一种音乐脑电分析方法

1、一种音乐脑电分析方法，其特征在于，包括下述步骤： a、脑电信号采集，按标准的脑电图采集方式采集脑电图； b、脑电信号处理，将步骤a采集的脑电图进行信号特征分析，根据脑电信号的特征量数据和音乐的特征量数据共同符合幂律分布的规律建立脑电信号的特征量数据与对应的音乐特征量数据的映射规则，将脑电信号的特征量数据映射为音乐特征量数据； c、MIDI格式音乐生成，根据步骤b的音乐特征量数据生成MIDI音乐；或根据步骤b的脑电信号的特征量数据与音乐特征量数据的映射规则，将音乐特征量数据映射为脑电信号的特征量数据，由MIDI音乐重建脑电图。
2、 根据权利要求l所述的音乐脑电分析方法，其特征在于，所述脑电信号 的特征量数据包括脑电信号的周期、脑电信号的振幅、脑电信号每个周期的平 均功率，所述音乐的特征量数据包括音长、音高、音强，所述步骤b中提取脑 电信号的振幅，将振幅映射为音高。
3、 根据权利要求2所述的音乐脑电分析方法，其特征在于，所述脑电信号 的振幅与音乐的特征量数据的音高的映射关系式为：；^"mlg^^ + "， Amp是 脑电的振幅，W/W是音高，n为音高的最大值，m为负常数。
4、 根据权利要求3所述的音乐脑电分析方法，其特征在于，所述步骤b中 还提取脑电信号的周期，将周期映射为音长。
5、 根据权利要求1至4任意一项所述的音乐脑电分析方法，其特征在于， 所述步骤b中还提取脑电信号的特征量数据的每个周期的平均功率，将每个周期的平均功率映射为音强。
6、 根据权利要求5所述的音乐脑电分析方法，其特征在于，所述脑电信号的特征量数据的每个周期的平均功率根据Fechner定理映射为音强。
7、根据权利要求l所述的音乐脑电分析方法，其特征在于，所述步骤C中 提取MIDI音乐的音高和音长，根据脑电信号的特征量数据与对应的音乐特征量 数据的映射规则，将音高映射为脑电信号的特征量数据的振幅，音长映射为脑 电信号的特征量数据的周期，重建脑电图。

一种音乐脑电分析方法\n技术领域\n本发明涉及一种脑电信号分析方法，特别涉及一种音乐脑电分析方法。 背景技术\n自从脑电在1924年被发现并测量以来，人们对脑电波的研究主要是通过脑 电图（EEG)进行，多数是以视觉方式呈现。传统的脑电研究将脑电按照频率和 振幅分为以下几类：P波，频率高（在14到30Hz之间，有时高至50Hz)，幅值 较小（约5iiV); a波，最典型的脑电波节律，在8到13Hz之间，幅值比e波 稍大；e波，频率比a波略低，通常为4到7Hz，振幅比a波大；S波，最慢的 脑电波节律，通常低于3.5Hz，其振幅最大，可达300txV。大脑处于不同意识 状态时，这些脑波节律所占比例是不同的。 一般而言，较高级的思维活动多伴 随频率较高，振幅较小的节律，而大脑处于休息状态时，多产生频率较低，振 幅较大的节律。如清醒状态时，多以P波、a波占优，而睡眠过程中，则多为\ne波、S波。可见，大脑的不同意识状态，是可以通过其频率和振幅来表现的。 另一方面，音乐是人对乐音的排列组合的感知。乐音的四个基本要素是：音高\n(pitch),音色(timbre),音强(intensity)和音长（dumtion)。这些要素 是人的一种心里属性，用来描述人类对听到的乐音的心理感觉量。这些属性反 映了客观刺激量对人的心理感觉的影响。如音高主要与乐器发声频率有关，音 色与频谱有关，而音强主要受声压的影响，音长与时间有关。这些要素的各种 变化组合，使得音乐旋律具有丰富的表现力。 一般而言，表达强烈情绪（如活 泼欢快）的乐曲，音高较高，音强较强，音长较短，即音的高低快慢的变化都 比较快和复杂多样。而表达平静情绪的乐曲，则一般音高稍低，音强较弱，音 长较长，即音的各种变化相对较少。音乐是人的情绪的宣泄和表达，同时对人 的情绪和状态有明显的影响。因此，人们一直试图将脑电和音乐联系起来。\n中国专利申请号为01129935. 5的发明专利公开了一种可视音乐脑电反馈\n法，即采集脑电数据后，将脑波特征分析变为时间序列数据，产生音乐或图像 达到反馈训练的目的。但是该专利对于音乐与脑电数据之间的映射规则及其理 由，都没有提及。 发明内容\n本发明所要解决的技术问题是，提供一种脑电数据与音乐数据之间根据幂 律分布建立的映射规则，将脑电信号转换为音乐信号的音乐脑电分析方法。\n本发明解决上述技术问题采用的技术方案是： 一种音乐脑电分析方法，包\n括下述步骤：a、脑电信号采集，按标准的脑电图采集方式采集脑电图；b、脑 电信号处理，将步骤a采集的脑电图进行信号特征分析，根据脑电信号的特征 量数据和音乐的特征量数据共同符合幂律分布的规律建立脑电信号的特征量数 据与对应的音乐特征量数据的映射规则，将脑电信号的特征量数据映射为音乐 特征量数据；c、 MIDI格式音乐生成，根据步骤b的音乐特征量数据生成MIDI 音乐；或根据步骤b的脑电信号的特征量数据与音乐特征量数据的映射规则， 将音乐特征量数据映射为脑电信号的特征量数据，由MIDI音乐重建脑电图。