本發(fā)明涉及腦電波監(jiān)測(cè)技術(shù)領(lǐng)域，特別是涉及一種基于單通道腦電波的學(xué)習(xí)工作狀態(tài)監(jiān)測(cè)系統(tǒng)。

背景技術(shù)：

大腦是人類神經(jīng)系統(tǒng)的中心，負(fù)責(zé)控制人們的認(rèn)知與感知、運(yùn)動(dòng)與協(xié)調(diào)等各種神經(jīng)活動(dòng)。對(duì)腦電波的識(shí)別與使用已經(jīng)成為當(dāng)下火熱的話題?？茖W(xué)界公認(rèn)的腦電波主要有四種狀態(tài)，神經(jīng)科學(xué)界根據(jù)腦波的頻率分成4個(gè)主要類別：α波，β波，θ波，δ波。學(xué)習(xí)和工作的“最佳狀態(tài)”是腦電波處在θ波或α波狀態(tài)。通過對(duì)腦波的誘導(dǎo)，可以讓人處于注意力高度集中、大腦不易疲勞的狀態(tài)，并且思考力、理解力和記憶力成倍提高，在該狀態(tài)下學(xué)習(xí)和工作，效率最高。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種基于單通道腦電波的學(xué)習(xí)工作狀態(tài)監(jiān)測(cè)系統(tǒng)，使人們能夠更多時(shí)候?qū)W習(xí)工作在效率最佳狀態(tài)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：提供一種基于單通道腦電波的學(xué)習(xí)工作狀態(tài)監(jiān)測(cè)系統(tǒng)，包括信號(hào)采集器、信號(hào)分類及特征提取模塊和用戶終端系統(tǒng)，所述信號(hào)采集器包括頭部托架，所述頭部托架安裝于用戶的頭部，其頂端設(shè)置有能夠與用戶頭部緊密貼合的腦波信號(hào)采集電極，底端設(shè)置有能夠與用戶耳部緊密貼合的耳垂電極；所述腦波信號(hào)采集電極用于采集腦電波信號(hào)；所述耳垂電極作為地線用于消除背景噪聲；所述信號(hào)采集器將采集到的腦電波信號(hào)通過預(yù)處理與無線通信模塊發(fā)送至信號(hào)分類及特征提取模塊；所述信號(hào)分類及特征提取模塊用于對(duì)所提取的腦電信號(hào)進(jìn)行處理與相關(guān)性分析，實(shí)現(xiàn)通過腦電波來監(jiān)測(cè)用戶的學(xué)習(xí)工作狀態(tài)，并將用戶的學(xué)習(xí)工作狀態(tài)發(fā)送至用戶終端系統(tǒng)。

所述信號(hào)預(yù)處理與無線通信模塊對(duì)采集回來的腦電波信號(hào)進(jìn)行漂移去除。

所述信號(hào)采集器還設(shè)置有放大器，所述放大器用于放大所述腦波信號(hào)采集電極采集到的腦電波信號(hào)。

所述信號(hào)分類及特征提取模塊采用時(shí)頻分析法中的小波包變換法將信號(hào)從時(shí)域和頻域結(jié)合起來進(jìn)行分析，以獲得信號(hào)在不同時(shí)間和頻率下能量的變化情況，并根據(jù)變化情況對(duì)腦電信號(hào)的進(jìn)行分類，得到學(xué)習(xí)與工作狀態(tài)。

所述用戶終端系統(tǒng)對(duì)得到的學(xué)習(xí)與工作狀態(tài)進(jìn)行智能識(shí)別，并判斷這段時(shí)間內(nèi)用戶的學(xué)習(xí)工作狀態(tài)情況，并給出合理化建議，同時(shí)存儲(chǔ)最優(yōu)學(xué)習(xí)工作狀態(tài)。

有益效果

由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點(diǎn)和積極效果：本發(fā)明通過提取腦波信號(hào)，通過對(duì)腦波信號(hào)進(jìn)行分類處理和特征提取來得到稀疏分解后的直觀信號(hào)，然后進(jìn)行智能識(shí)別，判斷這段時(shí)間內(nèi)用戶的學(xué)習(xí)工作狀態(tài)，給出合理化建議。同時(shí)存儲(chǔ)最優(yōu)學(xué)習(xí)工作狀態(tài)，進(jìn)行深度學(xué)習(xí)，達(dá)到最優(yōu)監(jiān)測(cè)目的，使用戶學(xué)習(xí)工作在最高效狀態(tài)。

