CN103815902B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN103815902B CN103815902B CN201310596268.1A CN201310596268A CN103815902B CN 103815902 B CN103815902 B CN 103815902B CN 201310596268 A CN201310596268 A CN 201310596268A CN 103815902 B CN103815902 B CN 103815902B
- Authority
- CN
- China
- Prior art keywords
- index
- frequency
- time
- energy
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
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。
Description
技术领域
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。
背景技术
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。
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
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。
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。
进一步的,所述信号传输装置为无线信号传输装置。
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。
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(1-4Hz),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:
S1(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。
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。
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1-35Hz,保留其中1-35Hz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(1-4Hz),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。
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:
其中,t表示时间,f表示频率,P表示功率,从而Pf(t)表示某一频率f范围内的能量随时间变化的函数,公式的分母部分则表示将1到35Hz频率范围内的能量累加总和;根据以上模型将Pf(t)除以总能量归一化以后,每个频段的相对能量变为0-1范围内的数值,即用Pf ’(t)表示。
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。
附图说明
图1是本发明的系统结构示意图。
图2是本发明的方法流程图。
具体实施方式
如图1所示,本发明一种基于脑电频域特征指标化算法的课堂教学评估系统,包括脑电采集装置1、音视频采集装置2、数据通讯装置3、数据处理及存储装置4,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音视频信号,数据处理及存储装置将采集的数据处理后,显示给课堂教学者,及时掌握使用者在课堂上的状态,其中脑电采集装置包括:脑电信号采集电极、脑电信号参考电极和脑电信号处理器。实际使用中可以采用各种形状和构造,只要能够顺利的采集使用者的脑电信号的形状均可。所述采集装置对人脑活动产生的模拟脑电波进行采样、量化,变成离散数字信号,进行后续的处理。本发明采用的电极能完全满足脑电信号量级的数据采集。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。信号处理器对采集的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计算指标,评估使用者的状态。一般来说,头戴装置内部,进一步整合有电池仓及电源开关。
本发明中的音视频采集装置包括摄像头及音频采集设备,采集使用者的音频和视频信号并实时传输至数据处理及存储装置。该装置一般设置于使用者的座位前,并可以根据不同的使用者进行位置的调节,实时精确的采集信号。
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,本发明中优先采用无线信号传输装置。
数据处理及存储装置为PC机、笔记本或嵌入式智能设备,该装置评估使用者的状态,并进行显示,对使用者进行提示。
脑电信号采集电极优选采用位于前额处,脑电信号参考电极位于耳部。
本发明的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。
其中的,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(1-4Hz),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:
S1(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。
其中的,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。
其中的,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1-35Hz,保留其中1-35Hz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(1-4Hz),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。
其中的,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:
其中,t表示时间,f表示频率,P表示功率,从而Pf(t)表示某一频率f范围内的能量随时间变化的函数,公式的分母部分则表示将1到35Hz频率范围内的能量累加总和;根据以上模型将Pf(t)除以总能量归一化以后,每个频段的相对能量变为0-1范围内的数值,即用Pf ’(t)表示。
大脑协同程度指标表示:
在以上两项基本指标的基础上,我们又根据不同节律表示的内在生理、心理规律,提出利用节律信号之间的同步性来综合反映使用者的大脑协同状态,从而全面表达大脑活动的状态是否适合工作。
指标计算流程如下:
从原始信号中分别提取出8-13Hz和4-7Hz频段范围的alpha和theta波,用a(t)和c(t)表示,其中t表示时间。
对脑电幅度信号a(t)和b(t)分别进行Hilbert变换,得到其相位信号φa(t)和φb(t),表示信号相位随时间变化的情况;
计算alpha和theta能量时间序列之间的同步性指标S,表示一段时间内(用?t表示),两个频段信号总体的相位差值,即同步性的好坏,用于衡量全脑参与维持注意水平的程度,同步性越好,越能调动全脑的认知资源维持较高的注意水平,能够保证警觉性,客服疲劳等因素,提高对外界刺激的加工能力,从而保持较好的工作状态。
指标S的计算模型如下:
其中,S表示拟计算的同步性指标,其中?t表示选定的一段时间长度,信号将根据该时间段的长度从原始信号中逐步计算出,e表示自然常数,其值约为2.71828;t表示选定时间段内的某一时刻;φ(t)表示节律的相位信息;对一段时间内的相位的差进行累加可以计算出总体的相位同步性,以自然对数形式表示可以保证指标在0和1之间。
本专利中,选定时间段长度为1s,即每1s输出以上指标S一次,以实时地跟踪注意力指标的变化,传输给终端并加以提示。
流程图可以按以下流程进行:
预处理->特征表达和提取->特征归一化->特征指标化表示
Alpha
Theta
Beta
前两个合成A:警觉度;
后两个合成B:紧张度;
第一个和第三个深度合成C:协同性指标;
然后指向门限判别和指标输出。
Claims (4)
1.一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;
所述步骤(4)中,脑电指标的算法具体如下:
(1)预处理:对量化的脑电波进行数字滤波,去除肌电干扰噪音;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(1-4Hz),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:
S1(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。
2.根据权利要求1所述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。
