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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。