本發(fā)明屬于電子類機(jī)器人工作方法，涉及一種應(yīng)用于教育學(xué)習(xí)領(lǐng)域的知識自動獲取的方法和智能設(shè)備，通過神經(jīng)電生理的腦電波分析技術(shù)，捕捉到大腦的記憶加工狀態(tài)時，自動播放知識，形成知識的輸入和腦的記憶狀態(tài)的共振，實(shí)現(xiàn)自動化學(xué)習(xí)的目的。

背景技術(shù)：

教育和學(xué)習(xí)是人類永恒的話題，也是人類進(jìn)步的推動力。當(dāng)今時代，腦科學(xué)是人們重點(diǎn)關(guān)注的領(lǐng)先科學(xué)領(lǐng)域，而學(xué)習(xí)知識，是大腦的重要功能之一。自人類誕生，隨著文化的傳承、科學(xué)的進(jìn)步，社會的發(fā)展造就了現(xiàn)代工業(yè)、現(xiàn)代科學(xué)的繁榮局面，只是終究沒有出現(xiàn)一種科學(xué)、定量、規(guī)范、高效的使用大腦的技術(shù)和方法，特別是學(xué)習(xí)中的記憶，幾千年以來，并沒有定量規(guī)范的方法出現(xiàn)。這種原因的根源，就是腦科學(xué)的落后，人們對大腦的認(rèn)識很初級，特別是大腦的工作原理，一直是科學(xué)界的空白。

要建立科學(xué)定量規(guī)范的記憶方法，必須發(fā)展大腦的測量技術(shù)，要能夠測量大腦的記憶狀態(tài)，目前針對大腦的測量，主要集中于醫(yī)學(xué)領(lǐng)域的影像檢查和血流測量，解決的問題是腫瘤以及血管硬化。功能影像學(xué)也可應(yīng)用于記憶功能的基礎(chǔ)研究，但針對學(xué)習(xí)中的記憶，人們的測量只能依賴于主觀量表和完成心理學(xué)任務(wù)，主觀量表和心理學(xué)任務(wù)都是人們用主觀的自我判斷和完成的任務(wù)質(zhì)量實(shí)現(xiàn)測量。這樣的方法充滿了不確定性和不可重復(fù)性，更加沒有實(shí)時性，談不上應(yīng)用于日常學(xué)習(xí)的記憶過程中。近十年以來，人們通過電生理技術(shù)，針對大腦功能狀態(tài)的測量有了初步的結(jié)果，可以從大腦中提取包括出鎮(zhèn)靜、疼痛、焦慮等功能狀態(tài)指標(biāo)，同時，腦科學(xué)的基礎(chǔ)研究也證明，腦電波中存在疼痛、鎮(zhèn)靜、情緒等有效成分。在這樣的背景下，研制一套科學(xué)規(guī)范的知識記憶的定量方法成為可能。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于腦的記憶刻度和誘導(dǎo)捕捉的自動知識記憶牽引方法，以解決通過采集腦電波信號提取出其中反應(yīng)腦的記憶前準(zhǔn)備狀態(tài)的特征成分和定量表達(dá)(記憶刻度)的方法，并在此基礎(chǔ)上利用記憶刻度作為反饋控制信號的自動知識記憶牽引的技術(shù)問題。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明所采用的技術(shù)方案如下：

一種基于腦的記憶刻度和誘導(dǎo)捕捉的自動知識記憶牽引方法，包括在各種環(huán)境狀態(tài)下，睡眠以及疾病治療的狀態(tài)，基于采集腦電波，提取腦的專注記憶的定量刻度，并牽引誘導(dǎo)以及捕捉大腦的最佳學(xué)習(xí)狀態(tài)，實(shí)現(xiàn)知識的自動化記憶的方法和設(shè)備，利用腦電波作為原始信號處理單元，離散化采集到計算機(jī)中，施加小波、模式識別、功率譜等多種數(shù)學(xué)計算算法，將腦電波分解成不同尺度下的涵蓋了低頻、中頻、高頻、超高頻單元的分量，提取其中和專注記憶相關(guān)的特征成分，經(jīng)過歸一化處理，表達(dá)為0-100的無量綱數(shù)據(jù)，實(shí)時反應(yīng)大腦專注記憶的定量刻度，利用專注記憶刻度的大小控制計算機(jī)輸出聲頻、視頻信號的變化和計算機(jī)外延輸出作為刺激信號，實(shí)時反饋到大腦的感覺器官中，誘導(dǎo)牽引大腦快速進(jìn)入學(xué)習(xí)狀態(tài)，并在捕捉到特定程度的專注記憶狀態(tài)時，計算機(jī)以聲音和視頻呈現(xiàn)知識內(nèi)容，計算機(jī)輸出的兩種狀態(tài)的交替，形成一種閉環(huán)模式，不在學(xué)習(xí)狀態(tài)時，放松、娛樂、游戲的牽引和誘導(dǎo)過程，在專注記憶狀態(tài)時，知識的學(xué)習(xí)和記憶，實(shí)現(xiàn)知識的自動化記憶；利用腦電傳感電極，佩戴于頭部的前額部和耳部部位，無創(chuàng)采集腦部多個部位的電位信號，信號經(jīng)由前置放大器和多級整合電路、以及模數(shù)轉(zhuǎn)換器進(jìn)入計算單元，信號帶寬包含腦電波中的超高頻成分(超過30hz以上的腦電波成分)，腦電采集導(dǎo)聯(lián)設(shè)置為一至多導(dǎo)聯(lián)部位，各導(dǎo)聯(lián)的腦電波信號經(jīng)由前置放大、模數(shù)轉(zhuǎn)換，進(jìn)入單片計算機(jī)單元，經(jīng)由有線方式直接傳送至計算機(jī)系統(tǒng)，或經(jīng)由無線通訊控制單元的tcp/ip協(xié)議包裝并發(fā)送到互聯(lián)網(wǎng)數(shù)據(jù)服務(wù)器，計算機(jī)或服務(wù)器中的專用計算控制軟件系統(tǒng)對接收到的腦電波信號實(shí)時處理計算、顯示、存儲、轉(zhuǎn)發(fā)，其中計算部分以小波分析計算為主，結(jié)合模式識別算法，功率譜算法，分解腦電波中相關(guān)于波形維度、波形特異點(diǎn)、波形變異度、頻率譜等有效成分和偽差成分，實(shí)時提取出大腦的記憶前準(zhǔn)備狀態(tài)的特征指標(biāo)，經(jīng)過歸一化處理，獲得從0-100的無量綱數(shù)據(jù)，作為實(shí)時客觀定量反映大腦的專注記憶能力的刻度，軟件系統(tǒng)再將刻度以音樂、視頻、玩具等外在信號形式表達(dá)播放，實(shí)時回饋到大腦的聽、視或體位的感覺通道中，音樂、視頻、玩具的表達(dá)受刻度及腦電波的頻率控制；設(shè)定記憶刻度的閾值，軟件系統(tǒng)一旦捕捉到超過閾值的記憶前準(zhǔn)備狀態(tài)，立即開始通過聽視播放需要記憶的知識內(nèi)容，一旦低于閾值水平，繼續(xù)播放音樂視頻游戲等內(nèi)容，過程自動循環(huán)往復(fù)，播放的知識內(nèi)容以標(biāo)準(zhǔn)格式編輯，并按照重復(fù)次數(shù)的設(shè)定自動更換；學(xué)習(xí)和記憶過程中，沒有使用者的任何操作動作，一切過程都是設(shè)備自動完成。

