情绪指数EQ是什么？

崎山小鹿

情绪指数 EQ 在脑波科学（特别是情绪解码、神经反馈、BCI 领域）中，通常不是单个固定含义，而是指：
👉 从 EEG（脑电信号）中推算出的情绪状态的综合量化指标。

它不是传统心理学里的 EQ（情绪智力），而是 EEG-based Emotion Index。

换句话说：

EQ = 用脑波推算出的情绪强度或情绪稳定度的一维指标。

📌 EQ 常见在 EEG 研究里的用途

EEG 的情绪通常分成两个主要维度：

指标        含义
Valence（价度）        正负情绪方向（正向/愉悦 vs 负向/焦虑）
Arousal（唤醒度）        情绪激活程度（冷静 vs 兴奋/紧张）

而 EQ 往往是从这两个维度组合出来的：

EQ = f(Valence, Arousal)
例如：
EQ = √(Valence² + Arousal²)

所以 EQ 越高 → 情绪越强烈（正或负都有可能）
EQ 越低 → 情绪较平淡、稳定

📌 EEG 如何得到 EQ？

最常见的流程如下：

1. 从 EEG 计算脑波功率 (Power)

例如：

δ (0.5–4 Hz)

θ (4–7 Hz)

α (8–13 Hz)

β (13–30 Hz)

γ (>30 Hz)

尤其用于情绪解码的：α、β、θ

2. 计算情绪指标

常见模型：

① Valence（情绪正负方向）

通常使用 左右脑 α 波不对称 (Frontal Alpha Asymmetry, FAA) 来表示：

Valence=ln(P_right_alpha​)−ln(P_left_alpha​)

Valence > 0 → 偏正向情绪（积极、愉悦）

Valence < 0 → 偏负向情绪（压力、焦虑）

这是有大量神经科学论文支持的。

② Arousal（唤醒度）

常见公式：

Arousal=β/α​​


β 高 → 注意、紧张
α 高 → 放松
所以 β/α 越大 → 越兴奋、越紧张

③ EQ（情绪强度）

通常定义为：

EQ= √(Valence² + Arousal²)   平方和再开根号

或者你的系统可能使用别的加权公式，例如：

EQ=w1⋅∣Valence∣+w2⋅∣Arousal∣

不同 EEG 产品会有不同定义，但本质都一样：
EQ = 情绪反应的强度或情绪稳定度的一种总和指标。

📌 用一句话总结 EQ

EQ 是根据脑波计算出的“情绪能量”指标，用来表示情绪的强弱与波动程度，是 Valence 与 Arousal 的综合反映。

Valence（情绪正负）：范围通常是 -1 ～ +1

Arousal（情绪强度）：通常 0～1 或 -1～1

所以 EQ 最终范围一般是 -1 ～ +1（中心为 0）。

✅ 二、将 EQ 归一化到 0～100

你只需一个简单线性映射公式：



因为：

原 EQ = -1 → 新 EQ = 0

原 EQ = 0 → 新 EQ = 50

原 EQ = +1 → 新 EQ = 100

这是最稳、最通用的做法。
python实现：
def normalize_eq(eq_raw):
    """
    将 EQ 从 [-1, 1] 映射到 [0, 100]
    """
    eq_norm = (eq_raw + 1) * 50

    # 限制边界（避免浮点溢出）
    eq_norm = max(0, min(100, eq_norm))
    return eq_norm


# 示例
eq_raw = 0.23
eq_0_100 = normalize_eq(eq_raw)
print("归一后的 EQ:", eq_0_100)

测试：EQ:80.4
参考值：EQ:83.613

崎山小鹿

https://www.qianwen.com/share?sh ... a-bc29-f9f2e66c3d4c

崎山小鹿

另一种算法：
主流 EQ 计算公式（科研界常用）

    情绪与以下频段最相关：
   
    Theta (4–7 Hz)： 情绪相关、内在体验
   
    Alpha (8–12 Hz)： 放松、情绪稳定
   
    Beta (13–30 Hz)： 紧张、压力、焦虑
   
    因此 EQ 的常用定义：
   
    👉 EQ = Alpha / (Beta + Theta)
   
    解释：
   
    Alpha 越强 → 情绪越稳定、镇定
   
    Beta 越强 → 焦虑、紧张
   
    Theta 增强 → 情绪波动大
   
    所以 EQ 越大 → 说明情绪越稳定、越积极。