一种基于脑波识别的智能音乐推荐系统的制作方法

本发明属于音乐推荐的技术领域，具体涉及一种基于脑波识别的智能音乐推荐系统。

背景技术：

21世纪是信息化时代，随着信息技术和网络技术的发展，信息化已经渗透到人们日常生活的各个方面，与人们的日常生活早已建立了密切的联系。在生活节奏越来越快的今天,人们对娱乐便捷的需求也越来越强烈，所以各种音乐推荐系统也是逐渐应运而生。自古以来,音乐就一直伴随着人们的日常生活，古有笙箫唢呐，今有吉他、萨克斯，如今人们听音乐大多通过手机、音乐播放器或是直接在电脑上在线收听，连mp3、mp4都很少有人使用。音乐的形式也在不断地创新和发展。早年，人们还通过磁带或是光盘收听音乐，而数字音乐现已遍及全球，人们大多通过互联网来收听音乐，换句话说，互联网是当下最流行的数字音乐的音乐介质，用信息技术与互联网技术相结合的音乐网站，其便利性、数据存储安全性、共享性、数据容量等，明显优于传统的磁带与cd。

原有的音乐推荐系统大多只是根据用户喜好提供相应的音乐，但过于广泛，可能达不到预期的效果。所以需要一种更智能的系统，在其基础上协调不同的用户，依据用户的音乐喜好、平时搜索要求、情绪反馈信息及其他某些特点，为用户提供一些更能产生共鸣的音乐。

技术实现要素：

本发明的目的是为了改善现有音乐推荐系统的缺点，为用户提供一种更加智能便利的基于脑波识别的智能音乐推荐系统。

为实现上述技术目的，本发明采取的技术方案为：

一种基于脑波识别的智能音乐推荐系统，包括可穿戴thinkgear传感器、移动终端和后台设备；可穿戴thinkgear传感器穿戴在人体头部用于脑波(electroencephalogram，eeg)信号检测，可穿戴thinkgear传感器检测到的频率通过蓝牙模块发送给移动终端(例如手机、平板电脑)，移动终端将数据通过4g模块上传给后台设备；后台设备按照脑波和心情的计算方法进行分析、评分，然后按照分析结果及评分数值选择合适的音乐，通过移动终端播放。

为优化上述技术方案，采取的具体措施还包括：

上述的thinkgear传感器包括以耳垂处点位作为参考点位的前额传感器、内置采集检验纠正算法和高灵敏度放大器的thinkgearam芯片，所述thinkgear传感器以数字的方式测得的脑波信号，并通过蓝牙串口传输脑波数据，通过设置与蓝牙相同的秘钥和波特率进行配对连接，从而实现脑波串口数据的透明传输，将无线传输信号输出到后台设备。

上述的后台设备包括脑波采集分析模块、评分推荐模块和音乐库，所述脑波采集分析模块采集分析脑波数据，将脑波数据分类，所述评分推荐模块根据分析结果音乐库播放推荐音乐并接收用户评分。

上述的脑波采集分析模块将脑波数据分为如下四类：δ为1^～3hz、θ为4～7hz、α为8～13hz、β为14～30hz，分别表示睡眠状态，忧伤状态，平静状态和兴奋状态。

上述的评分推荐模块的评分算法为：

式中，rui为用户u对音乐项目i的预测评分；为用户u对系统所有音乐的评分平均值；mu为用户u对某一音乐项目i的偏差评分；tu为根据用户u的脑波得出的对该音乐项目i的评分；k为脑波评分在整条算法公式中的比重。

上述的mu计算公式如下：

式中，σu和σv分别表示目标用户u和近邻用户v评分的偏差值，ni(u)为与用户u相似的近邻用户集，rvi表示用户v对项目i的评分，和表示用户u和用户v的评分平均值，sim(u,v)是皮尔逊相关系数用来表示用户之间的相似度的计算。