經(jīng)由腦電波信號的采集和計算處理，提取出反應(yīng)腦的專注記憶狀態(tài)的實(shí)時連續(xù)定量刻度的方法，刻度可以作為實(shí)時反饋控制信號，驅(qū)動誘導(dǎo)、牽引和知識播放的過程，其特征在于：利用實(shí)時采集得到的定長或可變時間窗口中的一段腦電波信號的數(shù)字序列，針對其施加多種數(shù)學(xué)計算算法，以小波分析計算為主，結(jié)合模式識別算法，功率譜算法，分解腦電波中相關(guān)于波形維度、波形特異點(diǎn)、波形變異度、頻率譜等有效成分和偽差成分，提取出實(shí)時連續(xù)的大腦記憶狀態(tài)的當(dāng)前變化特征，作為大腦記憶的刻度表達(dá)，刻度數(shù)值的變化精度和速度達(dá)到實(shí)時連續(xù)控制信號的要求，算法涵蓋小波分析、功率譜分析、模式識別等等非線性和線性數(shù)值信號處理算法。

作為實(shí)時客觀定量反映大腦的專注記憶狀態(tài)的刻度，可以控制音樂、視頻、玩具等可被人體自然感覺器官接受的外在表現(xiàn)形式的變化的方法，這種變化作為感覺器官的外部反饋刺激信號，誘導(dǎo)牽引大腦的專注記憶狀態(tài)的改變，其特征在于：針對聽覺系統(tǒng)的反饋，機(jī)器人自動讀取系統(tǒng)內(nèi)預(yù)先存儲的音樂文件的曲目名稱，格式不限，數(shù)量由機(jī)器人內(nèi)部配置的計算機(jī)容量決定，根據(jù)記憶刻度的大小，機(jī)器人自動調(diào)節(jié)播放的曲目和曲目音量的大小，曲目的改變，由記憶刻度的某個下線閾值決定，播放曲目的順序，由腦狀態(tài)在此曲目下的狀態(tài)好壞決定，包含記憶刻度和腦狀態(tài)的放松、專注等其它定量數(shù)據(jù)，音樂曲目和音量大小的變化，回饋到人的聽覺神經(jīng)系統(tǒng)中，引起系統(tǒng)的逆向反射，觸發(fā)腦區(qū)記憶狀態(tài)的改變，也就是記憶刻度發(fā)生改變，音量改變，循環(huán)往復(fù)，記憶狀態(tài)的牽引和誘導(dǎo)就產(chǎn)生了；針對視覺系統(tǒng)的反饋，記憶刻度的大小變化同步控制視頻播放的過程變化，包括帶有知識內(nèi)容的視頻顯示的變化以及電子游戲的進(jìn)程變化；視頻知識內(nèi)容顯示的變化，主要以屏幕的明暗變化呈現(xiàn)，明暗變化的頻率同步于記憶刻度的大小，兩者形成同步的作用；電子游戲進(jìn)程的變化，采用專業(yè)定制的游戲，游戲的運(yùn)行和機(jī)器人軟件之間形成數(shù)據(jù)的實(shí)時交換，游戲根據(jù)記憶刻度的改變而改變結(jié)果，達(dá)到用游戲娛樂的方式實(shí)現(xiàn)牽引和誘導(dǎo)記憶狀態(tài)的出現(xiàn)和加強(qiáng)。

機(jī)器人軟件系統(tǒng)捕捉到超過設(shè)定閾值的記憶前準(zhǔn)備狀態(tài)時，觸發(fā)播放預(yù)先設(shè)定的知識內(nèi)容，低于閾值，繼續(xù)播放音樂游戲等娛樂內(nèi)容，其特征在于：知識的記憶產(chǎn)生于知識播放和腦的專注記憶狀態(tài)的雙向共振的機(jī)制，機(jī)器人的計算軟件系統(tǒng)實(shí)時計算出大腦的記憶刻度，比較預(yù)先設(shè)定的記憶狀態(tài)的閾值，超過閾值，切換播放預(yù)先存儲的知識內(nèi)容，低于閾值，切換播放音樂游戲內(nèi)容，記憶出現(xiàn)，知識播放才出現(xiàn)，循環(huán)往復(fù)，形成共振；設(shè)定的記憶刻度閾值可以是不變的，也可以自適應(yīng)改變，自動適應(yīng)當(dāng)前的大腦記憶狀態(tài)，適應(yīng)性變化由低于閾值條件的時間過長和刻度偏側(cè)的程度決定，知識的呈現(xiàn)按照一定規(guī)則，知識內(nèi)容通過計算機(jī)或服務(wù)器的數(shù)據(jù)庫或文字系統(tǒng)編輯生成；知識的呈現(xiàn)包括聽覺和視覺表達(dá)，聽覺和視覺的切換或同時表達(dá)由睜眼和閉眼決定，知識按照條目播放，每個條目的播放設(shè)定重復(fù)次數(shù)，重復(fù)次數(shù)可以不變，也可以關(guān)聯(lián)于刻度閾值的自適應(yīng)改變和睡眠狀態(tài)的出現(xiàn)；睜眼和閉眼以及睡眠狀態(tài)被機(jī)器人識別的功能可以作為選項，有或沒有，表現(xiàn)在知識內(nèi)容播放的重復(fù)次數(shù)是固定的還是可變的；視覺知識的播放，配以屏幕的閃動，觸發(fā)視覺神經(jīng)系統(tǒng)的差異化接受，緩解視覺疲勞。

在小波處理計算中，可以分解出這兩種生物電信號序列，作為信號強(qiáng)度和干擾信號的標(biāo)記特征使用，采用小波公式：

對腦電向量組

fi(t)＝[x1x2x3…xm-2xm-1xm]

i：腦電波導(dǎo)聯(lián)數(shù)量，m：向量元素數(shù)量，x：腦電波數(shù)據(jù),t：時間點(diǎn)

實(shí)時計算處理，以多尺度濾波器組算法，分解出各尺度窗口下的小波基函數(shù)

(wf(2^j,fj(x)))j∈z

(wf(2^0,fj(x)))，(wf(2^1,f0(x)))，，，(wf(2^n,fn(x)))

j：小波基數(shù)量

由小波基函數(shù)和各尺度數(shù)據(jù)的反變換，獲得一組時域重構(gòu)函數(shù)如下：

fi，j(x)＝∑wf(2^j,x)*x2^j(x)

fi，1(x)，fi,2(x)，，，fi,n(x)；重構(gòu)函數(shù)，x2^1(x)，x2^2(x)，，，x2^n(x)，各尺度小波數(shù)據(jù)點(diǎn)；n：階數(shù)；j：尺度數(shù)量，i：導(dǎo)聯(lián)數(shù)；

