基于腦電信號(hào)評(píng)價(jià)情緒狀態(tài)及聽(tīng)覺(jué)激勵(lì)對(duì)改善情緒的研究

王慧　邱義波　駱永樂(lè)

摘要 如何從腦活動(dòng)數(shù)據(jù)中發(fā)現(xiàn)具有生物學(xué)意義的知識(shí)及規(guī)律，正成為當(dāng)今神經(jīng)信息學(xué)理論與實(shí)踐研究的熱點(diǎn)與難點(diǎn).基于腦電的情緒識(shí)別和情緒及其腦機(jī)制的關(guān)聯(lián)研究已經(jīng)成為神經(jīng)工程和生物醫(yī)學(xué)工程領(lǐng)域的熱門(mén)課題.本研究基于腦電信號(hào)評(píng)價(jià)情緒狀態(tài)，嘗試借助腦電耳機(jī)來(lái)監(jiān)測(cè)“毫無(wú)頭緒”的腦電波，重點(diǎn)開(kāi)展了聽(tīng)覺(jué)激勵(lì)對(duì)改善焦慮情緒狀態(tài)的實(shí)驗(yàn)研究.借助特定中國(guó)古風(fēng)純音樂(lè)產(chǎn)生聽(tīng)覺(jué)信號(hào)激勵(lì)，激發(fā)出被試者平靜放松的情緒狀態(tài)，從而改善焦慮，發(fā)現(xiàn)音樂(lè)和情緒之間可能存在的關(guān)系.將來(lái)在BCI技術(shù)研究的基礎(chǔ)之上，情緒識(shí)別可以進(jìn)一步滿足患有特定疾?。ˋLS癥、腦癱、腦干中風(fēng)、脊髓損傷等）的患者人群的某些更高級(jí)的需求，即通過(guò)腦電分析出其對(duì)事物的喜好度，比如音樂(lè)的選擇，從而設(shè)計(jì)出更加友善和智能的BCI系統(tǒng)，在醫(yī)療康復(fù)領(lǐng)域具有很好的應(yīng)用前景.

關(guān)鍵詞 腦電信號(hào);腦電成像;腦電信號(hào)識(shí)別;信號(hào)處理;音樂(lè)激勵(lì)

中圖分類號(hào) B842.6

文獻(xiàn)標(biāo)志碼 A

0 引言

大腦是思維的生物基礎(chǔ)，大腦執(zhí)行不同的思維或認(rèn)知任務(wù)，或者精神狀態(tài)、心理活動(dòng)或情緒上的改變都會(huì)帶來(lái)大腦特定區(qū)域腦電波節(jié)律上的改變[1].對(duì)于情緒的研究由來(lái)已久，使用的方法也各不相同.近年來(lái)，隨著腦電信號(hào)采集設(shè)備的應(yīng)用和推廣，信號(hào)處理和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展，以及計(jì)算機(jī)數(shù)據(jù)處理能力的大幅提高，腦電已經(jīng)被越來(lái)越多的引入到情緒識(shí)別的研究中，基于腦電的情緒識(shí)別和情緒及其腦機(jī)制的關(guān)聯(lián)研究已經(jīng)成為神經(jīng)工程和生物醫(yī)學(xué)工程領(lǐng)域的熱門(mén)課題[2].在各種人-機(jī)交互系統(tǒng)里，如果系統(tǒng)能識(shí)別出人的情緒狀態(tài)，人與機(jī)器的交互就會(huì)變得更加友好和自然[3].

一般而言，大腦的狀態(tài)在一定程度上可以通過(guò)腦電波的振幅、頻率反映出來(lái)，目前國(guó)際上是依照頻率對(duì)腦波進(jìn)行劃分：δ波、θ波、α波、β波和γ波.而從生理學(xué)和心理學(xué)角度可解釋這一劃分：δ波頻率范圍為0.5～3.5 Hz，在成人的腦電采集中很少出現(xiàn)，大多出現(xiàn)在大腦睡眠狀態(tài)下，如深度麻醉、熟睡等;θ波頻率范圍為3.5～7.5 Hz，此波一般在人處于高度放松狀態(tài)并稍有困意時(shí)顯現(xiàn);α波頻率范圍為7.5～13.5 Hz，在腦電信號(hào)采集中，該波最為明顯，尤其是在成人安靜閉目狀態(tài)下;β波頻率范圍為13.5～35 Hz，當(dāng)人體處于緊張狀態(tài)、注意力高度集中或者進(jìn)行強(qiáng)烈的腦力活動(dòng)時(shí)，α波幅值降低，轉(zhuǎn)化為β波[4].

