CN113220122A - 脑波音频处理方法、设备及系统 - Google Patents

脑波音频处理方法、设备及系统 Download PDF

Info

Publication number
CN113220122A
CN113220122A CN202110492520.9A CN202110492520A CN113220122A CN 113220122 A CN113220122 A CN 113220122A CN 202110492520 A CN202110492520 A CN 202110492520A CN 113220122 A CN113220122 A CN 113220122A
Authority
CN
China
Prior art keywords
brain wave
audio
electroencephalogram
wave audio
preset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110492520.9A
Other languages
English (en)
Inventor
韩旭
韩明
张丹青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Huinao Intelligent Technology Co ltd
Original Assignee
Xi'an Huinao Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xi'an Huinao Intelligent Technology Co ltd filed Critical Xi'an Huinao Intelligent Technology Co ltd
Priority to CN202110492520.9A priority Critical patent/CN113220122A/zh
Publication of CN113220122A publication Critical patent/CN113220122A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dermatology (AREA)
  • Medical Informatics (AREA)
  • Neurology (AREA)
  • Human Computer Interaction (AREA)
  • Neurosurgery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本申请提供一种脑波音频处理方法、设备及系统，涉及脑波音频技术领域。该方法包括：获取脑电设备采集的第一脑电信号；对所述第一脑电信号进行特征分析，得到第一脑电特征；根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频，所述个人脑波音频库中包括：与所述用户的历史脑电信号相匹配的至少一个脑波音频；播放所述待播放脑波音频。本申请可提高播放的脑波音频对用户的针对性，保证播放脑波音频的应用效果。

Description

脑波音频处理方法、设备及系统
技术领域
本发明涉及脑波音频技术领域，具体而言，涉及一种脑波音频处理方法、设备及系统。
背景技术
随着生活节奏的加快，生活压力增加，身心健康状态受到的关注越来越多。音频作为场景的状态调节方式，为越来越多人所接受。
脑波音频由于包含了大脑生理信息，相对于传统的音频，由于效果更佳，在助眠或情绪调节等领域，受众度越来越高，具有脑波音频供能的设备以及应用程序应运而生。在应用过程中，脑波音频应用的界面中以被动货架方式展示了多个脑波音频的信息，用户可从该被动货架方式展示的脑波音频中选择脑波音频进行播放。传统的脑波音频应用的界面中类似于传统的音乐播放应用的界面，以被动货架的方式展示了固定的脑波音频。
这些脑波音频对于用户而言，没有针对性，用户在脑波音频的选择过程中，也只能基于主观的视听感受进行选择，这使得基于选择的脑波音频的应用效果受到限制。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种脑波音频处理方法、设备及系统，以解决目前脑波音频的选择没有针对性，影响脑波音频的应用效果的问题。
为实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种脑波音频处理方法，包括：
获取脑电设备采集的第一脑电信号；
对所述第一脑电信号进行特征分析，得到第一脑电特征；
根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频，所述个人脑波音频库中包括：与所述用户的历史脑电信号相匹配的至少一个脑波音频；
播放所述待播放脑波音频。
可选的，所述根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频之前，所述方法还包括：
响应针对预设脑波音频的试听播放操作，获取所述脑电设备采集的第二脑电信号；
对所述第二脑电信号进行特征分析，得到第二脑电特征；
根据所述第二脑电特征，确定所述用户对所述预设脑波音频的喜好度是否满足预设喜好条件；
若所述喜好度满足所述预设喜好条件，则根据所述预设脑波音频创建所述个人脑波音频库。
可选的，所述根据所述预设脑波音频创建所述个人脑波音频库包括：
根据所述预设脑波音频的分类标签，从预设的脑波音频库中，确定与所述预设脑波音频的分类标签相同的脑波音频作为所述预设脑波音频对应的关联脑波音频；
根据所述预设脑波音频和所述关联脑波音频创建所述个人脑波音频库。
可选的，所述根据所述第二脑电特征，确定所述用户对所述预设脑波音频的喜好度是否满足预设喜好条件，包括：
确定所述第一脑电特征和预设的基准脑电信号的特征的特征差值；
根据所述特征差值，以及预设的多个喜好度的特征差值范围，确定所述特征差值所属的特征差值范围对应的喜好度为目标喜好度；
判断所述目标喜好度，是否大于或等于预设的喜好度阈值；
若所述目标喜好度大于或等于所述喜好度阈值，则确定所述用户对所述预设脑波音频的喜好度满足所述预设喜好条件；
若所述目标喜好度小于所述喜好度阈值，则确定所述用户对所述预设脑波音频的喜好度不满足所述预设喜好条件。
可选的，所述根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频，包括：
根据所述第一脑电特征中脑电频率所属的波段，从所述个人脑波音频库中确定具有相同波段的脑波音频为所述待播放脑波音频。
可选的，所述根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频，包括：
根据所述第一脑电特征，对所述用户进行情绪识别，得到所述用户的情绪类型；
根据所述情绪类型，从所述个人脑波音频库中确定具有所述情绪类型对应的音频标签的脑波音频为所述待播放脑波音频。
可选的，所述方法还包括：
响应输入的脑波音频转制操作，获取所述脑电设备采集的所述用户的第三脑电信号；