各個重構(gòu)函數(shù)代表了不同尺度下的腦電波，眼動電波和肌電波的表現(xiàn)；尺度也對應(yīng)信號的頻率成分，分布于腦電圖的常規(guī)節(jié)律和高頻節(jié)律；對于分解的重構(gòu)函數(shù)的各個序列數(shù)據(jù)，采用模式識別算法中的波形識別算法提取出數(shù)據(jù)的特征點(diǎn)：

tj(x)∈z；

t：特征值向量，j：尺度，x：離散數(shù)據(jù)，代表波形特點(diǎn)；z：時域空間；向量tj(x)中的特征數(shù)據(jù)包含特異點(diǎn)、幅度、變異、斜率、面積、自相關(guān)、互相關(guān)等計算結(jié)果，計算來自于基本算法：

數(shù)據(jù)序列：y(t，i)＝(f(j)-f(j-1))/δt

j：離散數(shù)據(jù)下標(biāo)，i：尺度；

獲取序列y(t，i)中最大數(shù)值，可以獲得特征指數(shù)之一，其中的正負(fù)反相點(diǎn)，就是特異點(diǎn)，特異點(diǎn)的數(shù)量由t值的大小表示；

對f(x)序列數(shù)據(jù)施加迭代微分算法：

d(j，i)＝∑(f(j+i)-f(j+i-1)/(δt+i))

i：δt的增量，從1..n，j：數(shù)值序號；

對于矩陣d(j，i)中的各個向量，將向量中的數(shù)據(jù)點(diǎn)排序以及相加，選取每個向量中的最大值和相加和，作為斜率和幅度；

針對重構(gòu)函數(shù)中的各個尺度向量fi(x)＝[x1x2x3…xm-2xm-1xm]，將處理得到的結(jié)果向量y(t，i)、d(j，i)生成模式類ω1,ω2,…,ωc，然后利用模式之間的距離函數(shù)計算各個重構(gòu)函數(shù)的距離；得到重構(gòu)函數(shù)的變異、自相關(guān)、互相關(guān)數(shù)值；

計算重構(gòu)函數(shù)的積分：

si(t)＝∫f(j，i)*δt

求得各個函數(shù)的面積數(shù)值；

tj(x)向量表達(dá)了重構(gòu)函數(shù)的波形特點(diǎn)和規(guī)律；對于采集的腦電波中的眼動電信號和額肌電信號，分布于特定尺度的重構(gòu)函數(shù)中，針對這些重構(gòu)函數(shù)，首先，求取其中的一階導(dǎo)數(shù)：

di(x)＝(fi(x)-fi(x+m))/δx

x：橫坐標(biāo)，δx：橫坐標(biāo)增量；

對di(x)排序，得到極大值和極小值，設(shè)定閾值a，可以求取

di(x)的正負(fù)極性變異點(diǎn)，得到一組極值點(diǎn)向量：

mi(j)；高點(diǎn)；

mi(j)；低點(diǎn)；

j：極值點(diǎn)的數(shù)量；

對相關(guān)重構(gòu)函數(shù)采用積分算法：

e＝∫fi(t)^2*δt

e1＝∫fj(t)^2*δt

得到肌電和眼動的功率值大?。会槍ι鲜鼋Y(jié)果數(shù)據(jù)，經(jīng)過歸一組合算法：

sq＝exp(a*abs(mi-mi)+b*e)；

a，b：加權(quán)系數(shù)，由信號表達(dá)范圍決定；

可以得到指示干擾的信號強(qiáng)度的定量表達(dá)sq，作為睜眼和閉眼的實(shí)時鑒別條件；

針對不同尺度下的重構(gòu)函數(shù)，提取各尺度波形功率的復(fù)雜度：

復(fù)雜度之和：

aj＝{pi(j)}；

重構(gòu)函數(shù)中消除了眼動和肌電的腦電波重構(gòu)成分，采用功率譜算法：

f(x)：時域腦電波離散數(shù)據(jù)，x(w)：頻譜功率大小；

可以獲得腦電波中功率譜的各個成分，包括αβδθ波段的數(shù)值，sef，mef等邊緣頻率，優(yōu)勢頻率等數(shù)值：

fj＝{α，β，δ，θ，，，sef,mef}；

結(jié)合波形識別所得到的特征向量，組合成為一組涵蓋了時域和頻域，以及非線性復(fù)雜度結(jié)果的數(shù)據(jù)向量組：

gi(x)＝{tj，fj}；

i：尺度數(shù)量；

數(shù)據(jù)向量gi(x)組，作為腦電波的一次處理結(jié)果，被命名為腦電波一級處理的元數(shù)據(jù)組，可以被作為二次計算的基礎(chǔ)數(shù)據(jù)；

對于上述各個數(shù)據(jù)序列，經(jīng)過數(shù)據(jù)加權(quán)，得到以下計算公式：

e＝{a，b}*{aj，gi}；

a，b：加權(quán)系數(shù)；

對e數(shù)據(jù)施加歸一化計算：

記憶刻度＝(esp(e))×100

得到腦電波中的記憶前準(zhǔn)備狀態(tài)的實(shí)時客觀定量特征指標(biāo)。

本發(fā)明的優(yōu)點(diǎn)：

本發(fā)明的方法可以用于實(shí)現(xiàn)機(jī)器人的自動控制技術(shù)。機(jī)器人由可穿戴生物電信號采集傳輸終端(生物電信號采集傳感器、信號放大器、單片計算單元、通訊控制單元)和計算機(jī)或服務(wù)器，以及一組數(shù)學(xué)計算程序組成。信號采集傳輸終端實(shí)時采集多導(dǎo)聯(lián)的腦電波信號，經(jīng)過信號的放大、整形、濾波以及模數(shù)轉(zhuǎn)換、通訊發(fā)送，將信號傳送至計算機(jī)中，通過計算機(jī)中的計算算法程序計算腦電波信號，實(shí)時提取出腦電波中有關(guān)腦的記憶加工(記憶前準(zhǔn)備狀態(tài))的特征成分，表達(dá)為0-100的無量綱數(shù)據(jù)作為腦的記憶狀態(tài)的定量刻度，將刻度轉(zhuǎn)化為人的自然感官的刺激輸入信號，閉環(huán)反饋誘導(dǎo)和牽引，實(shí)時捕捉大腦達(dá)到記憶刻度最大化的片段時刻，并通過計算機(jī)的多媒體單元，同步觸發(fā)知識的播放，實(shí)現(xiàn)腦的記憶狀態(tài)和知識顯現(xiàn)的雙向共振，達(dá)到知識的深刻、長期、高效記憶的自動化過程的目的。本發(fā)明實(shí)現(xiàn)在任何狀態(tài)下的一種自動學(xué)習(xí)記憶的能力，特別是在娛樂狀態(tài)下實(shí)現(xiàn)記憶狀態(tài)的誘導(dǎo)和牽引并捕捉記憶加工狀態(tài)的片段并加以利用，自動灌注知識內(nèi)容的功能。本發(fā)明對于知識的學(xué)習(xí)和記憶能力的改善、延緩大腦老化等方面有重要的實(shí)用價值。

