[发明专利]基于可穿戴生理信号监测的学生课堂学习状态评测系统

权利要求书

1.基于可穿戴生理信号监测的学生课堂学习状态评测系统，其特征在于：包括穿戴式多生理信号采集模块、生理信号传输与同步模块、服务器端数据分析模块和学习状态评测模块；所述穿戴式多生理信号采集模块包括穿戴式脑电设备、穿戴式心电设备和脉搏波检测手环，分别对应采集学生的脑电信号、心电信号和脉搏波信号；所述生理信号传输与同步模块将穿戴式多生理信号采集模块采集的各生理信号的时间戳保持同步，并通过无线方式将数据传输至服务器端数据分析模块；所述服务器端数据分析模块对各生理信号进行预处理和特征提取，将特征向量输入分类模型中得到学生的注意力、情绪、疲劳和压力的指标，基于这4个指标得到学生的学习参与度指标，并将这些指标上传至学习状态评测模块；所述学习状态评测模块将服务器端数据分析模块上传的数据显示给教学者，并将其保存形成历史数据；

在服务器端数据分析模块中，将脑电信号、心电信号和脉搏波信号的特征组成特征向量分别输入预先训练好的对应于注意力、情绪、疲劳和压力的4个分类模型中，并分别输出注意力、情绪、疲劳和压力指标值，将这4个指标值通过加权求和得到学生的学习参与度综合指标；

采用支持向量机作为分类模型，并采用RBF核函数作为支持向量机的核函数；在训练模型时，采用网格搜索法结合十折交叉检验法的支持向量机参数优化算法寻找最优的惩罚因子和径向基函数参数；

注意力分类模型的训练数据包括要求被试者执行多种注意力任务时的脑电、心电和脉搏波实验数据；情绪分类模型的训练数据包括被试者观看多种类型视频时诱发不同情绪的脑电、心电和脉搏波实验数据以及DEAP情绪实验数据库的公开数据；疲劳分类模型的训练数据包括被试者执行长时程认知任务时的脑电和心电实验数据；压力分类模型的训练数据包括被试执行多项压力实验时的脑电和心电实验数据。

2.根据权利要求1所述基于可穿戴生理信号监测的学生课堂学习状态评测系统，其特征在于：在生理信号传输与同步模块中，通过TCP/IP协议将采集的脑电信号无线传输至服务器端数据分析模块，采集的心电信号和脉搏波信号通过蓝牙传输至匹配的手机，再通过手机发送至服务器端数据分析模块。

3.根据权利要求1所述基于可穿戴生理信号监测的学生课堂学习状态评测系统，其特征在于：在服务器端数据分析模块中，首先需要对采集的各生理信号进行信号质量评估，剔除质量不符合要求的数据，保留质量符合要求的数据进行预处理：对于脑电信号，进行带通滤波，并滤除工频干扰，自适应去除眼电和肌电干扰；对于心电信号，滤除工频干扰，并去除高频毛刺和基线漂移；对于脉搏波信号，首先滤除杂波干扰和奇异波，然后进行平滑和降噪处理。

4.根据权利要求1所述基于可穿戴生理信号监测的学生课堂学习状态评测系统，其特征在于：在服务器端数据分析模块中，对经过预处理的脑电信号进行特征提取，提取的特征包括不同波段能量的比值、模糊熵、多尺度模糊熵曲线下面积和额叶偏侧化指标。

5.根据权利要求1所述基于可穿戴生理信号监测的学生课堂学习状态评测系统，其特征在于：在服务器端数据分析模块中，对经过预处理的心电信号进行特征提取，提取的特征包括时域特征：连续RR间期、R波峰值、P波峰值和QRS波时间间隔，以及这4个时域特征的统计特征，还包括心率变异性频域特征：超低频功率、低频功率、高频功率和低频高频功率比。

6.根据权利要求1所述基于可穿戴生理信号监测的学生课堂学习状态评测系统，其特征在于：在服务器端数据分析模块中，对经过预处理的脉搏波信号进行特征提取，提取的特征包括：脉搏波PPG信号的统计特征，脉搏间期PPI的统计特征和脉搏间期PPI的频谱。

7.根据权利要求1所述基于可穿戴生理信号监测的学生课堂学习状态评测系统，其特征在于：所述学习状态评测模块包括与每位学生一一对应的手机端以及供教学者使用的PC端；学生通过手机端进行座位选择、信息填写、穿戴式设备启闭以及睡眠心电信号采集；教学者通过PC端进行班级整体状态评测和学生个人状态评测，并基于这两种状态评测生成课堂评测报告，所述班级整体状态评测包括班级基本信息，学生分布情况以及班级所有学生的平均注意力、情绪、疲劳、压力指标和学习参与度综合指标的变化曲线，所述学生个人状态评测包括学生基本信息，学生睡眠心电数据以及学生上课的注意力、情绪、疲劳、压力指标和学习参与度综合指标的变化曲线。