附圖說明

圖1是本發(fā)明的結(jié)構(gòu)示意圖；

圖2是本發(fā)明的流程圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例，進(jìn)一步闡述本發(fā)明。應(yīng)理解，這些實(shí)施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等價(jià)形式同樣落于本申請(qǐng)所附權(quán)利要求書所限定的范圍。

本發(fā)明的實(shí)施方式涉及一種基于單通道腦電波的學(xué)習(xí)工作狀態(tài)監(jiān)測(cè)系統(tǒng)，如圖1所示，包括信號(hào)采集器、信號(hào)分類及特征提取模塊和用戶終端系統(tǒng)，所述信號(hào)采集器包括頭部托架3，所述頭部托架3安裝于用戶的頭部，其頂端設(shè)置有能夠與用戶頭部緊密貼合的腦波信號(hào)采集電極1，底端設(shè)置有能夠與用戶耳部緊密貼合的耳垂電極4；所述腦波信號(hào)采集電極1用于采集腦電波信號(hào)；所述耳垂電極4作為地線用于消除背景噪聲；所述信號(hào)采集器將采集到的腦電波信號(hào)通過預(yù)處理與無線通信模塊2發(fā)送至信號(hào)分類及特征提取模塊5；所述信號(hào)分類及特征提取模塊5用于對(duì)所提取的腦電信號(hào)進(jìn)行處理與相關(guān)性分析，實(shí)現(xiàn)通過腦電波來監(jiān)測(cè)用戶的學(xué)習(xí)工作狀態(tài)，并將用戶的學(xué)習(xí)工作狀態(tài)發(fā)送至用戶終端系統(tǒng)6。

本實(shí)施方式中，所述信號(hào)采集器制成一個(gè)符合人體工學(xué)的頭戴式器件上，即頭部托架3，同時(shí)頭部托架3的頂部設(shè)置有腦波信號(hào)采集電極1，該電極接觸頭部采集腦波信號(hào)。所述頭部托架3下端有信號(hào)預(yù)處理與無線通信模塊2，使整個(gè)信號(hào)采集器與信號(hào)分類及特征提取模塊5進(jìn)行通信。所述頭部托架3底端有耳垂電極4，該耳垂電極4作為地線，可將背景噪音去掉，從而可檢測(cè)到極微弱的腦電波信號(hào)。信號(hào)分類及特征提取模塊5可以為pc端或者是dsp芯片。用戶終端系統(tǒng)6給提取到的腦電信號(hào)進(jìn)行智能識(shí)別，判斷這段時(shí)間內(nèi)用戶的學(xué)習(xí)工作狀態(tài)，給出合理化建議。

所述的信號(hào)采集器的腦波信號(hào)采集電極1為單電極，采用非傾入式采集方式，將電極貼附于頭皮上來檢測(cè)頭皮腦電信號(hào)，安全性高，能被使用者接受。同時(shí)它的電極采用干電極技術(shù)，無需導(dǎo)電介質(zhì)，導(dǎo)電性能穩(wěn)定。值得一提的是它還有較好的擴(kuò)展功能，可擴(kuò)展為多個(gè)電極，具有較強(qiáng)的適應(yīng)性。

所述的腦波信號(hào)采集電極1與耳垂電極4能緊密貼合頭部和耳部。兩個(gè)電極采用單極導(dǎo)聯(lián)法，選定耳部電極為地線參考電極，提取頭皮電位即為頭部電極與耳垂參考電極之間的電位差。這樣可以記錄活動(dòng)電極電位變化的絕對(duì)值，其波幅較高且較穩(wěn)定，異常波常較局限，有利于腦電波的提取并實(shí)現(xiàn)去除噪聲。

所述的信號(hào)采集器內(nèi)置有高性能的放大器，可以有效而不失真地放大電極采集回來的微弱電信號(hào)。同時(shí)它還置有a/d轉(zhuǎn)換器，對(duì)腦電信號(hào)稀疏分解后得到完整的數(shù)字信號(hào)送至預(yù)處理與無線通信模塊2。所述的信號(hào)預(yù)處理與無線通信模塊2對(duì)采集回來的腦電波信號(hào)進(jìn)行漂移去除，得到較為精準(zhǔn)不失真地腦電波信號(hào)。同時(shí)此模塊中還配備nrf24l01無線通信芯片，能夠較為快速地傳輸腦電信號(hào)。預(yù)處理與無線通信模塊2與信號(hào)分類與特征提取模塊5的無線連接可以使用nrf24l01傳輸，這樣使得傳輸距離較遠(yuǎn)且穩(wěn)定性能好，傳輸方式還可以自定義通信協(xié)議，使得傳輸更加穩(wěn)定不受干擾。