音樂(lè)是人類智慧的結(jié)晶，對(duì)人的精神狀態(tài)有著重大影響.這種影響是通過(guò)神經(jīng)元活動(dòng)而進(jìn)行的，通過(guò)對(duì)腦電信號(hào)的研究，即可觀察到這種影響.基于以上腦波的劃分，音樂(lè)對(duì)人體狀態(tài)的影響可以通過(guò)對(duì)腦電信號(hào)的采集、分析得到更好的詮釋.也正是由于音樂(lè)的特殊性質(zhì)及其與腦電波之間的關(guān)聯(lián)，使得音樂(lè)刺激的腦機(jī)制研究已逐漸成為研究熱門(mén).音樂(lè)與情緒的關(guān)系始終是學(xué)術(shù)界關(guān)注的熱點(diǎn)問(wèn)題之一.近年來(lái)，隨著認(rèn)知神經(jīng)科學(xué)的發(fā)展，音樂(lè)情緒加工的認(rèn)知神經(jīng)機(jī)制已成為音樂(lè)心理學(xué)研究的核心[5].越來(lái)越多的研究者青睞以不同旋律的音樂(lè)來(lái)刺激誘發(fā)人類情緒，通過(guò)采集到的 EEG 數(shù)據(jù)對(duì)情緒腦機(jī)制進(jìn)行研究.大腦處理不同旋律的音樂(lè)，會(huì)逐漸產(chǎn)生不同的心理變化和生理反應(yīng).如在旋律輕松的音樂(lè)中，人們就會(huì)呈現(xiàn)出一種放松的狀態(tài)[6-7].

本文借助Neuro Scan公司最新研發(fā)的Mindwave腦電耳機(jī)，開(kāi)展了基于腦電信號(hào)評(píng)價(jià)受試情緒狀態(tài)，以及中國(guó)古風(fēng)純音樂(lè)產(chǎn)生的聽(tīng)覺(jué)激勵(lì)對(duì)改善焦慮情緒可能存在的影響的實(shí)驗(yàn)設(shè)計(jì)及研究.具體研究思路如下：首先，通知受試執(zhí)行假想緊張思維任務(wù)，借助Mindwave腦電耳機(jī)將采集后的腦電數(shù)據(jù)藍(lán)牙發(fā)送給電腦，利用經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition，EMD）提取出腦電信號(hào)中的主要成份，再通過(guò)Hilbert變換（Hilbert Transform，HT）構(gòu)成相應(yīng)的解析信號(hào)，之后求取瞬時(shí)頻率，進(jìn)而繪制Hilbert時(shí)-頻-幅值譜，若Hilbert譜呈現(xiàn)的主要頻率和表征焦慮狀態(tài)的頻率區(qū)間（β波段）基本重合，即可推斷出受試者處于焦慮的情緒狀態(tài).之后，電腦隨機(jī)播放預(yù)先“挑選”好的中國(guó)古風(fēng)舒緩純音樂(lè)片段集，再將新的腦電數(shù)據(jù)發(fā)送給電腦，運(yùn)用上述信號(hào)處理方法再次處理之后，若Hilbert時(shí)-頻-幅值譜呈現(xiàn)的主要頻率和表征放松狀態(tài)的頻率區(qū)間（α波段）基本重合，則可推斷受試者焦慮情緒有所改善.可視化呈現(xiàn)方面，借助Neuro Scan公司為Mindwave腦電耳機(jī)開(kāi)發(fā)的腦波顯示軟件和瑜伽球游戲軟件，由軟件界面顯示放松度指標(biāo)和瑜伽球漂浮高度，來(lái)表征受試情緒是否得到改善.

1 聽(tīng)覺(jué)激勵(lì)改善焦慮情緒的實(shí)驗(yàn)設(shè)計(jì)及研究

1.1 實(shí)驗(yàn)?zāi)康?/p>

做本實(shí)驗(yàn)的目的，是希望采集處理被試者在焦慮情緒狀態(tài)下的腦電信號(hào)，尋找出一種準(zhǔn)確高效的基于腦電的情緒識(shí)別的方法和思路.之后，通過(guò)一定的聽(tīng)覺(jué)信號(hào)激勵(lì)方法，激發(fā)出被試者平靜的情緒，從而改善情緒，發(fā)現(xiàn)音樂(lè)和情緒之間可能存在的關(guān)系.

