基于腦電頻域特征指標化算法的課堂教學評估系統(tǒng)及方法
【專利摘要】本發(fā)明屬于腦電信號采集及處理領域，特別是涉及一種基于腦電頻域特征指標化算法的課堂教學評估系統(tǒng)及方法。所述系統(tǒng)包括腦電采集裝置、IC電路、音視頻采集裝置、數(shù)據(jù)通訊裝置、數(shù)據(jù)處理及存儲裝置，所述腦電采集裝置、音視頻采集裝置分別采集使用者的腦電信號及課堂環(huán)境的音視頻信號，所述數(shù)據(jù)處理及存儲裝置，采集的數(shù)據(jù)處理后顯示給課堂教學者，及時掌握使用者在課堂上的狀態(tài)。本發(fā)明的有益效果在于：（1）本發(fā)明可以全程記錄學生的注意力指標，提供給教學者做出客觀準確的評估和判斷。（2）本發(fā)明以錄像、錄音方式全程記錄課堂教學情況，真實可靠。（3）本發(fā)明可以實時反映學生注意力是否集中。
【專利說明】基于腦電頻域特征指標化算法的課堂教學評估系統(tǒng)及方法
[0001]
【技術領域】
[0002]本發(fā)明屬于腦電信號采集及處理領域，特別是涉及一種基于腦電頻域特征指標化算法的課堂教學評估系統(tǒng)及方法。
[0003]【背景技術】
[0004]課堂教學評價專指對在課堂教學實施過程中出現(xiàn)的客體對象所進行的評價活動，其評價范圍包括教與學兩個方面，其價值在于課堂教學。課堂教學評價是促進學生成長、教師專業(yè)發(fā)展和提高課堂教學質量的重要手段。由此，如何科學有效地進行課堂教學評價也成為現(xiàn)代教學的基本組成部分，它不僅是成功教學的基礎，而且是進行各種教育決策的基礎。
[0005]目前的評價方式一般是采用現(xiàn)場觀察或者錄像方式進行，由參與者根據(jù)現(xiàn)場情況進行打分。但是，現(xiàn)有的評價方式主觀性比較大，無客觀數(shù)據(jù)支持

【發(fā)明內容】

[0006]本發(fā)明的目的，是提供一種采用最新腦電科技的課堂教學評估系統(tǒng)和方法，提取學生在聽課時的注意力指標，當注意力集中時，該指標會升高，當注意力下降時，該指標會下降。根據(jù)該指標，可以評判課堂教學內容是否能吸引學生，也反映了老師的教學水平，可以客觀地評價課堂教學情況
本發(fā)明的技術方案如下:
一種基于腦電頻域特征指標化算法的課堂教學評估系統(tǒng)，所述系統(tǒng)包括腦電采集裝置、IC電路、音視頻采集裝置、數(shù)據(jù)通訊裝置、數(shù)據(jù)處理及存儲裝置，所述腦電采集裝置、音視頻采集裝置分別采集使用者的腦電信號及課堂環(huán)境的音視頻信號，所述數(shù)據(jù)處理及存儲裝置，采集的數(shù)據(jù)處理后顯示給課堂教學者，及時掌握使用者在課堂上的狀態(tài)，其特征在于:
所述腦電信號采集裝置包括腦電信號采集電極、腦電信號參考電極和信號處理器，所述采集裝置對人腦活動產(chǎn)生的腦電波進行采樣、量化，變成離散數(shù)字信號，進行后續(xù)的處理；
所述IC電路包括信號 放大器及信號處理器，所述信號放大器為前置信號放大器，將量化的數(shù)字信號進行放大，增強處理和傳輸過程中的抗干擾能力；
所述信號處理器對采集的腦電信號進行去噪預處理，增強腦電波信號的強度，并從中提取反映人認知狀態(tài)變化的特征指標，評估使用者的狀態(tài)；
所述音視頻采集裝置包括攝像頭及音頻采集設備，采集課堂環(huán)境的音頻和視頻信號并實時傳輸至數(shù)據(jù)處理及存儲裝置；所述數(shù)據(jù)通訊裝置連接腦電采集裝置、音視頻采集裝置與數(shù)據(jù)處理及存儲裝置之間，將腦電采集裝置、音視頻采集裝置的數(shù)據(jù)傳輸給數(shù)據(jù)處理及存儲裝置；
所述數(shù)據(jù)處理及存儲裝置為PC機、筆記本或嵌入式智能設備，所述裝置評估使用者的狀態(tài)，并進行顯示。
[0007]進一步的，所述腦電信號采集電極位于前額處，腦電信號參考電極夾位于耳部。
[0008]進一步的，所述信號傳輸裝置為無線信號傳輸裝置。
[0009]一種基于腦電頻域特征指標化算法的課堂教學評估方法，其特征在于，所述方法步驟如下:
(1)初始化設備硬件；
