情绪是我们在生活中进行交流的重要方式。能否准确识别他人的情绪面孔,识别对方情绪状态并适当反应,在一定程度上反映了人的社交能力,关系到个体社会交往能力的发展,因此进行面部表情识别的研究有着重要意义。本研究主要是对面孔表情分类的时间进程进行探讨,着重于对高兴面部表情分类优势——虽然中性面部表情的分类速度要快于高兴或者悲伤面孔,但是明显的高兴面部表情分类优势(PCA)效应,也就是高兴面部表情的分类速度明显快于悲伤面孔,这一心理学研究中的重要现象的探讨。本研究利用EEG技术,通过三种基本面部表情分类的脑电实验,当不同表情出现时,被试需要对屏幕上呈现的面部表情进行分类判断,并尽快完成按键反应。采用64导脑电系统获得了18名正常人的脑电数据,在完成了EEG信号的去噪矫正、分段滤波等预处理后,利用时频分析方法,对实验所得到的行为学数据、事件相关电位数据和脑节律数据进行了特征分析及统计分析,讨论了面部表情分类的时间进程并对PCA现象进行了时间定位。从事件相关电位上的结果可以发现,相比于悲伤面孔,高兴面孔会触发幅值更小的N170和幅值更大的N2成分。而P3成分则很有可能通过高幅值和短潜伏期来调控高兴和中性面部表情的识别过程。与此同时,反应时与P3成分的幅值和潜伏期的较强关联性也揭露出P3成分对于面部表情分类过程和高兴面孔的分类优势的现象起到了一定的调制作用。因此,从ERP的结果上可以得出,高兴面孔分类优势这一现象是必然存在的,而面部表情分类的时间过程虽然从N170成分的潜伏期上已经开始出现,但高兴面孔分类优势这一现象可能还是受到了晚期成分的调制。从脑节律的数据上可以得知,面部表情分类这一过程与theta、alpha和beta频段都存在一定的联系,并且这样的一个分类过程早在刺激后100ms就已经开始进行了。由于theta频段与P300之间存在互相调制作用,而theta震荡在刺激200ms后与反应时存在强负相关性,可以推测,虽然面部表情分类与多个脑节律的震荡相关,但theta频段可能参与了高兴面孔分类优势的现象的调制。