一種音樂腦電分析方法技術

本發明專利技術提供了一種音樂腦電分析方法。該方法包括下述步驟：ａ、腦電信號采集，按標準的腦電圖采集方式采集腦電圖；ｂ、腦電信號處理，將步驟ａ采集的腦電圖進行信號特征分析，根據腦電信號的特征量數據和音樂的特征量數據共同符合冪律分布的規律建立腦電信號的特征量數據與對應的音樂特征量數據的映射規則，將腦電信號的特征量數據映射為音樂特征量數據；ｃ、ＭＩＤＩ格式音樂生成，根據步驟ｂ的音樂特征量數據生成ＭＩＤＩ音樂；或根據步驟ｂ的腦電信號的特征量數據與音樂特征量數據的映射規則，將音樂特征量數據映射為腦電信號的特征量數據，由ＭＩＤＩ音樂重建腦電圖。本發明專利技術提出了一種采用音樂分析腦電的音樂腦電分析方法，且可以根據腦電信號的特征量數據與音樂特征量數據的對應關系，由ＭＩＤＩ音樂重建相應的腦電圖。

【技術實現步驟摘要】

本專利技術涉及一種腦電信號分析方法，特別涉及。
技術介紹
自從腦電在1924年被發現并測量以來，人們對腦電波的研究主要是通過腦電圖(EEG)進行，多數是以視覺方式呈現。傳統的腦電研究將腦電按照頻率和振幅分為以下幾類β波，頻率高(在14到30Hz之間，有時高至50Hz)，幅值較小(約5μV)；α波，最典型的腦電波節律，在8到13Hz之間，幅值比β波稍大；θ波，頻率比α波略低，通常為4到7Hz，振幅比α波大；δ波，最慢的腦電波節律，通常低于3.5Hz，其振幅最大，可達300μV。大腦處于不同意識狀態時，這些腦波節律所占比例是不同的。一般而言，較高級的思維活動多伴隨頻率較高，振幅較小的節律，而大腦處于休息狀態時，多產生頻率較低，振幅較大的節律。如清醒狀態時，多以β波、α波占優，而睡眠過程中，則多為θ波、δ波。可見，大腦的不同意識狀態，是可以通過其頻率和振幅來表現的。另一方面，音樂是人對樂音的排列組合的感知。樂音的四個基本要素是音高(pitch)，音色(timbre)，音強(intensity)和音長(duration)。這些要素是人的一種心里屬性，用來描述人類對聽到的樂音的心理感覺量。這些屬性反映了客觀刺激量對人的心理感覺的影響。如音高主要與樂器發聲頻率有關，音色與頻譜有關，而音強主要受聲壓的影響，音長與時間有關。這些要素的各種變化組合，使得音樂旋律具有豐富的表現力。一般而言，表達強烈情緒(如活潑歡快)的樂曲，音高較高，音強較強，音長較短，即音的高低快慢的變化都比較快和復雜多樣。而表達平靜情緒的樂曲，則一般音高稍低，音強較弱，音長較長，即音的各種變化相對較少。音樂是人的情緒的宣泄和表達，同時對人的情緒和狀態有明顯的影響。因此，人們一直試圖將腦電和音樂聯系起來。中國專利申請號為01129935.5的專利技術專利公開了一種可視音樂腦電反饋法，即采集腦電數據后，將腦波特征分析變為時間序列數據，產生音樂或圖像達到反饋訓練的目的。但是該專利對于音樂與腦電數據之間的映射規則及其理由，都沒有提及。
技術實現思路
本專利技術所要解決的技術問題是，提供一種腦電數據與音樂數據之間根據冪律分布建立的映射規則，將腦電信號轉換為音樂信號的音樂腦電分析方法。本專利技術解決上述技術問題采用的技術方案是，包括下述步驟a、腦電信號采集，按標準的腦電圖采集方式采集腦電圖；b、腦電信號處理，將步驟a采集的腦電圖進行信號特征分析，根據腦電信號的特征量數據和音樂的特征量數據共同符合冪律分布的規律建立腦電信號的特征量數據與對應的音樂特征量數據的映射規則，將腦電信號的特征量數據映射為音樂特征量數據；c、MIDI格式音樂生成，根據步驟b的音樂特征量數據生成MIDI音樂；或根據步驟b的腦電信號的特征量數據與音樂特征量數據的映射規則，將音樂特征量數據映射為腦電信號的特征量數據，由MIDI音樂重建腦電圖。冪律分布，是自組織系統的一個重要特性，即兩個變量的關系可以用冪指數的形式來表示，如變量X，Y，若Y＝Xα，α稱為冪律指數，通常為-1.5～-0.5。腦電信號很多特征變量都符合冪律分布，如功率譜密度符合以頻率為底的冪律分布。在音樂中，音高、音長、音強等變量出現次數的排列順序和出現的次數之間也符合冪律分布。研究表明，音樂的冪律分布是音樂動聽的原因之一。腦電和音樂共同遵循的這一規律，通過建立合適的映射規則，將腦電的特征與音樂的屬性進行科學地對應，進而產生能以不同風格的音樂來反應不同意識狀態的腦電特征，使腦電向音樂的轉換科學合理。所述腦電信號的特征量包括腦電信號的周期、振幅、腦電信號每個周期的平均功率，所述音樂的特征量包括音長、音高、音強，所述步驟b中提取腦電數據的振幅，將振幅映射為音高。所述腦電數據的振幅與音高的映射關系式為pitch＝mlg Amp+n，Amp是腦電的振幅，pitch是音高，n為音高的最大值，m為負常數。n可設定為音高的最大值，m的值可根據需要的音高范圍和Amp的情況進行調整。腦電(EEG)是腦內神經元活動的宏觀表現，人腦的不同狀態有相應的腦電波特性。同時，鑒于音樂豐富的表現力及音樂與腦電信號的共性，腦電可以用音樂的方式進行解讀。為了更直觀地反應腦波特征，本專利技術采用了一種較為直接的方式，即將腦波與樂音直接對應。雖然腦電波和音樂都具有聲波的形式，但一方面因腦電信號頻率范圍通常在01.Hz到40Hz，人耳無法聽到頻率如此低的聲音，另一方面樂音會給人明確的音高感，是因為其頻率和頻譜分布符合特殊的規則，直接將腦電波頻率放大也無法得到樂音的效果。因此需要建立一種合適的映射規則，既保留腦波信號最重要的特征，又使得到的音符序列具有音樂性，且能反應不同的大腦意識狀態。同時這種映射應該是建立在一定的生理學意義之上的，而不是簡單的選擇幾個生理參數來合成音樂。因此，首先選取腦電和音樂的基本特征變量來作為控制變量。本專利技術選取的腦波特征變量有振幅、周期和平均功率。由腦電研究中對腦電波各頻段的分類標準可知，振幅、周期和平均功率都是腦電波的基本特征量，可以反應大腦的意識活動狀態。而對樂音而言，通常在樂曲中，音色的變化不是太頻繁，因此本專利技術中直接將音色定為鋼琴(也可根據需要定為其他音色)。而剩下的三種屬性音高，音長和音強，則作為生成音樂的控制變量。通過映射規則，將腦電波的每個周期的波映射為一個音符。研究結果表明，作為自組織系統，腦電和音樂都滿足冪律分布，經過推導，將腦電的振幅和音高相對應，將腦電的周期和音長對應，而平均功率，因其反應了腦電波的能量分布，則與音強對應。腦電的振幅和音高的映射關系，是腦電振幅和功率譜密度的關系，功率譜與頻率的冪律分布，以及音樂的音高和頻率關系的綜合表現。在音樂中，音高主要與聲源的振動頻率有關，頻率越高，音高也就越高。作為人對音樂的感知的心理屬性之一，音高與頻率間呈現為對數關系，這也是現代音樂律制中12平均律的基礎。音高的范圍稱為音域，音域較高的樂曲，比較歡快明亮，而音域較低的樂曲，則比較深沉平穩。根據研究結果，腦電的振幅(Amp)和功率譜密度(SP)有線性相關關系，即SP＝μ·Amp(1)其中μ是比例系數，且μ＞0。而功率譜密度和頻率(fE)之間符合冪律分布，即 SP ∝fEα(2)其中α是冪指系數，是冪律分布最本質的表達，α通常范圍是-2到-1。對(2)式兩邊取對數，可得 lgSP＝αlgfE+b進一步有lgfE=1αlgSP-bα---(3)]]>在MIDI標準中，共有128個不同的音高，每兩個之間有半音的差距。根據Fechner定理(G.T.Fechner，德國物理學家)和12平均律的相關定義， 音高(pitch，以半音為單位)和樂器振蕩頻率(fM)之間的關系可以表示為pitch=12×log2(fM440)+69]]>其中440即為國際標準音高(A4，440Hz)，它在MIDI標準中對應的音高值為69。為與前面的推導一致，我們將這個式子化為常用對數的形式，即 pitch＝clgfM+d(4)其中c，d為常數，c＝40，d＝36.6。若假設腦電頻率和音的頻率線性相關，且可以被表示為fM＝βfE，其中β是比例系數，那么(3)就可以表示為lgβfE=lgf本文檔來自技高網...

