[发明专利]一种基于脑电信号的音乐音调想象区分方法有效

专利信息
申请号: 202011519400.5 申请日: 2020-12-21
公开(公告)号: CN112799505B 公开(公告)日: 2022-08-26
发明(设计)人: 张建海;黄卫涛 申请(专利权)人: 杭州电子科技大学
主分类号: G06F3/01 分类号: G06F3/01;G06F3/16;G06K9/62;G06N3/04;G06N3/08
代理公司: 杭州君度专利代理事务所(特殊普通合伙) 33240 代理人: 朱亚冠
地址: 310018 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 电信号 音乐 音调 想象 区分 方法
【权利要求书】:

1.一种基于脑电信号的音乐音调想象区分方法,其特征在于该方法具体是:

步骤(1)、获取脑电信号;

受试者依次进行听觉刺激部分、短暂空白部分、想象音调部分、休息部分和基线校正部分五阶段的视听刺激,并获取对应阶段的脑电信号;

所述的听觉刺激部分要求在t1时间内受试者目光盯着注视点,并听取不同等级音域的钢琴音调;

所述的空白部分要求在t2时间内受试者置于安静环境,并保持目光不动;

所述的想象音调部分要求在t3时间内受试者目光不动,并进行听觉刺激部分听取不同频率音调时的想象;

所述的休息部分要求在t4时间内受试者进行眨眼休息;

所述的基线校正部分要求在t5时间内受试者处于平静无任务状态,即不进行想象和听觉刺激;

步骤(2)、将上述脑电信号预处理,然后将对应音调编号作为标签,构建训练样本;

步骤(3)、深度可分离卷积网络包括第一卷积层、第二卷积层、第三卷积层、Flatten层、标签分类器、域分类器;其中第一卷积层、第二卷积层、第三卷积层依次串联,Flatten层的输入为第三卷积层的输出,标签分类器、域分类器的输入均为Flatten层的输出;

每块卷积层依次由深度可分离卷积层、BN(BatchNormalization)层和最大池化(MaxPooling)层组成,深度可分离卷积层的卷积核大小为3*3,且步长设置为1的无补零模式;

Flatten层用于展平第三卷积层输出的多维数据,将数据展平成一维;

标签分类器依次由第一全连接(Dense)层、Dropout层、第二全连接(Dense)层、第三全连接(Dense)层组成;用于区分想象的脑电类型;

域分类器依次由第四全连接(Dense)层、第五全连接(Dense)层组成;用于迁移学习。

2.如权利要求1所述的一种基于脑电信号的音乐音调想象区分方法,其特征在于:钢琴音域有7个八度,将其分为中低高三个等级,第一至第三个八度定义为低音调,第四至第五个八度定义为中音调,第六至第七个八度定义为高音调。

3.如权利要求1所述的一种基于脑电信号的音乐音调想象区分方法,其特征在于:所述的脑电信号预处理包括降采样、基线校正、去除眼电伪迹、滤波。

4.如权利要求1所述的一种基于脑电信号的音乐音调想象区分方法,其特征在于:域分类器在训练模型反向传播中在梯度值前乘一个负数,使得其往得到差的分类结果的方向进行训练。

5.如权利要求4所述的一种基于脑电信号的音乐音调想象区分方法,其特征在于:标签分类器的激活函数为Softmax,域分类器的激活函数则是选择Leaky ReLU。

6.如权利要求5所述的一种基于脑电信号的音乐音调想象区分方法,其特征在于:标签分类器和域分类器在训练时满足以下公式:

其中δf,δy,δd分别为特征参数,标签参数和域参数,和分别表示第i个样本的标签分类器和域分类器的损失值,θ为域分类器的权值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011519400.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top