上述的tu计算公式如下：

式中，|xu-λj|min表示用户u接收到的脑波信号值与音乐阀值差的最小正值。其中xu表示收集到的用户u脑波数值xu＝(1,30)hz；λj表示音乐阀值——相应情绪状态下的音乐对应的eeg信号波值，其中λj＝{2,5.5,10.5,22}，j取值为1,2,3,4。经研究表明人体在正常情况下产生的脑波信号在1～30hz的范围内，不同的频率对应着不同的情绪，此公式所要做到就是以此将情绪转化成可以分析的数值。

本发明具有以下有益效果：

采用了本发明的设计后，通过对用户脑波的检测，及时且准确的推荐适合当下情绪的音乐，很大程度上实现了音乐的智能推荐。

附图说明

图1为本发明的软件工作流程图；

图2为本发明系统框图；

图3为本发明系统工作流程图；

图4为本发明实施例脑波采集与传输流程框图；

图5为本发明脑波波段分类图。

具体实施方式

以下结合附图对本发明的实施例作进一步详细描述。

参见图1-3，本发明的一种基于脑波识别的智能音乐推荐系统，包括可穿戴thinkgear传感器、移动终端和后台设备；可穿戴thinkgear传感器穿戴在人体头部用于脑波检测，可穿戴thinkgear传感器检测到的频率通过蓝牙模块发送给移动终端(例如手机、平板电脑)，移动终端将数据通过4g模块上传给后台设备；后台设备按照脑波和心情的计算方法进行分析、评分，然后按照分析结果及评分数值选择不同的音乐，通过移动终端播放。

实施例中，thinkgear传感器包括以耳垂处点位作为参考点位的前额传感器、内置采集检验纠正算法和高灵敏度放大器的thinkgearam芯片，thinkgear传感器以数字的方式测得的脑波信号，并通过蓝牙串口传输脑波数据，通过设置与蓝牙相同的秘钥和波特率进行配对连接，从而实现脑波串口数据的透明传输，将无线传输信号输出到后台设备。

脑波采集与传输过程参见图4，穿戴设备thinkgear脑波传感器用于采集脑波信号并且将采集到的脑波信号传输给后台设备。通过将脑波信号转化为电信号，然后通过蓝牙传给后台以完成对信号的处理，接下来输出到移动终端进行匹配。将eeg信号转化为电信号的大致过程为：将串行数据输出到cpld(可编程逻辑器件)中暂存；cpld将串行数据转换成并行数据后，通过多路复用器发送到mcu(微控制器)中；最后，mcu(微控制器)将数据输送到蓝牙模块，通过它将数据无线发出。

cpld(可编程逻辑器件)中的控制逻辑部分能够根据传输来的数据和arm读取数据的状态，判断arm是否继续读取当前数据。同时，为了方便数据处理，减少cpld与arm接口的数目，先将各个adc输出的串行数据转换为并行数据，然后将数据通过多路复用器输出到arm中，最后通过uarti口传输到蓝牙模块。

对信号的处理完成后，接下来进行无线蓝牙传输。蓝牙传输即蓝牙模块只与arm进行通信，arm通过uart1接口将数据传送给蓝牙模块，然后无线发出。uart1接口是蓝牙内嵌模快btm0704c2p芯片提供的一个接口。蓝牙模块通过uart与lpc2144进行通信，接收到数据后无线发送到嵌入式处理终端。其中lpc2144是作为cpld的主控芯片。

实施例中，后台设备包括脑波采集分析模块、评分推荐模块和音乐库，所述脑波采集分析模块采集分析脑波数据，将脑波数据分类，所述评分推荐模块根据分析结果推荐音乐库播放音乐并接收用户评分。

研究表明脑波是一种使用电生理指标记录大脑活动得方法，大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是一些自发的有节律的神经电活动，通常情况下其频率变动范围在每秒1－30次之间的，可划分为四个波段，分别是δ波、θ波、α波和β波。δ波：频率为1～3hz，幅度为20～200μv。当人在婴儿期或智力发育不成熟、成年人在极度疲劳和昏睡或麻醉状态下，可在颞叶和顶叶记录到这种波段；θ波：频率为4～7hz，幅度为5～20μv。在成年人意愿受挫或者抑郁以及精神病患者中这种波极为显著。但此波为少年(10－17岁)的脑电图中的主要成分；α波：频率为8～13hz(平均数为10hz)，幅度为20～100μv。它是正常人脑波的基本节律，如果没有外加的刺激，其频率是相当恒定的。人在清醒、安静并闭眼时该节律最为明显，因为这种波形最接近右脑的脑电生物节律，于是人的灵感状态就出现了；β波：频率为14～30hz，幅度为100～150μv。当精神紧张和情绪激动或亢奋时出现此波，当人从噩梦中惊醒时，原来的慢波节律可立即被该节律所替代。除此之外，在睡眠时还可出现另一些波形较为特殊的脑波，如驼峰波、σ波、λ波、κ-复合波、μ波等。