附圖說明

附圖說明：

圖1是本發(fā)明的自動知識記憶牽引方法的工作原理圖。

圖2是本發(fā)明的自動知識記憶牽引方法實(shí)施例的組成框圖。

具體實(shí)施方式

本發(fā)明的工作原理參見圖1、2所示。

一種基于腦的記憶刻度和誘導(dǎo)捕捉的自動知識記憶牽引方法，包括在各種環(huán)境狀態(tài)下，睡眠以及疾病治療的狀態(tài)，基于采集腦電波，提取腦的專注記憶的定量刻度，并牽引誘導(dǎo)以及捕捉大腦的最佳學(xué)習(xí)狀態(tài)，實(shí)現(xiàn)知識的自動化記憶的方法和設(shè)備，利用腦電波作為原始信號處理單元，離散化采集到計算機(jī)中，施加小波、模式識別、功率譜等多種數(shù)學(xué)計算算法，將腦電波分解成不同尺度下的涵蓋了低頻、中頻、高頻、超高頻單元的分量，提取其中和專注記憶相關(guān)的特征成分，經(jīng)過歸一化處理，表達(dá)為0-100的無量綱數(shù)據(jù)，實(shí)時反應(yīng)大腦專注記憶的定量刻度，利用專注記憶刻度的大小控制計算機(jī)輸出聲頻、視頻信號的變化和計算機(jī)外延輸出作為刺激信號，實(shí)時反饋到大腦的感覺器官中，誘導(dǎo)牽引大腦快速進(jìn)入學(xué)習(xí)狀態(tài)，并在捕捉到特定程度的專注記憶狀態(tài)時，計算機(jī)以聲音和視頻呈現(xiàn)知識內(nèi)容，計算機(jī)輸出的兩種狀態(tài)的交替，形成一種閉環(huán)模式，不在學(xué)習(xí)狀態(tài)時，放松、娛樂、游戲的牽引和誘導(dǎo)過程，在專注記憶狀態(tài)時，知識的學(xué)習(xí)和記憶，實(shí)現(xiàn)知識的自動化記憶；利用腦電傳感電極，佩戴于頭部的前額部和耳部部位，無創(chuàng)采集腦部多個部位的電位信號，信號經(jīng)由前置放大器和多級整合電路、以及模數(shù)轉(zhuǎn)換器進(jìn)入計算單元，信號帶寬包含腦電波中的超高頻成分(超過30hz以上的腦電波成分)，腦電采集導(dǎo)聯(lián)設(shè)置為一至多導(dǎo)聯(lián)部位，各導(dǎo)聯(lián)的腦電波信號經(jīng)由前置放大、模數(shù)轉(zhuǎn)換，進(jìn)入單片計算機(jī)單元，經(jīng)由有線方式直接傳送至計算機(jī)系統(tǒng)，或經(jīng)由無線通訊控制單元的tcp/ip協(xié)議包裝并發(fā)送到互聯(lián)網(wǎng)數(shù)據(jù)服務(wù)器，計算機(jī)或服務(wù)器中的專用計算控制軟件系統(tǒng)對接收到的腦電波信號實(shí)時處理計算、顯示、存儲、轉(zhuǎn)發(fā)，其中計算部分以小波分析計算為主，結(jié)合模式識別算法，功率譜算法，分解腦電波中相關(guān)于波形維度、波形特異點(diǎn)、波形變異度、頻率譜等有效成分和偽差成分，實(shí)時提取出大腦的記憶前準(zhǔn)備狀態(tài)的特征指標(biāo)，經(jīng)過歸一化處理，獲得從0-100的無量綱數(shù)據(jù)，作為實(shí)時客觀定量反映大腦的專注記憶能力的刻度，軟件系統(tǒng)再將刻度以音樂、視頻、玩具等外在信號形式表達(dá)播放，實(shí)時回饋到大腦的聽、視或體位的感覺通道中，音樂、視頻、玩具的表達(dá)受刻度及腦電波的頻率控制；設(shè)定記憶刻度的閾值，軟件系統(tǒng)一旦捕捉到超過閾值的記憶前準(zhǔn)備狀態(tài)，立即開始通過聽視播放需要記憶的知識內(nèi)容，一旦低于閾值水平，繼續(xù)播放音樂視頻游戲等內(nèi)容，過程自動循環(huán)往復(fù)，播放的知識內(nèi)容以標(biāo)準(zhǔn)格式編輯，并按照重復(fù)次數(shù)的設(shè)定自動更換；學(xué)習(xí)和記憶過程中，沒有使用者的任何操作動作，一切過程都是設(shè)備自動完成。

經(jīng)由腦電波信號的采集和計算處理，提取出反應(yīng)腦的專注記憶狀態(tài)的實(shí)時連續(xù)定量刻度的方法，刻度可以作為實(shí)時反饋控制信號，驅(qū)動誘導(dǎo)、牽引和知識播放的過程，其特征在于：利用實(shí)時采集得到的定長或可變時間窗口中的一段腦電波信號的數(shù)字序列，針對其施加多種數(shù)學(xué)計算算法，以小波分析計算為主，結(jié)合模式識別算法，功率譜算法，分解腦電波中相關(guān)于波形維度、波形特異點(diǎn)、波形變異度、頻率譜等有效成分和偽差成分，提取出實(shí)時連續(xù)的大腦記憶狀態(tài)的當(dāng)前變化特征，作為大腦記憶的刻度表達(dá)，刻度數(shù)值的變化精度和速度達(dá)到實(shí)時連續(xù)控制信號的要求，算法涵蓋小波分析、功率譜分析、模式識別等等非線性和線性數(shù)值信號處理算法。

作為實(shí)時客觀定量反映大腦的專注記憶狀態(tài)的刻度，可以控制音樂、視頻、玩具等可被人體自然感覺器官接受的外在表現(xiàn)形式的變化的方法，這種變化作為感覺器官的外部反饋刺激信號，誘導(dǎo)牽引大腦的專注記憶狀態(tài)的改變，其特征在于：針對聽覺系統(tǒng)的反饋，機(jī)器人自動讀取系統(tǒng)內(nèi)預(yù)先存儲的音樂文件的曲目名稱，格式不限，數(shù)量由機(jī)器人內(nèi)部配置的計算機(jī)容量決定，根據(jù)記憶刻度的大小，機(jī)器人自動調(diào)節(jié)播放的曲目和曲目音量的大小，曲目的改變，由記憶刻度的某個下線閾值決定，播放曲目的順序，由腦狀態(tài)在此曲目下的狀態(tài)好壞決定，包含記憶刻度和腦狀態(tài)的放松、專注等其它定量數(shù)據(jù)，音樂曲目和音量大小的變化，回饋到人的聽覺神經(jīng)系統(tǒng)中，引起系統(tǒng)的逆向反射，觸發(fā)腦區(qū)記憶狀態(tài)的改變，也就是記憶刻度發(fā)生改變，音量改變，循環(huán)往復(fù)，記憶狀態(tài)的牽引和誘導(dǎo)就產(chǎn)生了；針對視覺系統(tǒng)的反饋，記憶刻度的大小變化同步控制視頻播放的過程變化，包括帶有知識內(nèi)容的視頻顯示的變化以及電子游戲的進(jìn)程變化；視頻知識內(nèi)容顯示的變化，主要以屏幕的明暗變化呈現(xiàn)，明暗變化的頻率同步于記憶刻度的大小，兩者形成同步的作用；電子游戲進(jìn)程的變化，采用專業(yè)定制的游戲，游戲的運(yùn)行和機(jī)器人軟件之間形成數(shù)據(jù)的實(shí)時交換，游戲根據(jù)記憶刻度的改變而改變結(jié)果，達(dá)到用游戲娛樂的方式實(shí)現(xiàn)牽引和誘導(dǎo)記憶狀態(tài)的出現(xiàn)和加強(qiáng)。