对所述第三脑电信号进行特征分析，得到第三脑电特征；
根据所述第三脑电特征，采用预设的脑波音频算法，生成目标脑波音频，并添加至所述个人脑波音频库中。
可选的，所述脑波音频转制操作包括：预设音频的信息；
所述根据所述第三脑电特征，采用预设的脑波音频算法，生成目标脑波音频，包括：
根据所述第三脑电特征，采用所述脑波音频算法，将所述预设音频转制为所述目标脑波音频。
第二方面，本申请实施例还提供一种脑波音频处理设备，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所提供的任一脑波音频处理方法。
第三方面，本申请实施例还提供一种脑波音频处理系统，包括：服务端设备、客户端设备和脑电设备；所述服务端设备可与所述客户端设备通信连接，所述客户端设备与所述脑电设备通信连接；
其中，所述脑电设备用于采集脑电信号；
所述服务端设备用于存储脑波音频；
所述客户端设备用于从所述脑电设备采集的脑电信号，基于脑电信号对脑波音频进行处理，以实现上述第一方面所提供的任一脑波音频处理方法。
本申请的有益效果是：
本申请所提供的脑波音频处理方法、设备及系统中，可对脑电设备采集的第一脑电信号进行特征分析，得到第一脑电特征，根据第一脑电特征，从脑电设备所监测的用户的个人脑波音频库中选择与该第一脑电特征相匹配的脑波音频为待播放脑波音频，并播放该待播放音频，其中，该个人脑波音频库中包括：与该用户的历史脑电信号相匹配的至少一个脑波音频。该方法中，由于可根据采集的脑电信号的脑电特征，自动选择待播放脑波音频，相较于传统方案中从被动货架展示的脑波音频中选择脑波音频的方式，采用该方法所选择的脑波音频与用户当前的脑电特征更匹配，对监测用户更有针对性；并且，由于该方法是从用户的个人脑波音频库进行脑波音频的选择，而并非是从传统的整个脑波音频库中筛选脑波音频，其脑波音频的选择效率更高，其选择出的脑波音频与脑电特征的匹配度更佳，从而有效保证播放脑波音频的应用效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的脑波音频处理系统的场景示意图；
图2为本申请实施例提供的脑波音频处理方法的流程示意图；
图3为本申请实施例提供的一种脑波音频处理方法中选择脑波音频的方法流程图一；
图4为本申请实施例提供的一种脑波音频处理方法中选择脑波音频的方法流程图二；
图5为本申请实施例提供的一种脑波音频处理方法中创建个人脑波音频库的方法流程图一；
图6为本申请实施例提供的一种脑波音频处理方法中创建个人脑波音频库的方法流程图二；
图7为本申请实施例提供的一种脑波音频处理方法中判断脑波音频的视听喜好度的方法流程图；
图8为本申请实施例提供的一种脑波音频处理方法中基于脑电信号进行播放调节的方法流程图；
图9为本申请实施例提供的一种脑波音频处理方法中转制脑波音频的方法流程图；
图10为本申请实施例提供的一种脑波音频处理装置的示意图；
图11为本申请实施例提供的一种脑波音频处理设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
需要说明的是，本申请所提供的各实施例所采用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。这里使用的词语“一”、“一个(种)”和“该”等也应包括“多个”、“多种”的意思，除非上下文另外明确指出。此外，在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与下述各实施例的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
为便于准备理解本申请下述各实施例提供的方案，在描述本申请所提供的技术方案之前，如下先对本申请所涉及的术语进行如下解释：
脑电设备：又称脑机接口、脑电监测设备、脑电采集设备、脑电传感器、脑电波设备、脑电终端等其它可采集脑电信号的设备，其实现了大脑到外部设备之间的通信通道，使得二者之间可以实现信息的发送与设备的控制。
信号预处理：由于脑电信号十分微弱，一般在0μV～75μV之间，着使得脑电信号在采集过程中因受到一些内外部因素的干扰而产生种种噪声，这类噪声称之为伪迹(artifacts)，例如眼电、心电和肌电。此外，其他未知的干扰源也可能会对脑电的获取产生影响，例如空间电磁分布、设备自身噪声干扰、外部电磁活动干扰等等。因此，在获取到脑电信号的情况下，需对脑电信号进行预处理，以在确保原始脑电信号不丢失重要信息的前提下，力求消除上述伪迹的干扰。
脑电模式识别：对经过信号预处理过后的脑电信号进行特征提取是进行模式识别或者分类的关键步骤，其特征提取结果也直接关系到接下来所要进行的分类结果的准确度。由于脑电信号非平稳、非线性且随机性强的特点，导致对其进行特征提取是一种比较困难的操作。目前较为常见的特征提取方法包括时域分析法、频域分析法、时频域分析法及非线性动力学分析法这四大类。
当采用特征提取方法从脑电信号中提取出特征参数后，就需要使用合适的分类算法来对提取到的特征参数集合进行处理，从而实现睡眠分期或者情绪识别的目的。在机器学习领域中，传统的学习方法有两种，即监督学习和无监督学习，其中，监督学习包括神经网络、支持向量机、决策树等这些算法都是通过预先对一组输入样本数据及其对应的输出标签进行“学习”来训练出分类器，然后用其对即将输入的无标签样本数据进行预测，以获得其所对应的分类标签。也就是说，上述分类算法可以预先训练的分类器或者分类模型，针对预先训练的分类器或分类模型，其训练过程的目标就在于提高数据集的总体分类准确率，寻求分类后同类间数据差异度最小而不同类间数据差异度最大，如此，可保证基于训练后的分类器或者分类模型对脑电特征进行分类后，得到的分别标签更准确。
脑波音频：与常规音频不同的是，脑波音频是一种合成音频，脑波音频的波形中含有人耳无法听到的小于20HZ的谐波，会诱导大脑进入放松状态，进而对人的情绪进行调节。脑波音频的频段，又称频率波段通常可以α波段，β波段，θ波段和δ波段中至少一种波段。当人的脑电信号的波段为α波段，人的意识清醒，但身体却是放松的。由于在这种状态下，身心能量耗费最少，相对脑部所需的能量较高，运作就会更加快速、顺畅，灵感及直觉敏锐，脑的活动活泼。现代科学积极倡导α波是为人们学习与思考的最佳脑波状态，道理就在于此。
在描述本申请实施例提供的脑波音频处理方法之前，先对脑波音频处理方法应用的脑波音频处理系统进行示例说明。图1为本申请实施例提供的脑波音频处理系统的场景示意图。如图1所示，该脑波音频处理系统包括：服务端设备11、客户端设备12以及脑电设备13。其中，服务端设备11可与客户端设备12通信连接，客户端设备12与脑电设备13通信连接。当然，无论是服务端设备11与客户端设备12之间的通信连接，还是客户端设备12和脑电设备13之间的通信连接，其可以是无线通信连接，也可以是有线通信连接。