1.2 刺激材料

考慮到帶有歌詞信息的音樂(lè)誘發(fā)得到的情緒的可控性不強(qiáng)，因?yàn)檠哉Z(yǔ)素材的內(nèi)容可能與被試者的經(jīng)歷以及被試者對(duì)于歌詞的上下文了解程度的差異有較大關(guān)系，故本文使用純音樂(lè)作為改善情緒的聲音刺激材料[8].考慮到受試者為中國(guó)人，對(duì)民樂(lè)的賞析和熟悉度更佳，故音樂(lè)元素主要涵蓋古箏、古琴、笛子、簫等.

挑選了8段中國(guó)古風(fēng)純音樂(lè)（《金子陵》《一葉子》《千燈引》《月河雪》《蝶花飛舞》《深谷幽蘭》《閑云孤鶴》《一念心清凈》）作為隨機(jī)播放的音樂(lè)素材，均帶有較為平靜的情緒色彩，每段純音樂(lè)時(shí)長(zhǎng)均在1 min左右，足以使受試者達(dá)到需要的情緒狀態(tài)并有一定的保持，還不至于產(chǎn)生聽(tīng)覺(jué)疲勞.

首先讓受試者進(jìn)行以下思維過(guò)程：假想緊張以誘發(fā)β波（本研究小組前期曾探索過(guò)冥想放松和假想緊張兩種想象活動(dòng)下的腦電活動(dòng)特征，實(shí)驗(yàn)分析結(jié)果表明兩種新型思維任務(wù)下自發(fā)腦電信號(hào)特征提取及分類方法效果良好，分類精度達(dá)到 95%，相關(guān)論文發(fā)表于Technology and Health Care 2015年第23期（SCI））[9].

1.3 被試情況

考慮到聲音刺激有可能引起某些副作用，故選擇實(shí)驗(yàn)對(duì)象為聽(tīng)力均正常，無(wú)任何腦神經(jīng)系統(tǒng)疾病的健康人群.共有6名志愿者作為測(cè)試樣本，均為在校研究生，男女志愿者各3名，年齡22～38歲之間，平均年齡27歲.受試者被提前告知實(shí)驗(yàn)?zāi)康摹?shí)驗(yàn)流程和注意事項(xiàng)，腦電波耳機(jī)對(duì)人體是無(wú)害的，盡量消除被試人員的緊張情緒及體動(dòng)、吞咽口水、眼球移動(dòng)所引起干擾腦電信號(hào)的可能性.根據(jù)對(duì)被試人員的調(diào)查了解，傾向于選擇對(duì)純音樂(lè)有一定興趣的人員作為被試人員，采用 1〖DK〗∶1 的被試人員性別比例.

1.4 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)現(xiàn)場(chǎng)環(huán)境如圖1所示，光線適中、溫度適宜.硬件平臺(tái)主要包括Neuro Sky公司的Mind Wave Mobile藍(lán)牙腦電耳機(jī)和Thinkpad筆記本電腦組成.

腦電耳機(jī)的一個(gè)輸入端與使用者前額的腦電傳感器相連，另一個(gè)輸入端與使用者耳部電極相連，通過(guò)干電極得到使用者FP1和A1信道的腦電波電壓變化，所采集的原始前額葉腦電波信號(hào)具有時(shí)間分辨率高、采集方法簡(jiǎn)單、無(wú)創(chuàng)等特點(diǎn).腦電耳機(jī)設(shè)備內(nèi)置Think Gear芯片，可對(duì)采集到的腦電電壓進(jìn)行預(yù)處理，得到反映腦電強(qiáng)度的數(shù)字信號(hào)輸出;腦電耳機(jī)上集成無(wú)線藍(lán)牙模塊，與電腦實(shí)現(xiàn)數(shù)據(jù)傳輸.電腦實(shí)時(shí)采集儲(chǔ)存、分析處理原始腦電信號(hào)Rawdata數(shù)據(jù)，并根據(jù)受試者情緒狀態(tài)隨機(jī)播放舒緩的刺激音樂(lè).借助計(jì)算機(jī)軟件界面，可以可視化反映受試者放松程度.

