本发明属于注意力检测技术领域，具体涉及一种基于脑电信号的学习注意力评价系统。
背景技术：
课堂学习状态的检测是教与学过程中的重要环节。传统的课堂检测方式往往以课堂提问、随堂测验、观察学生表情等手段为主，教师往往无法兼顾到每位学生的学习状态，且判断结果随机性大、主观性强。因此，实现学生学习状态的客观有效检测显得尤为重要。近年来，随着脑机接口技术的飞速发展，使得仅仅通过对脑电信号的采集与分析来实现对人体心理活动的捕捉成为可能。注意力作为一种心理活动，在学生的学习活动中起着重要作用。学生课堂注意力集中程度的高低，在较大程度上反映了学生的听课质量与学习状态。大量文献指出，脑电信号各节律波的活动情况与人体所处的注意力状态具有紧密的联系。
技术实现要素：
为解决上述问题，本发明提出一种基于脑电信号的学习注意力评价系统，实现学生注意力的实时监测，解决学生学习状态难以客观评价的技术问题。
本发明采用如下技术方案，为每位学生配备一台便携式脑电采集设备，利用可穿戴脑电采集设备采集学生的脑电数据，通过分析班级学生的脑电数据用以实时评价学生的注意力状态，实时反映学生的学习与教师的授课情况，并将结果经由手机app或pc端程序的方式反馈给学生和教师，从而达到学习注意力实时反馈的效果，一种基于脑电信号的学习注意力评价系统，具体包括：脑电采集子系统、脑电分析子系统和学习状态显示提醒子系统，其中，
脑电采集子系统用于采集脑电信号，进行预处理，去除工频干扰和基线，并将脑电信号传输至脑电分析子系统；
脑电分析子系统用于分析采集到的脑电信号，提取时域特征和频域特征作为注意力分类的特征向量，将特征向量输入注意力分类器，得出注意力等级；
学习状态显示提醒子系统将脑电分析子系统得出的注意力等级反馈至学生和教师处。
优选地，所述脑电采集子系统使用ti公司的ads1298芯片作为模拟前端，采集顶叶p7、p3、pz、p4和p8导联的脑电信号；使用ti公司的cc2652r微处理器进行脑电信号的预处理和脑电信号传输。
优选地，所述脑电采集子系统进行预处理包括带通滤波和去除基线，构造数字带通滤波器，去除50hz工频干扰；利用最小二乘法拟合基线，并将基线从原始脑电信号中去除。
优选地，所述脑电采集子系统和脑电分析子系统之间的通信通过zigbee星型组网实现，脑电分析子系统作为主机以轮询的方式向脑电采集子系统请求数据，脑电采集子系统收到指令后即回传指定长度的脑电信号数据。
优选地，所述脑电采集子系统包括固定用顶梁，内含供电及数据传输处理单元，数据传输处理单元用于接收脑电信号数据，并对脑电信号进行预处理及传输；采集用干电极，采集用干电极通过弹性部件连接于顶梁之上；耳部参考电极，采集用干电极和耳部参考电极将采集的信号传输至数据传输处理单元。
优选地，所述脑电分析子系统提取的频域特征为δ波、θ波、α波和β波四个频段的功率值，时域特征为样本熵和标准差、一阶差分均值、二阶差分均值，构建特征向量，采用的注意力分类器为概率神经网络pnn，将注意力等级分为高、中、低三类。
优选地，所述概率神经网络pnn的训练样本为公开数据库与实验数据，其中公开数据库为deap数据库，实验数据为对被测试者进行注意力实验得到的被测试者的注意力自评等级数据。
优选地，所述脑电分析子系统和学习状态显示提醒子系统之间采用pc端程序与手机app相结合的方式向教师和学生反馈注意力等级，各手机端与pc端均通过无线方式连接。
优选地，所述学习状态显示提醒子系统包括教师系统和学生系统，其中，
教师系统包括：
学生注意力显示模块，用于显示当前所有学生的注意力等级和个体学生的注意力等级随时间变化曲线；
低注意力预警模块，用于判断并显示目前注意力等级低于设定值的学生；
学生系统包括：
学生注意力显示模块，用于显示当前学生的注意力等级；
注意力预警模块，用于通过声光报警提醒注意力等级低于设定值设定时间的学生。