脑电设备13用于采集脑电信号，其可以为可穿戴设备，如头戴式脑电设备，其可与音频播放设备如耳机集成在一起，即可采集脑电信号，也可实现脑波音频的播放。脑电设备13中可设置有脑电电极，用户佩戴该脑电设备13之后，其脑电电极可作用于用户头部，以采集用户的脑电信号，并将采集到的脑电信号反馈至客户端设备12。图1中的脑电设备13以集成了音频播放和脑电信号采集功能的脑电设备为例，在实际应用中，采集脑电信号的脑电设备13与音频播放的设备也可能是不同的设备，其分别通过各自的接口与客户端设备12通信连接。
服务端设备11为脑波音频的服务端应用的服务器或者其它形态的计算机设备，可用于存储脑波音频。示例的，服务端设备11在前台可以网页(WEB)或者应用程序(APP)的形式存储有大量经过合成处理的脑波音频如脑波音乐，并按照预设的分类规则划分为多类脑波音频，以便于用户浏览。服务端设备11，在后台可供管理员进行操作，上传脑波音频以及管理操作。
脑波音频的客户端应用可以为网页，也可以为APP，用户可通过客户端应用的网页或者应用程序的登录页面登录，并检索查询各分类下的脑波音频。当用户查询到感兴趣的脑波音频后，可调用支付模块执行针对选中的脑波音频的支付操作，并将该脑波音频下载至客户端设备12的本地。
客户端设备12为安装并运行有脑波音频的客户端应用的设备，其可以为移动终端例如智能手机、平板电脑等，可用于从脑电设备采集的脑电信号，基于脑电信号对脑波音频进行处理，以实现下述任一所述的脑波音频处理方法。
本申请下述各实施例提供的脑波音频处理方法可由客户端设备12实现，如下通过多个实例对本申请所提供的脑波音频处理方法进行示例说明。
图2为本申请实施例提供的脑波音频处理方法的流程示意图。图2所示，该脑波音频处理方法可包括：
S201、获取脑电设备采集的第一脑电信号。
在可能实现中，可在检测到用户佩戴脑电设备的情况下，获取该脑电设备采集的该第一脑电信号；也可以是在检测到用户佩戴设备时，间隔预设时间之后，获取该脑电设备采集的该第一脑电信号，也可以是检测到用户佩戴脑电设备，且用户通过客户端设备上脑波音频应用的操作界面输入的自动播放脑波音频的操作时，获取该脑电设备采集的该第一脑电信号。
当然，也可以是在检测到其它条件的情况下，获取该脑电设备采集的该第一脑电信号。
S202、对该第一脑电信号进行特征分析，得到第一脑电特征。
在可能实现方式中，可采用预设的特征提取方法，对该第一脑电信号进行特征分析，得到第一脑电特征。该特征提取方法例如可以为时域分析法、频域分析法，或时频域分析法任一方法。该第一脑电特征可以为表征用户在播放脑波音频前的脑电状态的特征。
可选的，在对第一脑电信号进行特征分析之前，还可对该第一脑电信号进行伪迹处理，以去掉第一脑电信号中眼电、心电和肌电等低频伪迹数据。例如可采用预设的低通滤波器，对该第一脑电信号进行滤波处理，以去除高于预设频率值的伪迹数据。该预设频率值例如可以为40Hz。上述伪迹处理，也可称为脑电信号的预处理。
在对第一脑电信号进行伪迹处理之后，对伪迹处理后的第一脑电信号进行特征分析，可保证得到的第一脑电特征更准确，避免伪迹数据的干扰。
S203、根据该第一脑电特征，从该脑电设备所监测的用户的个人脑波音频库中选择与该第一脑电特征相匹配的脑波音频为待播放脑波音频。
其中，该个人脑波音频库中包括：与该用户的历史脑电信号相匹配的至少一个脑波音频。
该脑电设备所监测的用户即为佩戴该脑电设备的用户。客户端设备上所运行的脑波音频应用，即，脑波音频的客户端应用，可具有个人脑波音频模块。针对使用该脑波音频应用的每个用户，均可通过该个人脑波音频模块设置各自的个人脑波音频库。
每个用户的个人脑波音频库中的脑波音频可以包括：与该每个用户的历史脑电信号相匹配的至少一个脑波音频。其中，历史脑电信号可以为获取第一脑电信号之前获取的脑电信号。个人脑波音频库中，与该历史脑电信号相匹配的脑波音频例如可包括：基于该历史脑电信号生成的脑波音频，和/或，基于该历史脑电信号从预设的脑波音频库中选择的脑波音频。
在具体实现中，可根据该第一脑电特征，从该用户的个人脑波音频库中选择与该第一脑电特征的相似度满足预设特征相似度条件的脑波音频，即为与该第一脑电特征相匹配的脑波音频。
在选择出该第一脑电特征相匹配的脑波音频后，可将选择出的脑波音频确定为待播放脑波音频。
S204、播放该待播放脑波音频。
在确定该待播放脑波音频的情况下，可将该待播放脑波音频传输至与该客户端设备通信连接的音频播放设备，如耳机进行脑波音频的播放。通过播放选择的音频可用以对监测用户进行助眠，也可对其进行情绪调节等。
本实施例所提供的脑波音频处理方法，可对脑电设备采集的第一脑电信号进行特征分析，得到第一脑电特征，根据第一脑电特征，从脑电设备所监测的用户的个人脑波音频库中选择与该第一脑电特征相匹配的脑波音频为待播放脑波音频，并播放该待播放音频，其中，该个人脑波音频库中包括：与该用户的历史脑电信号相匹配的至少一个脑波音频。该实施例提供的方法，可根据采集的脑电信号的脑电特征，自动选择待播放脑波音频，相较于传统方案中从被动货架展示的脑波音频中选择脑波音频的方式，采用该方法所选择的脑波音频与用户当前的脑电特征更匹配，对监测用户更有针对性；并且，由于该方法是从用户的个人脑波音频库进行脑波音频的选择，而并非是从传统的整个脑波音频库中筛选脑波音频，其脑波音频的选择效率更高，其选择出的脑波音频与脑电特征的匹配度更佳，从而有效保证播放脑波音频的应用效果。
在上述脑波音频处理方法的基础上，本申请实施例还通过了一种选择待播放脑波音频的实现方式，如下进行示例说明。在该实现方式中，可根据该第一脑电特征中脑电频率所属的频段进行脑波音频的选择。图3为本申请实施例提供的一种脑波音频处理方法中选择脑波音频的方法流程图一。如图3所示，如上所示的S203中根据该第一脑电特征，从该脑电设备所监测的用户的个人脑波音频库中选择与该第一脑电特征相匹配的脑波音频为待播放脑波音频，可包括：
S301、确定该第一脑电特征中脑电频率所属的波段。
通过特征分析得到的第一脑电特征中可包括：脑电频率，因此，在实现方式中，可将该脑电频率与预设的多个脑电波段的频率范围进行比对，确定该脑电频率所属的波段。该多个脑电波段可以包括：δ波段、θ波段、α波段和β波段，其中，δ波段的频率范围为1Hz-3Hz，θ波段的频率范围为4Hz-7Hz、α波段的频率范围为8Hz-13Hz，β波段的频率范围为14Hz-30Hz。
该脑电频率所属的波段可以为脑电频率所属的波段四个频带。
S302、根据该第一脑电特征中脑电频率所属的波段，从该个人脑波音频库中确定具有波段相同的脑波音频为该待播放脑波音频。
个人脑波音频库中的每个脑波音频中可能包含有上述至少一个脑电波段的音频段，因此，针对个人脑波音频中每个脑波音频，可预先确定该每个脑波音频中各个音频端的波段，得到该每个脑波音频所包括的波段，从而构建得到该个人脑波音频库中每个脑波音频与波段的对应关系。每个脑波音频对应的波段可以包括：该每个脑波音频中各个音频段的波段
那么，在可能实现方式中，可根据该脑电频率所属的波段，以及该个人脑波音频库中每个脑波音频与波段的对应关系，从该个人脑波音频库中确定具有波段相同的脑波音频为该待播放脑波音频。
该具有波段相同的脑波音频可以为至少一个，若为多个，则可从多个脑波音频中随机选择或者采用其他选择方式，选择一个脑波音频作为该待播放脑波音频；也可将该多个脑波音频均作为待播放脑波音频，在播放过程中，按照预设排列顺序进行播放即可。