1.5 實(shí)驗(yàn)流程

1）告知受試者實(shí)驗(yàn)內(nèi)容以及實(shí)驗(yàn)中的注意事項(xiàng)，關(guān)閉手機(jī)等可能造成干擾的設(shè)備.讓受試者填寫(xiě)背景信息調(diào)查表，記錄被試者的基本信息.

2）啟動(dòng)Neuro Sky公司的Mind Wave腦電波耳機(jī)系統(tǒng)的電源，啟用藍(lán)牙配對(duì)模式，給受試者佩戴腦電波耳機(jī)，觀察設(shè)備運(yùn)行情況.

3）電腦播放事先準(zhǔn)備好的電影《辛德勒的名單》背景音樂(lè)片段作為示例音樂(lè)，讓受試者適應(yīng)實(shí)驗(yàn)環(huán)境，并根據(jù)受試者的習(xí)慣調(diào)節(jié)音量等設(shè)置.

4）設(shè)置腦電采集的參數(shù)，本文選擇的采樣頻率為1 024 Hz.

5）觀察腦電信號(hào)波形，查看腦電信號(hào)的記錄是否存在異常，若出現(xiàn)異常，進(jìn)行調(diào)整，或者記錄下來(lái)以便數(shù)據(jù)處理時(shí)參考.

6）告知受試者進(jìn)行假象緊張思維任務(wù)，電腦同時(shí)實(shí)時(shí)采集記錄儲(chǔ)存原始腦電信號(hào)Rawdata數(shù)據(jù)，并通過(guò)希爾波特-黃變換（Hilbert-Huang Transform，HHT）[10]算法對(duì)其進(jìn)行分析，研究腦電在焦慮緊張情緒狀態(tài)下的表現(xiàn)和特征.經(jīng)過(guò)預(yù)先設(shè)定的中國(guó)古風(fēng)純音樂(lè)刺激后，再次將腦電通過(guò)HHT算法對(duì)其進(jìn)行分析，繼而從腦電信號(hào)Hilbert時(shí)-頻-幅值譜、腦波顯示軟件和瑜伽球游戲軟件顯示結(jié)果3種方式判斷受試者焦慮情緒是否有所改善，初步發(fā)現(xiàn)音樂(lè)和情緒之間可能存在的關(guān)系.

7）結(jié)束實(shí)驗(yàn)，確保保存好腦電數(shù)據(jù)，關(guān)閉軟件和硬件設(shè)備，為受試者脫下腦電波耳機(jī).

2 實(shí)驗(yàn)研究成果

2.1 數(shù)據(jù)分析處理

本研究在腦電識(shí)別中引入了基于EMD和HT的時(shí)頻分析方法——HHT算法來(lái)提取腦電的時(shí)頻特征.HHT可將原始高維的信號(hào)空間轉(zhuǎn)變?yōu)榈途S的特征空間，將原始特征域中不易被觀察和檢測(cè)的Hilbert幅值譜特征在變換域中顯示出來(lái).

由于腦電信號(hào)的非線性非平穩(wěn)性，單純考慮時(shí)域特征或頻域特征都是不全面的，因此本研究試圖將時(shí)域和頻域聯(lián)系起來(lái)，找出相應(yīng)的時(shí)頻特征.時(shí)頻分析方法主要有HHT和小波變換等.小波包分解利用聯(lián)合的時(shí)間-尺度函數(shù)來(lái)分析非平穩(wěn)信號(hào)，但是小波包分解的不足之處在于變換前需要設(shè)定小波基函數(shù)，而且模式識(shí)別精度與所選基函數(shù)有很大關(guān)系，需要反復(fù)的嘗試和選擇.故而，本研究擬利用HHT，基函數(shù)不需要事先設(shè)定，變換過(guò)程根據(jù)信號(hào)的局部特征自動(dòng)選擇基函數(shù).

