CN1703255A - 声音生成方法,计算机可读存储介质,独立声音生成和回放装置,以及保持网络通信联络的声音生成和回放系统 - Google Patents
声音生成方法,计算机可读存储介质,独立声音生成和回放装置,以及保持网络通信联络的声音生成和回放系统 Download PDFInfo
- Publication number
- CN1703255A CN1703255A CN 200380100819 CN200380100819A CN1703255A CN 1703255 A CN1703255 A CN 1703255A CN 200380100819 CN200380100819 CN 200380100819 CN 200380100819 A CN200380100819 A CN 200380100819A CN 1703255 A CN1703255 A CN 1703255A
- Authority
- CN
- China
- Prior art keywords
- sound
- physiological signal
- fractal
- generates
- generation method
- 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
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
目的在于提供用于具有混沌和分形特征的基础信息的声音生成方法,通过把具有混沌和分形特征的基础信息转换为能够进行数值运算的数据,通过根据具有混沌和分形特征的基础信息计算混沌和分形的特征,以及通过对混沌和分形的数据应用生成规则,生成声音。利用用于具有混沌和分形特征的基础信息的声音生成方法实现上述目的,该方法包括:基础信息转换过程,把具有混沌和分形特征的基础信息转换为能够进行数值运算的数据;混沌空间生成过程,以基础信息转换过程转换的数据为基础,计算混沌吸引子和分形特征,并生成混沌空间;分形空间生成过程,生成分形空间;以及声音生成过程,根据混沌空间生成过程和分形空间生成过程生成的混沌空间和分形空间中的数据,依照预定的声音生成规则,生成声音文件。
Description
技术领域
本发明涉及使用具有混沌和/或分形特征的基础信息生成具有上述特征的声音的声音生成方法。按上述方式生成的声音对我们人类保持好的健康状态是有益的。
同时,本发明涉及其上存储有基于上述声音生成方法的声音生成程序的计算机可读存储介质,并且涉及独立声音生成和回放装置以及保持网络通信联络的声音生成和回放系统,它们能够生成适合上述目的的声音。
背景技术
就常规声音生成方法而言,存在大量具有“治疗”主题的音乐(即,治疗音乐)的光盘。例如,作曲家和编曲家意图使用α波音乐引发收听者的α脑波,并且有治疗声音,治疗声音为记录的自然声音。
另一方面,以混沌理论为基础,利用非线性处理来处理生命体的信号的非线性处理方法近来引起我们的注意。公开了用于诊断健康状态的技术,其中确定脉波和心跳是否为满足混沌条件的信号(例如,参见日本公开专利出版号H4(1992)-208136(第2页至第8页))。该技术使用以下知识,作为来自健康生命体的信号的脉波和心跳具有混沌特征。通常,混沌数据满足以下条件,分形维为非整数,并且最大李雅谱诺夫数为正。另外,作为客观诊断人的精神状态和身体状态的技术,公开了使用混沌吸引子和李雅谱诺夫指数的技术(例如,参见日本公开专利出版号H6(1994)-54813(第2页至第6页))。
作为定量评价人的精神状态和身体状态的方法,有脑波分析。通常,当人放松时,α波出现,当人兴奋时,β波出现。就评价人的精神状态而言,公开了通过确定两种脑波波段的平均功率值并计算功率值的比值来评价精神状态的技术(例如,参见日本公开专利出版号2002-577(第3页至第5页,图5)。
然而,由于常规声音生成方法生成的声音是由作曲家和编曲家控制的,所以不能以具有混沌特征的基础信息为基础生成声音,其中基础信息如来自独立生命体的生理信息。
本发明的目的在于提供使用具有混沌和/或分形特征的基础信息的声音生成方法。在该方法中,把基础信息转换为可计算的数据,然后量化混沌和/或分形的特征,对量化特征应用声音生成规则以生成声音。
另外,本发明的另一个目的在于提供一种声音生成方法,该方法通过反馈所生成的声音的评价结果,把生成的声音修改为更舒适的声音。
同时,本发明的另一个目的在于其上存储有基于上述声音生成方法的声音生成程序的计算机可读介质,提供独立声音生成和回放装置以及保持网络通信联络的声音生成和回放系统,它们测量提供信息的人的生理信号并播放生成的声音。
发明内容
本发明描述如下。
1.一种声音生成方法,包括:基础信息转换过程,把具有混沌特征的基础信息转换为能够进行数值运算的数据;混沌空间生成过程,通过以基础信息转换过程转换的数据为基础计算混沌吸引子,生成混沌空间;以及声音生成过程,依照预定的声音生成规则,根据混沌空间生成过程生成的混沌空间中的该数据,生成声音文件。
2.一种声音生成方法,包括:基础信息转换过程,把具有分形特征的基础信息转换为能够进行数值运算的数据;分形空间生成过程,通过以基础信息转换过程转换的数据为基础抽取分形特征,生成分形空间;以及声音生成过程,依照预定的声音生成规则,根据分形空间生成过程生成的分形空间,生成声音文件。
