一种情感化音乐唤醒的方法与流程

本发明涉及早晨唤醒技术领域，特别涉及一种情感化音乐唤醒的方法。

背景技术：

现代生活节奏快，很多人都会面临起床的问题，特别是年轻的工作者和大学学生。通常他们在起床后表现出消极情绪，不愿意与人说话，容易生闷气，还有人表现为白天嗜睡，整个上午都昏昏欲睡，状态不佳，严重影响生活和学习。根据英国睡眠委员会的发言人jessicaalexander称，

10％～13％的人需要2～4小时，改善自己刚睡醒后的负向情绪。低质量的睡眠是导致“起床气”的关键因素。调查中有41％的受访者认为，睡眠不足是导致他们起床气的原因。关于起床气的原因，有心理学、生物学等多种角度的分析，概而言之，人们起床后通常处于体温、血压和激素水平上升的时期，心率会有明显的加速，意识逐渐恢复，此时身体容易处于负向情绪的状态。

音乐具有强大的力量，它对人心理上的影响是显而易见的，心理学家也做了很多相关的研究。francesrauscher和gordonshaw研究发现莫扎特d大调钢琴奏鸣曲有助于改善人类的空间推理和记忆能力。理疗学家发现音乐可以帮助消除忧虑，降低血压。

音乐也被应用在产妇生产和中风患者康复中(kaythurman，1994和stevewestly，1998)。

除此之外，音乐还被贴上了情感标签，用情感对音乐进行了标记和计算，在情感计算中，通常用愉悦度(valence)和唤醒度(arousal)这样的量化标签的方式来描述一首音乐的情感(acircumplexmodelofaffect，jamesa.russell1980)。

现有技术中的音乐闹钟的音乐都是人为设定的，只能播放单一起床闹钟或按照已有列表进行顺序或随机播放，只有进行主动修改才能调整，且没有考虑用户的情感，并不能及时和准确地缓解使用者的情绪，存在智能性不高、用户操作不友好的缺点。

技术实现要素：

本发明提出了一种情感化音乐唤醒的方法，利用音乐的情感来缓解起床后的负向情绪，提高学习和工作效率。

一种情感化音乐唤醒的方法，包括以下步骤：

步骤1：获取歌曲储存到音乐储存模块中，并将每段音乐进行愉悦度和唤醒度的量化；

步骤2：根据愉悦度和唤醒度两个维度对步骤1中的音乐进行分组；

步骤3：根据用户的选择，提供对应愉悦度和唤醒度的组别的音乐。

本发明根据愉悦度和唤醒度对音乐进行分组，然后用户根据自身的需求进行音乐组别的选择，从而得到缓解起床后的负向情绪的音乐闹铃。

本发明方法可应用于智能手机的闹钟app中和实体智能闹钟中，包括计时模块、音乐储存模块、播放模块和控制模块。

为了使选定的音乐更适合用于，设计一个反馈调整的机制，优选的，还包括以下步骤：

步骤4：在使用过程中，定期记录用户反馈的心情状态，并记录为是否适合该组音乐；

步骤5：如果持续记录不合适该组音乐次数超过阈值，则根据反馈调整至另外一组音乐；

步骤6：循环步骤4～5。

为了提高反馈的准确性，优选的，步骤4中，所述心情状态包括情绪表达消极或积极以及是否嗜睡。情绪表达和是否嗜睡两个方面进行反馈，对应音乐分类中的愉悦度和唤醒度，以实现更好地反馈。