HHT是一種無(wú)需任何先驗(yàn)知識(shí)的自適應(yīng)時(shí)頻分析方法，具有較高的時(shí)頻分辨率.EMD是HHT方法的核心，其依據(jù)信號(hào)本身的局部時(shí)間尺度特征，按頻率由高到低把復(fù)雜信號(hào)分解為有限個(gè)固有模態(tài)函數(shù)（Intrinsic Mode Function，IMF）分量之和.分解基依賴于信號(hào)本身，數(shù)據(jù)的分解有真實(shí)的物理意義，是一種新的主成分分析法.EMD使得每個(gè)IMF信號(hào)是窄帶信號(hào)，以滿足HT的要求.IMF必須滿足以下兩個(gè)條件：

1）對(duì)于一列數(shù)據(jù)，極值點(diǎn)和過(guò)零點(diǎn)數(shù)目必須相等或至多相差一點(diǎn);

2）極大點(diǎn)構(gòu)成的包絡(luò)線和極小點(diǎn)構(gòu)成的包絡(luò)線的平均值為零.

EMD將待分解信號(hào)相鄰峰值點(diǎn)間的時(shí)延定義為時(shí)間尺度，分解通過(guò)一種稱為篩選的計(jì)算步驟來(lái)實(shí)現(xiàn)：

1）設(shè)x（t）代表需要分解的信號(hào).首先找出x（t）上所有的極值點(diǎn)，用3次樣條曲線連接各極大值點(diǎn)形成x（t）上的包絡(luò)線，同樣連接各極小值點(diǎn)形成下包絡(luò)線，確保x（t）上的所有點(diǎn)在上下包絡(luò)線之間;

2）定義上下包絡(luò)線之間的均值為m1，x（t）與m1的差定義為h1（1）=x（t）-m1;

3）判斷h1（1）是否符合IMF分量條件，如果滿足，則為第1個(gè)IMF，如不滿足，則繼續(xù)對(duì)h1（1）重復(fù)上面步驟1）和2）的篩選過(guò)程;

4）假定經(jīng)過(guò)k次篩選后的結(jié)果h1（k）滿足IMF的定義，則x（t）的第1個(gè)IMF分量為C1 = h1（k）;

5）隨后，將x（t）與C1的差r（t）=x（t）-C1作為新的數(shù)據(jù)重復(fù)上述篩選過(guò)程，可得第2個(gè)IMF 分量C2;

6）當(dāng)IMF分量Cn或余量rn小于預(yù)先設(shè)定的值，或者余量rn已經(jīng)成為單調(diào)函數(shù)時(shí)，則整個(gè)篩選過(guò)程結(jié)束.

經(jīng)過(guò)上述步驟后，x（t）可分解為n個(gè)IMF分量及余量rn的和：

同樣，利用式（10）可以將幅值與瞬時(shí)頻率隨時(shí)間的變化表示在一個(gè)三維圖中，即在聯(lián)合的時(shí)頻平面上將幅值的輪廓勾勒出來(lái).這種幅值的時(shí)間-頻率分布即定義為原始信號(hào)x（t）的Hilbert幅值譜H（t，f），或簡(jiǎn)稱為Hilbert譜.根據(jù)式（9）與式（10），信號(hào)x（t）的Hilbert譜可表示成

Hilbert譜可以看作是一種加權(quán)的聯(lián)合幅值-頻率-時(shí)間的三維分布，而賦予每個(gè)時(shí)間-頻率單元的權(quán)重即為局部幅值.對(duì)于Hilbert譜來(lái)說(shuō)，坐標(biāo)中的某個(gè)點(diǎn)代表著整個(gè)時(shí)間歷程中，在該時(shí)刻，局部出現(xiàn)了這樣頻率的一個(gè)波動(dòng).Hilbert譜中，每個(gè)時(shí)間-頻率點(diǎn)處對(duì)應(yīng)的值就是信號(hào)的局部幅值.

2.2 實(shí)驗(yàn)效果演示

思維任務(wù)的指令是假想緊張.首先電腦屏幕提示受試者進(jìn)入假想緊張狀態(tài)（如想象恐怖動(dòng)物追趕、工作生活中的壓力等），信號(hào)采樣頻率1 024 Hz，采集前額葉原始EEG信號(hào)，之后首先進(jìn)行基于FFT的理想低通濾波，考慮到β波的波段，選擇截止頻率為30 Hz.濾波后的腦電信號(hào)經(jīng)過(guò)EMD后得到相應(yīng)的IMF1，繪制如圖2所示.

相應(yīng)的Hilbert時(shí)-頻-幅值譜繪制如圖3所示.