(2)設置采樣時間間隔，采集腦電數(shù)據(jù)，同時采集音視頻信號；
(3)查詢所有接入的腦電采集裝置，按順序讀取腦電采集裝置中的數(shù)據(jù)；
(4)對采集的數(shù)據(jù)濾波、去噪、時頻分析、計算腦電指標；
(5 )將計算的腦電指標傳輸至數(shù)據(jù)處理及存儲裝置并進行顯示。
[0010]進一步的，所述 指標化算法具體如下:
(1)預處理:對量化的腦電波進行數(shù)字濾波，去除肌電等干擾噪音；所述濾波器為無限沖激響應(IIR)帶通濾波器；
(2)特征表達和提取:從預處理之后的腦電信號中提取反映綜合認知狀態(tài)的基本指標，具體包括 alpha 波(8_13Hz)、beta 波(13_20Hz)，delta (l_4Hz), theta (4_7Hz);運用時頻分析技術將這些指標從原始時域信號中提取出來，在頻域上以能量或功率的時間序列形式加以表達；
(3)指標化表示:將上述基本指標進行標準化，使得不同使用者以及同一個使用者不同時間的同一指標具有相同的物理含義；所述算法輸出警覺性水平和緊張度水平兩個指標，所述警覺性水平指標和和緊張度水平指標具體如下:
a(t)、b(t)和c(t)分別表示alpha、beta和theta三個頻段的時序信號,他們分別由原始腦電信號的經(jīng)由時頻分析并選定特定頻段的能量累加實現(xiàn)；
警覺度指標:
SI (t)=c (t)/a(t),其中t表示時間，a和c分別表示alpha和theta的能量；
緊張度指標:
S2(t)=b(t)*c(t),其中t表示時間，b和c分別表示beta和theta的能量；
(4)注意力水平的判定:即以正常使用者在沒有困倦、疲勞狀態(tài)發(fā)生的情況下，持續(xù)保持注意2分鐘的警覺性水平指標和和緊張度水平指標兩項指標序列的時序均值的60%作為判決門限，低于此門限判決為疲勞發(fā)生。
[0011]進一步的，所述步驟(1)中，帶通濾波器的低通起始頻率為1Hz，高通截止頻率為35Hz。
[0012]進一步的，所述步驟(2)特征表達子模塊的具體算法如下:
采用Morlat函數(shù)為母小波函數(shù)，對腦電時域信號進行連續(xù)小波變換；輸入信號為單導聯(lián)腦電采集到的離散腦電時間序列，與以上母小波函數(shù)卷積并經(jīng)過變換后得到一系列不同頻段的復時間序列信號即小波系數(shù)，其中時間與輸入信號長度保持一致，頻率范圍對為l-35Hz，保留其中l(wèi)-35Hz用于提取節(jié)律特征；對于特定的時刻和頻點，系數(shù)表示信號的時頻分布情況，對其取模，即用功率表示；按照頻段范圍高低，分別提取alpha波(8-13Hz)、beta波(13-20Hz), delta (l_4Hz), theta (4_7Hz)對應頻段的復小波系數(shù)的模的時間序列，即功率表示頻段能量的時序變化。
[0013]進一步的，所述步驟(3)指標化表示采用特征歸一化算法，即:
將某一頻段能量占總能量的比值作為指標:
【權利要求】
1.一種基于腦電頻域特征指標化算法的課堂教學評估系統(tǒng)，所述系統(tǒng)包括腦電采集裝置、IC電路、音視頻采集裝置、數(shù)據(jù)通訊裝置、數(shù)據(jù)處理及存儲裝置，所述腦電采集裝置、音視頻采集裝置分別采集使用者的腦電信號及課堂環(huán)境的音視頻信號，所述數(shù)據(jù)處理及存儲裝置，采集的數(shù)據(jù)處理后顯示給課堂教學者，及時掌握使用者在課堂上的狀態(tài)，其特征在于: 所述腦電信號采集裝置包括腦電信號采集電極、腦電信號參考電極和信號處理器，所述采集裝置對人腦活動產(chǎn)生的腦電波進行采樣、量化，變成離散數(shù)字信號，進行后續(xù)的處理； 所述IC電路包括信號放大器及信號處理器，所述信號放大器為前置信號放大器，將量化的數(shù)字信號進行放大，增強處理和傳輸過程中的抗干擾能力； 所述信號處理器對采集的腦電信號進行去噪預處理，增強腦電波信號的強度，并從中提取反映人認知狀態(tài)變化的特征指標，評估使用者的狀態(tài)； 所述音視頻采集裝置包括攝像頭及音頻采集設備，采集課堂環(huán)境的音頻和視頻信號并實時傳輸至數(shù)據(jù)處理及存儲裝置； 所述數(shù)據(jù)通訊裝置連接腦電采集裝置、音視頻采集裝置與數(shù)據(jù)處理及存儲裝置之間，將腦電采集裝置、音視頻采集裝置的數(shù)據(jù)傳輸給數(shù)據(jù)處理及存儲裝置； 所述數(shù)據(jù)處理及存儲裝置為PC機、筆記本或嵌入式智能設備，所述裝置評估使用者的狀態(tài)，并進行顯示。