发明所达到的有益效果：本发明是一种基于脑电信号的学习注意力评价系统，实现学生注意力的实时监测，解决学生学习状态难以客观评价的技术问题；本发明采用可穿戴式脑电采集子系统，并使用集成zigbee模块的微处理器，缩小了脑电采集子系统的体积与重量，降低成本，便于佩戴，具有良好的便携性和实用性；采用pnn算法对脑电信号进行分类，具有学习过程简单、训练速度快、分类准确、容错性好等优点；基于人体生理信号的学习状态检测利用外部设备检测每位学生的学习状态，大大减轻了教师的教学压力，且评价结果客观公正；此外在教学结束后对学生的表现进行统计分析，以辅助教师对学生学习效果进行客观评价，能够不断改进教学手段。
附图说明
图1为本发明实施例的系统架构图；
图2为脑电采集子系统结构图；
图3为教师pc端连接状态下的图形界面；
图4为教师pc端注意力显示界面；
图5所示为教师手机端app界面图；
图6所示为学生手机端app界面图。
附图标记：1-固定用顶梁，2-采集用干电极，3-耳部参考电极，4-电脑设备的串口号，5-学生的连接状态，6-确认键，7-学生注意力状况总体显示窗，8-单个学生的注意力曲线窗，9-低注意力预警窗，10-学生总体注意力情况统计窗，11-低注意力名单显示窗，12-学生注意力评估报告窗，13-个人注意力情况显示窗。
具体实施方式
下面根据附图并结合实施例对本发明的技术方案作进一步阐述。
如图1所示，本发明采用的如下技术方案，一种基于脑电信号的学习注意力评价系统，具体包括：脑电采集子系统、脑电分析子系统和学习状态显示提醒子系统，其中，
脑电采集子系统用于采集脑电信号，对模拟信号进行预处理，去除工频干扰和基线，并将脑电信号传输至脑电分析子系统；
脑电分析子系统用于分析采集到的脑电信号，提取时域特征和频域特征作为注意力分类的特征向量，将特征向量输入注意力分类器，得出注意力等级；
学习状态显示提醒子系统将脑电分析子系统得出的注意力等级反馈至学生和教师处。
优选地，所述脑电采集子系统使用ti公司的ads1298芯片作为模拟前端，采集顶叶p7、p3、pz、p4和p8导联的脑电信号；使用ti公司的cc2652r微处理器进行脑电信号的预处理和脑电信号传输。
优选地，所述脑电采集子系统进行预处理包括带通滤波和去除基线，构造数字带通滤波器，去除50hz工频干扰；利用最小二乘法拟合基线，并将基线从原始脑电信号中去除。
优选地，所述脑电采集子系统和脑电分析子系统之间的通信通过zigbee星型组网实现，脑电分析子系统作为主机以轮询的方式向脑电采集子系统请求数据，脑电采集子系统收到指令后即回传指定长度的脑电信号数据。
优选地，所述脑电采集子系统包括固定用顶梁，内含供电及数据传输处理单元，数据传输处理单元用于接收脑电信号数据，并对脑电信号进行预处理及传输；采集用干电极，采集用干电极通过弹性部件连接于顶梁之上；耳部参考电极，采集用干电极和耳部参考电极将采集的信号传输至数据传输处理单元。
优选地，所述脑电分析子系统提取的频域特征为δ波、θ波、α波和β波四个频段的功率值，时域特征为样本熵、标准差、一阶差分均值和二阶差分均值，构建特征向量，采用的注意力分类器为概率神经网络pnn，将注意力等级分为高、中、低三类。
优选地，所述概率神经网络pnn的训练样本为公开数据库与实验数据，其中公开数据库为deap数据库，实验数据为对被测试者进行注意力实验得到的被测试者的注意力自评等级数据。
优选地，所述脑电分析子系统和学习状态显示提醒子系统之间采用pc客户端与手机app相结合的方式向教师和学生反馈注意力等级，手机端与pc端均通过无线方式连接。
优选地，所述学习状态显示提醒子系统包括教师系统和学生系统，其中，
教师系统包括：
学生注意力显示模块，用于显示当前所有学生的注意力等级和个体学生的注意力等级随时间变化曲线；
低注意力预警模块，用于判断并显示目前注意力等级低于设定值的学生；
学生系统包括：
学生注意力显示模块，用于显示当前学生的注意力等级；
注意力预警模块，用于通过声光报警提醒注意力等级低于设定值设定时间的学生。
本发明主要实施过程如下：
步骤1：脑电采集子系统采集学生脑电信号数据，经过预处理后，通过无线方式向脑电分析子系统发送脑电信号数据。
本实施例中，脑电采集子系统具体如图2所示，脑电采集子系统可采集学生顶叶，使用时干电极紧贴头部，参考电极夹于耳垂上。
为了减小脑电采集子系统的体积，模拟前端采用了ti公司生产的ads1298芯片，具有较高的采样精度和稳定性，本实施例中采样率为250hz。
