一种融合音色声学谱与脑电响应特征的关联模型构建方法技术

本发明专利技术涉及一种融合音色声学谱与脑电响应特征的关联模型构建方法，属于生物医学工程领域。包括：提取音色的多维声学特征；对大脑进行音色脑电实验，提取六个脑区N400和LPC脑电响应，所述的脑电响应包括幅度和潜伏期，用于表征音色神经响应特征；计算多维声学特征和脑电响应之间的皮尔逊相关系数，基于皮尔逊相关系数进行共线判断，去除多重共线的声学特征；对去除共线后的声学特征进行线性回归拟合，构建声学特征对脑电响应的关联模型。本发明专利技术方法有望加深对音色认知的理解，为未来音乐和神经科学领域的进一步研究提供了重要的基础。

【技术实现步骤摘要】

本专利技术属于生物医学工程领域，涉及脑电信号分析处理技术，具体涉及一种融合音色声学谱与脑电响应特征的关联模型构建方法。

技术介绍

1、在音乐理论中，调性音乐与无调性音乐代表了两种不同的音乐形式。调性音乐的表现不仅依赖于纵向的频率差异与横向的时间序列组合，还需要音色与配器作为物理振动的真实载体，这样才能完整地呈现出调性音乐的特征。因此，音色作为调性音乐中人耳听觉的重要载体，对于调性音乐的理解和感知至关重要。在调性音乐的神经认知研究中，音色起着关键作用，不同配器所呈现出的音色差异是调性音乐中最主要的区别之一。

2、音色的物理特征的研究相对于音高和声音响度等其他声学特性起步较晚，并且常常被认为是最难理解的声学特性之一。音色并不是单一的声学属性，而是由多重声谱特征构成的，人们所感知到的音色往往是这些声谱特征进行融合后所形成的一种复杂的听觉感知图像。这些声谱特征包括泛音分布、谐波比例、频率强度分布等，它们共同塑造了音色的独特特征。此外，大脑对于音色具有特殊的感知模式，当相同响度和音高的两个不同乐器音色混合进行播放时，人耳往往能够清晰地辨别出不同音色的差异本文档来自技高网...

【技术保护点】

1.一种融合音色声学谱与脑电响应特征的关联模型构建方法，其特征在于步骤如下：

2.根据权利要求1所述的融合音色声学谱与脑电响应特征的关联模型构建方法，其特征在于，所述的多维声学特征包括：Low Energy低能量值、SRO谱下降值、频谱质心特征SC、频谱不规律性SI、谱熵SE、过零率ZCR、谱下降值SRO、明亮度Brightness、谱平整度SFM、谱偏度Spectral Skewness、谱峭度Spectral Kurtosis、谱宽Spectral Spread、起奏时间Attack Time、稳态时间Sustain Time、均方根能量RMS。>

3.根据权利...

【技术特征摘要】

1.一种融合音色声学谱与脑电响应特征的关联模型构建方法，其特征在于步骤如下：

2.根据权利要求1所述的融合音色声学谱与脑电响应特征的关联模型构建方法，其特征在于，所述的多维声学特征包括：low energy低能量值、sro谱下降值、频谱质心特征sc、频谱不规律性si、谱熵se、过零率zcr、谱下降值sro、明亮度brightness、谱平整度sfm、谱偏度spectral skewness、谱峭度spectral kurtosis、谱宽spectral spread、起奏时间attack time、稳态时间sustain time、均方根能量rms。

3.根据权利要求1所述的融合音色声学谱与脑电响应特征的关联模型构建方法，其特征在于，所述对大脑进行音色脑电实验，提取六个脑区n400和lpc脑电响应，具体为：

4.根据权利要求1所述的融合音色声学谱与脑电响应特征的关联模型构建方法，其特征在于，所述计算多维声...

【专利技术属性】
技术研发人员：甘霖，韩军伟，张高燕，陈月莹，黄翔东，李忠杰，宋乐，马幸雅，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：