3.一种声音生成方法,包括:生理信号转换过程,把根据各个信息提供者的信息按时间顺序生成的信号转换为能够进行数值运算的数据;混沌空间生成过程,通过以生理信号转换过程转换的数据为基础计算混沌吸引子,生成混沌空间;以及声音生成过程,依照预定的声音生成规则,根据混沌空间生成过程生成的混沌空间中的数据,生成适合于信息提供者的声音文件。
4.一种声音生成方法,包括:生理信号转换过程,把根据各个信息提供者的信息按时间顺序生成的信号转换为能够进行数值运算的数据;分形空间生成过程,通过以生理信号转换过程转换的数据为基础抽取自相似特征,生成分形空间;以及声音生成过程,依照预定的声音生成规则,根据分形空间生成过程生成的分形空间,生成适合于信息提供者的声音文件。
5.上述第3条描述的声音生成方法,其中生理信号转换过程包括:生理信号测量过程,测量生理信号;频率分析过程,计算生理信号测量过程测量的生理信号数据,作为众多频带的数值数据;以及声音生成过程,该过程以频率分析过程为基础,与每个信息提供者的生命体的神经描述特征相对应。
6.上述第4条描述的声音生成方法,其中生理信号转换过程包括:生理信号测量过程,测量生理信号;频率分析过程,计算生理信号测量过程测量的生理信号数据,作为众多频带的数值数据;以及声音生成过程,该过程以频率分析过程为基础,与每个信息提供者的生命体的神经描述特征相对应。
7.上述第3条描述的声音生成方法,其中混沌空间生成过程包括:状态评价过程,通过比较频率分析过程根据每个信息提供者的生命体的神经描述特征计算的数值数据,评价信息提供者的精神和身体状态;以及截面变更过程,变更穿过混沌吸引子的平面,混沌吸引子与状态评价过程的评价一致。
8.上述第4条描述的声音生成方法,其中分形空间生成过程包括:状态评价过程,通过比较频率分析过程根据每个信息提供者的生命体的神经描述特征计算的数值数据,评价信息提供者的精神和身体状态;以及缩放比例宽度修改过程,修改缩放比例宽度以抽取与状态评价过程的评价一致的分形特征。
9.上述第3条描述的声音生成方法,其中声音生成过程包括:状态输入过程,该过程具有能够与提供生理信号的信息提供者通信的接口,以输入用于声音生成的状态;以及生成规则设置过程,依照状态输入过程输入的状态,设置声音生成规则,所以声音生成过程依照生成规则设置过程设置的生成规则,生成声音文件。
10.上述第4条描述的声音生成方法,其中声音生成过程包括:状态输入过程,该过程具有能够与提供生理信号的信息提供者通信的接口,以输入用于声音生成的状态;以及生成规则设置过程,依照状态输入过程输入的状态,设置声音生成规则,所以声音生成过程依照生成规则设置过程设置的生成规则,生成声音文件。
11.上述第7条描述的声音生成方法,其中状态评价过程利用脑波中α波出现的比值,评价精神和身体状态。
12.上述第8条描述的声音生成方法,其中状态评价过程利用脑波中α波出现的比值,评价精神和身体状态。
13.上述第3条至第10条中的任意一条描述的声音生成方法,其中使用脉波,心电图,脑波,肌动电流图和呼吸中的至少一种作为生理信号。
14.用于存储以下程序的计算机可读存储介质,该程序在计算机上执行上述第1条至第12条描述的声音生成方法中的至少一种方法。
15.用于存储以下程序的计算机可读存储介质,该程序在计算机上执行上述第13条描述的声音生成方法。
16.独立声音生成和回放装置,包括:用于测量生理信号的装置;用于执行上述第1条至第12条描述的声音生成方法中的至少一种方法的计算机;用于播放声音生成方法生成的声音的装置;以及用于测量每个信息提供者的状态的装置,其中信息提供者提供生理信号并收听声音。
17.独立声音生成和回放装置,包括:用于测量生理信号的装置;用于执行上述第13条描述的声音生成方法的计算机;用于播放声音生成方法生成的声音的装置;以及用于测量每个信息提供者的状态的装置,其中信息提供者提供生理信号并收听声音。
18.保持网络通信联络的声音生成和回放系统,包括:用于执行上述第1条至第12条描述的声音生成方法中的至少一种方法的服务器计算机;以及供远程计算机执行的装置,远程计算机通过计算机网络与服务器计算机相连,该装置包括用于测量声音生成方法所需的生理信号的装置和用于播放声音的装置。
19.保持网络通信联络的声音生成和回放系统,包括:用于执行上述第13条描述的声音生成方法的服务器计算机;以及供远程计算机执行的装置,远程计算机通过计算机网络与服务器计算机相连,该装置包括用于测量声音生成方法所需的生理信号的装置和用于播放声音的装置。
本发明的效果
根据本发明的声音生成方法,以具有混沌和/或分形的基础信息为基础,通过把基础信息转换为能够进行数值运算的数据,通过计算基础信息的混沌和/或分形特征,并对该计算获得的混沌和/或分形数据应用生成规则,生成声音。
根据本发明的声音生成方法,在测量信息提供者的脉波和脑波时,通过变更穿过混沌吸引子的平面,通过修改缩放比例宽度抽取分形特征,生成声音以便更有效地使信息提供者平静下来。
如果声音生成规则是通过与信息提供者的交互而修改的,则生成的声音能够为信息提供者提供更放松的效果。
另外,如果使用生理信息作为生成声音文件的基础信息,则可以生成适合提供生理信息的个体的声音。例如,如果生理信息是在个体感到满意舒适的时候取得的,则可以以该生理信息为基础生成声音,以改善他或她的健康状况或心情,特别是在他或她的健康状况恶化或心情沮丧时。例如,为了使婴儿平静下来,使婴儿收听其出生前在母亲的子宫中习惯听到的声音,通过收听对个体有特效的声音,可以对个体进行治疗或激励。该方法与仅仅使个体收听通常称为治疗声音的来自大自然的声音有本质不同。