该实施例提供的方法，可根据第一脑电特征中脑电频率所属的波段，从所述个人脑波音频库中智能选择具有相同波段的脑波音频作为待播放脑波音频，可保证筛选的待播放脑波音频与用户的脑波频段更匹配，保证播放脑波音频的应用效果。
在上述脑波音频处理方法的基础上，本申请实施例还通过了另一种选择待播放脑波音频的实现方式，如下进行示例说明。在该另一种实现方式中，可根据该第一脑电特征对用户进行情绪识别，根据情绪识别结果进行脑波音频的选择。图4为本申请实施例提供的一种脑波音频处理方法中选择脑波音频的方法流程图二。如图4所示，如上所示的S203中根据该第一脑电特征，从该脑电设备所监测的用户的个人脑波音频库中选择与该第一脑电特征相匹配的脑波音频为待播放脑波音频，可包括：
S401、根据该第一脑电特征，对该用户进行情绪识别，得到该用户的情绪类型。
示例的，可根据该第一脑电特征，采用预设的情绪识别模型，对该用户进行情绪识别，得到该用户的情绪类型，该情绪识别模型可以为预先采用预设的多种情绪类型的样本脑电信号的脑电特征进行训练得到的分类模型。
当然，在其他的示例中，也可根据该第一脑电特征，采用其它算法对该用户进行情绪识别，例如，可根据该第一脑电特征在预设时间内的波动，以及预设的多种情绪的特征波动进行比对，根据比对结果，确定该用户的情绪类型。
S402、根据该情绪类型，从该个人脑波音频库中确定具有该情绪类型对应的音频标签的脑波音频为该待播放脑波音频。
在可能实现方式中，可根据该情绪类型，以及预设设置的情绪类型与音频标签的映射关系表，确定该情绪类型对应的音频标签，继而从该个人脑波音频库中确定该具有该脑波音频的脑波音频为该待播放脑波音频。
情绪类型对应的音频标签可包括：至少一个可表征该情绪的标签。例如，若该情绪类型为“兴奋”，则可确定该情绪类型对应管的标签包括：“兴奋”、“开心”、“欢快”、“happy”等至少一种字段的标签。
无论是个人脑波音频库中每个脑波音频，还是整个的预设的脑波音频库中的每个脑波音频可具有至少一类音频标签，至少可包括：用于表征情绪状态的音频标签。在该实施例中确定的情绪类型对应的音频标签即为表征情绪状态的音频标签，其也可称为情绪标签或者其他类似的表述，本申请实施例不对此进行限制。
该实施例提供的方法，可通过该第一脑电特征，对用户进行情绪识别，得到用户的情绪类型，并根据该情绪类型，从该个人脑波音频库中智能选择具有情绪类型对应的音频标签的脑波音频为该待播放脑波音频，实现了基于第一脑电特征的脑波音频的智能选择，可保证筛选的待播放脑波音频与用户的脑波频段更匹配，从而有效保证播放脑波音频的应用效果。
在上述任一所示的脑波音频处理方法的基础上，本申请实施例还通过一些示例，提供一些创建个人脑波音频库的可能实现方式。图5为本申请实施例提供的一种脑波音频处理方法中创建个人脑波音频库的方法流程图一，如图5所示，该方法在上述S203中根据该第一脑电特征，从该脑电设备监测的用户的个人脑波音频库中选择与该第一脑电特征相匹配的脑波音频为待播放脑波音频之前，该方法还可包括：
S501、响应针对预设脑波音频的试听播放操作，获取该脑电设备采集的第二脑电信号。
客户端设备上的脑波音频应用的界面上可显示有预设的脑波音频库中的多个脑波音频，以供用户选择脑波音频。当用户通过浏览脑波音频应用的界面上展示的脑波音频，发现感兴趣的脑波音频，可输入针对该脑波音频的试听播放操作。也就是说，该预设脑波音频为用户从预设的脑波音频库中的多个脑波音频中选择的脑波音频。
在该脑波音频应用的界面上，该预设的脑波音频库中的多个脑波音频可以分组的形式进行显示，即，界面上显示多个脑波音频集，每个脑波音频集中具有至少一个脑波音频。每个脑波音频集还具有对应的分类标签。因此，在显示该多个脑波音频集之前，可根据预设的音频分类规则，将多个脑波音频划分为多个脑波音频集。
该预设的音频分类规则例如可以为脑波音频的功能作用，也可以为脑波音频的音律音色。其中，脑波音频的功能作用例如可以为“深度放松”、“充满活力”、“提高记忆”、“改善智力”、“高效睡眠”、“缓解头痛”、“预防眩晕”、“辅助戒烟”、“兴奋积极”等任一。
每个脑波音频集的分类标签例如可以为其对应功能作用的标签、其对应情绪状态的标签等至少一种标签。
当用户在界面上输入针对该预设脑波音频的试听播放操作，便可响应试听播放操作，播放该预设脑波音频，并获取用户在试听该预设脑波音频的过程中的该脑电设备采集的第二脑电信号。该第二脑电信号即为用户试听该预设脑波音频过程中的脑电反馈。
需要说明的是，预设脑波音频的播放，可以是播放该预设脑波音频中的试听部分，如该预设脑波音频的前奏音频或中间音频。
S502、对该第二脑电信号进行特征分析，得到第二脑电特征。
该第二脑电特征可以为表征用户脑电波动的特征。
需要说明的是，在得到第二脑电特征的过程中，也可先对该第二脑电信号进行伪迹处理，以去掉第二脑电信号中眼电、心电和肌电等伪迹数据，继而对去除伪迹数据之后的第二脑电信号进行特征提取，得到该第二脑电特征。伪迹处理的具体实现可参照上述实施例中对第一脑电特征进行伪迹处理中的描述，在此不再赘述。
S503、根据该第二脑电特征，确定该用户对该预设脑波音频的喜好度是否满足预设喜好条件。
在得到该第二脑电特征后，可根据该第二脑电特征，确定该用户试听该预设脑波音频的脑电波动，基于该脑电波动确定该用户对该预设脑波音频的喜好度，继而通过判断该喜好度是否大于或等于预设的喜好度阈值，确定该喜好度是否满足预设喜好条件。基于该脑电波段计算的该用户对该预设脑波音频的喜好度以及该喜好度阈值均为数值的形式，以表征对应的喜好。
S504、若该喜好度满足该预设喜好条件，则根据该预设脑波音频创建该个人脑波音频库。
在可能实现过程中，在确定该用户对该预设脑波音频的喜好度满足预设喜好条件，则可将该预设脑波音频添加至为该用户创建的脑波音频库中，得到该用户的个人脑波音频库；也可根据该预设脑波音频，从预设的脑波音频库中筛选与该预设脑波音频的相关性满足预设相关条件的脑波音频，从而将该预设脑波音频和从该预设的脑波音频库中筛选的脑波音频均添加至为该用户创建的脑波音频库中，得到该用户的个人脑波音频库。
该实施例所提供的脑波音频处理方法，可通过获取用户在试听该预设脑波音频的过程中的第二脑电信号，并进行特征分析，得到第二脑电特征，根据第二脑电特征，确定用户对预设脑波音频的喜好度是否满足预设喜好条件，并在喜好度满足预设喜好条件的情况下，则根据该预设脑波音频创建个人脑波音频库，实现了脑波音频的个人定制化服务。
在上述图5的基础上，本申请实施例还提供一种创建个人脑波音频的实现示例。图6为本申请实施例提供的一种脑波音频处理方法中创建个人脑波音频库的方法流程图二，如图6所示，该方法在上述S504中根据该预设脑波音频创建该个人脑波音频库，可包括：
S601、根据该预设脑波音频的分类标签，从预设的脑波音频库中，确定与该预设脑波音频的分类标签相同的脑波音频作为该预设脑波音频对应的关联脑波音频。
在该脑波音频应用的界面中，脑波音频是以分组的形式显示，即，每个脑波音频具有其所在的脑波音频集。因此，该预设脑波音频的分类标签为该预设脑波音频所在的脑波音频集对应的分类标签，以指示该预设脑波音频所在的脑波音频集中的脑波音频为同一类脑波音频。