\n幂律分布，是自组织系统的一个重要特性，即两个变量的关系可以用幂指数 的形式来表示，如变量X， r，若J^JT，"称为幂律指数，通常为-1.5〜-0.5。 脑电信号很多特征变量都符合幂律分布，如功率谱密度符合以频率为底的幂律 分布。在音乐中，音高、音长、音强等变量出现次数的排列顺序和出现的次数 之间也符合幂律分布。研究表明，音乐的幂律分布是音乐动听的原因之一。脑 电和音乐共同遵循的这一规律，通过建立合适的映射规则，将脑电的特征与音\n乐的属性进行科学地对应，进而产生能以不同风格的音乐来反应不同意识状态 的脑电特征，使脑电向音乐的转换科学合理。\n所述脑电信号的特征量数据包括脑电信号的周期、脑电信号的振幅、脑电 信号每个周期的平均功率，所述音乐的特征量数据包括音长、音高、音强，所 述步骤b中提取脑电信号的振幅，将振幅映射为音高。\n所述脑电信号的振幅与音乐的特征量数据的音高的映射关系式为：\np"c/2 = wlg^«p + "， Amp是脑电的振幅，/7/fc/?是音高，n为音高的最大值，m为负 常数。\n脑电（EEG)是脑内神经元活动的宏观表现，人脑的不同状态有相应的脑电 波特性。同时，鉴于音乐丰富的表现力及音乐与脑电信号的共性，脑电可以用 音乐的方式进行解读。为了更直观地反应脑波特征，本发明釆用了一种较为直 接的方式，即将脑波与乐音直接对应。虽然脑电波和音乐都具有声波的形式， 但一方面因脑电信号频率范围通常在01. Hz到40Hz，人耳无法听到频率如此低 的声音，另一方面乐音会给人明确的音高感，是因为其频率和频谱分布符合特 殊的规则，直接将脑电波频率放大也无法得到乐音的效果。因此需要建立一种 合适的映射规则，既保留脑波信号最重要的特征，又使得到的音符序列具有音 乐性，且能反应不同的大脑意识状态。同时这种映射应该是建立在一定的生理 学意义之上的，而不是简单的选择几个生理参数来合成音乐。因此，首先选取 脑电和音乐的基本特征变量来作为控制变量。本发明选取的脑波特征变量有： 振幅、周期和平均功率。由脑电研究中对脑电波各频段的分类标准可知，振幅、 周期和平均功率都是脑电波的基本特征量，可以反应大脑的意识活动状态。而 对乐音而言，通常在乐曲中，音色的变化不是太频繁，因此本发明中直接将音 色定为钢琴（也可根据需要定为其他音色）。而剩下的三种属性：音高，音长和\n音强，'则作为生成音乐的控制变量。通过映射规则，将脑电波的每个周期的波 映射为一个音符。研究结果表明，作为自组织系统，脑电和音乐都满足幂律分 布，经过推导，将脑电的振幅和音高相对应，将脑电的周期和音长对应，而平 均功率，因其反应了脑电波的能量分布，则与音强对应。脑电的振幅和音高的 映射关系，是脑电振幅和功率谱密度的关系，功率谱与频率的幂律分布，以及 音乐的音高和频率关系的综合表现。在音乐中，音高主要与声源的振动频率有 关，频率越高，音高也就越高。作为人对音乐的感知的心理属性之一，音高与 频率间呈现为对数关系，这也是现代音乐律制中12平均律的基础。音高的范围 称为音域，音域较高的乐曲，比较欢快明亮，而音域较低的乐曲，则比较深沉\n平稳。根据研究结果，脑电的振幅（Amp)和功率谱密度（SP)有线性相关关系，\n即formula see original document page 7（1) 其中/z是比例系数，且//>0。而功率谱密度和频率（/£)之间符合幂律分布， 即 S尸oc// (2)\n其中"是幂指系数，是幂律分布最本质的表达，"通常范围是一2到一1。对（2) 式两边取对数，可得： formula see original document page 7进一步有 formula see original document page 7（3)\n在MIDI标准中，共有128个不同的音高，每两个之间有半音的差距。根据\nFechner定理（G. T. Fechner，德国物理学家）和12平均律的相关定义，音\n高（;^W，以半音为单位）和乐器振荡频率（/M)之间的关系可以表示为：\nformula see original document page 7\n其中440即为国际标准音高（A4， 440Hz)，它在MIDI标准中对应的音高值为69。 为与前面的推导一致，我们将这个式子化为常用对数的形式，艮P-\n' /)"c/z = c lg /A/ +