为了得到更合适用户的音乐，优选的，步骤5的根据反馈的心情状态调整至相邻组的音乐的具体过程如下：

5-1、如果持续记录因为情绪表达消极而不合适该组音乐次数超过阈值，以及步骤3时用户选择的是愉悦度小于中间值的组别的音乐；

5-2、切换至相邻组别且愉悦度更低、唤醒度不变的音乐组。

为了得到更合适用户的音乐，优选的，步骤5的根据反馈的心情状态调整至相邻组的音乐的具体过程如下：

5-1、如果持续记录因为情绪表达消极而不合适该组音乐次数超过阈值，以及步骤3时用户选择的是愉悦度大于中间值的组别的音乐；

5-2、切换至相邻组别且愉悦度更高、唤醒度不变的音乐组。

为了得到更合适用户的音乐，优选的，步骤5的根据反馈的心情状态调整至相邻组的音乐的具体过程如下：

5-1、如果持续记录因为仍然嗜睡而不合适该组音乐次数超过阈值，以及步骤3时用户选择的是唤醒度小于中间值的组别的音乐；

5-2、切换至相邻组别且唤醒度更低、愉悦度不变的音乐组。

为了得到更合适用户的音乐，优选的，步骤5的根据反馈的心情状态调整至相邻组的音乐的具体过程如下：

5-1、如果持续记录因为仍然嗜睡而不合适该组音乐次数超过阈值，以及步骤3时用户选择的是唤醒度大于中间值的组别的音乐；

5-2、切换至相邻组别且唤醒度更高、愉悦度不变的音乐组。

为了得到更合适用户的音乐，优选的，步骤4中，当用户超过5次给一个组别的音乐的两项反馈都为正向，则定义用户适合本组歌曲，闹钟会继续播放该组音乐。

为了增加可播放的音乐数量，优选的，还包括以下步骤：

步骤7：在持续播放某组音乐时，每过3天，将随机播放1次相邻组别，同时按照步骤4的方式测试用户是否同样适合改组音乐。

为了对应特殊情况，优选的，还包括以下步骤：

步骤8、若用户当前播放的已是唤醒度或愉悦度的极值情况，而其反馈结果为仍然需要在这个维度上增加或者减少时，则认为用户之前手动输入的偏好结果有误，自动进行反向调整。

一段时间后，将稳定的播放适合用户的起床闹钟铃声，一个用户可以适合多个组别。

最终，控制模块记录的用户数据为：用户id，用户性别，用户年龄段，用户睡眠时间，用户偏好类型(轻柔或劲爆，欢快或悲伤)，用户适合的起床铃声组别编号。

而其更深层意义在于关于情感化音乐唤醒的一套反馈调整的机制。探索了心理学唤醒负向情感和白日睡睡的解决方案，且最终通过数据分析和用户分类，形成更科学的唤醒音乐分类方法和用户心智模型。

本发明可以集成应用到单独的闹钟或者智能手机的app中，适用范围广，对于起床困难的用户来说，具有强烈的用户需求。

本发明的有益效果：

本发明的情感化音乐唤醒的方法，根据愉悦度和唤醒度对音乐进行分组，然后用户可以根据自身的情绪需求进行音乐组别的选择，从而得到缓解起床后的负向情绪的音乐闹铃。

附图说明

图1为使用本发明方法的音乐情感闹钟的结构示意图。

图2为愉悦度和唤醒度的量化坐标系。

图3为音乐根据愉悦度和唤醒度进行量化标记后分组的示意图。

图4为本发明方法所提供的数据、方法、应用和服务。

具体实施方式

如图1～4所示，本实施例的音乐情感闹钟包括作为计时模块的时间显示器1、作为音乐储存模块的tf存储卡2、作为播放模块的喇叭3以及作为控制模块4的arduinonano板。

音乐情感闹钟的基本思路是用不同情感化的音乐来唤醒不同的用户，让每位用户起床时就能拥有好的心情，具体包括以下步骤：

1、音乐情感标注：

在互联网上下载热门音乐800首，人工截取出其中的高潮部分。将800首流行音乐，采用主观实验量表进行主观标注，每首音乐由10人标注(为保证数据多样性，标注者为8名普通中国人，1名音乐专业人士和1名外国人)，最后取平均值，得到800首带有音乐情感标签的音乐。音乐下载自qq音乐2017年itunes榜单前100，billboard前100排行榜、ukchart排行榜前40的歌曲。设计了详尽的实验流程，安排被试给歌曲进行标注，每首歌被10位被试打分(包括1位音乐专业和1位外国人)。

在情感计算中，通常用愉悦度(valence)和唤醒度(arousal)这样的量化标签的方式来描述一首音乐的情感(acircumplexmodelofaffect，jamesa.russell1980)。愉悦度是指一首歌的开心程度，在这里采用的心理学量表(1-9)中，愉悦度为1代表极度悲伤，愉悦度为9代表极度开心。而唤醒度是指一首歌的兴奋程度，唤醒度为1代表这首歌非常让人昏昏欲睡，唤醒度为9代表意味着这首歌极其让人兴奋，如图2所示。

2、收集用户喜好数据

将800首带有情感标签的音乐分为16组，作为起床闹钟的铃声。分类按照va量表数值分成16组，a值上1-3分为一组，3-5分为一组，5-7分为一组，7-9分为一组，共分为4组，v值上也按照相同方式分为4组，则800首音乐共被分为4*4＝16组，如图3所示。

