基于脑电频域特征指标化算法的课堂教学评估系统及方法
【专利摘要】本发明属于脑电信号采集及处理领域，特别是涉及一种基于脑电频域特征指标化算法的课堂教学评估系统及方法。所述系统包括脑电采集装置、IC电路、音视频采集装置、数据通讯装置、数据处理及存储装置，所述脑电采集装置、音视频采集装置分别采集使用者的脑电信号及课堂环境的音视频信号，所述数据处理及存储装置，采集的数据处理后显示给课堂教学者，及时掌握使用者在课堂上的状态。本发明的有益效果在于：（1）本发明可以全程记录学生的注意力指标，提供给教学者做出客观准确的评估和判断。（2）本发明以录像、录音方式全程记录课堂教学情况，真实可靠。（3）本发明可以实时反映学生注意力是否集中。
【专利说明】基于脑电频域特征指标化算法的课堂教学评估系统及方法
[0001]
【技术领域】
[0002]本发明属于脑电信号采集及处理领域，特别是涉及一种基于脑电频域特征指标化算法的课堂教学评估系统及方法。
[0003]【背景技术】
[0004]课堂教学评价专指对在课堂教学实施过程中出现的客体对象所进行的评价活动，其评价范围包括教与学两个方面，其价值在于课堂教学。课堂教学评价是促进学生成长、教师专业发展和提高课堂教学质量的重要手段。由此，如何科学有效地进行课堂教学评价也成为现代教学的基本组成部分，它不仅是成功教学的基础，而且是进行各种教育决策的基础。
[0005]目前的评价方式一般是采用现场观察或者录像方式进行，由参与者根据现场情况进行打分。但是，现有的评价方式主观性比较大，无客观数据支持
【发明内容】
[0006]本发明的目的，是提供一种采用最新脑电科技的课堂教学评估系统和方法，提取学生在听课时的注意力指标，当注意力集中时，该指标会升高，当注意力下降时，该指标会下降。根据该指标，可以评判课堂教学内容是否能吸引学生，也反映了老师的教学水平，可以客观地评价课堂教学情况
本发明的技术方案如下:
一种基于脑电频域特征指标化算法的课堂教学评估系统，所述系统包括脑电采集装置、IC电路、音视频采集装置、数据通讯装置、数据处理及存储装置，所述脑电采集装置、音视频采集装置分别采集使用者的脑电信号及课堂环境的音视频信号，所述数据处理及存储装置，采集的数据处理后显示给课堂教学者，及时掌握使用者在课堂上的状态，其特征在于:
所述脑电信号采集装置包括脑电信号采集电极、脑电信号参考电极和信号处理器，所述采集装置对人脑活动产生的脑电波进行采样、量化，变成离散数字信号，进行后续的处理；
所述IC电路包括信号 放大器及信号处理器，所述信号放大器为前置信号放大器，将量化的数字信号进行放大，增强处理和传输过程中的抗干扰能力；
所述信号处理器对采集的脑电信号进行去噪预处理，增强脑电波信号的强度，并从中提取反映人认知状态变化的特征指标，评估使用者的状态；
所述音视频采集装置包括摄像头及音频采集设备，采集课堂环境的音频和视频信号并实时传输至数据处理及存储装置；所述数据通讯装置连接脑电采集装置、音视频采集装置与数据处理及存储装置之间，将脑电采集装置、音视频采集装置的数据传输给数据处理及存储装置；
所述数据处理及存储装置为PC机、笔记本或嵌入式智能设备，所述装置评估使用者的状态，并进行显示。
[0007]进一步的，所述脑电信号采集电极位于前额处，脑电信号参考电极夹位于耳部。
[0008]进一步的，所述信号传输装置为无线信号传输装置。
[0009]一种基于脑电频域特征指标化算法的课堂教学评估方法，其特征在于，所述方法步骤如下:
(1)初始化设备硬件；
(2)设置采样时间间隔，采集脑电数据，同时采集音视频信号；
(3)查询所有接入的脑电采集装置，按顺序读取脑电采集装置中的数据；
(4)对采集的数据滤波、去噪、时频分析、计算脑电指标；
(5 )将计算的脑电指标传输至数据处理及存储装置并进行显示。
[0010]进一步的，所述 指标化算法具体如下:
(1)预处理:对量化的脑电波进行数字滤波，去除肌电等干扰噪音；所述滤波器为无限冲激响应(IIR)带通滤波器；
(2)特征表达和提取:从预处理之后的脑电信号中提取反映综合认知状态的基本指标，具体包括 alpha 波(8_13Hz)、beta 波(13_20Hz)，delta (l_4Hz), theta (4_7Hz);运用时频分析技术将这些指标从原始时域信号中提取出来，在频域上以能量或功率的时间序列形式加以表达；
(3)指标化表示:将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义；所述算法输出警觉性水平和紧张度水平两个指标，所述警觉性水平指标和和紧张度水平指标具体如下:
a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号,他们分别由原始脑电信号的经由时频分析并选定特定频段的能量累加实现；
警觉度指标:
SI (t)=c (t)/a(t),其中t表示时间，a和c分别表示alpha和theta的能量；
紧张度指标:
S2(t)=b(t)*c(t),其中t表示时间，b和c分别表示beta和theta的能量；
(4)注意力水平的判定:即以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的警觉性水平指标和和紧张度水平指标两项指标序列的时序均值的60%作为判决门限，低于此门限判决为疲劳发生。
[0011]进一步的，所述步骤(1)中，带通滤波器的低通起始频率为1Hz，高通截止频率为35Hz。
[0012]进一步的，所述步骤(2)特征表达子模块的具体算法如下:
采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换；输入信号为单导联脑电采集到的离散脑电时间序列，与以上母小波函数卷积并经过变换后得到一系列不同频段的复时间序列信号即小波系数，其中时间与输入信号长度保持一致，频率范围对为l-35Hz，保留其中l-35Hz用于提取节律特征；对于特定的时刻和频点，系数表示信号的时频分布情况，对其取模，即用功率表示；按照频段范围高低，分别提取alpha波(8-13Hz)、beta波(13-20Hz), delta (l_4Hz), theta (4_7Hz)对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。
[0013]进一步的，所述步骤(3)指标化表示采用特征归一化算法，即:
将某一频段能量占总能量的比值作为指标:
【权利要求】
1.一种基于脑电频域特征指标化算法的课堂教学评估系统，所述系统包括脑电采集装置、IC电路、音视频采集装置、数据通讯装置、数据处理及存储装置，所述脑电采集装置、音视频采集装置分别采集使用者的脑电信号及课堂环境的音视频信号，所述数据处理及存储装置，采集的数据处理后显示给课堂教学者，及时掌握使用者在课堂上的状态，其特征在于: 所述脑电信号采集装置包括脑电信号采集电极、脑电信号参考电极和信号处理器，所述采集装置对人脑活动产生的脑电波进行采样、量化，变成离散数字信号，进行后续的处理； 所述IC电路包括信号放大器及信号处理器，所述信号放大器为前置信号放大器，将量化的数字信号进行放大，增强处理和传输过程中的抗干扰能力； 所述信号处理器对采集的脑电信号进行去噪预处理，增强脑电波信号的强度，并从中提取反映人认知状态变化的特征指标，评估使用者的状态； 所述音视频采集装置包括摄像头及音频采集设备，采集课堂环境的音频和视频信号并实时传输至数据处理及存储装置； 所述数据通讯装置连接脑电采集装置、音视频采集装置与数据处理及存储装置之间，将脑电采集装置、音视频采集装置的数据传输给数据处理及存储装置； 所述数据处理及存储装置为PC机、笔记本或嵌入式智能设备，所述装置评估使用者的状态，并进行显示。
2.根据权利要求1所述的系统，其特征在于:所述脑电信号采集电极位于前额处，脑电信号参考电极夹位于耳部。·
3.根据权利要求1所述的系统，其特征在于:所述信号传输装置为无线信号传输装置。
4.一种基于脑电频域特征指标化算法的课堂教学评估方法，其特征在于，所述方法步骤如下: (1)初始化设备硬件； (2)设置采样时间间隔，采集脑电数据，同时采集音视频信号； (3)查询所有接入的脑电采集装置，按顺序读取脑电采集装置中的数据； (4 )对采集的数据滤波、去噪、时频分析、计算脑电指标； (5 )将计算的脑电指标传输至数据处理及存储装置并进行显示。
5.根据权利要求4所述的方法，其特征在于，所述指标化算法具体如下: (1)预处理:对量化的脑电波进行数字滤波，去除肌电等干扰噪音；所述滤波器为无限冲激响应(IIR)带通滤波器； (2)特征表达和提取:从预处理之后的脑电信号中提取反映综合认知状态的基本指标，具体包括 alpha 波(8_13Hz)、beta 波(13_20Hz)，delta (l_4Hz), theta (4_7Hz);运用时频分析技术将这些指标从原始时域信号中提取出来，在频域上以能量或功率的时间序列形式加以表达； (3)指标化表示:将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义；所述算法输出警觉性水平和紧张度水平两个指标，所述警觉性水平指标和和紧张度水平指标具体如下: a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号,他们分别由原始脑电信号的经由时频分析并选定特定频段的能量累加实现； 警觉度指标: SI (t)=c (t)/a(t),其中t表示时间，a和c分别表示alpha和theta的能量； 紧张度指标: S2(t)=b(t)*c(t),其中t表示时间，b和c分别表示beta和theta的能量； (4)注意力水平的判定:即以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的警觉性水平指标和和紧张度水平指标两项指标序列的时序均值的60%作为判决门限，低于此门限判决为疲劳发生。
6.根据权利要求5所述的算法，其特征在于:所述步骤(1)中，带通滤波器的低通起始频率为IHz，高通截止频率为35Hz。
7.根据权利要求5所述的算法，其特征在于: 所述步骤(2)特征表达子模块的具体算法如下: 采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换；输入信号为单导联脑电采集到的离散脑电时间序列，与以上母小波函数卷积并经过变换后得到一系列不同频段的复时间序列信号即小波系数，其中时间与输入信号长度保持一致，频率范围对为l-35Hz，保留其中l-35Hz用于提取节律特征；对于特定的时刻和频点，系数表示信号的时频分布情况，对其取模，即用功率表示；按照频段范围高低，分别提取alpha波(8-13Hz)、beta波(13-20Hz), delta (l_4Hz), theta (4_7Hz)对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。
8.根据权利要求5所述的算法，其特征在于: 所述步骤(3)指标化表示采用特征归一化算法，即: 将某一频段能量占总能量的比值作为指标:
【文档编号】A61B5/16GK103815902SQ201310596268
【公开日】2014年5月28日 申请日期:2013年11月22日 优先权日:2013年11月22日
【发明者】刘志勇 申请人:刘志勇