手语通过神经运动动力学编码事件结构：动作、肌肉与意义

本研究通过运动捕捉和肌电图（EMG）技术，揭示了奥地利手语（?GS）中动词事件结构的神经运动编码机制。研究发现，telic动词（有界事件）与atelic动词（无界事件）在运动学参数（如持续时间、峰值速度、减速时机）和肌肉激活模式（如协同收缩指数CCI、功率谱密度PSD）上存在系统性差异，为语言具身理论（embodied cognition）提供了实证支持，表明语法区别植根于精细的运动控制策略。

　　

1 引言

具身语言理论认为语法区别植根于感觉运动经验，但神经肌肉层面的实证证据仍较为缺乏。手语因其语法通过身体动作实现，为研究具身认知提供了独特窗口。本研究基于事件可见性假说（Event Visibility Hypothesis），量化分析了奥地利手语（?GS）中动词事件结构如何通过运动控制差异进行编码。Telic动词描述有明确终点的事件（如“到达”），而atelic动词描述无自然终点的过程（如“奔跑”）。研究通过运动捕捉和表面肌电图（EMG）记录，发现两类动词在运动学和肌肉激活模式上存在显著差异。

此前研究发现，多种手语中事件结构均通过动作形式可见，但存在跨语言差异。例如美国手语（ASL）通过音系结构区分telic与atelic，而克罗地亚手语（HZJ）则通过形态变化实现同一词根的交替形式。运动捕捉研究证实，telic动词结束时减速更快，峰值速度更高。非手语者也能感知这些运动差异并将其用于词汇判断任务，这表明运动感知能力可能被手语系统化利用。

在?GS中，运动动力学调节标记语法相关区别，telic-atelic区别反映在动词的音系形式中。既往研究发现，telic动词具有更高的加速度、加加速度（jerk）和结束时减速度，更短的持续时间，以及更长的符号结束保持（sign-final holds）。初步肌电数据显示，telic符号在符号和保持间隔期间上臂肌肉激活更高，而atelic动词中重复的前臂运动则显示更高的前臂肌肉激活。

2 材料与方法

2.1 受试者

六名聋人手语者（4名女性）纳入分析，中位年龄55岁。所有参与者均为?GS熟练使用者，以?GS为主要日常语言，且自认为是聋人社区成员。

2.2 运动捕捉流程

使用12摄像头红外运动捕捉系统（300Hz）记录身体运动学数据，同步录制2D视频（150Hz）。标记点轨迹经过低通滤波（25Hz cutoff），通过逆运动学算法计算关节中心。符号起始定义为手形到达起始位置的视频帧，符号偏移定义为手形或手朝向改变或手离开最终位置的时刻。每个符号均使用优势手数据进行个体化分析。

运动学参数包括符号持续时间、速度、加速度、加加速度的峰值与中位数，以及运动熵和时空变异指数（STI）。运动熵使用样本熵（SampEn）计算，STI通过跨时间点标准差之和量化。

3 肌电图（EMG）记录流程

表面肌电用于监测骨骼肌电活动，评估肌肉激活的起始、终止、收缩幅度和协调模式。记录四块手臂肌肉：指伸肌、指屈肌、肱二头肌和肱三头肌。数据采集频率2000Hz，电极放置遵循SENIAM规范。受试者执行最大自主收缩（MVC）程序以标准化激活水平。

肌电数据经过高通（10Hz）、低通（300Hz）和陷波（50Hz）滤波后，进行整流和平滑处理。计算功率谱密度（PSD），提取5个频带（6–15, 16–25, 26–60, 61–75, 76–140 Hz）的功率值。协同收缩指数（CCI）按公式(emg_l/emg_h)*(emg_l+emg_h)计算，其中emg_l和emg_h分别为较低和较高振幅的肌电信号。

3.1 互相关分析

通过互相关分析量化肌肉激活与手腕运动的时间耦合程度，计算上臂肌肉（二头肌、三头肌）与手腕速度的互相关，峰值相关系数经过Fisher z转换以确保正态性。

4 统计分析

使用混合效应线性模型分析动词类型（telic/atelic）对所有变量的影响，以动词类型为固定效应，参与者为随机效应。效应大小报告偏eta方（η²_p），p值经过Benjamini-Hochberg校正。

5 结果

共分析390个符号（每名参与者34个telic和31个atelic动词）。混合模型显示，telic动词具有显著更慢的平均手腕速度、更短的符号持续时间、更晚的峰值减速度时机、更低的样本熵和更低的时空变异指数（STI），反映出更规则、变异更小的运动模式。

肌电分析显示，telic动词中腕伸肌、腕屈肌和肱三头肌的平均与峰值激活均显著更高。PSD分析表明，telic动词在三头肌的多个频带（6–15, 16–25, 60–75, 76–140 Hz）谱功率更高，腕屈肌仅在6–15Hz频带功率更大。前臂和上臂的协同收缩指数（CCI）在telic动词中显著更高，表明更大的拮抗肌共激活和关节稳定性。

互相关分析显示，telic动词的手腕-二头肌和手腕-三头肌耦合程度均显著低于atelic动词，反映其运动协调模式差异。

6 讨论

本研究表明，?GS中telic与atelic动词的区别在运动学和肌电水平均得到编码。Telic动词运动特征包括较低平均速度、较短持续时间、较晚开始的减速度以及较低的运动变异性，符合有界、目标导向的运动模式。肌电模式显示，telic动作中三头肌和前臂肌肉激活更高，低频PSD（6–15Hz）增加表明共同神经驱动和运动单元同步化增强，与精细运动控制一致。

事件标记的签名模式与手语感知研究中的神经激活差异相呼应，表明这些运动特征可能是表征事件边界的更一般皮层机制的一部分。?GS的发现与其他手语一致，telic动词通过清晰的空间和时间终点确保事件可见性。肌电结果表明，这些运动特征源于特定的肌肉激活模式，尤其是与低强度协调收缩相关的频带。

与?GS形容词强化编码相比，telic动词依赖相位性调节（定时激活爆发），而形容词强化则依赖张力性共收缩以增加关节刚度，表明手语者采用分化的神经运动策略产生不同的语法特征。

6.1 局限性

本研究的符号数据未配对，且使用高灵敏度测量方法，分析中存在噪声和变异性，可能掩盖某些差异。肌电信号包含神经和外周成分，无法分解，因此关于神经输入的结论仅为推测。

7 结论

运动学和肌电结果共同表明，telic语法特征不仅源于肌肉努力增加，更源于精细的时空协调和肌肉共激活。Telic动词的独特运动特征（如较晚减速度、较低变异性）是结构化神经肌肉控制的下游结果，尤其是拮抗肌定时和针对性张力调节。

从方法角度，本研究为语法区别（如telicity）在手语动词运动控制中的系统编码提供了定量神经运动证据，结合高分辨率运动捕捉和肌电的模式融合方法，为具身认知理论提供了实证基础，概念化语言具身为可测量的生理过程。

这些发现深化了对事件边界可见性、语言标记和符号产生之间关系的理解。从形态音系学视角，telic动词符号表现出一致的神经运动标记，包括时间精确的减速度曲线、降低的时空变异性、增加的协同收缩指数和特定的肌肉激活谱模式，构成一种具身形态标记，使telicity在语言上显性。与之相反，atelic动词特征为更大的运动变异性和较低协调的肌肉激活，符合形态无标记性。这种不对称平行于口语中的形态模式，标记形式呈现一致的音系修饰，而无标记形式显示更大结构多样性。这表明手语语法依赖于口语中的不对称标记原则，通过协调的神经运动控制实现音系修饰。