2.根據(jù)權利要求1所述的系統(tǒng)，其特征在于:所述腦電信號采集電極位于前額處，腦電信號參考電極夾位于耳部。·
3.根據(jù)權利要求1所述的系統(tǒng)，其特征在于:所述信號傳輸裝置為無線信號傳輸裝置。
4.一種基于腦電頻域特征指標化算法的課堂教學評估方法，其特征在于，所述方法步驟如下: (1)初始化設備硬件； (2)設置采樣時間間隔，采集腦電數(shù)據(jù)，同時采集音視頻信號； (3)查詢所有接入的腦電采集裝置，按順序讀取腦電采集裝置中的數(shù)據(jù)； (4 )對采集的數(shù)據(jù)濾波、去噪、時頻分析、計算腦電指標； (5 )將計算的腦電指標傳輸至數(shù)據(jù)處理及存儲裝置并進行顯示。
5.根據(jù)權利要求4所述的方法，其特征在于，所述指標化算法具體如下: (1)預處理:對量化的腦電波進行數(shù)字濾波，去除肌電等干擾噪音；所述濾波器為無限沖激響應(IIR)帶通濾波器； (2)特征表達和提取:從預處理之后的腦電信號中提取反映綜合認知狀態(tài)的基本指標，具體包括 alpha 波(8_13Hz)、beta 波(13_20Hz)，delta (l_4Hz), theta (4_7Hz);運用時頻分析技術將這些指標從原始時域信號中提取出來，在頻域上以能量或功率的時間序列形式加以表達； (3)指標化表示:將上述基本指標進行標準化，使得不同使用者以及同一個使用者不同時間的同一指標具有相同的物理含義；所述算法輸出警覺性水平和緊張度水平兩個指標，所述警覺性水平指標和和緊張度水平指標具體如下: a(t)、b(t)和c(t)分別表示alpha、beta和theta三個頻段的時序信號,他們分別由原始腦電信號的經(jīng)由時頻分析并選定特定頻段的能量累加實現(xiàn)； 警覺度指標: SI (t)=c (t)/a(t),其中t表示時間，a和c分別表示alpha和theta的能量； 緊張度指標: S2(t)=b(t)*c(t),其中t表示時間，b和c分別表示beta和theta的能量； (4)注意力水平的判定:即以正常使用者在沒有困倦、疲勞狀態(tài)發(fā)生的情況下，持續(xù)保持注意2分鐘的警覺性水平指標和和緊張度水平指標兩項指標序列的時序均值的60%作為判決門限，低于此門限判決為疲勞發(fā)生。
6.根據(jù)權利要求5所述的算法，其特征在于:所述步驟(1)中，帶通濾波器的低通起始頻率為IHz，高通截止頻率為35Hz。
7.根據(jù)權利要求5所述的算法，其特征在于: 所述步驟(2)特征表達子模塊的具體算法如下: 采用Morlat函數(shù)為母小波函數(shù)，對腦電時域信號進行連續(xù)小波變換；輸入信號為單導聯(lián)腦電采集到的離散腦電時間序列，與以上母小波函數(shù)卷積并經(jīng)過變換后得到一系列不同頻段的復時間序列信號即小波系數(shù)，其中時間與輸入信號長度保持一致，頻率范圍對為l-35Hz，保留其中l(wèi)-35Hz用于提取節(jié)律特征；對于特定的時刻和頻點，系數(shù)表示信號的時頻分布情況，對其取模，即用功率表示；按照頻段范圍高低，分別提取alpha波(8-13Hz)、beta波(13-20Hz), delta (l_4Hz), theta (4_7Hz)對應頻段的復小波系數(shù)的模的時間序列，即功率表示頻段能量的時序變化。
8.根據(jù)權利要求5所述的算法，其特征在于: 所述步驟(3)指標化表示采用特征歸一化算法，即: 將某一頻段能量占總能量的比值作為指標:
【文檔編號】A61B5/16GK103815902SQ201310596268
【公開日】2014年5月28日 申請日期:2013年11月22日 優(yōu)先權日:2013年11月22日
【發(fā)明者】劉志勇 申請人:劉志勇