所以本发明实施例中，脑波采集分析模块将脑波数据分为如下四类：δ为1～3hz、θ为4～7hz、α为8～13hz、β为14～30hz，分别表示自然人的睡眠状态、忧伤状态、平静状态和兴奋状态，划分参见图5。

实施例中，评分推荐模块的评分算法为：

式中，其中rui表示用户u对音乐项目i的预测评分，评分越高的音乐项目越优先推荐。表示用户u对系统所有音乐的评分平均值；mu表示用户u对某一音乐项目i的偏差评分；tu表示根据用户u的脑波得出的对该音乐项目i的评分，结合脑波采集分析模块得到的eeg信号的分析结果，在对应情绪的基础上选取λ值，λj表示音乐阀值(λj＝{2，5.5，10.5，22}，j取值1,2,3,4)，音乐阀值表示对应于某个eeg信号波值下相应情绪状态的音乐类型。

例如：λ1＝2，即音乐阀值取值为2时，选取适合睡眠状态的音乐；当λ2＝5.5，λ3＝10.5，λ4＝22即音乐阀值取值为5.5，10.5，22时，选取适合忧伤状态、平静状态或者兴奋状态的音乐；当后台分析的脑波信号结果是睡眠状态时，取λ1值为2；当后台分析的脑波信号结果是忧伤状态、平静状态或者兴奋状态时，分别取λj值为5.5，10.5，22；然后结合脑波信号值与音乐阀值计算使得用户的脑波值(xu)与音乐阀值λj差的绝对值取得最小值，差值越小说明用户当下的情绪状态与音乐阀值越接近，推荐适合用户当下情绪的音乐准确率越高，因为这种情况下计算出来的tu较大。k用来调整脑波评分在整条算法公式中的比重，k越大表示脑波评分占比越大，脑波推荐的优势越突出，最后综合整条算法计算出最终的评分，后台系统择高评分音乐优先推荐给用户。

实施例中，mu计算公式如下：

式中，σu和σv分别表示目标用户u和近邻用户v评分的偏差值，ni(u)为与用户u相似的近邻用户集，rvi表示用户v对项目i的评分，和表示用户u和用户v的评分平均值，sim(u,v)是皮尔逊相关系数用来表示用户之间的相似度的计算。

关于皮尔逊相关系数，其中rui、rvi分别为用户u和v对项目i的实际评分，和表示用户u和用户v的评分平均值，iu和iv分别为用户u和用户v评过分的项目集合，利用用户之间的共同评分来衡量他们的相似度，每个用户的评分用向量rn×m表示，其中n、m分别为用户数及项目数。计算向量间的距离便可以得到用户之间的相似度的计算。

实施例中，tu计算公式如下：

式中，|xu-λj|min表示用户u接收到的脑波信号值与音乐阀值差的最小正值。其中xu表示收集到的用户u脑波数值xu＝(1,30)hz；λj表示音乐阀值——相应情绪状态下的音乐对应的eeg信号波值，其中λj＝{2,5.5,10.5,22}。人体在正常情况下产生的脑波信号在1～30hz的范围内，不同的频率对应着不同的情绪，评分推荐模块的评分算法所要做到就是将此情绪转化成评分。经此算法公式的计算得出一个用户对于音乐库音乐的综合评分，根据调整脑波评分所占的比重，可以调整脑波在此推荐系统中作用，使信息匹配更加准确，综合所有评分，根据所测的评分高低择高评分进行优先推荐。评分越高推荐效果越好。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。