买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广州大学申请的专利基于EEG的音乐诱发情绪识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115686208B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211338275.7，技术领域涉及：G06F3/01；该发明授权基于EEG的音乐诱发情绪识别方法及系统是由王力;黎瑾;詹倩倩;冯玉杰;张准;黄明阳设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本基于EEG的音乐诱发情绪识别方法及系统在说明书摘要公布了：本发明涉及情绪识别技术领域，且公开了基于EEG的音乐诱发情绪识别方法及系统，包括以下步骤：S11、设计一种基于音乐刺激情绪的BCI实验范式，音乐刺激包括两种类型，愉悦快乐型和悲伤沉痛型；S12、利用E‑prime设计实验任务界面，包括注视界面、音乐刺激界面、反馈界面、休息界面；实验开始之前，屏幕中央会显示指导语，让被试者充分了解实验规则，正式采集数据前受试者调整好情绪并处于身心放松的状态，带好耳机做好实验准备。该基于EEG的音乐诱发情绪识别方法及系统，设计了一种音乐刺激情绪的脑机接口实验范式，相对于其他刺激情绪方式来说，音乐刺激更加能使受试者处于一个轻松稳定的状态，更利于情绪治疗，对抑郁症治疗来说有很好的前景。

本发明授权基于EEG的音乐诱发情绪识别方法及系统在权利要求书中公布了：1.基于EEG的音乐诱发情绪识别方法，其特征在于，包括以下步骤：S1、设计实验范式以及采集脑电数据；S11、设计一种基于音乐刺激情绪的BCI实验范式，音乐刺激包括两种类型，愉悦快乐型和悲伤沉痛型；S12、利用E-prime设计实验任务界面，包括注视界面、音乐刺激界面、反馈界面、休息界面；S13、实验开始之前，屏幕中央会显示指导语，让被试者充分了解实验规则，正式采集数据前受试者调整好情绪并处于身心放松的状态，带好耳机做好实验准备；S14、实验开始时，屏幕中央会出现一个持续3秒的加号“+”，提示受试者做好准备进入情绪，接着出现音乐符号时开始播放音乐，音乐播放60秒，然后屏幕提示5秒“请受试者对音乐类型进行评价”，受试者认为该音乐为正性则按“9”键，认为该音乐为负性按“1”键，若判断不出则按“5”键，最后屏幕中央显示一个持续时间为2秒的星号“*”，在此期间受试者休息并调整好情绪；S2、对采集的EEG信号进行预处理；S21、通过测量电极获得受试者进行的三组脑电数据，基于时刻标签数据将愉悦欢快的音乐和悲伤沉痛型音乐整理成两类数据集，首先利用50Hz陷波器对原始EEG信号进行处理；S22、利用一个6阶的巴特沃斯滤波器在1-50Hz范围内对EEG信号进行滤波，依据测量电极的时刻标签，对脑电数据进行分段处理，取音乐播放60秒时间段进行处理，然后对所有电极进行时频分析，画出两类数据16个电极的功率谱密度图以及两类音乐数据的功率谱密度差值图；S23、根据功率谱密度图以及两类情绪功率谱差值图，得到电极P4在15-25Hz频段内两类情绪的差异变化，取第P4电极的9次积极情绪实验数据和9次消极情绪实验数据在15-25Hz的叠加频率作为两个样本，对两个样本进行配对t检验，得出P0.05，证明两类情绪差异；S24、考虑带通滤波器滤波范围调整为15-25Hz，确定能量变化的频率范围后，将滤波后的60秒音乐播放内的数据能量设为A，提示发生前参考时间段能量设为R，60秒数据内能量相对于提示发生前的能量波动百分数D为 S3、取音乐播放期间的60秒进行特征提取；S31、将时域信息转换为时频信息，对每一组每一导信号做短时傅里叶变换，采用汉宁窗作为窗函数，并将窗口大小设为1秒，时域采样频率为250Hz，频域采样频率为512Hz，每个频段的特征中含有的情绪信息又有所差别如此一来，每1秒内的时域信息会做一个傅里叶变换转换到频域上去，这样对于每一类情绪数据，得到9*60*250＝135000个采样点；S32、取出Delta频段1—4Hz、Theta频段4—8Hz、Alpha频段8—13Hz、Beta频段13—30Hz和Gamma频段30—50Hz这五个和生理心理活动密切相关的频段，对单一频段提取差分熵频域特征得到16个微分熵DE特征，对五个频段提取差分熵特征，每组数据提取到了16*5＝80个微分熵DE特征；S4、利用PCA方法对特征进行降维；S41、先对数据进行去中心化的规范处理，每个变量减去各自的平均值，这样可以将数据的中心归到零点位置，即均值为0；S42、计算中心化后的样本X的协方差矩阵；S43、计算协方差矩阵的特征值并按照从大到小的顺序排列；S44、计算特征值对应的特征向量，取前p个特征值对应的特征向量构成投影矩阵；S45、将数据转换到上述投影矩阵构建的新空间中，从而达到降维的目的；S5、对降维后的数据按照十折交叉验证划分训练集和测试集，对数据进行SVM二分类得到6位被试者分别在Delta、Theta、Alpha、Beta、Gamma以及五个频段的平均分类准确率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。