【技術保護點】
一種音樂腦電分析方法，其特征在于，包括下述步驟：ａ、腦電信號采集，按標準的腦電圖采集方式采集腦電圖；ｂ、腦電信號處理，將步驟ａ采集的腦電圖進行信號特征分析，根據腦電信號的特征量數據和音樂的特征量數據共同符合冪律分布的規律建立 腦電信號的特征量數據與對應的音樂特征量數據的映射規則，將腦電信號的特征量數據映射為音樂特征量數據；ｃ、ＭＩＤＩ格式音樂生成，根據步驟ｂ的音樂特征量數據生成ＭＩＤＩ音樂；或根據步驟ｂ的腦電信號的特征量數據與音樂特征量數據的映射規則，將 音樂特征量數據映射為腦電信號的特征量數據，由ＭＩＤＩ音樂重建腦電圖。

【技術特征摘要】
1.一種音樂腦電分析方法，其特征在于，包括下述步驟a、腦電信號采集，按標準的腦電圖采集方式采集腦電圖；b、腦電信號處理，將步驟a采集的腦電圖進行信號特征分析，根據腦電信號的特征量數據和音樂的特征量數據共同符合冪律分布的規律建立腦電信號的特征量數據與對應的音樂特征量數據的映射規則，將腦電信號的特征量數據映射為音樂特征量數據；c、MIDI格式音樂生成，根據步驟b的音樂特征量數據生成MIDI音樂；或根據步驟b的腦電信號的特征量數據與音樂特征量數據的映射規則，將音樂特征量數據映射為腦電信號的特征量數據，由MIDI音樂重建腦電圖。2.根據權利要求1所述的音樂腦電分析方法，其特征在于，所述腦電信號的特征量包括腦電信號的周期、振幅、腦電信號每個周期的平均功率，所述音樂的特征量包括音長、音高、音強，所述步驟b中提取腦電數據的振幅，將振幅映射為音高。3.根據權利要求2...

【專利技術屬性】
技術研發人員：堯德中，李朝義，吳丹，
申請(專利權)人：電子科技大學，
類型：發明
國別省市：90[中國|成都]