脑电信号的预处理包括带通滤波和去除基线，构造0.1-40hz的数字带通滤波器，去除50hz工频干扰；使用最小二乘法拟合基线，并将基线从原始脑电信号信号中去除。本实施例采用ti公司生产的cc2652r微处理器实现信号的预处理和传输。该处理器同时具有armcortexm4核心与zigbee通信模块，在满足技术需求的同时也降低了成本。
步骤2：脑电采集子系统与脑电分析系统之间通过无线方式进行数据交互，脑电分析子系统首先通过读取串口缓存区获取脑电信号数据，通过协议解析获取各个导联的脑电信号进行时域波形显示；提取时域特征和频域特征作为注意力分类的特征向量，将特征向量输入注意力分类器，得出注意力等级，反应学生学习状态。
本实施例中，脑电分析子系统设置于pc端，教师pc客户端连接状态下的图形界面如图3所示。图3中com显示已连接设备，用于选择电脑设备的串口号，学生的连接状态5显示学生连接情况，未连接为红色，已连接为绿色，所有的学生完成连接时，即可按下确认键6“下一步”，进入正式检测模式，即进入注意力显示界面。
为了降低系统的能耗并适应课堂注意力检测的实时性要求，采用轮询法获取各个学生的脑电信号数据，在脑电分析子系统与脑电采集子系统完成连接后，作为协调器的zigbee模块以固定的时间间隔依次向各个脑电采集子系统发出数据请求；脑电采集子系统在未收到请求指令时处于休眠状态，以降低总体功耗，接到请求指令后立即被唤醒开始工作，数据发送完成后则再次回到休眠状态。
分类特征的选取是注意力分类的关键，本发明采用时域与频域特征相结合的方式完成特征的提取。利用快速傅里叶变换(fft)算法提取脑电信号在δ波、θ波、α波、β波四个频段的功率值，具有运算速度快的特点。采用样本熵、标准差与一、二阶差分均值作为时域特征，有效反映了脑电信号的时间复杂度。
完成特征提取后，各特征组成特征向量送入注意力分类器，采用概率神经网络(pnn)作为注意力分类器，将注意力等级分为高、中、低3类，采用公开数据库与实验数据相结合的方式对pnn网络进行训练。其中，实验数据部分要求被试者观看网课片段，以课后的自评注意力等级作为输入；公开数据库则采用deap数据库。
步骤3：学习状态显示提醒子系统将脑电分析子系统得出的注意力等级反馈至学生和教师处，学习状态显示提醒子系统设置与pc端，教师系统的学生注意力显示模块将注意力等级反馈至教师处，图4所示为教师pc客户端注意力显示界面，左上角会显示当前上课的班级，点击开始按钮则统计学生的注意力等级；点击下课按钮时停止统计。
学生注意力状况总体显示窗7显示当前总体的学生注意力等级，注意力集中等级高的为绿色，中等为黄色，等级低为红色，学生注意力状况总体显示窗7中点击某人的座位可在单个学生的注意力曲线窗8中显示此人的注意力曲线，教师系统的低注意力预警模块判断并统计出目前注意力等级低的学生名单，显示在低注意力预警窗9中，用于提醒教师查看当前注意力水平过低的学生。
图5所示为教师手机端app界面图。教师系统的学生注意力显示模块将学生按注意力等级高中低三个等级分类并统计三个等级的学生比例，学生总体注意力情况统计窗10显示所有学生的注意力等级，学生注意力评估报告窗12显示注意力三个等级的学生比例。教师系统的低注意力预警模块判断并统计出目前注意力等级低的学生名单，显示在手机app的低注意力名单显示窗11中，提醒教师查看当前注意力水平过低的学生
图6所示为学生手机端app界面图。学生系统的学生注意力显示模块将当前学生的注意力等级显示在个人注意力情况显示窗13中。
学生系统的注意力预警模块通过声光报警提醒处于低注意力等级设定时间的学生。
本实施例中，手机端与pc端的连接均通过无线方式完成，通过构建wifi局域网的形式完成数据的传输。
此外在教学结束后对学生的表现进行统计分析和评价共享，以辅助教师对学生学习效果进行客观评价，能够不断改进教学手段。
以上示意性地对本发明创造及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明创造的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本专利的保护范围。