3.根据权利要求1所述的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1-35Hz,保留其中1-35Hz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(1-4Hz),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。
4.根据权利要求1所述的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:
其中,t表示时间,f表示频率,P表示功率,从而Pf(t)表示某一频率f范围内的能量随时间变化的函数,公式的分母部分则表示将1到35Hz频率范围内的能量累加总和;根据以上公式将Pf(t)除以总能量归一化以后,每个频段的相对能量变为0-1范围内的数值,即用Pf’(t)表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310596268.1A CN103815902B (zh) | 2013-11-22 | 2013-11-22 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310596268.1A CN103815902B (zh) | 2013-11-22 | 2013-11-22 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103815902A CN103815902A (zh) | 2014-05-28 |
CN103815902B true CN103815902B (zh) | 2016-01-13 |
Family
ID=50751408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310596268.1A Expired - Fee Related CN103815902B (zh) | 2013-11-22 | 2013-11-22 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103815902B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106175752B (zh) * | 2015-04-30 | 2020-12-01 | 浙江美迪克医疗科技有限公司 | 脑电波信号获取设备及方法、状态评估系统及方法 |
CN105139695A (zh) * | 2015-09-28 | 2015-12-09 | 南通大学 | 一种基于脑电波采集的课堂教学监测方法及系统 |
CN106344007A (zh) * | 2016-09-06 | 2017-01-25 | 国家电网公司高级培训中心 | 一种听课状态监测系统 |
US10839712B2 (en) | 2016-09-09 | 2020-11-17 | International Business Machines Corporation | Monitoring learning performance using neurofeedback |
CN108926349A (zh) * | 2017-05-24 | 2018-12-04 | 上海交通大学 | 基于脑电alpha波的日常睡眠开始时期检测方法 |
CN108388343B (zh) * | 2018-02-26 | 2022-06-24 | 天津智空科技有限公司 | 基于专注度的脑电特征反馈对vr沉浸教学管理系统 |
CN108510308A (zh) * | 2018-02-26 | 2018-09-07 | 昆明理工大学 | 一种基于脑电信号特征的影院排片系统及方法 |
CN108537704A (zh) * | 2018-04-17 | 2018-09-14 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
CN109063954A (zh) * | 2018-06-20 | 2018-12-21 | 新华网股份有限公司 | 教师教学的测评方法和系统 |
CN110084508A (zh) * | 2019-04-25 | 2019-08-02 | 清华大学 | 一种课堂教学效果评测方法及装置 |
CN110916631B (zh) * | 2019-12-13 | 2022-04-22 | 东南大学 | 基于可穿戴生理信号监测的学生课堂学习状态评测系统 |
CN116269447B (zh) * | 2023-05-17 | 2023-08-29 | 之江实验室 | 一种基于语音调制和脑电信号的言语认知评估系统 |
CN117158973B (zh) * | 2023-11-04 | 2024-03-15 | 北京视友科技有限责任公司 | 一种注意力稳定性评价方法、系统、装置及存储介质 |
CN117158972B (zh) * | 2023-11-04 | 2024-03-15 | 北京视友科技有限责任公司 | 一种注意力转移能力的评价方法、系统、装置及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2087362U (zh) * | 1990-10-17 | 1991-10-23 | 西北工业大学 | 精确标准化教学测试装置 |
CN102542849B (zh) * | 2012-01-20 | 2013-12-18 | 东南大学 | 形成性评测系统 |
CN103169471A (zh) * | 2013-03-27 | 2013-06-26 | 刘仁俊 | 一种便携式脑电检测系统 |
CN103268717B (zh) * | 2013-04-03 | 2015-05-20 | 漳州师范学院 | 一种基于生物信号的远程教学系统 |
CN103366618B (zh) * | 2013-07-18 | 2015-04-01 | 梁亚楠 | 基于人工智能与虚拟现实用于汉语学习培训的场景设备 |
-
2013
- 2013-11-22 CN CN201310596268.1A patent/CN103815902B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103815902A (zh) | 2014-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103815902B (zh) | 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 | |
CN107495962B (zh) | 一种单导联脑电的睡眠自动分期方法 | |
CN103294199B (zh) | 一种基于脸部肌音信号的无声信息识别系统 | |
CN101515200B (zh) | 基于瞬态视觉诱发脑电的目标选择方法 | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
CN103815900B (zh) | 一种基于脑电频域特征指标化算法的测量警觉性的方法 | |
CN108888280A (zh) | 基于脑电信号分析的学生听课注意力评价方法 | |
CN105279387A (zh) | 一种面向孤独症谱系障碍儿童的执行功能评测与训练系统 | |
CN105139695A (zh) | 一种基于脑电波采集的课堂教学监测方法及系统 | |
CN102920453A (zh) | 一种脑电波信号处理方法及其装置 | |
CN103654799A (zh) | 一种基于脑电波的婴儿情绪检测方法和装置 | |
CN103816007B (zh) | 一种基于脑电频域特征指标化算法的耳鸣治疗设备及方法 | |
CN104571533A (zh) | 一种基于脑机接口技术的装置和方法 | |
CN113855052B (zh) | 一种基于正念冥想的神经反馈干预系统及方法 | |
CN110269611A (zh) | 患者意识障碍程度监测、预警系统及方法 | |
CN103815901B (zh) | 一种应用于单导联便携式脑电设备的频域特征提取方法 | |
CN103077627B (zh) | 一种便携式可视化心音听诊教学系统 | |
CN105726013A (zh) | 一种具有心电信号质量判别功能的心电监测系统 | |
CN109394203A (zh) | 精神障碍康复期情绪监测与干预方法 | |
CN105212960A (zh) | 心音信号质量评估方法 | |
CN106571075A (zh) | 一种多模态语言康复和学习系统 | |
CN109044351A (zh) | 基于脑电生物反馈的逻辑思维训练系统及方法 | |
CN110569968B (zh) | 基于电生理信号的创业失败恢复力评估方法及评估系统 | |
CN208809272U (zh) | 一种心理调节装置 | |
CN109840667A (zh) | 一种基于脑电信号的二维心理坐标式过程性教学评价系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160113 Termination date: 20191122 |