不同组别的音乐具有非常不同的唤醒度和愉悦度，而每组组内音乐拥有相似的唤醒度和愉悦度。

3、根据用户的情绪选择和反馈播放音乐

用户第一次使用本实施例时，将通过几个问题的形式来手动输入自己的起床闹钟偏好，闹钟将根据用户输入的数据，播放对应的闹钟铃声来唤醒用户。这几个问题为：

1.请问您喜欢轻柔的还是劲爆的起床铃声？

2.请问您喜欢欢快的还是悲伤的起床铃声？

3.您的性别？

4.请问您的年龄阶段？

5.请问您起床后，存在情绪不佳的情况吗？

6.请问您白天会有嗜睡的情况吗？

前两个问题，用于确定用户首次播放的音乐类型，用户选择欢快且轻柔则播放k，选择欢快且劲爆则播放j，选择悲伤且轻柔则播放g，选择悲伤且劲爆则播放f。

第三个问题和第四个问题仅在后期用户分类中使用到，因为性别、不同年龄阶段的用户可能会有不同的睡眠偏好，生活节奏和压力也不尽相同。第四个问题用于记录用户的年龄阶段。年龄阶段分为：20岁以下，20～40岁，40～60岁，60岁以上。

。最后两个问题仅用于记录，一段时间后，对比这两个问题的回答，可得到用户使用app后是否有改善起床后的情绪问题和白日嗜睡问题。

用户每天听到闹钟铃声起床后关闭闹钟时，反馈自己当时的心情状态，包括情绪表达消极或积极，和是否仍然嗜睡。

app将记录用户每天的反馈，如果用户的反馈为起床后情绪消极，或仍然嗜睡，其中满足任何一项，则认为用户不适合本组歌曲，之后的采用的起床闹钟铃声自动切换到下一组。

例如，用户因为起床后情绪消极而被标记为不适合本组音乐，本来播放的是g组别，且用户之前选择的是“喜欢悲伤的起床铃声”则切换到c，若用户之前选择的是“喜欢欢快的起床铃声”则切换到k。

若用户因为起床后仍然嗜睡而被标记为不适合本组音乐，本来播放的是g组别，且用户之前选择的是“喜欢轻柔的起床铃声”则切换到h，若用户之前选择的是“喜欢劲爆的起床铃声”则切换到f。若用户同时因为起床后情绪消极且起床后仍然嗜睡而被标记为不适合本组音乐，则依照相同规则，根据用户之前的选择，切换到d或l或j或b。

切换一次后，将按照当前播放的新的组别歌曲和反馈的结果，来切换下一次的音乐。某组歌曲如果被用户2次标记为不适合歌曲，则改组将永远不再被作为起床铃声，之后按照规则本应该播放到改组时，直接跳过改组，播放下一个组别。

当用户给超过5次给一个组别的音乐的两项反馈都为正向，则认为用户适合本组歌曲，闹钟会继续播放改组音乐。

在持续播放某组音乐时，每过3天，将尝试性的随机播放1次临近组别，用于测试用户是否同样适合改组音乐，判断是否适合的规则相同。例如，用户当前播放的是f组，则尝试性播放的组别为e、b、g、j中的任意一组。用户可以同时适合多组歌曲。

在以下两种情况时，本实施例将自动修改用户手动输入的偏好。情况一：若用户当前播放的已是唤醒度或愉悦度的极值情况，而其反馈结果为仍然需要在这个维度上增加或者减少，例如，用户当前播放为e组，e组已是唤醒度最高的组别，但用户反馈结果导致仍需要增加唤醒度，则认为用户之前手动输入的偏好结果(喜欢劲爆的起床铃声)有误，本实施例将用户调整为喜欢轻柔的起床铃声；情况二：用户3次以上反馈结果为需要增加或减少某个维度，但切换后用户仍然在该项上为负向反馈。出现以上两种情况则认为用户之前手动输入的偏好结果有误，本实施例将用户调整为反向的偏好。之后的每次切换，遵守新的规则。

一段时间后，本实施例将稳定的播放适合用户的起床闹钟铃声。最终，本实施例记录的用户数据为：用户id，用户性别，用户年龄段、用户睡眠时间，用户偏好类型(轻柔或劲爆，欢快或悲伤)，用户适合的起床铃声组别编号。