所述的信號(hào)分類及特征提取模塊5采用時(shí)頻分析法中的小波包變換法將信號(hào)從時(shí)域和頻域結(jié)合起來進(jìn)行分析，因此能獲得信號(hào)在不同吋問和頻率下能量的變化情況。隨著頻率的改變，時(shí)頻矩形窗口的形狀會(huì)產(chǎn)生變化，這對(duì)分析含有大量頻率信息的腦電波信號(hào)更為合適，還能使時(shí)頻分辨率有效地增大。

所述的信號(hào)分類及特征提取模塊5采用小波包變換法，基于二進(jìn)小波變換對(duì)高頻段分析的頻率分辨率較差的特點(diǎn)，小波包分解可實(shí)現(xiàn)對(duì)信號(hào)高頻段的分解，因而小波包分解可對(duì)信號(hào)在全頻進(jìn)行正交分解，使整個(gè)分析具有相同的分辨率，并且各頻帶互不重疊。它對(duì)低頻的腦電信號(hào)做進(jìn)一步分解，這種分解既無冗余，也無遺漏，較好地提取腦電波信號(hào)的特征。此模塊可以為pc機(jī)或各種便攜的手機(jī)，平板，具有靈活性強(qiáng)，功能全面的特點(diǎn)，同時(shí)該模塊還可作為上位機(jī)系統(tǒng)或其它電腦軟件系統(tǒng)，通過高速處理的上位機(jī)系統(tǒng)，可以對(duì)采集回來的腦電信號(hào)進(jìn)行分類(即確定腦電波的類別)，得到學(xué)習(xí)與工作狀態(tài)。由于腦電信號(hào)多信息融合的特性，它還具有廣闊的擴(kuò)展空間，可根據(jù)需求擴(kuò)展功能。

所述的用戶終端系統(tǒng)6可為計(jì)算機(jī)軟件，移動(dòng)終端app，也可以為便攜式移動(dòng)工具，具備數(shù)據(jù)庫系統(tǒng)與存儲(chǔ)系統(tǒng)。用戶終端系統(tǒng)給提取到的腦電信號(hào)進(jìn)行智能識(shí)別，判斷這段時(shí)間內(nèi)用戶的學(xué)習(xí)工作狀態(tài)情況，給出合理化建議。同時(shí)存儲(chǔ)最優(yōu)學(xué)習(xí)工作狀態(tài)，進(jìn)行深度學(xué)習(xí)，針對(duì)不同的學(xué)習(xí)狀態(tài)分段記錄下不同的值，達(dá)到最優(yōu)監(jiān)測(cè)目的。

本發(fā)明的工作流程如圖2所示：通過腦電波電極采集人體腦部腦電信號(hào)，通過無線傳輸協(xié)議將采集到的腦電波信號(hào)發(fā)送到信號(hào)分類特征分類端，利用特定有效的算法對(duì)腦波信號(hào)進(jìn)行分析和特征提取以及分類，與數(shù)據(jù)庫進(jìn)行智能識(shí)別，判斷這段時(shí)間內(nèi)用戶的學(xué)習(xí)工作狀態(tài)，給出合理化建議。同時(shí)存儲(chǔ)最優(yōu)學(xué)習(xí)工作狀態(tài)，不斷進(jìn)行深度學(xué)習(xí)，記錄各時(shí)間軸的學(xué)習(xí)狀態(tài)曲線并進(jìn)行優(yōu)化分析，達(dá)到最優(yōu)監(jiān)測(cè)目的。

不難發(fā)現(xiàn)，本發(fā)明通過提取人在學(xué)習(xí)與工作時(shí)的腦電波信號(hào)，通過對(duì)腦波信號(hào)進(jìn)行特征處理然后進(jìn)行分析得到此時(shí)的學(xué)習(xí)狀態(tài)，然后用戶終端會(huì)針對(duì)給出智能分析與合理化建議。幫助人們找到最優(yōu)的學(xué)習(xí)與工作狀態(tài)，提高學(xué)習(xí)與工作的效率。