基于专注度的脑电特征反馈对VR沉浸教学管理系统技术方案

本发明专利技术公开了基于专注度的脑电特征反馈对VR沉浸教学管理系统，包括以下步骤：S1：带上设备；S2：通过WIFI无线接收装置接收脑电信号，每1秒分析一次脑电特征；S3：获取学生脑电，每1秒获取一次；4：计算记忆力指标；S5：根据A‑Rate来进行专注度的每隔1秒的实时判断；S6：学生摘下脑电VR头盔；本发明专利技术首次提出了脑电波+VR的应用硬件，内容，以及更易使用的脑电波开发平台的设计开发，能够帮助用户不仅识别大脑的状态，也可根据当前状态实时改变训练内容，让训练变得更加有效，同时易念波开发平台也将极大程度的提高开发者的效率，让其专注于脑电波算法的研发而不需要花大量时间考虑产品层面上的开发。

VR immersion teaching management system based on EEG feature feedback

The invention discloses an electroencephalogram feature feedback immersion teaching management system for VR based on concentration, which comprises the following steps: S1: bring equipment on; S2: receive electroencephalogram signal through WIFI wireless receiving device, analyze electroencephalogram feature every second; S3: acquire students'electroencephalogram every second; 4: calculate memory index; S5: root; According to A_Rate to focus on every second of real-time judgment; S6: students remove the EEG VR helmet; the invention first proposed the application of EEG + VR hardware, content, and easier to use EEG development platform design and development, can help users not only identify the state of the brain, but also according to the current state of real-time change Change the training content, make the training more effective, at the same time, easy-to-read development platform will greatly improve the efficiency of developers, so that they focus on EEG algorithm research and development without spending a lot of time thinking about product level development.