利用分类为频带的生理信号数据来评价精神和身体状态。通过重复修改和评价截面和缩放比例宽度,使最后的评价值收敛,从而达到更好状态或最佳状态。
根据其上存储有执行声音生成方法的软件程序的计算机可读存储介质,可以执行上述声音生成方法以生成声音。
根据独立声音生成和回放装置,可以把上述声音生成方法包含到单一装置内,以生成声音。
根据保持网络通信联络的声音生成和回放系统,可以在服务器计算机上执行上述声音生成方法,以便以远程计算机测量的生理信号为基础生成声音。
附图说明
图1表示根据本发明的声音生成方法的全部组成部分,该方法根据具有混沌特征的基础信息生成声音。
图2表示根据本发明的声音生成方法的全部组成部分,该方法根据具有分形特征的基础信息生成声音。
图3表示独立声音生成和回放装置的构造。
图4表示保持网络通信联络的声音生成和回放系统的构造。
图5是测量的脉波的曲线图。
图6是测量的脉波的另一个曲线图。
图7是计算的混沌吸引子的三维曲线图。
图8是计算的混沌吸引子的另一个三维曲线图。
图9是一个示意图,表示截面上的绘图。
图10是一个曲线图,表示例如在脉波数据上执行的分形特征抽取过程中的缩放比例转换。
图11图另一个曲线图,表示例如在脉波数据上执行的分形特征抽取过程中的缩放比例转换。
图12是又一个曲线图,表示例如在脉波数据上执行的分形特征抽取过程中的缩放比例转换。
图13是曲线图,表示例如在脉波数据上执行的分形特征抽取过程中的缩放比例转换。
图14(a)是另一个曲线图,表示例如在脉波数据上执行的分形特征抽取过程中的缩放比例转换,图14(b)是图14(a)中的一部分的放大。
图15(a)是图14(b)中的部分曲线图的放大,表示在脉波数据上执行的分形特征抽取过程中的缩放比例转换,图15(b)是图15(a)中的一部分的放大。
图16(a)是脉波的曲线图,图16(b)是利用脉波曲线图的缩放比例转换计算的混沌吸引子的三维曲线图。
图17(a)是脉波的曲线图,图17(b)是利用脉波曲线图的缩放比例转换计算的混沌吸引子的三维曲线图。
图18(a)是脉波的曲线图,图18(b)是利用脉波曲线图的缩放比例转换计算的混沌吸引子的三维曲线图。
图19(a)至(c)是混沌吸引子的三维曲线图,其中每个混沌吸引子都是根据按比例转换的脉波数据计算的,这些曲线图代表图16(b),图17(b)和图18(b)。
图20是从例如脉波数据之类的基础信息中直接抽取的分形特征的曲线图。图20(a)是按时间顺序排列的脉波数据的曲线图,图20(b)是|ti-ti±k|=0.5秒时的数据的曲线图。
图21是从例如脉波数据之类的基础信息中直接抽取的分形特征的曲线图。图21(a)是|ti-ti±k|=0.05秒时的据的曲线图,图21(b)是|ti-ti±k|=0.005秒时的数据的曲线图。
图22是一个示意图,表示用于测量从例如脉波数据之类的基础信息中直接抽取分形特征的过程中的特征抽取的方法。
图23是一个示意图,表示根据本发明的截面学习过程的全部组成部分。
图24是一个流程图,表示根据本发明的截面学习过程。
图25是一个示意图,表示根据本发明的缩放比例宽度学习过程的全部组成部分。
图26是一个流程图,表示缩放比例宽度学习过程。
图27是一个示意图,表示执行脑电扫记的环境。
图28是一个示意图,表示从上面观察的电极的位置,其中位置符合EEG放置的国际10/20标准。
图29是一个示意图,表示从正面观察到的相同电极的位置,其中位置符合EEG放置的国际10/20标准。
图30是一个示意图,表示根据本发明的生成规则学习过程的全部组成部分。
图31是一个流程图,表示根据本发明的声音生成规则学习过程,用于根据具有混沌特征的基础信息生成声音。
图32是一个流程图,表示根据本发明的声音生成规则学写过程,用于根据具有分形特征的基础信息生成声音。
图33(a)是一个曲线图,表示从收听某种声音的人员那里测量的心跳的波动,图33(b)是一个曲线图,表示从例如图33(a)所示的心跳波动之类的生理信号中抽取的神经特征的分析结果。
具体实施方式
现在参考附图叙述根据本发明的最佳实施方式。
上述“混沌”系指,即使在确定性系统中其外像也表现出没有周期性或近似周期性的不规则作用的特征。同样,上述“分形”系指包括自相似性。
上述具有混沌和分形特征的“基础信息”是发源于生物体、天气状况之类的信号。除生理信号外,其他例子为自然界中产生的声音,如河流的潺潺流水声,风力和/或风向的测量数据,以及用地震仪测量的震动数据。
上述“生理信号”可以是从生命体那里测量的任何信号,并且可以随意选择。例子为脑波,从脉动中测量的脉波,表示心跳引起的电势的按时间顺序排列的变化的心电图,表示肌肉收缩引起的电势的按时间顺序排列的变化的肌动电流图,以及引起口腔呼吸的压力或流速变化的呼吸作用。
上述“声音文件”可以是可再生为声音的任何数据,可以是任意类型的文件格式。例如,可以是对音频信号采样所用的PCM(脉冲编码调制)格式,可以是用预定形式列出声音的频率和时间间隔的格式。另外,明确采用标准MIDI格式文件(此类声音文件也称为MIDI文件或SMF文件)和PCM格式采样的声音可以编码为文件(WAVE文件)。