那么，具体实现中，可根据该预设脑波音频的分类标签，从预设的脑波音频库中，确定与该预设脑波音频的分类标签相同的脑波音频，也就是，与该预设脑波音频处于同一脑波音频集中的其他脑波音频作为该预设脑波音频对应的关联脑波音频。
S602、根据该预设脑波音频和该关联脑波音频创建该个人脑波音频库。
在具体实现中，例如可将该预设脑波音频和从该关联脑波音频均添加至为该用户创建的脑波音频库中，得到该用户的个人脑波音频库。
该实施例提供的脑波音频处理方法，除了用户试听过的喜好度满足预设喜好条件的预设脑波音频，还包括具有相同分类标签的关联脑波音频，基于该预设脑波音频和该关联脑波音频为用户创建该个人脑波音频库，在用户对少量脑波音频进行视听的基础上，可基于视听结果，还智能选择了关联脑波音频，既丰富了个人脑波音频库中的脑波音频，还可保证脑波音频与用户的关联针对性，同时实现了个人脑波音频库中的脑波音频的个性化智能创建。
在上述图5的基础上，本申请实施例还提供一种创建个人脑波音频的实现示例。图7为本申请实施例提供的一种脑波音频处理方法中判断脑波音频的视听喜好度的方法流程图，如图7所示，该方法在上述S503中根据该第二脑电特征，确定该用户对该预设脑波音频的喜好度是否满足预设喜好条件，可包括：
S701、确定该第一脑电特征和预设的基准脑电信号的特征的特征差值。
在一种实现方式中，该预设的基准脑电信号可以为第一时间段内的脑电信号，上述第二脑电信号可以为用户试听该预设脑波音频的第二时间段内的脑电信号，即当前试听时间段的脑电信号。其中，该基准脑电信号例如可以为该用户开始试听该预设脑波音频的该第一时间段内的脑电信号。其中，第二时间段为第一时间段之后的时间段。
示例的，在特征分析的过程中，可采用预设的特征计算方法对第一脑电特征进行特征计算，得到该第一脑电特征的特征参数，如计算第二时间段内脑电特征的均值或者方差。第二脑电信号的特征可以为基准脑电信号进行特征提取，并采用该预设的特征计算方法计算得到基准脑电特征的特征参数。
若计算得到的该第一脑电特征的特征参数为脑电特征的均值，相应的，该基准脑电信号的特征对应的特征参数也为脑电特征的均值；若计算得到的该第一脑电特征的特征参数为脑电特征的方差，相应的，该基准脑电信号的特征对应的特征参数也为脑电特征的方差。
在具体实现过程中，可通过对该第一脑电特征和该预设的基准脑电信号的特征进行比对，得到该特征差值。
S702、根据该特征差值，以及预设的多个喜好度的特征差值范围，确定该特征差值所属的特征差值范围对应的喜好度为目标喜好度。
该预设的多个喜好度的特征差值范围可以为预先通过大量实验数据得到的，用户在多个不同喜好度下的特征差值范围。
该预设的多个喜好度的特征差值范围可通过喜好度与特征差值范围的映射关系表进行存储。在具体实现过程中，可根据该特征差值，通过查询该映射关系表，确定该特征差值所属的特征差值范围，继而确定其所属到的特征差值范围对应的喜好度为目标喜好度。
不同的喜好度可通过不同的喜好数值或者，不同的喜好等级值进行表示。
S703、判断该目标喜好度，是否大于或等于预设的喜好度阈值。
该预设的喜欢度阈值也可以为预设的喜好数值，也可以为预设的喜好度等级阈值。
具体的，可通对该目标喜好度和该预设的喜好度阈值进行比对，判断该目标喜好度是否大于或等于该预设的喜好度阈值。
S704、若该目标喜好度大于或等于该喜好度阈值，则确定该用户对该预设脑波音频的喜好度满足该预设喜好条件。
S705、若该目标喜好度小于该喜好度阈值，则确定该用户对该预设脑波音频的喜好度不满足该预设喜好条件。
该实施例提供的脑波音频处理方法中，可通过脑电特征和预设的基准脑电信号的特征的特征差值，确定该用户对该预设脑波音频的喜好度，继而判断是否满足该预设喜好条件，保证了基于脑电信号确定喜好度的准确度，从而保证基于喜好度确定的脑波音频的筛选更准确，有效保证个人脑波音频库的个人定制化服务。
可选的，在上述任一实施例所提供的脑波音频处理方法的基础上，本申请实施例还可提供一种基于用户需求转置脑波音频的服务实现方式。图8为本申请实施例提供的一种脑波音频处理方法中转制脑波音频的方法流程图。如图8所示，该方法还可包括：
S801、响应输入的脑波音频转制操作，获取该脑电设备采集的该用户的第三脑电信号。
该实施例提供的方案中，脑波音频应用还可具有个人脑波音乐制作模块。用户可通过脑波音频应用的界面上，脑波音频转制功能对应的触发控件，输入该脑波音频转制操作。
示例的，在一种实现方式中，若基于上述第二脑电特征，确定该用户对预设脑波音频的喜好度不满足预设喜好条件，并且，用户试听该预设对的脑波音频库中其他脑波音频时，其对其他脑波音频的喜好度也不满足该预设喜好条件，则可通过界面进行提示，以指示用户通过脑波音频转制功能进行脑波音频的转制。即，用户试听过的不满足预设喜好条件的脑波音频的数量达到预设数量阈值，则无需通过试听寻找满足该用户的脑波音频，便可通过界面提示提醒用户通过脑波音频功能进行脑波音频的转制，或者，继续进行脑波音频的尝试。
在另一种实现方式中，用户可通过脑波音频应用的界面上脑波音频转制功能对应的触发控件，主动发起脑波音频的转制。
在具体实现中，在接收到用户输入的脑波音频转制操作后，还可根据用户的等级确定转制服务所需资源信息，如转制服务所需的虚拟货币、数字货币或者其他形式的资源，并根据该资源信息，调用支付模块执行支付操作。
在支付操作完成之后，便可获取该第三脑电信号。
S802、对第三脑电信号进行特征分析，得到第三脑电特征。
对第三脑电信号的特征分析的具体实现可参见上述对各脑电信号的特征分析，在此不再赘述。
S803、根据第三脑电特征，采用预设的脑波音频算法，生成目标脑波音频，并添加至该个人脑波音频库中。
在一种实现方式中，在获取到第三脑电信号，可由客户端设备进行特征分析，得到第三脑电特征，继而执行该S803进行脑波音频的转制，得到目标脑波音频。
在另一种实现方式中，在获取到第三脑电信号中，可由客户端设备将该第三脑电信号传输至服务器，由服务器进行特征分析，得到第三脑电特征，继而脑波音频的转制，得到该目标脑波音频。在该实现方式中，服务器在得到该目标脑波音频的情况下，可将其反馈至客户端设备。
在又一种实现方式中，在获取到第三脑电信号，可由客户端设备进行特征分析，得到第三脑电特征，将第三脑电特征传输至服务器，由服务器基于第三脑电特征进行脑波音频的转制，得到该目标脑波音频。同样的，在该实现方式中，服务器在得到该目标脑波音频的情况下，可将其反馈至客户端设备。
针对该脑波音频算法，可以是基于脑电特征的脑波音频转制算法，也可以是基于脑电特征和预设音频的脑波音频转制算法。
若该脑波音频算法为基于脑电特征的脑波音频转制算法，则可确定第三脑电特征，采用预设的脑波音频映射规则，对该第三脑电特征进行映射处理，得到目标音频要素，继而该目标音频要素生成目标脑波音频。
若该脑波音频算法为基于脑电特征和预设音频的脑波音频转制算法，该脑波音频转制操作包括：预设音频的信息，则根据所该第三脑电特征，采用该脑波音频算法，将该预设音频转制为该目标脑波音频。在具体实现过程中，例如根据该第三脑电特征，对预设音频的要素信息如频率进行调节，以得到该目标脑波音频。
该实施例提供的脑波音频处理方法，还可基于脑波音频转制操作，获取第三脑电信号，基于该第三脑电信号的第三脑电特征，采用预设的脑波音频算法，进行脑波音频的转制，得到该目标脑波音频，实现了按照用户需求转制脑波音频的个性化的定制服务。