機(jī)器人軟件系統(tǒng)捕捉到超過設(shè)定閾值的記憶前準(zhǔn)備狀態(tài)時，觸發(fā)播放預(yù)先設(shè)定的知識內(nèi)容，低于閾值，繼續(xù)播放音樂游戲等娛樂內(nèi)容，其特征在于：知識的記憶產(chǎn)生于知識播放和腦的專注記憶狀態(tài)的雙向共振的機(jī)制，機(jī)器人的計算軟件系統(tǒng)實(shí)時計算出大腦的記憶刻度，比較預(yù)先設(shè)定的記憶狀態(tài)的閾值，超過閾值，切換播放預(yù)先存儲的知識內(nèi)容，低于閾值，切換播放音樂游戲內(nèi)容，記憶出現(xiàn)，知識播放才出現(xiàn)，循環(huán)往復(fù)，形成共振；設(shè)定的記憶刻度閾值可以是不變的，也可以自適應(yīng)改變，自動適應(yīng)當(dāng)前的大腦記憶狀態(tài)，適應(yīng)性變化由低于閾值條件的時間過長和刻度偏側(cè)的程度決定，知識的呈現(xiàn)按照一定規(guī)則，知識內(nèi)容通過計算機(jī)或服務(wù)器的數(shù)據(jù)庫或文字系統(tǒng)編輯生成；知識的呈現(xiàn)包括聽覺和視覺表達(dá)，聽覺和視覺的切換或同時表達(dá)由睜眼和閉眼決定，知識按照條目播放，每個條目的播放設(shè)定重復(fù)次數(shù)，重復(fù)次數(shù)可以不變，也可以關(guān)聯(lián)于刻度閾值的自適應(yīng)改變和睡眠狀態(tài)的出現(xiàn)；睜眼和閉眼以及睡眠狀態(tài)被機(jī)器人識別的功能可以作為選項，有或沒有，表現(xiàn)在知識內(nèi)容播放的重復(fù)次數(shù)是固定的還是可變的；視覺知識的播放，配以屏幕的閃動，觸發(fā)視覺神經(jīng)系統(tǒng)的差異化接受，緩解視覺疲勞。

本發(fā)明涉及制造一個可穿戴無線腦電波信號采集傳感器和一臺計算機(jī)，或相當(dāng)于計算機(jī)的移動通訊終端+云計算服務(wù)器，以及相關(guān)的信號處理計算和控制管理軟件。包含多導(dǎo)腦電波的采集處理部分和無創(chuàng)電極、通訊控制模塊，記憶前準(zhǔn)備狀態(tài)的腦電波特征成分計算提取方法和歸一化表達(dá)方式，需要記憶的知識的標(biāo)準(zhǔn)化結(jié)構(gòu)，多媒體輸出等軟硬件部分。

大腦的高級神經(jīng)系統(tǒng)，是由神經(jīng)元細(xì)胞組成，神經(jīng)元放電是神經(jīng)傳導(dǎo)的表現(xiàn)，神經(jīng)傳導(dǎo)的電位信號，到達(dá)頭部皮膚表面，就是腦電波信號。腦電波信號中包含了大腦狀態(tài)的各種成分，也是認(rèn)知記憶的物理源泉。利用采集的腦電波信號，通過計算機(jī)上預(yù)先配置的一組算法程序，對腦電波信號施加多種數(shù)學(xué)計算算法，找到并提取其中的記憶加工成分的特征指標(biāo)，經(jīng)過歸一化處理，就可以作為記憶前準(zhǔn)備狀態(tài)的定量刻度，形成自動知識記憶牽引機(jī)器人。

可穿戴無線腦電波信號采集傳感器包含了前置放大電路、單片機(jī)控制電路、組合式無線通訊接入控制電路、電源電路等部分。各部分之間的連接關(guān)系如下：

通過使用者的腦電波感受器電極(生物電信號傳感器)，將多導(dǎo)腦電波信號采集傳送至前置放大電路的濾波、噪音控制、放大輸入部分，經(jīng)相應(yīng)通道分別送入傳感器的單片計算機(jī)控制部分的模、數(shù)轉(zhuǎn)換電路中。單片計算機(jī)控制部分獲得數(shù)字化的腦電波(包括超過30hz以上的高頻腦電波后)數(shù)據(jù)，經(jīng)過加密、壓縮的數(shù)據(jù)處理過程，得到處理后的數(shù)據(jù)流，送入存儲隊列。隊列中的數(shù)據(jù)在單片控制電路的讀指令控制下，經(jīng)數(shù)據(jù)端口輸出到藍(lán)牙模塊中發(fā)送，計算機(jī)或移動通訊終端(手機(jī))接受到藍(lán)牙通訊數(shù)據(jù)后，同步通過wifi、3g或4g端口，向移動互聯(lián)網(wǎng)推送腦電波數(shù)據(jù)。如果采用計算機(jī)(或移動平板)，配置于計算機(jī)中的算法程序和管理控制程序?qū)τ诮邮盏降哪X電傳感器數(shù)據(jù)實(shí)時處理和計算，捕捉和誘導(dǎo)記憶狀態(tài)，完成機(jī)器人的所有功能。如果采用移動通訊終端(手機(jī))，通過設(shè)置在互聯(lián)網(wǎng)平臺上的云計算服務(wù)器完成對腦電波數(shù)據(jù)的計算和管理控制的所有任務(wù)，移動通訊終端完成結(jié)果的呈現(xiàn)，包括音樂和視頻。云計算服務(wù)器的數(shù)據(jù)接收和控制指令都是在移動互聯(lián)網(wǎng)平臺上實(shí)現(xiàn)交互，每臺腦電傳感器，包括配置的計算機(jī)或移動通訊終端都有自己的唯一設(shè)備號，對應(yīng)服務(wù)器的地址和端口。

唯一的設(shè)備號由機(jī)器號、服務(wù)器號加服務(wù)器的固定ip地址組成：

腦電傳感器設(shè)備號(包括配置的計算機(jī)或手機(jī))＝服務(wù)器號范圍內(nèi)的唯一地址號+服務(wù)器號+組網(wǎng)服務(wù)器的固定ip地址+服務(wù)器端口號

每臺云計算服務(wù)器對應(yīng)的最大傳感器數(shù)量＝65535

可穿戴無線腦電波傳感器對于轉(zhuǎn)換成數(shù)字信號的數(shù)據(jù)實(shí)施加密化處理和壓縮。數(shù)據(jù)窗口為7-15個bety

l流窗口＝m+addr+asyn+data

m為模塊傳送的加密標(biāo)記，addr為機(jī)器地址，asyn為同步，data為加密數(shù)據(jù)，包括數(shù)值型數(shù)據(jù)和波形數(shù)據(jù)。