正如图1所示,根据本发明的生成方法包括:基础信息转换部分1,用于测量具有混沌和分形的基础信息A,然后转换为用于计算的数值数据;混沌空间生成过程2,通过计算混沌吸引子生成混沌空间;以及声音生成过程3,通过应用声音生成规则B生成具有混沌行为的声音文件C。
基础信息转换部分1包括基础信息转换过程,该过程利用信息测量设备101,把具有混沌和/或分形的基础信息A转换为数值数据,然后利用测量计算机102,测量其时间序列具有混沌和分形特征的基础信息A。
正如图1和图2所示,本实施方式中的声音生成方法还包括:基础信息转换部分1,用于把具有混沌和分形的基础信息A转换为用于计算的数值数据;分形空间生成过程6,通过抽取分形特征生成分形空间;以及声音生成过程3,通过应用声音生成规则B,生成具有分形行为的声音文件C。
一种计算机可读存储介质,其上存储有根据本发明的使用生理信号的声音生成方法的程序,通过使用生理信号,声音生成过程中使用的生理信号,以及声音生成过程生成的声音文件,使计算机生成声音。
同样,根据本发明的声音生成和回放装置包括:测量生理信号,以及采用统一模型或保持网络通信联络的模型回放声音文件。
正如图3所示,声音生成和回放装置的统一模型包括:收听者状态测量部分;生理信号测量部分;以及声音生成部分和声音回放部分。
正如图4所示,声音生成和回放装置的网络模型包括:包含声音生成部分的服务器计算机;以及客户终端,客户终端为通过网络与服务器计算机相连的远程计算机。客户终端包括:收听者状态测量部分;生理信号测量部分以及声音回放部分。此时,使用该网络向服务器计算机的声音生成部分传输收听者状态测量部分和生理信号测量部分测量的收听者状态和生理信号,或者向客户终端的声音回放部分传输服务器计算机的声音生成部分生成的声音文件。
上述“收听者状态测量部分”测量截面学习过程中使用的收听者的状态。可以利用任何测量方法,例如,利用脑电扫记法检测收听者状态。因此,本实施方式的收听者状态测量部分测量脑波以检测收听者状态。
上述“生理信号测量部分”测量生理信号。另外,它使用脉波作为生理信号。
上述“声音生成部分”包括可以执行声音生成方法的计算机,它以收听者状态测量部分检测的收听者状态和生理信号测量部分测量的生理信号为基础,生成声音。
上述“声音回放部分”包括扬声器和放大器,用于播放声音生成部分生成的声音。
另外,上述“网络”可以是任何类型、任何形式的网络。
此外,存储声音生成方法程序的计算机可读存储介质与声音生成和回放装置,或者使用利用混沌的声音生成方法,或者使用利用分形的方法。同样,它们可以包括两种声音生成方法,并且可根据需要选用任意一种方法。另外,可以把上述声音生成方法生成的声音文件混合为一个文件。
1.根据混沌基础信息生成声音
上述混沌空间生成过程2把测量的其时间序列具有混沌特征的基础信息A看作一维时间序列数据,并将其定义为x(t)。这里,t代表时间的流逝。作为测量的其时间序列具有混沌特征的基础信息A的例子,图5和图6分别表示脉波的曲线图。
混沌吸引子计算部分201通过使用两个指定参数,时延τ(秒)和内嵌维数m(维数),计算混沌吸引子,从而混沌吸引子变为m维的多元数据。方程1定义混沌吸引子。对于测量的脉波,施加0.1秒的时延和维数为3的内嵌维数。图7和图8表示利用方程1计算的混沌吸引子的三维曲线图的例子。
vt={x(t),x(t+τ),...,x(t+(m-1)τ)}
方程1
通过对计算的混沌吸引子应用庞加莱映射,截面构造部分202计算混沌周期内的微小偏差。计算过程沿预定平面切断混沌吸引子的解轨道,在标绘在截面(庞加莱截面)内的(m-1)维数内查找点序列p(i)。这里,i是给每个交点集分配的序时号。
参考点设置部分203在截面上的预定位置设置参考点pb。可以把参考点pb放置在任意指定位置,以确定混沌吸引子与该截面的交点的矢量。
声音生成过程3的规则应用部分301计算参考点pb的位置矢量pb与点序列p(i)的位置矢量p(i)之间的差P(i),其中点序列p(i)是该截面中的混沌吸引子的交点。正如图9所示,差是参考点pb与该截面上的交点p(1)到p(5)中的每个交点之间的矢量P(i)。
通过把矢量P(i)组合为声音生成规则B,生成声音。在声音生成过程中,利用高度n,长度l和强度v,确定最小单位(音素),把根据m维的混沌吸引子生成的声音组成至少m个音素的和音序列。例如,通过应用以下变换方程2至5,根据庞加莱截面中的点序列p(i)的矢量P(i),确定声音生成规则B。
方程2
Sk(i)=(nk,lK,vk)
方程3
方程4
lk=γ(p(i-1))
方程5
这里,Sk(i)中的i是信道k中的音素的序数,m(a,b)代表音阶元素,a是八音度高度,b是音阶数。R代表所选音阶中的音素数。另外,Pk(i)代表矢量P(i)中第k个元素的值,mod代表余数运算。
然而,作为声音生成规则,也可应用与上述规则不同的规则。例如,根据两个矢量P(i-1)和P(i)计算的偏移角可以作为声音生成规则,其中两个矢量是根据上次收集的交点和上次之前收集的交点确定的。为此,可以使用根据参考点和庞加莱截面中的交点确定的诸如长度和角度之类的要素。此外,通过使用上述要素,可以确定演奏效果,如乐器(音调)的类型,编码行进,颤音,滑音和回音,从而生成的声音能够获得更高的心理效果。
2.根据分形基础信息生成声音
