一种基于脑机接口移动终端的学习监控和测试方法与流程

本发明涉及的是一种机器人学习方法，特别是一种基于脑机接口的移动终端学习方法。

背景技术：

智能移动终端在人们的生活中已经相当普及，人们可以利用它通讯交流、上网购物、出行导航、学习知识等等，它几乎常伴每个人的左右。当前的智能移动终端其实不完全具备真正的“智能”，因为它并不了解人的意识，仍然是被动接受人们的命令，只是它的功能越来越多样化。实现真正的智能化可以从两方面着手，一是让终端具备自主学习的功能，通过数据挖掘以及对用户操作经验的深度学习最终具备理解用户意图的能力；二是通过脑机接口将用户的意图转化为操作命令发送给终端，终端执行相应的动作。

在这个信息化的时代，借助移动终端学习是很多人的一种选择，因为它能够方便地下载、携带电子书随时随地学习，同时能够有效利用许多碎片化的空闲时间让我们掌握更多知识。但是快节奏的生活往往让用户的学习效率不能令人满意，学习过程中注意力容易分散，对学习过的知识掌握程度没有一个明确的认识。neurosky公司的脑电设备可以感知大脑部分功能，包括专注度、放松度、熟悉度以及用脑量等等。

技术实现要素：

本发明的目的在于提供一种通过脑机接口和移动终端检测注度和用脑度的基于脑机接口移动终端的学习监控和测试方法。

本发明的目的是这样实现的：包括基于脑机接口移动终端的学习监控和掌握程度测试，

基于脑机接口移动终端的学习监控具体包括：

步骤1.1：初始化脑机接口设备，通过蓝牙建立脑机接口设备和移动终端的通信；

步骤1.2：移动终端建立fifo(firstinputfirstoutput，先入先出队列)模型的脑电数据存储缓冲区，设定相关参数的值，初始化移动终端上的学习应用，用户选择学习内容开始学习；

步骤1.3：每隔一定时间，移动终端对脑电数据存储缓冲区中的专注度数据、用脑量数据进行处理，得到用户这段时间内的平均专注度及平均用脑量；

步骤1.4：对步骤1.3中得到的用户专注度及用脑量进行判断，当用户专注度小于设定阈值或学习持续时间小于最小学习时间时发出提示信号，让用户集中注意力学习；当用户学习持续时间大于最长学习时间或者用脑量大于设定阈值时发出提示信号，让用户休息，进入步骤1.5，否则返回步骤1.3；

步骤1.5：绘制用户学习过程中的专注度曲线及用脑量曲线，用户根据这些曲线发现学习过程中容易分散其注意力的因素，不断调整并养成良好的学习习惯，提高自己的学习效率；

基于脑机接口移动终端的掌握程度测试具体包括：

步骤2.1：初始化脑机接口设备，通过蓝牙建立脑机接口设备和移动终端的通信；

步骤2.2：移动终端建立fifo模型的脑电数据存储缓冲区，设定用户熟悉度阈值，初始化移动终端上的学习应用；

步骤2.3：移动终端根据用户选择的测试内容，随机给用户呈现测试题目；

步骤2.4：每隔一定时间，移动终端对存储区中的用户熟悉度值进行处理，得到用户对测试题目的平均熟悉程度，当得到平均熟悉度大于熟悉度阈值时发出提示信息；当得到的平均熟悉度小于熟悉度阈值时记录相应的测试题目；

步骤2.5：绘制用户这次测试的熟悉度曲线，判断是否达到掌握程度，当达到了对所学知识的掌握程度时进入步骤2.6，否则返回步骤2.3；

步骤2.6：得到用户对所学内容熟悉程度的多次测试曲线，该曲线能够整体反映用户对所学内容的相对掌握程度，以及用户在学习和认知过程中取得的进步，以便用户有针对性的复习。

所述设定相关参数的值包括用户的专注度阈值、用脑量阈值、用户的最短学习时间及最长学习时间。

本发明的方法使用户在利用移动终端学习时，通过电脑设备检测用户的专注度，当用户专注度低于设定的阈值时给予提示，让用户集中注意力学习。同时，在这个过程中检测用户的用脑量及学习持续时间，当用户的学习持续时间或用脑量高于预设的阈值时给予提示，使用户选择休息。根据相关研究，对于脑力劳动者，让大脑由脑力劳动转化为体力劳动或者脑力劳动内部转化能够让大脑得到真正的休息。最后，当用户学完一段内容后可以给出相关的测试题目，这些题目可以随机变化，通过脑电设备感知用户的熟悉度了解用户对学过内容的掌握程度，对用户掌握不好的内容再次呈现，加深其印象。