【技术实现步骤摘要】
基于专注度的脑电特征反馈对VR沉浸教学管理系统
本专利技术涉及教学管理系统领域，尤其涉及基于专注度的脑电特征反馈对VR沉浸教学管理系统。
技术介绍
脑电波技术是一个非常成熟的技术，它从1920年代就已经存在。在科研的领域对于脑电的研究远远不止是癫痫等一类的脑疾病，还包括人心理状态、情绪的测量、注意力的调节、大脑潜能的开发，以及一系列用脑来控制的行为研究。但脑电波的产品研发和市场化领域却出现了极不对称的现象，其中一个重要原因是检测脑电的算法非常复杂。科研领域一直致力于开发复杂的脑电波分析算法，而目前在市场上所有的产品都还是在用最传统的一维信号分析算法。直到2013年美国推出脑计划，其中一项就是鼓励实验室开放项目，与研究机构合作。通过该项计划，更多的研究成果可以作为创业公司的资源，也可以激发人们对其应用的探索。在学术与商业化脱节的地方，就有机会，因此也可以看到近年来关于脑电波的应用及商业产品渐渐走入人们的视角，且其有着非常光明的未来。目前国内外科研领域通过脑电波研究人的情绪，心理状态，冥想状态等方向的算法已是非常成熟，但因其算法复杂度高而难以被应用于商业产品中，而简单的算法存在检测精度低的缺陷。另一方面针对不同的场景设计的脑电波设备五花八门，且在软件上互相不兼容。目前市场上并没有一款通用性比较高的脑电设备，比如戴上稳定且轻便舒适的头环。因此，关于脑电波市场可以判断目前处于功能型时代，距离智能型脑电波设备还有很大发展空间。而达到智能脑电时代的核心推动力在于研发智能算法。而目前大部分功能型产商不仅分出大量的时间于硬件研发，而且还将软件研发精力分散于各个方向而非致力于特定功能开发，而导致研发核心算法的进度缓慢，在商业上缺乏竞争力，为此我们设计出了基于专注度的脑电特征反馈对VR沉浸教学管理系统来解决以上问题。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺点，而提出的基于专注度的脑电特征反馈对VR沉浸教学管理系统。基于专注度的脑电特征反馈对VR沉浸教学管理系统，包括以下步骤：S1：带上设备：学生带上脑电头环+VR设备，打开沉浸教室系统应用，并选择VR创意课程，如化学课，其中实验可以根据学生具体的操作来控制场景元素，老师在讲台上对学生进行指导，教导学生如何进行操作；S2：分析特征：通过WIFI无线接收装置接收脑电信号，每1秒分析一次脑电特征；S3：检测算法：获取学生脑电，每1秒获取一次，采样率512Hz，通道数为前额Fp1，Fp2，T9，T10四个通道，得到的数据为4×512个维度，标注为X，对X进行滤波，滤波频段为(13，30)Hz的通道滤波，得到的数据为XS；将X进行再次进行滤波，滤波的频段为(12，13)Hz，与(30，31)Hz，滤波类型为通道滤波，得到的数据为Xn；将XS与Xn通过SSD算法得到的输出结果为XSSD，数据维度为1×512，其中512为时间信息，将XSSD取二阶均值得到的值为放松指标，即此时A-Rate取值范围为-1到1；将X进行滤波，分别在(1，4)Hz滤波，得到Xdelta，(4，8)Hz的通道滤波，得到Xtheta,(8,13)Hz滤波，得到Xalpha,(13,30)Hz滤波，得到Xbeta，(30，50)Hz滤波，得到Xgamma；S4：计算记忆力指标：当M-Rate>0.5时，学生的记忆力得到训练，当M-Rate<0.5时，学生同时计算学生的创造力指数(C-Rate)，该指数由前额，也就是Fp1与Fp2的alpha能量与颞叶两端alpha能量的比值进行表示，S5：实现控制逻辑：根据A-Rate来进行专注度的每隔1秒的实时判断，当A-Rate大于0时，说明该学生当前的专注度高，如果大于0的坚持时间超过5分钟，则系统给出声音奖励提示，并通过VR给出奖励得分；当A-Rate的值低于0时，说明学生当前的专注度低，如果是在-0.5到0这个阶段，VR沉浸教室将弹出卡通小精灵，提示学生当前需要集中注意力来进行实验；当A-Rate的值低于0.5时，并且该专注度已经持续超过3分钟，则VR沉浸教室将临时关闭，舒尔特专注度训练方格将会弹出，提示学生进行注意力的训练，持续时间1分钟；如果在此过程中，学生的专注度又重新提升回0以上，则转入4.a；在该过程中，如果学生的注意力始终无法提升，则1分钟后，VR沉浸教室系统将关闭待机，并且提示学生先进行适当的休息；S6：课程结束：学生摘下脑电VR头盔，后台将自动收集学生在学习过程中的的全部脑电，同时后台算法开始计算10分钟的学生的4项脑电指标。优选的，所述学生的A-Rate，M-Rate，L-Rate和C-Rate(AMLC脑电教学管理算法)取10分钟的平均值，每秒钟一个值，并做出指标曲线，存入该学生的AMLC教学系统档案中，并更新以往的AMLC4维教学图表。优选的，所述学生的A-Rate平均值大于0时，表示学生在实验阶段的整体表现良好，如果大于0.5时表示学生的整体表现优秀，非常专注于沉浸式学习、实验。优选的，所述学生的M-Rate均值中，记忆力指标整体超过0.5时，表示学生当前针对记忆训练的强度足够，之后可以推荐如逻辑推理与创造力有关的课程。优选的，所述学生的L-Rate均值中，逻辑推理指标整体超过0.5时，表示学生当前针对逻辑推理训练的强度足够，之后可以推荐如记忆力与创造力有关的课程。优选的，所述学生的C-Rate均值中，创造力指标整体超过0.5时，表示学生当前针对创造力训练的强度足够，之后可以推荐如记忆力与逻辑推理有关的课程。本专利技术提出的基于专注度的脑电特征反馈对VR沉浸教学管理系统：1、能够根据脑电的专注度检测来判断是否对VR沉浸教学过程中对学生进行提示；2、首次提出AMLC脑电教学管理算法，即：VR沉浸教学与脑电信号反馈相结合，通过专注度(A-Rate)，记忆指数(M-Rate)，逻辑推理训练指数(L-Rate)，创造力指数(C-Rate)这四个脑电维度，结合时间维度，实现五维一体的智能控制VR沉浸教学系统，达到更高效，更智能的对学生上课进行管理；3、根据脑电判断学生的专注度检测，并提示学生是否需要专注于课堂内容，专注度检测采用Spatio-spectralDecomposition(SSD)[1]与特定Beta波段(13，30Hz)能量计算相结合的算法。本专利技术首次提出了脑电波+VR的应用硬件，内容，以及更易使用的脑电波开发平台的设计开发。该产品采用实时的脑机接口(BrainComputerInterface，BCI)心理护理闭环系统，以及VR所带来的沉浸式VR游戏体验，帮助用户不仅识别大脑的状态，也可根据当前状态实时改变训练内容，让训练变得更加有效。同时易念波开发平台也将极大程度的提高开发者的效率，让其专注于脑电波算法的研发而不需要花大量时间考虑产品层面上的开发。附图说明图1为本专利技术提出的基于专注度的脑电特征反馈对VR沉浸教学管理系统的系统图；图2为本专利技术提出的基于专注度的脑电特征反馈对VR沉浸教学管理系统的AMLC4维教学图表。具体实施方式下面结合具体实施例对本专利技术作进一步解说。本专利技术提出的基于专注度的脑电特征反馈对VR沉浸教学管理系统，包括以下步骤：参照图1-2：S1：带上设备：学生带上脑电头环+VR设备本文档来自技高网...