由圖3可見(jiàn)，當(dāng)受試者執(zhí)行假想緊張思維任務(wù)時(shí)，Hilbert譜的頻率成分和β波的頻率區(qū)間基本重合（真實(shí)瞬時(shí)頻率=采樣頻率×正則化頻率）.

受試操作Neuro Scan公司開(kāi)發(fā)的腦波顯示軟件和瑜伽球游戲軟件截圖分別如圖4和圖5所示，可見(jiàn)受試者情緒放松度很差.

受試接受中國(guó)古風(fēng)純音樂(lè)激勵(lì)后腦電信號(hào)經(jīng)過(guò)EMD后得到的IMF1繪制如圖6所示.

相應(yīng)的Hilbert時(shí)-頻-幅值譜繪制如圖7所示.

由圖7可見(jiàn)，當(dāng)受試者接受中國(guó)古風(fēng)純音樂(lè)聽(tīng)覺(jué)激勵(lì)后，Hilbert譜的頻率成分基本和α波的頻率區(qū)間基本重合，可以認(rèn)為受試者情緒狀態(tài)已經(jīng)放松下來(lái).受試操作Neuro Scan公司開(kāi)發(fā)的腦波顯示軟件和瑜伽球游戲軟件截圖分別如圖8和圖9所示，可見(jiàn)受試者放松度得到了很大的提高.

3 結(jié)束語(yǔ)

本文借助Neuro Scan公司最新研發(fā)的Mindwave腦電耳機(jī)，開(kāi)展了受試者在緊張焦慮情緒狀態(tài)下的腦電信號(hào)監(jiān)測(cè)，以及聽(tīng)覺(jué)激勵(lì)對(duì)改善焦慮情緒可能存在的影響的實(shí)驗(yàn)設(shè)計(jì)及研究.即通過(guò)一定的聽(tīng)覺(jué)信號(hào)激勵(lì)方法，由中國(guó)古風(fēng)純音樂(lè)激發(fā)出受試者平靜放松的情緒狀態(tài)，從而改善緊張焦慮狀態(tài)，發(fā)現(xiàn)音樂(lè)和情緒之間可能存在的關(guān)系.在腦-機(jī)接口技術(shù)的基礎(chǔ)之上，情緒識(shí)別可以進(jìn)一步滿足殘疾人的某些更高級(jí)的需求——對(duì)于患有特定疾病的殘疾人，可以通過(guò)腦電分析出其對(duì)事物的喜好度，比如音樂(lè)的選擇，從而設(shè)計(jì)出更加友善和更加智能的腦-機(jī)接口，提高殘疾人的生活質(zhì)量，應(yīng)用前景良好.

雖然本研究小組基于腦電的情緒識(shí)別及改善研究已經(jīng)有了比較大的進(jìn)展，但尚處在實(shí)驗(yàn)室階段，離實(shí)際應(yīng)用尚有相當(dāng)距離，主要存在下列問(wèn)題有待解決：

1）腦電信號(hào)在情緒表征的過(guò)程中具有一定的個(gè)體差異性，且不同受試者對(duì)于同一聽(tīng)覺(jué)激勵(lì)材料的反應(yīng)也會(huì)存在一定的差異，接下來(lái)的工作將是尋找腦電信號(hào)-情緒特征-聽(tīng)覺(jué)激勵(lì)之間的對(duì)應(yīng)關(guān)系，從而消除目前研究中的個(gè)體差異性;

2）本研究目前受試數(shù)只有6名，在接下來(lái)的工作中，我們會(huì)增加實(shí)驗(yàn)者的數(shù)目，獲得更多實(shí)驗(yàn)數(shù)據(jù)，以使得實(shí)驗(yàn)結(jié)果更可靠;

3）目前采用Neuro Sky公司的Mind Wave Mobile藍(lán)牙腦電耳機(jī)提取前額葉的單電極腦電波，在接下來(lái)的工作中，我們可能會(huì)采用多電極腦電采集系統(tǒng)提取腦電波，并對(duì)于情緒識(shí)別的關(guān)鍵腦區(qū)問(wèn)題進(jìn)行研究;

4）在更長(zhǎng)遠(yuǎn)的未來(lái)，我們將會(huì)把基于腦電的情緒識(shí)別拓展到圖片識(shí)別、眼電識(shí)別等，并與實(shí)際應(yīng)用相結(jié)合，實(shí)現(xiàn)在線檢測(cè)受試者的多種情緒.

