什么是活跃指数ACQ

崎山小鹿

什么是活跃指数（ACQ，Activity Quotient）？

活跃指数 ACQ（Activity Quotient） —— 是一个基于脑电波（EEG）功率谱的指标，用来衡量 大脑当前整体的活跃程度。

可以理解为：

ACQ 越高 → 大脑越兴奋、处理信息越积极、认知负荷越高
ACQ 越低 → 大脑越放松、越接近休息状态

它常用于注意力评估、认知负荷监测、工作疲劳识别、和情绪指数 EQ 里的“激活度”部分。

🧠 ACQ 的理论基础

大脑不同频段有不同的含义：

频段        含义
δ（0.5–4 Hz）        深度睡眠，最低活跃度
θ（4–7 Hz）        困倦、发呆、冥想
α（8–13 Hz）        放松、闭眼、稳定
β（13–30 Hz）        注意、认知加工、紧张
γ（>30 Hz）        高级认知、信息整合、强活跃

在“活跃指数”里：

高频 → 表示大脑活跃（β、γ）
低频 → 表示大脑不活跃（δ、θ）

因此 ACQ 的本质是：

高频功率 / 低频功率 的比值

🧮 ACQ 的典型计算方法

在科学文献中最常见的计算方式为：

ACQ = (β 功率 + γ 功率) / (α 功率 + θ 功率)

也就是：

活跃指数 = 高活跃频段 / 低活跃频段


这和心理学里的 Arousal（激活度）计算方式几乎一致。

有些 EEG 算法公司采用更简单版本：

ACQ = β / α

或：

ACQ = β / (α + θ)
返回：'活跃指数1': np.float64(58.033), '活跃指数2': np.float64(60.309)
参考值：56.056，59.559

甚至在消费级 EEG 中常采用：

ACQ = β / θ
返回：'活跃指数1': np.float64(38.666345576368016), '活跃指数2': np.float64(48.924393749505796)
参考值：56.056，59.559


📌 为什么这样计算？（科学依据）

科学家早期的 EEG 研究发现：

放松/闭眼时 α 增加

困倦/冥想时 θ 上升

注意 / 兴奋 / 压力时 β 和 γ 上升

例如：

打开手机、开始阅读 → β 上升

专注计算 → γ 上升

进入发呆模式 → θ 增加

情绪放松 → α 增加

于是研究者发现一个规律：

高频（β+γ）是激活度的“加速器”
低频（α+θ）是激活度的“刹车”

所以用两者的比值就能刻画大脑的“激活 - 抑制”平衡。

🧠 ACQ 用来判断什么？
ACQ 值        大脑状态
高（>1.0）        高度活跃、紧张、认知负荷高、精神集中
中等（0.5–1.0）        正常工作状态
低（<0.5）        放松、轻度疲劳、困倦、发呆

（实际阈值取决于你的设备、滤波器与功率归一化方式）

✔ ACQ 是如何被发现的？

早期 EEG 研究者注意到 α 波在放松时明显增加（1930s）

1940–1970 年间，β 与 γ 被发现与认知加工、集中相关

研究人员计算不同频段比值，发现：

β/α 与觉醒度非常一致

β/θ 与注意力波动高度相关

后期情绪模型中（如 Russell Valence/Arousal 模型）明确使用此类比值来表达“激活度”

最终，EEG 科学界形成共识：

活跃度 = 高频（兴奋） / 低频（放松 + 困倦）

这就是 ACQ 的来源。

崎山小鹿

活跃指数 = alpha / theta
返回：'活跃指数1': np.float64(71.09164150561206), '活跃指数2': np.float64(72.84372538757852)
参考值：56.056，59.559

倾向：左脑betaL大于右脑betal正向，反之为负面 测试不对