當(dāng)利用近距離的計算機(jī)作為腦電傳感器的處理平臺時，傳感器和計算機(jī)就組成了機(jī)器人的主要部分。計算機(jī)需要下載專用的機(jī)器人系統(tǒng)軟件和音樂曲目、游戲視頻、知識內(nèi)容，下載時，需要建立使用者的身份信息，以身份證號作為唯一用戶識別碼。傳感器數(shù)據(jù)直接通過計算機(jī)上配置的wifi或藍(lán)牙通訊端口接收數(shù)據(jù)，并由計算機(jī)的操作系統(tǒng)和機(jī)器人應(yīng)用軟件完成數(shù)據(jù)計算、記憶誘導(dǎo)捕捉、知識學(xué)習(xí)的所有工作。同時計算機(jī)同步將原始腦電波數(shù)據(jù)發(fā)送到互聯(lián)網(wǎng)平臺，設(shè)定的云計算服務(wù)器接受數(shù)據(jù)，形成機(jī)器學(xué)習(xí)的大數(shù)據(jù)，同步完成機(jī)器人所有的功能，并以相同的加密格式將結(jié)果數(shù)據(jù)發(fā)送至互聯(lián)網(wǎng)平臺，供相關(guān)人員在不同地理位置、不同的終端上共享和監(jiān)控結(jié)果。

針對移動應(yīng)用，各個移動通訊終端(手機(jī))接受腦電傳感器的實(shí)時數(shù)據(jù)，經(jīng)由手機(jī)上配置的app軟件，通過wifi、3g、4g端口，同步傳輸數(shù)據(jù)至移動互聯(lián)網(wǎng)區(qū)域內(nèi)的云計算服務(wù)器中，服務(wù)器運(yùn)行專用的實(shí)時數(shù)據(jù)計算處理軟件、誘導(dǎo)牽引捕捉控制軟件、用戶身份同步管理軟件、知識內(nèi)容編輯軟件等機(jī)器人功能軟件系統(tǒng)。服務(wù)器完成數(shù)據(jù)的計算、身份匹配、原始和結(jié)果數(shù)據(jù)存儲、轉(zhuǎn)發(fā)、命令生成、形成大數(shù)據(jù)等等功能，結(jié)果數(shù)據(jù)和控制命令以相同的加密格式經(jīng)由移動互聯(lián)網(wǎng)返回到移動通訊終端(手機(jī))。手機(jī)中的app軟件接收到數(shù)據(jù)和命令時，完成聲音和視頻的呈現(xiàn)功能。同時，分布于互聯(lián)網(wǎng)上的其他終端的持有者，在身份授權(quán)的情況下共享和監(jiān)控自動學(xué)習(xí)記憶的結(jié)果。

移動通訊終端，手機(jī)是其中之一。手機(jī)通過其配置的藍(lán)牙功能，在機(jī)器人應(yīng)用app軟件的支持下，接受腦電傳感器發(fā)送的加密數(shù)據(jù)流。并經(jīng)過顯示、呼叫、轉(zhuǎn)發(fā)的過程，將數(shù)據(jù)實(shí)時同步發(fā)送至互聯(lián)網(wǎng)平臺。手機(jī)和傳感器之間設(shè)置藍(lán)牙通訊，配對，手機(jī)app中采用socket線程，初始化藍(lán)牙通道，進(jìn)入接收流程，對于接收到的數(shù)據(jù)信號，解碼，并可選擇性的實(shí)時顯示在手機(jī)屏幕上。同時對于解碼的數(shù)據(jù)，提取出其中的云計算服務(wù)器地址和端口地址，經(jīng)由手機(jī)的wifi或3g、4g接口，將接受的原始數(shù)據(jù)不加任何處理，向相應(yīng)的云計算服務(wù)器發(fā)送。app利用另一個socket線程接受相應(yīng)服務(wù)器發(fā)送的命令數(shù)據(jù)和結(jié)果數(shù)據(jù)，數(shù)據(jù)的解密計算格式相同于傳感器發(fā)送的數(shù)據(jù)計算格式。對于結(jié)果數(shù)據(jù)，app將數(shù)據(jù)實(shí)時顯示在手機(jī)的固定屏幕位置，供使用者實(shí)時觀察記憶狀態(tài)的定量刻度。對于命令數(shù)據(jù)，app按照命令的不同，控制音樂、視頻以及需要記憶的知識的播放。音樂曲目、游戲視頻和知識的內(nèi)容，以及app軟件，都需要自服務(wù)器中下載。利用身份證號作為唯一用戶識別碼，在下載的同時，建立使用者的個人檔案，一旦生成了用戶信息后，手機(jī)app軟件就可以成為機(jī)器人的一部分。

利用計算算法程序計算腦電波信號，實(shí)時提取出腦電波中有關(guān)腦的記憶加工(記憶前準(zhǔn)備狀態(tài))的特征成分，表達(dá)為0-100的無量綱數(shù)據(jù)作為腦的記憶狀態(tài)的定量刻度，將刻度轉(zhuǎn)化為人的自然感官的刺激輸入信號，閉環(huán)反饋誘導(dǎo)和牽引，實(shí)時捕捉大腦達(dá)到記憶刻度最大化的片段時刻，并通過計算機(jī)的多媒體單元，同步觸發(fā)知識的播放，實(shí)現(xiàn)腦的記憶狀態(tài)和知識顯現(xiàn)的雙向共振，達(dá)到知識的深刻、長期、高效記憶的自動化過程。其中，記憶刻度表達(dá)為人的自然感覺器官的刺激輸入信號，是利用了人的游戲娛樂本能，刻度以音樂、玩具、電子競技等聽、視、體感的形式展現(xiàn)，在愉悅、快樂、專注的背景下，自然刺激大腦產(chǎn)生記憶前準(zhǔn)備狀態(tài)。刻度的大小控制音樂、視頻畫面、電子游戲的變化，變化形成感覺器官的刺激輸入，反過來影響大腦的記憶前準(zhǔn)備狀態(tài)，刻度改變，引起刺激改變，在引起刻度改變，不斷重復(fù)，就是閉環(huán)反饋誘導(dǎo)和牽引的過程。記憶刻度的表達(dá)，也是大腦的記憶加工(記憶前準(zhǔn)備狀態(tài))狀態(tài)的捕捉，只要機(jī)器捕捉到記憶加工的刻度達(dá)到一定條件(閾值)，立即暫停刺激信號的產(chǎn)生，按順序重復(fù)播放需要記憶的知識內(nèi)容，低于條件，繼續(xù)啟動刺激信號的發(fā)生，人的自然感覺器官重新接受能使人們快樂的音樂、繪畫、游戲等等信息，兩種狀態(tài)隨機(jī)切換，決定因素就是記憶刻度的變化，一旦刻度控制知識的播放開始，就是大腦的記憶前準(zhǔn)備狀態(tài)和知識顯現(xiàn)的共振，知識在大腦中的記憶就處在了最好、最高效的狀態(tài)。整個過程的完整實(shí)現(xiàn)，相當(dāng)于在大腦中建立了一座自動生產(chǎn)知識記憶的工廠，不斷的將外部知識轉(zhuǎn)化為大腦內(nèi)部的深刻、長期記憶，同時，音樂、游戲等刺激信號的輸入，作用于大腦，又是大腦神經(jīng)系統(tǒng)的休眠、疲勞恢復(fù)的最佳過程，自動化的記憶和疲勞恢復(fù)的交替，使機(jī)器和人腦形成了有機(jī)的整體，兩者共同形成了自動知識記憶牽引機(jī)器人。