可选的，在上述任一实施例所示的脑波音频处理方法的基础上，本申请实施例还通过一种播放脑波音频的过程中，基于脑电信号进行自动播放调节的实现示例。图9为本申请实施例提供的一种脑波音频处理方法中基于脑电信号进行播放调节的方法流程图。如图9所示，该方法还可包括：
S901、在脑波音频的播放过程中，根据预设周期，获取该脑电设备采集的该用户的第四脑电信号。
在该实施例中，脑波音频的播放过程指的是，可以为播放上述基于第一脑电特征所选择的脑波音频的过程中，而并非脑波音频的视听播放过程。即，该第四脑电信号为播放上述选择的待播放脑波音频过程中的用户的脑电反馈。
在脑波音频的播放过程中，用户的脑电状态可能会发生变化，因此，在播放过程中，需根据预设周期获取第四脑电信号。
S902、对该第四脑电信号进行特征分析，得到第四脑电特征。
第四脑电特征可以为表征用户在播放脑波音频过程中脑电状态的特征。
需要说明的是，在得到第四脑电特征的过程中，也可先对该第四脑电信号进行伪迹处理，以去掉第四脑电信号中眼电、心电和肌电等伪迹数据，继而对去除伪迹数据之后的第四脑电信号进行特征提取，得到该第四脑电特征。伪迹处理的具体实现可参照上述实施例中对第一脑电特征进行伪迹处理中的描述，在此不再赘述。
S903、根据该第四脑电特征，对播放的脑波音频进行播放调节。
示例的，在一种实现方案中，可根据该第四脑电特征，调整该播放的脑波音频的播放音量、或者关闭该播放的脑波音频的播放。
在另一种实现方式中，可根据该第四脑电特征，重新确定第四脑电特征对应的脑波音频，并调整播放的脑波音频调整为第四脑电特征对应的脑波音频。其中，重新确定第四脑电特征对应的脑波音频的具体实现可与上述第一脑电特征，确定待播放脑波音频的实现过程类似，具体参照上述，本申请不再赘述。
该实施例提供的脑波音频处理方法，在基于第一脑电特征确定待播放脑波音频的基础上，还可在脑波音频的过程中，基于采集到的第四脑电信号的第四脑电特征，对播放的脑波音频进行自动进行播放调节，无需人为进行播放调节，实现了基于脑电信号的智能自动化播放调节。
下述对用以执行的本申请所提供的脑波音频处理法的装置、设备及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。
图10为本申请实施例提供的一种脑波音频处理装置的示意图，如图10所示，该脑波音频处理装置1000可包括：
获取模块1001，用于获取脑电设备采集的第一脑电信号。
特征分析模块1002，用于对第一脑电信号进行特征分析，得到第一脑电特征。
选择模块1003，用于根据第一脑电特征，从脑电设备所监测的用户的个人脑波音频库中选择与第一脑电特征相匹配的脑波音频为待播放脑波音频，个人脑波音频库中包括：与用户的历史脑电信号相匹配的至少一个脑波音频。
播放模块1004，用于播放该待播放脑波音频。
可选的，获取模块1001，还用于响应针对预设脑波音频的试听播放操作，获取脑电设备采集的第二脑电信号。
特征分析模块1002，还用于对第二脑电信号进行特征分析，得到第二脑电特征。
脑波音频处理装置1000还可包括：
判断模块，用于根据第二脑电特征，确定用户对预设脑波音频的喜好度是否满足预设喜好条件；
创建模块，用于若喜好度满足预设喜好条件，则根据预设脑波音频创建个人脑波音频库。
可选的，创建模块，具体用于根据预设脑波音频的分类标签，从预设的脑波音频库中，确定与预设脑波音频的分类标签相同的脑波音频作为预设脑波音频对应的关联脑波音频；根据预设脑波音频和关联脑波音频创建个人脑波音频库。
可选的，判断模块，具体用于确定第一脑电特征和预设的基准脑电信号的特征的特征差值；根据特征差值，以及预设的多个喜好度的特征差值范围，确定特征差值所属的特征差值范围对应的喜好度为目标喜好度；判断目标喜好度，是否大于或等于预设的喜好度阈值；若目标喜好度大于或等于喜好度阈值，则确定用户对预设脑波音频的喜好度满足预设喜好条件；若目标喜好度小于喜好度阈值，则确定用户对预设脑波音频的喜好度不满足预设喜好条件。
可选的，选择模块1003，具体用于根据第一脑电特征中脑电频率所属的波段，从个人脑波音频库中确定具有相同波段的脑波音频为待播放脑波音频。
可选的，选择模块1003，具体用于根据第一脑电特征，对用户进行情绪识别，得到用户的情绪类型；根据情绪类型，从个人脑波音频库中确定具有情绪类型对应的音频标签的脑波音频为待播放脑波音频。
可选的，获取模块1001，还用于响应输入的脑波音频转制操作，获取脑电设备采集的用户的第三脑电信号。
特征分析模块1002，还用于对第三脑电信号进行特征分析，得到第三脑电特征。
脑波音频处理装置1000还可包括：
音频生成模块，用于根据第三脑电特征，采用预设的脑波音频算法，生成目标脑波音频，并添加至个人脑波音频库中。
可选的，该脑波音频转制操作包括：预设音频的信息；
音频生成模块，具体用于根据第三脑电特征，采用脑波音频算法，将预设音频转制为目标脑波音频。
可选的，获取模块1001，还用于在脑波音频的播放过程中，根据预设周期，获取脑电设备采集的用户的第四脑电信号。
特征分析模块1002，还用于对第四脑电信号进行特征分析，得到第四脑电特征。
脑波音频处理装置1000还可包括：
调节模块，用于根据第四脑电特征，对播放的脑波音频进行播放调节。
可选的，调节模块，具体用于根据第四脑电特征，调整播放的脑波音频的播放音量、或者关闭播放的脑波音频的播放，或者，调整播放的脑波音频调整为第四脑电特征对应的脑波音频。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital singnal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
图11为本申请实施例提供的一种脑波音频处理设备的示意图，该脑波音频处理设备可以集成于设备或者设备的芯片，该设备可以是具备脑波音频处理功能的终端设备，如智能手机，平板电脑等。
该脑波音频处理设备1100包括：存储器1101、处理器1102。存储器1101和处理器1102通过总线连接。
存储器1101用于存储程序，处理器1102调用存储器1101存储的程序，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
可选地，本发明还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种脑波音频处理方法，其特征在于，包括：
获取脑电设备采集的第一脑电信号；
对所述第一脑电信号进行特征分析，得到第一脑电特征；
根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频，所述个人脑波音频库中包括：与所述用户的历史脑电信号相匹配的至少一个脑波音频；
播放所述待播放脑波音频。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频之前，所述方法还包括：
响应针对预设脑波音频的试听播放操作，获取所述脑电设备采集的第二脑电信号；
对所述第二脑电信号进行特征分析，得到第二脑电特征；