附图说明

图1.基于脑电数据的学过程具体流程图。

图2.学习内容掌握程度测试图。

图3.基于脑电数据的学过程整体流程图。

具体实施方式

下面结合附图举例对本发明做更详细地描述：

脑机接口设备每隔1秒会通过蓝牙给移动终端发送一个数据包，该数据包中包含了脑电原始数据、信号质量、专注度、用脑量及熟悉程度等。本发明中只关注信号质量、专注度、用脑量及熟悉度，这些参数已经是经过量化的值，在0到100间取值。对于专注度，取值越大表明用户的注意力越集中，用脑量取值越大表明用户大脑越疲劳，其他类似。对于接收到的数据包，移动终端首先判断其中的信号质量值，如果小于设定的阈值则忽略该数据包，如果大于设定的阈值则提取数据包中的专注度、用脑量及熟悉度放至fifo模型的脑电数据存储缓冲区。

用buf表示fifo模型的脑电数据存储缓冲区，size表示该缓冲器的大小，tmin表示用户的最短学习时间，tmax表示用户的最长学习时间，tinterval表示移动终端访问脑电数据存储缓冲区的间隔时间，t表示用户学习的持续总时间。att表示用户的专注度，wea表示用户的用脑量，fam表示用户的熟悉度，str表示脑电数据的信号质量。atttr表示专注度阈值，weatr表示用脑量阈值，famtr表示熟悉度阈值，strtr表示脑电数据的信号质量阈值。attmean表示一段时间内用户的平均专注度，weamean表示一段时间内用户的平均用脑量，fammean表示用户的平均熟悉度。相关参数用户均可设定，也可以选择默认参数。

实施方式：

基于脑电数据的学习过程监控步骤：

参考图1具体流程如下：

步骤一：初始化脑机接口设备，通过蓝牙建立脑机接口设备和移动终端的通信。

步骤二：用户定制脑疲劳时的休息方式。

步骤三：移动终端建立fifo模型的脑电数据存储缓冲区buf，设定相关参数值，取size＝100，tmin＝30(时间单位为分钟)，tmax＝90，tinterval＝2，atttr＝85，weatr＝85，strtr＝90。初始化移动终端上的学习应用，用户选择学习内容开始学习。

步骤四：每隔1s，移动终端读取脑电设备发送的数据包，判断其中的信号质量值是否大于strtr，如果小于strtr则忽略该数据包，如果大于strtr则提取其中的专注度及用脑量数据放至buf。

步骤五：每间隔tinterval，移动终端对buf中的专注度数据，用脑量数据求平均值，得到attmean和weamean。

步骤六：对步骤五中得到的attmean和weamean进行判断，当attmean小于atttr时给予提示，让用户集中注意力学习。当t大于tmin且小于tmax或者用脑量大于weatr时给予提示，弹出用户事先定制的休息方式供用户选择，进入步骤七，否则返回步骤四。

步骤七：用户根据自己定制的休息方式休息。

步骤八：最后，根据用户学习过程中的attmean及weamean绘制专注度曲线及用脑量曲线，用户根据这些曲线发现学习过程中容易分散其注意力的因素，不断调整并养成良好的学习习惯，提高自己的学习效率。

学习内容掌握程度测试步骤，参考图2具体流程如下：

步骤一：初始化脑机接口设备，通过蓝牙建立脑机接口设备和移动终端的通信。

步骤二：通过终端建立fifo模型的脑电数据存储缓冲区buf，设定size＝100、，famtr＝90、tinterval＝2、strtr＝90，初始化移动终端上的学习应用。

步骤三：用户选择测试内容，移动终端随机给用户呈现相关的测试题目。

步骤四：每间隔1s，移动终端读取电脑设备发送的数据包，判断其中的信号质量值是否大于strtr，如果小于strtr则忽略该数据包，如果大于strtr则提取其中的熟悉度数据放至buf。

步骤五：每间隔tinterval，移动终端对buf中的用户熟悉度值进行处理，得到用户对相应题目的fammean。当fammean大于famtr时对用户给予相应的鼓励；当fammean小于famtr时记录相应的题目，提示用户复习。如果测试题目完成进入步骤六，否则返回步骤四。

步骤六：根据fammean绘制用户这次测试的熟悉程度曲线，当用户认为其达到了对所学知识的掌握程度时进入步骤七，否则返回步骤三。

步骤七：最后，得到用户对所学内容熟悉程度的多次测试曲线，该曲线能够整体反映用户对所学内容的相对掌握程度，以及用户在学习和认知过程中取得的进步，以便用户有针对性的复习。