每個樣本的原始長度，按照1000HZ的采樣率，每個樣本的長度通常在3萬點（30秒）的樣子，更長時間的數據，會認為情緒會有波動，所以音樂的長度通常在30秒。目前常用的樣本的長度為1-2秒，實驗證明，這個長度是合適的。目前我用的長度是2s，比1s長度的數據的識別了更高一些。
樣本的制作，由于腦電信號一直存在數據較少的情況，因此，在進行樣本切割的時候，采用滑動交疊窗口的方式，以0.4s為滑動單位，2s為一個樣本單位，然后下采樣到200Hz，這樣得到的是400點長度的樣本，每個原始的數據，可以得到60-100個樣本，每個受試者有10個以上的原始數據，這樣6-10個受試者的數據，就可以得到6000-10000個樣本，每種情緒，這樣的數據量，用deepen訓練一個簡單的模型，識別率可以達到90%+。基本滿足期望。

采集到的數據，用LSMA做自適應的濾波，主要是對眼動信號或者突發的大噪聲進行濾除，效果比較好。

總結

以上是生活随笔為你收集整理的基于音乐诱发的脑电信号的样本生成的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。