【技术保护点】
1.基于专注度的脑电特征反馈对VR沉浸教学管理系统，其特征在于，包括以下步骤：S1：带上设备：学生带上脑电头环+VR设备，打开沉浸教室系统应用，并选择VR创意课程，如化学课，其中实验可以根据学生具体的操作来控制场景元素，老师在讲台上对学生进行指导，教导学生如何进行操作；S2：分析特征：通过WIFI无线接收装置接收脑电信号，每1秒分析一次脑电特征；S3：检测算法：获取学生脑电，每1秒获取一次，采样率512Hz，通道数为前额Fp1，Fp2，T9，T10四个通道，得到的数据为4×512个维度，标注为X，对X进行滤波，滤波频段为(13，30)Hz的通道滤波，得到的数据为XS；将X进行再次进行滤波，滤波的频段为(12，13)Hz，与(30，31)Hz，滤波类型为通道滤波，得到的数据为Xn；将XS与Xn通过SSD算法得到的输出结果为XSSD，数据维度为1×512，其中512为时间信息，将XSSD取二阶均值得到的值为放松指标，即

【技术特征摘要】
1.基于专注度的脑电特征反馈对VR沉浸教学管理系统，其特征在于，包括以下步骤：S1：带上设备：学生带上脑电头环+VR设备，打开沉浸教室系统应用，并选择VR创意课程，如化学课，其中实验可以根据学生具体的操作来控制场景元素，老师在讲台上对学生进行指导，教导学生如何进行操作；S2：分析特征：通过WIFI无线接收装置接收脑电信号，每1秒分析一次脑电特征；S3：检测算法：获取学生脑电，每1秒获取一次，采样率512Hz，通道数为前额Fp1，Fp2，T9，T10四个通道，得到的数据为4×512个维度，标注为X，对X进行滤波，滤波频段为(13，30)Hz的通道滤波，得到的数据为XS；将X进行再次进行滤波，滤波的频段为(12，13)Hz，与(30，31)Hz，滤波类型为通道滤波，得到的数据为Xn；将XS与Xn通过SSD算法得到的输出结果为XSSD，数据维度为1×512，其中512为时间信息，将XSSD取二阶均值得到的值为放松指标，即此时A-Rate取值范围为-1到1；将X进行滤波，分别在(1，4)Hz滤波，得到Xdelta，(4，8)Hz的通道滤波，得到Xtheta,(8,13)Hz滤波，得到Xalpha,(13,30)Hz滤波，得到Xbeta，(30，50)Hz滤波，得到Xgamma；S4：计算记忆力指标：当M-Rate>0.5时，学生的记忆力得到训练，当M-Rate<0.5时，学生的记忆力并未得到训练[2]；同时计算学生的逻辑推理训练指数(L-Rate)，该指数由Beta能量与alpha能量的比值获得，即同时计算学生的创造力指数(C-Rate)，该指数由前额，也就是Fp1与Fp2的alpha能量与颞叶两端alpha能量的比值进行表示，S5：实现控制逻辑：根据A-Rate来进行专注度的每隔1秒的实A-Rate大于0时，说明该学生当前的专注度高，如果大于0的坚持时间超过5分钟，则系统给出声音奖励提示，并通过VR给出奖励得分；当A-Rate的值低于0时，说明学生当前的专注度低，如果是在-0.5到0...

【专利技术属性】
技术研发人员：茹亚磊，毛子靖，胡术兰，
申请(专利权)人：天津智空科技有限公司，
类型：发明
国别省市：天津,12