根据所述第二脑电特征，确定所述用户对所述预设脑波音频的喜好度是否满足预设喜好条件；
若所述喜好度满足所述预设喜好条件，则根据所述预设脑波音频创建所述个人脑波音频库。
3.根据权利要求2所述的方法，其特征在于，所述根据所述预设脑波音频创建所述个人脑波音频库包括：
根据所述预设脑波音频的分类标签，从预设的脑波音频库中，确定与所述预设脑波音频的分类标签相同的脑波音频作为所述预设脑波音频对应的关联脑波音频；
根据所述预设脑波音频和所述关联脑波音频创建所述个人脑波音频库。
4.根据权利要求2所述的方法，其特征在于，所述根据所述第二脑电特征，确定所述用户对所述预设脑波音频的喜好度是否满足预设喜好条件，包括：
确定所述第一脑电特征和预设的基准脑电信号的特征的特征差值；
根据所述特征差值，以及预设的多个喜好度的特征差值范围，确定所述特征差值所属的特征差值范围对应的喜好度为目标喜好度；
判断所述目标喜好度，是否大于或等于预设的喜好度阈值；
若所述目标喜好度大于或等于所述喜好度阈值，则确定所述用户对所述预设脑波音频的喜好度满足所述预设喜好条件；
若所述目标喜好度小于所述喜好度阈值，则确定所述用户对所述预设脑波音频的喜好度不满足所述预设喜好条件。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频，包括：
根据所述第一脑电特征中脑电频率所属的波段，从所述个人脑波音频库中确定具有相同波段的脑波音频为所述待播放脑波音频。
6.根据权利要求1所述的方法，其特征在于，所述根据所述第一脑电特征，从所述脑电设备所监测的用户的个人脑波音频库中选择与所述第一脑电特征相匹配的脑波音频为待播放脑波音频，包括：
根据所述第一脑电特征，对所述用户进行情绪识别，得到所述用户的情绪类型；
根据所述情绪类型，从所述个人脑波音频库中确定具有所述情绪类型对应的音频标签的脑波音频为所述待播放脑波音频。
7.根据权利要求1-6中任一所述的方法，其特征在于，所述方法还包括：
响应输入的脑波音频转制操作，获取所述脑电设备采集的所述用户的第三脑电信号；
对所述第三脑电信号进行特征分析，得到第三脑电特征；
根据所述第三脑电特征，采用预设的脑波音频算法，生成目标脑波音频，并添加至所述个人脑波音频库中。
8.根据权利要求7所述的方法，其特征在于，所述脑波音频转制操作包括：预设音频的信息；
所述根据所述第三脑电特征，采用预设的脑波音频算法，生成目标脑波音频，包括：
根据所述第三脑电特征，采用所述脑波音频算法，将所述预设音频转制为所述目标脑波音频。
9.一种脑波音频处理设备，其特征在于，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1-8任一项所述的脑波音频处理方法。
10.一种脑波音频处理系统，其特征在于，包括：服务端设备、客户端设备和脑电设备；所述服务端设备可与所述客户端设备通信连接，所述客户端设备与所述脑电设备通信连接；
其中，所述脑电设备用于采集脑电信号；
所述服务端设备用于存储脑波音频；
所述客户端设备用于从所述脑电设备采集的脑电信号，基于脑电信号对脑波音频进行处理，以实现上述权利要求1-8中任一所述的脑波音频处理方法。
CN202110492520.9A 2021-05-06 2021-05-06 脑波音频处理方法、设备及系统 Pending CN113220122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110492520.9A CN113220122A (zh) 2021-05-06 2021-05-06 脑波音频处理方法、设备及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110492520.9A CN113220122A (zh) 2021-05-06 2021-05-06 脑波音频处理方法、设备及系统

Publications (1)

Publication Number Publication Date
CN113220122A true CN113220122A (zh) 2021-08-06

Family

ID=77091234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110492520.9A Pending CN113220122A (zh) 2021-05-06 2021-05-06 脑波音频处理方法、设备及系统

Country Status (1)

Country Link
CN (1) CN113220122A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114185436A (zh) * 2021-12-14 2022-03-15 江苏集萃脑机融合智能技术研究所有限公司 基于视觉诱发电位脑机接口的导览系统及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106923825A (zh) * 2017-03-27 2017-07-07 广州视源电子科技股份有限公司 基于频域及相空间的脑电放松度识别方法及装置
CN108345383A (zh) * 2018-02-07 2018-07-31 深圳市宏智力科技有限公司 基于脑电波的人脑喜好度检测方法及装置
CN108446635A (zh) * 2018-03-19 2018-08-24 西北大学 一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法
CN109568766A (zh) * 2019-01-30 2019-04-05 浙江强脑科技有限公司 音频播放方法、装置及计算机可读存储介质
CN109815361A (zh) * 2019-01-29 2019-05-28 南京信息工程大学 一种基于脑波识别的智能音乐推荐系统
CN109901718A (zh) * 2019-03-07 2019-06-18 中国联合网络通信集团有限公司 数据处理方法及装置、调研系统
CN110075409A (zh) * 2019-04-17 2019-08-02 重庆大学 基于脑电波的个性化音乐辅助睡眠方法
CN110947075A (zh) * 2019-11-27 2020-04-03 华南理工大学 基于脑波音乐的个性化精神状态调节系统及调节方法
CN111339431A (zh) * 2020-05-15 2020-06-26 支付宝(杭州)信息技术有限公司 一种目标信息的识别方法和系统
US20200228859A1 (en) * 2019-01-14 2020-07-16 Amtran Technology Co., Ltd. Video recommending system and video recommending method

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106923825A (zh) * 2017-03-27 2017-07-07 广州视源电子科技股份有限公司 基于频域及相空间的脑电放松度识别方法及装置