計算機(jī)或云計算服務(wù)器接收到實(shí)時腦電波數(shù)據(jù)后，施加多種數(shù)學(xué)算法和控制過程，其中計算部分針對實(shí)時采集得到的定長或可變時間窗口中的一段腦電波信號的數(shù)字序列，以小波分析計算為主，結(jié)合模式識別算法，功率譜算法，分解腦電波中相關(guān)于波形維度、波形特異點(diǎn)、波形變異度、頻率譜等有效成分和偽差成分，將腦電波分解成不同尺度下的涵蓋了低頻、中頻、高頻、超高頻單元的分量，實(shí)時提取出大腦的記憶前準(zhǔn)備狀態(tài)的特征指標(biāo)，經(jīng)過歸一化處理，獲得從0-100的無量綱數(shù)據(jù)，作為實(shí)時客觀定量反映大腦的專注記憶能力的刻度。軟件系統(tǒng)再將刻度以音樂、視頻、玩具等外在信號形式表達(dá)播放，音樂、視頻的內(nèi)容隨刻度的大小變化，形成刺激信號，實(shí)時回饋到大腦的聽、視或體位的感覺通道中,誘導(dǎo)牽引大腦快速進(jìn)入專注記憶狀態(tài)。音樂、視頻、玩具的表達(dá)同時也受刻度及腦電波的頻率控制，隨著數(shù)值的不同，呈現(xiàn)形式也不同，加深大腦的響應(yīng)力度。軟件系統(tǒng)實(shí)時計算記憶刻度的大小，和預(yù)先設(shè)定的刻度閾值相比較，軟件系統(tǒng)一旦捕捉到超過閾值的記憶前準(zhǔn)備狀態(tài)的刻度數(shù)值，立即開始通過聽視播放需要記憶的知識內(nèi)容。記憶刻度數(shù)值一旦低于閾值水平，繼續(xù)播放音樂視頻游戲等內(nèi)容，進(jìn)入記憶牽引誘導(dǎo)過程。計算機(jī)輸出的兩種狀態(tài)的交替，形成一種閉環(huán)模式，不在學(xué)習(xí)狀態(tài)時，放松、娛樂、游戲的牽引和誘導(dǎo)，在專注記憶狀態(tài)時，知識的學(xué)習(xí)和記憶，實(shí)現(xiàn)知識的自動化記憶過程自動循環(huán)往復(fù)，播放的知識內(nèi)容以標(biāo)準(zhǔn)格式編輯，并按照重復(fù)次數(shù)的設(shè)定自動更換。學(xué)習(xí)和記憶過程中，沒有使用者的任何操作動作，一切過程都是設(shè)備自動完成。

作為實(shí)時客觀定量反映大腦的專注記憶狀態(tài)的刻度，可以作為控制音樂、視頻、玩具等可被人體自然感覺器官接受的外在表現(xiàn)形式的視聽信號變化的反饋控制信號使用。這種變化作為感覺器官的外部反饋刺激信號，誘導(dǎo)牽引大腦的專注記憶狀態(tài)的改變。機(jī)器人中的軟件系統(tǒng)可以自動讀取系統(tǒng)內(nèi)預(yù)先存儲的音樂文件的曲目名稱，格式不限，數(shù)量由機(jī)器人內(nèi)部配置的計算機(jī)容量決定。根據(jù)記憶刻度的大小，機(jī)器人自動調(diào)節(jié)播放的曲目和曲目音量的大小，曲目的改變，由記憶刻度的某個下線閾值決定，播放曲目的順序，由腦狀態(tài)在此曲目下的狀態(tài)好壞決定，包含記憶刻度和腦狀態(tài)的放松、專注等其它定量數(shù)據(jù)。音樂曲目和音量大小的變化，回饋到人的聽覺神經(jīng)系統(tǒng)中，引起系統(tǒng)的逆向反射，觸發(fā)腦區(qū)記憶狀態(tài)的改變，也就是記憶刻度發(fā)生改變，控制音量改變，在觸發(fā)腦區(qū)的記憶狀態(tài)改變，循環(huán)往復(fù)，記憶狀態(tài)的牽引和誘導(dǎo)就產(chǎn)生了。系統(tǒng)中包含視頻游戲文件，針對視覺系統(tǒng)的反饋，記憶刻度的大小變化同步控制視頻播放的過程變化，包括，帶有知識內(nèi)容的視頻顯示的變化以及電子游戲的進(jìn)程變化。視頻知識內(nèi)容顯示的變化，主要以屏幕的明暗變化呈現(xiàn)，明暗變化的頻率同步于記憶刻度的大小，兩者形成同步的作用。電子游戲進(jìn)程的變化，采用專業(yè)定制的游戲，游戲的運(yùn)行和機(jī)器人軟件之間形成數(shù)據(jù)的實(shí)時交換，游戲根據(jù)記憶刻度的改變而改變結(jié)果，達(dá)到用游戲娛樂的方式實(shí)現(xiàn)牽引和誘導(dǎo)記憶狀態(tài)的出現(xiàn)和加強(qiáng)。

機(jī)器人軟件系統(tǒng)捕捉到超過設(shè)定閾值的記憶前準(zhǔn)備狀態(tài)的刻度變化時，觸發(fā)播放預(yù)先設(shè)定的知識內(nèi)容，低于閾值，繼續(xù)播放音樂游戲等娛樂內(nèi)容。知識的記憶產(chǎn)生于知識播放和腦的專注記憶狀態(tài)的雙向共振的機(jī)制，大腦處于高的記憶狀態(tài)時，知識的播放達(dá)到最大音量，兩種現(xiàn)象的最大化，就是兩個信號的共振，也就處在了最佳的學(xué)習(xí)效果的狀態(tài)。機(jī)器人的計算軟件系統(tǒng)實(shí)時計算出大腦的記憶刻度，比較預(yù)先設(shè)定的記憶狀態(tài)的閾值，超過閾值，切換播放預(yù)先存儲的知識內(nèi)容，低于閾值，切換播放音樂游戲的內(nèi)容，記憶出現(xiàn)，知識播放才出現(xiàn)，循環(huán)往復(fù)，形成自動記憶的學(xué)習(xí)模式。設(shè)定的記憶刻度閾值可以是不變的，也可以自適應(yīng)改變，自動適應(yīng)當(dāng)前的大腦記憶狀態(tài)。適應(yīng)性變化由低于閾值條件的時間過長和刻度偏側(cè)的程度決定。知識的呈現(xiàn)按照一定規(guī)則，知識內(nèi)容通過計算機(jī)或服務(wù)器的數(shù)據(jù)庫或文字系統(tǒng)編輯生成。知識的呈現(xiàn)包括聽覺和視覺表達(dá)，聽覺和視覺的切換或同時表達(dá)由睜眼和閉眼決定，知識按照條目播放，每個條目的播放設(shè)定重復(fù)次數(shù)，重復(fù)次數(shù)可以不變，也可以關(guān)聯(lián)于刻度閾值的自適應(yīng)改變和睡眠狀態(tài)的出現(xiàn)。睜眼和閉眼以及睡眠狀態(tài)被機(jī)器人識別的功能可以作為選項，有或沒有，表現(xiàn)在知識內(nèi)容播放的重復(fù)次數(shù)是固定的還是可變的。自適應(yīng)狀態(tài)下，刻度閾值越低，需要重復(fù)的次數(shù)越多。視覺知識的播放，配以屏幕的閃動，觸發(fā)視覺神經(jīng)系統(tǒng)的差異化接受，緩解視覺疲勞。