关于计算上述分形空间生成过程6,一种方法是每当在测量的其时间序列具有分形特征的基础信息上重复执行缩放比例转换时计算吸引子。另一种方法是直接根据测量的基础信息计算分形空间。
分形空间生成过程6把测量的具有时序分形的基础信息A看作一维时序数据,并将其定义为x(t)。这里,t代表时间的流逝。图10至图13,以及图14(a),图14(b),图15(a)和图15(b)表示x(t)的两个例子。图11至图13分别表示图10中的一部分内容的放大,图14(b),图15(a)和图15(b)表示图14(a)中的一部分内容。确定x(t)的方法是,在脉波的曲线图上执行缩放比例转换,然后抽取显示出自相似性的分形特征,其中曲线图为测量的其时间序列具有分形特征的基础信息A的例子。
例如,图13表示在利用脉波传感器连续测量4秒获得的体积扫记图的五分之一(0.8秒)的时序数据上,沿时序方向以5倍放大比例放大两次的结果。图16至图19分别表示方程1利用(a)时间序列图中的脉波计算的(b)吸引子的三维曲线图。按上述方式获得的三个吸引子空间与应用上述声音转换规则的声音序列混合,由此生成以具有分形的基础信息为基础的声音。
另外,可以把时序数据改变引起的复合形式看作偏移角的改变,所以可以用许多合适比例来观察偏移角的改变,以便直接从测量的基础信息中抽取分形特征。
例如,在改变|ti-ti±k|的范围时,通过应用图22描述的偏移角计算方法,在图20(a)所示的体积扫记图上测量偏移角的改变θ(t)。在该方法中,把基础信息中的一个点Pi(ti,y(ti))规定为某个时限内的参考点,利用在上一个周期Pi-k(ti-k,y(ti-k))和下一个周期Pi+k(ti+k,y(ti+k))中确定的两个点来定义角θ(ti)。
通过使范围|ti-ti±k|从0.5变为0.005(秒),获得图20(a),图21(a)和图21(b)所示的偏移角的三种改变θ(t)。利用上述声音转换规则中的p(i)替换每个序列θ(t),以便在与脉搏的节奏相合时生成一个声音序列。然后混合按上述方式生成的三个声音序列,以生成以分形基础信息为基础的声音。
3.截面学习
正如图23所示,截面学习过程4包括:脑波测量部分410,测量信息提供者的脑波;频率分析部分402,把脑波处理为按频带分类的数值数据;脑波评价部分403,比较每个频带的数值数据与其他频带的数值数据,以评价精神和身体状态;以及截面变更部分404,变更穿过与该评价一致的混沌吸引子的平面。
截面学习4按照图24描述的流程图,播放以基础信息(如脑波)为基础生成的声音,图24详细说明截面学习过程。它检测正在收听该声音的收听者的脑波,评价他或她的状态,然后反馈该评价,从而能够依照评价变更截面。这样,可以生成更适宜的声音。
另外,正如图25所示,本实施方式的缩放比例宽度学习7包括:脑波测量部分701,测量信息提供者的脑波;频率分析部分702,把脑波处理为按频带分类的数值数据;脑波评价部分703,比较每个频带的数值数据与其他频带的数值数据,以评价精神和身体状态;以及缩放比例宽度修改部分704,根据评价修改用于抽取分形特征的缩放比例宽度。
4.缩放比例宽度学习
缩放比例宽度学习7按照图26描述的流程图,播放以基础信息(如脑波)为基础生成的声音,图26详细说明缩放比例宽度学习过程。它检测正在收听该声音的收听者的脑波,评价他或她的状态,然后反馈该评价,从而能够依照评价变更缩放比例宽度。这样,可以生成更适宜的声音。
上述脑波测量部分401和701利用固定在信息提供者的头部上的不同位置的电极测量脑波,然后将该信息转换为能够进行数值运算的数据。
本实施方式的脑波测量方法符合EEG放置的国际10/20标准,采用12个位置(Fp1,Fp2,F7,F8,Fz,C3,C4,Pz,T5,T6,O1和O2)放置脑电扫记法用的电极。另外,捕获体积扫记图,眼扫记图和心电图。
正如图27所示,该示意图描述执行脑电扫记法的环境,在测量脑波时,在带有脑波测量所用电极的测验对象的前面的预定位置,安装用来回放声音的一组扬声器。另外,启动执行声音生成方法的计算机,以生成声音文件,并利用扬声器进行回放。正如图28和29所示,根据EEG放置的国际10/20标准中的电极放置图,放置电极。
上述频率分析部分402和702把测量的脑波数据分成不同频带的δ波(0.5至3Hz),θ波(3至7Hz),α波(7至13Hz),β波(13至30Hz)和γ波(30至40Hz),通过计算各种波的功率谱,将该信息转换为数值数据。使用数值数据来分析脑波,以推测脑部的状态。
上述脑波评价部分403确定由上述分析分类的不同频带的数值数据之间的相互关系,以评价信息提供者是否感到舒适,并且累积评价结果作为奖励值。作为平静的评价尺度,使用各频带内的不同波与全部波的比值以及表示各频带内的波的强度的谱值,推测头部状态评价的总趋势。于是,为提高评价值的截面指定正的奖励值,为降低评价值的截面指定负的奖励值。
同样,上述脑波评价部分703确定由上述分析分类的不同频带的数值数据之间的相互关系,以评价信息提供者是否感到舒适。作为平静的评价尺度,使用各频带内的不同波与全部波的比值以及表示各频带内的波的强度的谱值,推测头部状态评价的总趋势。于是,为提高评价值的缩放比例宽度指定正的奖励值,为降低评价值的缩放比例宽度指定负的奖励值。
当评价值降低时,上述截面变更部分404考虑用目前累积的奖励值来更改截面,然后继续脑波测量。如果评价值收敛,则认为学习完成。因此,目前的截面作为脑波测量的最佳截面,并且脑波测量终止。
同样,当评价值降低时,上述缩放比例宽度修改部分704考虑用目前累积的奖励值来更改缩放比例宽度,然后继续脑波测量。如果评价值收敛,则认为学习完成。因此,目前的缩放比例宽度作为脑波测量的最佳缩放比例宽度,并且脑波测量终止。
正如图30所示,本实施方式中的生成规则学习5包括:用户输入部分501,其接口允许系统与信息提供者交互;生成规则变更部分502,根据输入内容变更声音生成规则B;以及声音修改部分503,生成与变更一致的声音。图31和图32为流程图,分别描述生成规则学习过程。正如图31和图32所示,依据生成规则学习5,修改生成的声音的音调,音量等。
作为评价收听者的精神和身体状态的手段,除脑波外,其他方法也可以使用脉搏和心跳的生理信号的测量数据。此时,同样观察频谱变化,以推测自主神经系统的能动性。图33(a)是一个曲线图,表示从正在收听某种声音的人员那里测量的心跳的波动。当他或她正在专心收听某种声音时,将波动的频率成分分成两组,低频成分(0.024至0.15Hz)和高频成分(0.15至0.6Hz),观测高频频率含量与低频频率含量的比值,以测量生命体中的副交感神经的能动性与交感神经的能动性的比值(该比值也称为“神经描述特征”)。图33(b)是一个曲线图,表示从生理信号中抽取的神经描述特征的分析结果,此时,生理信号为图33(a)所示的心跳波动。当难以测量收听者的脑波时,使用高频与低频的比值替换收听者的平静的评价值。
上述用户输入部分501有一个接口,收听声音的信息提供者利用该接口改变演奏乐器,修改音高的范围与声音的强度和音长,所以能够反应信息提供者的欣赏能力。
上述生成规则变更部分502把信息提供者利用该接口所作的变更和修改应用到生成规则上。
上述截面变更部分503依照变更后的生成规则生成声音。
正如图1所示,使用混沌吸引子的声音生成方法测量信息提供者的基础信息A,利用基础信息转换部分1将其转换为能够进行数值运算的数据,然后,混沌空间生成过程2根据该数据计算混沌吸引子。此后,该方法把混沌吸引子传送到声音生成过程3,该过程通过应用声音生成规则B,生成具有混沌行为的声音文件C。
正如图2所示,使用分形特征的声音生成方法测量信息提供者的基础信息A,利用基础信息转换部分1将其转换为能够进行数值运算的数据,然后,分形空间生成过程6根据该数据计算分形特征。此后,该方法把分形特征传送到声音生成过程3,该过程通过应用声音生成规则B,生成声音文件C。
Claims (19)
1.一种声音生成方法,包括:
基础信息转换过程,把具有混沌特征的基础信息转换为能够进行数值运算的数据;
混沌空间生成过程,通过以所述基础信息转换过程转换的数据为基础计算混沌吸引子,生成混沌空间;以及
声音生成过程,依照预定的声音生成规则,根据所述混沌空间生成过程生成的混沌空间中的该数据,生成声音文件。
2.一种声音生成方法,包括:
基础信息转换过程,把具有分形特征的基础信息转换为能够进行数值运算的数据;
分形空间生成过程,通过以所述基础信息转换过程转换的数据为基础抽取分形特征,生成分形空间;以及
声音生成过程,依照预定的声音生成规则,根据所述分形空间生成过程生成的分形空间,生成声音文件。
3.一种声音生成方法,包括:
生理信号转换过程,把根据各个信息提供者的信息按时间顺序生成的信号转换为能够进行数值运算的数据;
混沌空间生成过程,通过以所述生理信号转换过程转换的数据为基础计算混沌吸引子,生成混沌空间;以及
声音生成过程,依照预定的声音生成规则,根据所述混沌空间生成过程生成的混沌空间中的数据,生成适合于所述信息提供者的声音文件。
4.一种声音生成方法,包括:
生理信号转换过程,把根据各个信息提供者的信息按时间顺序生成的信号转换为能够进行数值运算的数据;
分形空间生成过程,通过以所述生理信号转换过程转换的数据为基础抽取自相似特征,生成分形空间;以及
声音生成过程,依照预定的声音生成规则,根据所述分形空间生成过程生成的分形空间,生成适合于所述信息提供者的声音文件。
5.权利要求3所述的声音生成方法,其中所述生理信号转换过程包括:
生理信号测量过程,测量生理信号;
频率分析过程,计算所述生理信号测量过程测量的生理信号数据,作为众多频带的数值数据;以及
声音生成过程,该过程以所述频率分析过程为基础,与所述每个信息提供者的生命体的神经描述特征相对应。
6.权利要求4所述的声音生成方法,其中所述生理信号转换过程包括:
生理信号测量过程,测量生理信号;
频率分析过程,计算所述生理信号测量过程测量的生理信号数据,作为众多频带的数值数据;以及
声音生成过程,该过程以所述频率分析过程为基础,与所述每个信息提供者的生命体的神经描述特征相对应。
7.权利要求3所述的声音生成方法,其中所述混沌空间生成过程包括:
状态评价过程,通过比较所述频率分析过程根据所述每个信息提供者的生命体的神经描述特征计算的数值数据,评价所述信息提供者的精神和身体状态;以及
截面变更过程,变更穿过混沌吸引子的平面,混沌吸引子与所述状态评价过程的评价一致。
8.权利要求4所述的声音生成方法,其中所述分形空间生成过程包括:
状态评价过程,通过比较所述频率分析过程根据所述每个信息提供者的生命体的神经描述特征计算的数值数据,评价所述信息提供者的精神和身体状态;以及
缩放比例宽度修改过程,修改缩放比例宽度以抽取与所述状态评价过程的评价一致的分形特征。
9.权利要求3所述的声音生成方法,其中所述声音生成过程包括:
状态输入过程,该过程具有能够与提供所述生理信号的信息提供者通信的接口,以输入用于声音生成的状态;以及
生成规则设置过程,依照所述状态输入过程输入的状态,设置所述声音生成规则,所以所述声音生成过程依照所述生成规则设置过程设置的生成规则,生成所述声音文件。
10.权利要求4所述的声音生成方法,其中所述声音生成过程包括:
状态输入过程,该过程具有能够与提供所述生理信号的信息提供者通信的接口,以输入用于声音生成的状态;以及
生成规则设置过程,依照所述状态输入过程输入的状态,设置所述声音生成规则,所以所述声音生成过程依照所述生成规则设置过程设置的生成规则,生成所述声音文件。
11.权利要求7所述的声音生成方法,其中所述状态评价过程利用脑波中α波出现的比值,评价精神和身体状态。
12.权利要求8所述的声音生成方法,其中所述状态评价过程利用脑波中α波出现的比值,评价精神和身体状态。
13.权利要求3-10中任一权利要求所述的声音生成方法,其中使用脉波,心电图,脑波,肌动电流图和呼吸中的至少一种作为所述生理信号。
14.用于存储以下程序的计算机可读存储介质,该程序在计算机上执行权利要求1-12所述的声音生成方法中的至少一种方法。
15.用于存储以下程序的计算机可读存储介质,该程序在计算机上执行权利要求13所述的声音生成方法。
16.一种独立声音生成和回放装置,包括:
用于测量生理信号的装置;
用于执行权利要求1-12所述的声音生成方法中的至少一种方法的计算机;
用于播放所述声音生成方法生成的声音的装置;以及
用于测量每个信息提供者的状态的装置,其中信息提供者提供所述生理信号并收听声音。
17.一种独立声音生成和回放装置,包括:
用于测量生理信号的装置;
用于执行权利要求13所述的声音生成方法的计算机;
用于播放所述声音生成方法生成的声音的装置;以及
用于测量每个信息提供者的状态的装置,其中信息提供者提供所述生理信号并收听声音。
18.一种保持网络通信联络的声音生成和回放系统,包括:
用于执行权利要求1-12所述的声音生成方法中的至少一种方法的服务器计算机;以及
供远程计算机执行的装置,远程计算机通过计算机网络与所述服务器计算机相连,所述装置包括用于测量所述声音生成方法所需的生理信号的装置和用于播放声音的装置。
19.一种保持网络通信联络的声音生成和回放系统,包括:
用于执行权利要求13所述的声音生成方法的服务器计算机;以及
供远程计算机执行的装置,远程计算机通过计算机网络与所述服务器计算机相连,所述装置包括用于测量所述声音生成方法所需的生理信号的装置和用于播放声音的装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP383239/2002 | 2002-12-12 | ||
JP2002383239 | 2002-12-12 | ||
JP205828/2003 | 2003-08-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1703255A true CN1703255A (zh) | 2005-11-30 |
Family
ID=35632626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200380100819 Pending CN1703255A (zh) | 2002-12-12 | 2003-12-12 | 声音生成方法,计算机可读存储介质,独立声音生成和回放装置,以及保持网络通信联络的声音生成和回放系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1703255A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104967913A (zh) * | 2014-07-21 | 2015-10-07 | 腾讯科技(深圳)有限公司 | 音频文件播放控制方法及装置 |
CN105761714A (zh) * | 2016-04-26 | 2016-07-13 | 南京丰生永康软件科技有限责任公司 | 一种将心跳信号转换成音乐的系统 |
CN106422205A (zh) * | 2015-08-12 | 2017-02-22 | 苏家琪 | 呼吸功能检测系统及其检测方法 |
CN107039025A (zh) * | 2017-04-14 | 2017-08-11 | 四川大学 | 基于超混沌的个性化耳鸣康复音生成方法 |
CN108353226A (zh) * | 2015-10-19 | 2018-07-31 | 雅马哈株式会社 | 声音信号控制设备、声音信号控制方法和记录介质 |
-
2003
- 2003-12-12 CN CN 200380100819 patent/CN1703255A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104967913A (zh) * | 2014-07-21 | 2015-10-07 | 腾讯科技(深圳)有限公司 | 音频文件播放控制方法及装置 |
CN104967913B (zh) * | 2014-07-21 | 2019-01-08 | 腾讯科技(深圳)有限公司 | 音频文件播放控制方法及装置 |
