[发明专利]基于专注度的脑电特征反馈对VR沉浸教学管理系统

权利要求书

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，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X_S；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X_n；将X_S与X_n通过SSD算法得到的输出结果为X_SSD，数据维度为1×512，其中512为时间信息，将X_SSD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X_delta，(4，8)Hz的通道滤波，得到X_theta,(8,13)Hz滤波，得到X_alpha,(13,30)Hz滤波，得到X_beta，(30，50)Hz滤波，得到X_gamma；

S4：计算记忆力指标：

当M-Rate0.5时，学生的记忆力得到训练，当M-Rate0.5时，学生的记忆力并未得到训练；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；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。

2.根据权利要求1所述的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，所述学生的A-Rate，M-Rate，L-Rate和C-Rate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。

3.根据权利要求1所述的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，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。

4.根据权利要求1所述的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，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，之后可以推荐逻辑推理与创造力有关的课程。

5.根据权利要求1所述的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，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，之后可以推荐记忆力与创造力有关的课程。

6.根据权利要求1所述的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，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，之后可以推荐记忆力与逻辑推理有关的课程。