CN108345383A (zh) * 2018-02-07 2018-07-31 深圳市宏智力科技有限公司 基于脑电波的人脑喜好度检测方法及装置
CN108446635A (zh) * 2018-03-19 2018-08-24 西北大学 一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法
US20200228859A1 (en) * 2019-01-14 2020-07-16 Amtran Technology Co., Ltd. Video recommending system and video recommending method
CN109815361A (zh) * 2019-01-29 2019-05-28 南京信息工程大学 一种基于脑波识别的智能音乐推荐系统
CN109568766A (zh) * 2019-01-30 2019-04-05 浙江强脑科技有限公司 音频播放方法、装置及计算机可读存储介质
CN109901718A (zh) * 2019-03-07 2019-06-18 中国联合网络通信集团有限公司 数据处理方法及装置、调研系统
CN110075409A (zh) * 2019-04-17 2019-08-02 重庆大学 基于脑电波的个性化音乐辅助睡眠方法
CN110947075A (zh) * 2019-11-27 2020-04-03 华南理工大学 基于脑波音乐的个性化精神状态调节系统及调节方法
CN111339431A (zh) * 2020-05-15 2020-06-26 支付宝(杭州)信息技术有限公司 一种目标信息的识别方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
樊志育著: "《广告效果测定技术》", 31 December 2020, 上海人民出版社, pages: 31 *
衡玮;徐自强;陈璐瑶;杨金龙;乔天池;黄闯;: "基于脑电波监测智能助睡眠耳机设计", 计算机应用与软件, no. 08, 12 August 2020 (2020-08-12) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114185436A (zh) * 2021-12-14 2022-03-15 江苏集萃脑机融合智能技术研究所有限公司 基于视觉诱发电位脑机接口的导览系统及装置

Similar Documents

Publication Publication Date Title
US20230221801A1 (en) Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data
US10606353B2 (en) Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data
US20170339484A1 (en) Smart audio headphone system
Nath et al. An efficient approach to eeg-based emotion recognition using lstm network
US11609633B2 (en) Monitoring of biometric data to determine mental states and input commands
CN113143289B (zh) 一种可互联互动的智能脑波音乐耳机
CN107391679A (zh) 辅助复习方法、装置与设备
Yudhana et al. Recognizing human emotion patterns by applying Fast Fourier Transform based on brainwave features
CN115227243A (zh) 判别脑疲劳及情绪的自动检索背景音乐bci系统
KR20230148166A (ko) 사용자의 감정 상태를 수정하는 장치 및 방법
CN113220122A (zh) 脑波音频处理方法、设备及系统
Mai et al. Real-Time On-Chip Machine-Learning-Based Wearable Behind-The-Ear Electroencephalogram Device for Emotion Recognition
CN107154191B (zh) 习题生成方法、装置、服务器与系统
US11759387B2 (en) Voice-based control of sexual stimulation devices
Djemai et al. A genetic algorithm-based support vector machine model for detection of hearing thresholds
Xu et al. Emotion recognition of EEG signals based on variational mode decomposition and weighted cascade forest
CN111046854B (zh) 一种脑电波外部识别方法、装置及系统
CN112870522A (zh) 一种基于双耳波差脑波音频的注意力调节方法及系统
WO2024009944A1 (ja) 情報処理方法、記録媒体、及び情報処理装置
Pal et al. A Study and Analysis of an Emotion Classification and State-Transition System in Brain Computer Interfacing
Maghooli et al. Optimization of features extracted from the electroencephalography segmented based on the electrooculography tracing using genetic algorithm for the emotion recognition
US20230390147A1 (en) Voice-based control of sexual stimulation devices
NA et al. Research on underwater target recognition based on auditory EEG signal features and deep learning
KR20210034459A (ko) 뇌파 기반 음악 검색방법 및 그를 위한 직관적 뇌-컴퓨터 인터페이스 장치
CN118319329A (zh) 一种面向虚拟现实晕动症的脑机接口正念冥想方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination