arXiv eess.SP（Signal Processing）·· 3 小时前AI 评分35
基于经验模态分解的EEG音乐调式与旋律方向解码
EEG-Based Decoding of Musical Mode and Melodic Direction Using Empirical Mode Decomposition
AI 导读
研究团队提出基于经验模态分解（EMD）的EEG特征提取框架，对主动钢琴演奏时的脑电信号进行分解，用前四个本征模态函数（IMF）的能量描述符训练宽神经网络分类器，检测音乐调式与旋律方向。受试者内平均准确率达84%，跨受试者使用第一个IMF时平均准确率为81%，两种场景平均AUC-ROC均为0.9。该方法对左右利手均表现稳健，主要激活见于额区、颞区与顶枕区。
AI 要点
团队
Sergio Guillén 为第一作者，Isabel Barbancho 为末位作者，共 4 位作者。
主要结果
被试内平均准确率 84%，跨被试用首个 IMF 达 81%，两者平均 AUC-ROC 均为 0.9。
解决什么问题
提出基于经验模态分解（EMD）的 EEG 特征提取框架，检测音乐调式与旋律走向。
方法
采集主动钢琴演奏时的 EEG，取 EMD 前四个 IMF 的能量描述符，训练 Wide Neural Network 分类器并与常用分类器对比。
局限
从研究设计看，仅两类音乐特征、单一演奏任务；频域分析显示部分特定频率成分未被 IMF 完全表征。
AI 依据原文整理，未经人工核对。
来源：arXiv eess.SP（Signal Processing） · arxiv.org