參考文獻(xiàn)

References

[1] Friedrich E V C，Scherer R，Neuper C.The effect of distinct mental strategies on classification performance for brain-computer interfaces[J].International Journal of Psychophysiology，2012，84（1）：86-94

[2] 成敏敏.基于EEG的情緒信息特征及其分類方法研究[D].南京：東南大學(xué)，2017

CHENG Minmin.Emotionalin formationfeatures and itsclassification based on EEG signals[D].Nanjing：Southeast University，2017

[3] 聶聃，王曉韡，段若男，等.基于腦電的情緒識(shí)別研究綜述[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2012，31（4）：595-606

NIE Ran，WANG Xiaowei，DUAN Ruonan，et al.A survey on EEG based emotion recognition[J].Chinese Journal of Biomedical Engineering，2012，31（4）：595-606

[4] Thilo H H，Tsutomu K，Harald W.Psychophysiological classification and staging of mental states during meditative practice[J].Biomed Tech，2011，56：341-350

[5] 王莞琪.聲樂(lè)與器樂(lè)情緒知覺(jué)的差異性及其成因探究[D].上海：上海師范大學(xué)，2017

WANG Wanqi.A probe into the difference of emotional perception between vocal music and instrumental music and its causes[D].Shanghai：Shanghai Normal University，2017

[6] 廖智，朱珍民，王毅，等.基于輕音樂(lè)加音樂(lè)節(jié)拍方式的大腦雙重刺激誘導(dǎo)方法[J].計(jì)算機(jī)工程，2017，43（11）：27-31，39

LIAO Zhi，ZHU Zhenmin，WANG Yi，et al.Brain double simulation inducing method based on light music and music beats way[J].Computer Engineering，2017，43（11）：27-31，39

[7] 于悅，姜媛，方平，等.音樂(lè)誘發(fā)情緒測(cè)量及其影響因素[J].心理與行為研究，2014（5）：695-700

YU Yue，JIANG Yuan，F(xiàn)ANG Ping，et al.Measurement for music-induced emotions and its interacting factors[J].Studies of Psychology and Behavior，2014（5）：695-700

[8] 聶聃.基于腦電的情感識(shí)別[D].上海：上海交通大學(xué)，2012

NIE Ran.EEG based emotion recognition[D].Shanghai：Shanghai Jiao Tong University，2012

[9] WANG Hui，SONG Aiguo，LI Bowei，et al.Psychophysiological classification andexperiment study for spontaneous EEG basedon two novel mental tasks[J].Technology and Health Care，2015，23：249-262

[10] Huang N E，Shen Z，Long S R，et al.The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proc R Soc Lond，1998，454：903-995

Evaluation of emotional state based on EEG signals and

improving emotionsby auditory stimulation

WANG Hui1 QIU Yibo2 LUO Yongle1，3

1 Institue of Intelligent Machines，Chinese Academy of Sciences，Hefei 230031

2 Longtan Prison，Nanjing 210034

3 Hefei Institutes of Physical Science，University of Science and Technology of China，Hefei 230026

AbstractIdentification of biological significance using brain activity data is a research hotspot in neuroscience theory and practice.The emotional recognition and study of the correlation between emotions and brain mechanisms based on electroencephalograms （EEGs） are important topics in the fields of neuroscience and biomedical engineering.In this study，the emotional state of a subject was evaluated using EEG signalscollected using the MindWave Mobile 2EEG headphone，and the “clueless” mind wave was monitored as well.An experimental study on improving the state of anxiety by auditory excitation was conducted.Auditory signal stimulation was achieved with specific antique Chinese pure music sets，which stimulated the emotional state of calm relaxation in the subjects.Thus，their anxiety was reduced，and the possible relationship between music and emotion was derived.In the future，brain-computer interface （BCI） technology can help meet the more advanced emotional recognition needs of patients with specific diseases （such as ALS，cerebral palsy，brainstem stroke，and spinal cord injury） via EEG analysis of their preferences for aspects such as choice of music.Thus，a more user-friendly and intelligent BCI system，with good application prospects in the field of medical rehabilitation，could be designed.

Key wordselectroencephalogram signal;brain imaging;electroencephalogram recognition;signal processing;musical stimulation