左轉和右轉任務時，獲取信息和處理該交互任務的速度差異不明顯。

2.箭頭組組內比較結果解釋。對表3進行配對樣本T檢驗，結果如表7所示。

據配對樣本T檢驗結果，t值均為正。峰值振幅p=0.75，平均振幅p=0.777，均遠大于0.05，結果非常不顯著，箭頭組的左轉靶刺激與右轉靶刺激激發出的峰值振幅與平均振幅值差異不明顯。這說明在整體情況下，箭頭實驗組的左轉任務與右轉任務對被試的差異不大。峰值潛伏期p=0.13大于0.05，說明被試在完成左轉和右轉任務時，獲取信息和處理該交互任務的速度差異不明顯。

綜合組內對比結果分析，燈帶模式的轉向指示具有不穩定性，其對于方向的表征意義不強烈，可能會使用戶發生誤判；而箭頭模式的轉向指示不容易使用戶發生誤判，具有良好的指向性。

（三）ERP組間對比結果分析與評價：接著以燈帶模式與箭頭模式為因變量，進行組間比較結果解釋。此時，因變量是指向標志的模式（燈帶模式與箭頭模式）。對表4進行配對樣本T檢驗，結果如表8所示。

據配對樣本T檢驗結果，峰值振幅p=0.185；平均振幅p=0.149，均大于0.05，結果不顯著，但是可知箭頭組被試的峰值振幅與平均振幅值均高于燈帶組。這說明在整體情況下，箭頭模式比燈帶模式使被試感到了更高的壓力，并可能帶來了認知負荷的增高。

峰值潛伏期p=0.048小于0.05，說明被試在箭頭模式下，峰值潛伏期顯著延長，獲取信息和處理該交互任務的速度變慢，認知處理能力變弱，認知負荷可能發生了增加。綜合組間對比結果分析，箭頭模式相比于燈帶模式，帶來了更高的認知負荷。

最終綜合組內和組間對比結果，可以得到HUD界面轉向交互的工效與設計策略：

（1）燈帶模式的轉向指示具有不穩定性，再結合行為學分析結果可知，其更容易使用戶發生誤判；而箭頭模式的轉向指示則具有良好的穩定性與指向性。（2）箭頭模式相比于燈帶模式，普遍帶來了更高的認知負荷。

總結

隨著交互技術的日益成熟，人機系統開始聚焦交互性能的定量化研究。眾多研究論證了基于腦電圖的ERP在測定認知表現方面的有效性。本研究面向人機系統工效評價問題，聚焦于如何使用ERP技術表征人機系統的工效，以智能座艙的HUD界面交互設計為例：首先通過改進的實驗范式實現了實驗任務與用戶交互場景的映射，然后進行組內ERP分析與組間ERP分析等多維度比較，獲得了腦電生理信號定量分析的結論，提出了優化策略，并最終提高系統工效，為界面設計提供了客觀依據。

通過本文的研究，可以看出基于改進范式的實驗模型進行腦電ERP分析，可以有效對人機交互時人的認知過程進行定量分析。本文構建的實驗研究范式可以應用于設計領域廣泛的人機交互評價，為利用生理測量技術進行設計研究做出了有益的探索。

參考文獻

[1]薛澄岐，王琳琳.智能人機系統的人機融合交互研究綜述[J].包裝工程，2021，42（20）：112-124+14.

[2]王佳珂，牛亞峰，薛澄岐.基于生理評測技術的民用無人機控制界面研究[J].設計，2018（05）：154-155.

[3]G Pfurtscheller；C Neuper；C Andrew；G Edlinger.Foot and hand area mu rhythms.[J]. International journal of psychophysiology ：official journal of the International Organization of Psychophysiology，1997（26）：121-135.

[4]劉堯，李亞楠.智能座艙多模態交互技術發展現狀及趨勢[J].汽車實用技術，2023，48（01）：182-187.

[5]K Karbowski. Hans Berger（1873-1941）.[J].Journal of neurology，2002，249（8）：1130-1131.

[6]Pin-Hsuan Chen；Pei-Luen Patrick Rau.Using EEG to investigate the influence of boredom on prospective memory in top-down and bottom-up processing mechanisms for intelligent interaction[J]. Ergonomics，2023，66（5）：690-703.

[7]Lina Elsherif Ismail，Waldemar Karwowski.Applications of EEG indices for the quantification of human cognitive performance：A systematic review and bibliometric analysis[J].PloS one，2020，15（12）：e0242857.

[8]Picton，Terence W..Electrophysiology of Mind：Event-Related Brain Potentials and Cognition（Book）.[J].Psychophysiology，1996，33（05）：612-613.

[9]沈擎陽，薛澄岐，牛亞峰.基于ERP的人機交互界面設計方法研究[J].設計，2018（06）：134-135.

[10]尚宸光.L3 級自動駕駛汽車的 AR-HUD 視覺交互設計研究[D].西南交通大學，2021.

[11]陳熠璇.基于情境感知的 AR-HUD 界面設計研究[D].江南大學，2021.

[12]STEVEN JL.洪祥飛，劉岳廬，譯.事件相關電位基礎[M].上海：華東師范大學出版社，2019.

[13]de Pascalis，Vilfredo，ORCID 0000-0003-4594-8877 . U degli Studi ’La Sapienza，’ Rome，Italy；Marucci，Francesco；Penna，Pietronilla M..Event-related potentials as asymmetry indices of lateralized cognitive processes during music and verbal tasks.[J].Biological Psychology，1987，Vol.24（2）：141-151.

[14]孫允睿，陳蘇柳.基于腦電技術的商業綜合體中庭景觀視覺專注度差異研究[J].設計，2021，34（03）：122-125.