對于腦電波的處理，以采樣頻率為1400/s、采樣時間窗口為1.25s、采樣精度為10位bite的離散化處理，采用波形識別、小波分析算法，計算出大腦的不同成分序列和各序列的時域特征、多尺度復(fù)雜度特征。并采用功率譜算法，提取出腦電波中的節(jié)律成分和各節(jié)律波段的功率大小，得到一級處理計算的計算結(jié)果序列，本序列對應(yīng)腦電波中的數(shù)百個獨(dú)立或弱相關(guān)的規(guī)律特征。對于額部雙側(cè)采集的腦電波中，包含有眼動電成分和額肌電成分。在小波處理計算中，可以分解出這兩種生物電信號序列，作為信號強(qiáng)度和干擾信號的標(biāo)記特征使用。采用小波公式：

對腦電向量組

fi(t)＝[x1x2x3…xm-2xm-1xm]

i：腦電波導(dǎo)聯(lián)數(shù)量，m：向量元素數(shù)量，x：腦電波數(shù)據(jù),t：時間點(diǎn)

實(shí)時計算處理，以多尺度濾波器組算法，分解出各尺度窗口下的小波基函數(shù)

(wf(2^j,fj(x)))j∈z

(wf(2^0,fj(x)))，(wf(2^1,f0(x)))，，，(wf(2^n,fn(x)))

j：小波基數(shù)量

由小波基函數(shù)和各尺度數(shù)據(jù)的反變換，獲得一組時域重構(gòu)函數(shù)如下：

fi，j(x)＝∑wf(2^j,x)*x2^j(x)

fi，1(x)，fi,2(x)，，，fi,n(x)；重構(gòu)函數(shù)，x2^1(x)，x2^2(x)，，，x2^n(x)，各尺度小波數(shù)據(jù)點(diǎn)。n：階數(shù)；j：尺度數(shù)量，i：導(dǎo)聯(lián)數(shù)。

各個重構(gòu)函數(shù)代表了不同尺度下的腦電波，眼動電波和肌電波的表現(xiàn)。尺度也對應(yīng)信號的頻率成分，分布于腦電圖的常規(guī)節(jié)律和高頻節(jié)律。對于分解的重構(gòu)函數(shù)的各個序列數(shù)據(jù)，采用模式識別算法中的波形識別算法提取出數(shù)據(jù)的特征點(diǎn)：

tj(x)∈z；

t：特征值向量，j：尺度，x：離散數(shù)據(jù)，代表波形特點(diǎn)。z：時域空間。向量tj(x)中的特征數(shù)據(jù)包含特異點(diǎn)、幅度、變異、斜率、面積、自相關(guān)、互相關(guān)等計算結(jié)果，計算來自于基本算法：

數(shù)據(jù)序列：y(t，i)＝(f(j)-f(j-1))/δt

j：離散數(shù)據(jù)下標(biāo)，i：尺度。

獲取序列y(t，i)中最大數(shù)值，可以獲得特征指數(shù)之一，其中的正負(fù)反相點(diǎn)，就是特異點(diǎn)，特異點(diǎn)的數(shù)量由t值的大小表示。

對f(x)序列數(shù)據(jù)施加迭代微分算法：

d(j，i)＝∑(f(j+i)-f(j+i-1)/(δt+i))

i：δt的增量，從1..n，j：數(shù)值序號。

對于矩陣d(j，i)中的各個向量，將向量中的數(shù)據(jù)點(diǎn)排序以及相加，選取每個向量中的最大值和相加和，作為斜率和幅度。

針對重構(gòu)函數(shù)中的各個尺度向量fi(x)＝[x1x2x3…xm-2xm-1xm]，將處理得到的結(jié)果向量y(t，i)、d(j，i)生成模式類ω1,ω2,…,ωc，然后利用模式之間的距離函數(shù)計算各個重構(gòu)函數(shù)的距離。得到重構(gòu)函數(shù)的變異、自相關(guān)、互相關(guān)數(shù)值。

計算重構(gòu)函數(shù)的積分：

si(t)＝∫f(j，i)*δt

求得各個函數(shù)的面積數(shù)值。

tj(x)向量表達(dá)了重構(gòu)函數(shù)的波形特點(diǎn)和規(guī)律。對于采集的腦電波中的眼動電信號和額肌電信號，分布于特定尺度的重構(gòu)函數(shù)中，針對這些重構(gòu)函數(shù)，首先，求取其中的一階導(dǎo)數(shù)：

di(x)＝(fi(x)-fi(x+m))/δx

x：橫坐標(biāo)，δx：橫坐標(biāo)增量。

對di(x)排序，得到極大值和極小值，設(shè)定閾值a，可以求取

di(x)的正負(fù)極性變異點(diǎn)，得到一組極值點(diǎn)向量：

mi(j)；高點(diǎn)。

mi(j)；低點(diǎn)。

j：極值點(diǎn)的數(shù)量。

對相關(guān)重構(gòu)函數(shù)采用積分算法：

e＝∫fi(t)^2*δt

e1＝∫fj(t)^2*δt

得到肌電和眼動的功率值大小。針對上述結(jié)果數(shù)據(jù)，經(jīng)過歸一組合算法：

sq＝exp(a*abs(mi-mi)+b*e)；

a，b：加權(quán)系數(shù)，由信號表達(dá)范圍決定。

可以得到指示干擾的信號強(qiáng)度的定量表達(dá)sq，作為睜眼和閉眼的實(shí)時鑒別條件。

針對不同尺度下的重構(gòu)函數(shù)，提取各尺度波形功率的復(fù)雜度：

復(fù)雜度之和：

aj＝{pi(j)}；

重構(gòu)函數(shù)中消除了眼動和肌電的腦電波重構(gòu)成分，采用功率譜算法：

f(x)：時域腦電波離散數(shù)據(jù)，x(w)：頻譜功率大小。

可以獲得腦電波中功率譜的各個成分，包括αβδθ波段的數(shù)值，sef，mef等邊緣頻率，優(yōu)勢頻率等數(shù)值：

fj＝{α，β，δ，θ，，，sef,mef}；

結(jié)合波形識別所得到的特征向量，組合成為一組涵蓋了時域和頻域，以及非線性復(fù)雜度結(jié)果的數(shù)據(jù)向量組：

gi(x)＝{tj，fj}；

i：尺度數(shù)量。

數(shù)據(jù)向量gi(x)組，作為腦電波的一次處理結(jié)果，被命名為腦電波一級處理的元數(shù)據(jù)組，可以被作為二次計算的基礎(chǔ)數(shù)據(jù)。

對于上述各個數(shù)據(jù)序列，經(jīng)過數(shù)據(jù)加權(quán)，得到以下計算公式：

e＝{a，b}*{aj，gi}；

a，b：加權(quán)系數(shù)。

對e數(shù)據(jù)施加歸一化計算：

記憶刻度＝(esp(e))×100

得到腦電波中的記憶前準(zhǔn)備狀態(tài)的實(shí)時客觀定量特征指標(biāo)。