CN106422205A (zh) * | 2015-08-12 | 2017-02-22 | 苏家琪 | 呼吸功能检测系统及其检测方法 |
CN106422205B (zh) * | 2015-08-12 | 2019-01-25 | 苏家琪 | 呼吸功能检测系统及其检测方法 |
CN108353226A (zh) * | 2015-10-19 | 2018-07-31 | 雅马哈株式会社 | 声音信号控制设备、声音信号控制方法和记录介质 |
CN108353226B (zh) * | 2015-10-19 | 2020-10-16 | 雅马哈株式会社 | 声音信号控制设备、声音信号控制方法和记录介质 |
CN105761714A (zh) * | 2016-04-26 | 2016-07-13 | 南京丰生永康软件科技有限责任公司 | 一种将心跳信号转换成音乐的系统 |
CN107039025A (zh) * | 2017-04-14 | 2017-08-11 | 四川大学 | 基于超混沌的个性化耳鸣康复音生成方法 |
CN107039025B (zh) * | 2017-04-14 | 2020-05-05 | 四川大学 | 基于超混沌的个性化耳鸣康复音生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100453036C (zh) | 一种音乐脑电分析方法 | |
CN1309342C (zh) | 用于促进生理相干和自主平衡的方法和设备 | |
CN105451801A (zh) | 声音诱导的睡眠方法和用于该方法的系统 | |
US10636400B2 (en) | Method for producing and streaming music generated from biofeedback | |
CN104688222A (zh) | 基于脑电信号的音色合成装置 | |
CN110742603A (zh) | 一种脑电波可听化精神状态检测方法及实现该方法的系统 | |
CN107174238B (zh) | 生理数据的处理方法及装置 | |
CN110415824B (zh) | 脑卒中风的患病风险评估装置和设备 | |
CN1703255A (zh) | 声音生成方法,计算机可读存储介质,独立声音生成和回放装置,以及保持网络通信联络的声音生成和回放系统 | |
CN113171534B (zh) | 基于音乐和能量波函数的叠加增强神经调制方法及装置 | |
Zhu et al. | A pilot study on the evaluation of normal phonating function based on high-density sEMG topographic maps | |
JP2009195260A (ja) | 生体の心身状態調整システム及びコンピュータ読み取り可能な記録媒体 | |
Mihalas et al. | Sonic representation of information: application for heart rate analysis | |
CN115429292A (zh) | 基于频谱分析的脑电信号质量的检测装置及系统 | |
Abdullah et al. | A computationally efficient sEMG based silent speech interface using channel reduction and decision tree based classification | |
CN112464022A (zh) | 一种个性化音乐播放方法、系统和计算机可读存储介质 | |
JP2006346471A (ja) | サウンド生成方法、コンピュータ読み取り可能な記憶媒体、スタンドアロン型サウンド生成再生装置及びネットワーク配信型サウンド生成再生システム | |
JP3863553B2 (ja) | サウンド生成方法、コンピュータ読み取り可能な記憶媒体、スタンドアロン型サウンド生成再生装置及びネットワーク配信型サウンド生成再生システム | |
CN1505489A (zh) | 生物体反应波形信息的分析方法和装置以及诊断装置 | |
CN1445689A (zh) | 一种麻醉监护装置及其监护方法 | |
CN2618219Y (zh) | 一种麻醉监护装置 | |
CN101411652A (zh) | 高血压治疗仪及其控制方法 | |
Lu et al. | BrainNets: Human emotion recognition using an Internet of Brian Things platform | |
Daffern et al. | The impact of vibrato usage on the perception of pitch in early music compared to grand opera | |
CN116473571A (zh) | 一种复杂系统理论驱动的自适应音乐生成与脑电反馈系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |