CN105962929A - 脑波数据分段记录方法以及记录和显示装置 - Google Patents

Abstract

本发明公开一种脑波数据分段记录方法以及记录和显示装置，主要步骤包括处理器根据设定分段值对脑波数据进行分段；统计反映本段数据长度或时段的持续值；把持续值记录在反映本段脑波数据大小或状态的特征值下。本发明把一个复杂的较长序列数据，分成若干时段或区段，再进一步提取所述时段或区段数据的特征值与持续值进行记录，一方面通过特征值反映脑波数据大小或状态，另一方面通过持续值反映数据长度或时段，记录数据简单、直观、易懂，且数据量小。本发明可以应用在对学生学习状态监测，记录学习过程中的大脑状态，对记录的脑波数据进行分析，可以发现学生的不良学习习惯或问题，帮助其健康成长。

Description

脑波数据分段记录方法以及记录和显示装置

技术领域

本发明涉及脑波数据处理技术，特别是涉及一种脑波数据分段记录方法以及记录和显示装置。

背景技术

脑电技术已在医疗、娱乐、教育等领域应用，脑电传感器采集输出多种波段的脑电信号，经处理又可以生成多种精神状态数据，脑波数据按采集序次排列，随着时间积累，序列数据复杂而庞大。穿戴设备受体积重量限制，存储能力有限，简化脑波数据的记录，有利于穿戴设备使用体验，和后续的数据处理分析。

发明内容

本发明的第一个目的是提供一种脑波数据分段记录方法，把脑波数据划分成若干只包含一个脑波数据特征值与一个数据长度持续值的段，使记录的数据简单易懂，便于后续的处理分析。

本发明的第二个目的是根据上述分段记录方法，提供一种脑波数据分段记录装置，减少脑波数据记录量，节省存储空间。

本发明的第三个目的是根据上述分段记录方法，提供一种脑波数据分段显示装置，简洁直观显示脑波数据分布特征。

本发明的第一个技术方案，一种脑波数据分段记录方法，主要步骤包括处理器根据设定分段值对脑波数据进行分段；统计反映本段数据长度或时段的持续值；把持续值记录在反映本段脑波数据大小或状态的特征值下。本发明把一个复杂的较长序列数据，分成若干时段或区段，再进一步提取所述时段或区段数据的特征值与持续值进行记录，一方面通过特征值反映脑波数据大小或状态，另一方面通过持续值反映数据长度或时段，记录数据简单、直观、易懂，且数据量小。

所述分段方法可以根据单个脑波数据与设定条件的比较进行分段，或根据多个脑波数据与设定条件的比较进行分段；前者对单个数据进行实时划分，考虑每个数据的个性，后者根据一批数据特性进行划分，主要反映该批数据的共性。各段数据之间可以是连续的，也可以是不连续的，段与段之间连续，使分段范围覆盖全部数据；如果段与段之间存在间断，记录主要时段或区段数据，间断省略短暂异常数据，针对性强。

本发明的第二个技术方案，一种脑波数据分段记录装置，包括脑电传感器、处理器和存储器，其中脑电传感器采集脑电信号传送处理器计算处理，生成脑波数据，并根据上述分段记录方法对脑波数据进行分段，统计反映本段数据长度的持续值，存储器把持续值记录在本段脑波数据的特征值下，用特征值和持续值反映各段脑波数据，节省存储空间，并便于后续处理。

进一步的改进，记录装置可以设置数据传输接口，通过传输接口把记录数据传送到外部设备，所述数据传输接口为有线或无线方式；有线方式包括RS232或USB接口，无线方式包括蓝牙和射频和zigbee和wifi技术中的任一种。

进一步的改进，记录装置可以设置提醒模块，当所述脑波数据落入设定提醒段，处理器触发提醒模块进行提醒，所述提醒模块包括声、光、微电刺激、震动、骨传导中的任一种。

本发明的第三个技术方案，一种脑波数据分段显示装置，用于对记录的脑电波数据进行分段处理，在显示器上显示，包括接收脑波数据的通信器，对数据进行分段统计的处理器和显示统计结果的显示器，其特征是处理器根据上述分段方法对脑波数据进行分段，统计反映本段数据长度的持续值，绘制各段脑波数据的特征值与持续值的统计图表，传送显示器显示，简洁直观反映脑波数据的分布特征。

本发明可以应用在对学生学习状态监测，记录学习过程中的大脑状态，对记录的脑波数据进行分析，可以发现学生的不良学习习惯或问题，帮助其健康成长。通过分段记录的脑波数据，格式简单，数据量小，降低对硬件的要求，并易于后续处理分析，根据特征值和持续值绘制的统计图表，可以直观明了地反映脑波数据分布特征。

附图说明

图1是分段记录装置实施例的配置框图。

图2是脑电传感器电路连接原理示意图。

图3是分段记录基本流程图。

图4是显示装置实施例的配置框图。

图5是一个精神状态统计直方图示例。

具体实施方式

在图1所示的记录装置配置框图中，包括脑电传感器、处理器和存储器，其中脑电传感器采集脑电信号传送处理器，生成脑波数据，并对脑波数据进行分段处理，传送存储器记录保存。

脑电传感器包括单通道或多通道，采用单极或双极协议采集脑电信号；所述单通道是只监测头部一个区域如前额的脑电信号，如神念科技ThingkGear AM芯片为单通道；所述多通道是监测头部如前额、头顶、后枕等多个区域的脑电信号，如德州ADS1299芯片为8通道。脑电信号微弱不稳定，又受强背景噪声干扰，脑电传感器经过对脑电信号增强和对背景噪声的降噪处理，输出的各波段脑电信号可以直接用来做进一步的应用分析。

图2所示的是单通道EEG脑电采集传感器ThingkGear AM系列芯片电路连接原理示意图，图中显示了通信连接，未显示去耦和所有连接。处理器ADuC7024具有存储单元，通过UART进行编程，SW1是电源开关，SW2和SW3分别是复位和下载开关。处理器ADuC7024端口P1.5与脑电传感器ThinkGear AM输入端RXD相连，用于对脑电传感器ThinkGear AM进行初始化等操作。与人脑接触的A、B、C三个金属电极分别与脑电传感器的采集电极EEG、比较电极REF和接地端GND相连，脑电传感器每秒采集512个脑电信号数据点，提取八个波段（Delta、Theta、LowAlpha、HighAlpha、LowBeta、HighBeta、LowGamma、MiddleGamma）的脑电信号，和三个eSense参数：专注度、放松度和眨眼侦测，通过端口TXD输出。不同波段脑电信号反映不同的大脑状态，比如Delta（0.5Hz~3Hz）波反映的是睡眠状态，又称“深睡波”，Theta（3Hz~7Hz）波反映的是困倦状态，又称“浅睡波”，Alpha（7Hz~13Hz）波反映的是轻松状态，又称“放松波”，Beta（13Hz~30Hz）波反映的是意识活跃状态，又称“兴奋波”， Gamma（30 Hz ~50 Hz）波反映的是紧张状态，又称“压力”波。

通过基于实验数据库的神经算法，使用上述波段的功率频谱数据进行分析计算，可以反映不同的精神状态，如入睡、困倦、疲劳、放松、冥想、专注、思考、焦虑、压力、兴奋、紧张、喜欢、高兴、沮丧等。根据频谱数据可以计算反映精神状态水平的指标，比如上述专注度和放松度就是通过脑电信号计算生成的精神状态指标，是范围在0—100的数值，专注度值越大，说明专注度越高，反之专注度越低；放松度值越大，说明越放松，反之，说明放松度越低；另外，根据频谱数据还可以建立精神状态判断标准，从而划分出不同的精神状态。脑电信号分析方法有：①时域分析，主要分析EEG波形的几何性质，如幅度、均值、方差、偏歪度、峭度等；②频域分析，主要是利用功率谱进行分析，如功率频谱分析、相干分析等；③时频分析，把时间和频率结合进行处理，如对睡眠纺锤波的匹配跟踪分析等。

以下实施例中所述脑波数据包括各波段脑电信号或根据脑电信号计算的精神状态，所述脑电信号包括频率、功率、振幅、功率谱、功率频谱。

在图3所示的分段记录方法基本步骤流程图中，首先设置分段值，通过与分段值的比较，判断脑波数据落入的段，具体步骤如下：

<步骤1> 开机进行系统初始化，进入下一步；

<步骤2> 根据分段方法设置分段值；

<步骤3> 采集脑电信号，传送处理器生成脑波数据，进入下一步；

<步骤4> 判断当前所属的段，进入下一步；

<步骤5> 判断当前所属分段是否改变，如果是，表明转入新的分段，进入下一步，如果否，累计本段脑波数据持续值，转入步骤3；

<步骤6> 把持续值记录在本段脑波数据特征值下。

上述分段方法包括对脑波数据进行区段划分，把同一区段的脑波数据分为一段，或是对脑波数据进行时段划分，把一个连续时间段的数据分为一段。所述脑波数据可以是单一种脑波数据，如同一波段的脑波数据如Theta波，或同一种精神状态数据如专注度，或是同时刻多种脑波数据，如多种波段脑波数据Theta波与Beta波、多种精神状态数据专注度与放松度。所述持续值包括所述段脑波数据的累计频数、或累计频率、或持续时间长、或持续时间长占总时间长的比率、或本段开始时间与结束时间中的任一种；所述特征值包括所述段的脑波数据分段值、或所述段的脑波数据统计值、或所述段脑波数据中的精神状态中的一种。下面结合具体实施例加以说明。

区段划分

根据脑波数据进行区段划分，是根据脑波数据的数值大小，按照设定的分段值进行分段，分段值作为特征值固定不变，即使是该段数据的统计值作为特征值，统计值的变化也在分段值范围内，因此，根据区段划分的每段脑波数据状态已经明确，可以与精神状态相关联。区段划分包括根据脑波数据设置分段值，把同一区段的脑波数据分为一段；或是根据脑波数据中精神状态进行分类，把同一类精神状态下的脑波数据分为一段。

（1）根据脑波数据设置分段值，包括根据脑波数据的大小、或差值、或比值、或波形参数中的任一种数值设置分段值，把同一区段的脑波数据分为一段。

根据脑波数据的大小设置分段值的一个优选例是分组，根据脑电波数据的大小范围设定分段值，把落入同一分段区间的数据归为一组，分组可以是等组距或异距分组。比如精神状态中的专注度是0~100的数值范围，可以等距分成五个组，组距为20，分别对应困倦、放松、平静、专注、兴奋五种精神状态。以[0，20）区段为例（“[”表示等于，“）”表述不等），当专注度数值小于20落入该区间，表明当前精神困倦，统计持续值，一旦专注度数值大于或等于20，表明落入下一组，本段数据结束，开始统计下一组的持续值。持续值包括累计频数或持续时间长，如果采集间隔不变，累计频数与采集间隔的乘积就是本段数据的持续时长。如果采集间隔是变化的，以最新数据的采集时间点为两段记录的时间分界点，或是后者减去一个采集时间间隔作为时间分界点，记录上次时间分界点作为本段开始时间，本次分界点作为结束时间；或是记录两个时间点之差，作为本段数据的持续时长。特征值可以是分组的上限值或下限值或组中值中的任一种，或是本段脑波数据的统计值，统计值包括平均值、标准差、中位数、众数中的任一种，或是以上述五种精神状态作为特征值，比如分别用数字1、2、3、4、5代替所述精神状态，或用kunjuan、fangsong、pingjing、zhuangzhu、xingfen对应所述状态，把持续值记录在对应精神状态下。

再比如以Beta波功率谱数据为例，其大小范围是0~20（×10⁵μν²），设置5、10、15三个分段值，可以划分入睡、困倦、清醒、兴奋四种精神状态，以该状态下的Beta波功率谱数据统计值作为特征值，或以区段值作为特征值，统计每种精神状态下的持续值，记录在本段特征值下；或以精神状态作为特征值，比如分别用数字1、2、3、4代替相应状态，或用ruishui、kunjuan、qingxing、xingfen对应相应状态，把持续值记录在所述精神状态下。

分组记录的格式有统计格式和流水格式两种，其中统计格式包括以下两种形式，一种形式是：

分组特征值1，本段持续值、本段持续值、本段持续值……

分组特征值2，本段持续值、本段持续值、本段持续值……

……

分组特征值5，本段持续值、本段持续值、本段持续值……

分组特征值是设定的分段值或区段中间值，固定不变，只记录每段数据变化的持续值，记录格式简洁，又便于后续数据处理。如果进一步记录每段数据的开始时间，结合持续值，可以确定每段数据的时段，进而可以再现整个学习过程。

另一种形式是：

分组特征值1，本组累计持续值

分组特征值2，本组累计持续值

……

分组特征值5，本组累计持续值

两种记录格式的持续值关系是：分组特征值1的本组累计持续值=∑（分组特征值1的本段持续值）。前一种格式是以段为单位，记录的是每段的持续长度，后者是以组为单位，记录的是该组累计的总持续长度值，该值在记录过程中不断被统计刷新。持续值包括累计频数、或持续时间长、或本段开始时间与结束时间，在后一种记录中，还可以记录本组的累计频率、或持续时间长占总时间长的比率作为持续值。累计频率是本段脑波数据的累计频数占所有区段累计频数总和的比率，与之对应的是时间比率，是本段脑波数据的持续时间长占所有区段脑波数据采集时间总长的比率，在脑电传感器采集时间间隔不变的情况下，频数与采集间隔的乘积就是时间长，即频数比率与时间比率相同，频数比率或时间比率反映本段数据在总数据中占的比重，更加直观反映脑波数据分布特征。

分组记录的流水格式是：

分组特征值1，本段持续值

分组特征值2，本段持续值

分组特征值1，本段持续值

……

流水式记录特征值和持续值，记录动作简单，后续处理可以进行同组合并。这种记录方法中，特征值可以是设定的分段值，或是本段数据统计值，统计值的大小处于分组区段内，同一分组区段内的统计值可以相等也可以不等，其反映的信息内容更加详细，进一步的改进，可以记录分组区段值、本段统计值、本段持续值，后续处理可以对同一分组区段的统计值作更进一步分析处理，满足不同层次的需要。

在实际记录的脑电信号中，通常是一种以上不同节律的脑波同时存在，大脑不同状态，能使脑电信号的波形发生不同的变化。通常情况，当脑波数据中以高频低振幅的快波为主时，表明大脑皮层呈现兴奋状态；而当代之以低频高振幅的慢波时，则表明抑制过程增强，呈现困倦状态，通过比较不同脑波数据的强弱关系，可以划分对应的精神状态，弱化因佩戴或个体原因造成的信号差异。

多种脑波数据可以通过单项值进行比较，比如θ波是低频波，主要反映困倦睡眠状态，β波是高频波，主要反映兴奋状态，如果低频波逐渐增强、高频波逐渐减弱说明精神状态由兴奋向困倦转变，即当θ波与β波的功率谱差值或比值越大，则困倦程度越高。比如根据θ、β大小计算差值K=β－θ，当K值小于0，表明低频θ波强于高频β波，呈现为入睡状态，当K值大于5×10⁵μν²，表明以高频β波为主，呈现为兴奋状态；再比如计算比值K=θ／β，如果设置一个区段值如1.0，可以划分如困倦与清醒两个状态；如果设置0.5、1.0、1.9三个区段值，可以依次划分出兴奋（<0.5）、清醒（0.5~1.0）、困倦（1.0~1.9）、入睡（>1.9）四个状态段。把同一差值或比值的θ波数据或β波数据归为同一区段，统计每个状态下的持续值，把区段值作为特征值或用精神状态代替特征值记录在一个区段，或是分别计算θ或β波功率谱的统计值作为该状态下对应波段的特征值分开记录，即相同的区段有不同的波段数据。

多种脑波数据还可以通过不同脑波数据的加和值或减差值进行比较，比如以Theta、LowAlpha、HighAlpha、LowBeta波为例子说明，计算比值K= (Theta+LowAlphaa) ／（HighAlpha+LowBeta ），根据比值K设置0.3、0.7、1.5三个区段值，可以依次划分出兴奋（<0.3）、清醒（0.3~0.7）、困倦（0.7~1.5）、入睡（>1.5）四个状态段。

再比如以一种脑波数据占数据总和的比值，仍以θ波作为例子说明，对波段数据求频谱总量∑=（δ+θ+α+β+γ），计算θ波频谱分量占总量∑的比值K=θ／∑，比值K范围是0~1，设置0.2和0.35两个区段值，划分清醒、困倦和入睡三种精神状态，统计每种状态下的持续值，记录在该状态下。或如计算β波频谱分量占总量∑的比值K=β／∑，设置0.2和0.25两个区段值，划分困倦、清醒和兴奋三种精神状态。

又如以脑波数据中的精神状态数据占精神状态数据总和的比值，如专注度与放松度精神状态数据，求状态数据总量∑=（专注度+放松度），计算放松度占总量∑的比值K=专注度／∑，比值K范围是0~1，根据专注度的大小范围设置分段值，可以等距分成五个区段，间距为0.2，对专注力的程度进行分段，划分出困倦、放松、平静、专注、兴奋五种精神状态。

诸如此类分段方法，可以根据需要组合应用，对某种精神状态采用更具代表性的计算方法，不同的应用场景选择不同脑波数据组合，优化分段计算方法。区段值的设置可以是一个到多个，其中，对于多个分段值，可以等距设置，或异距设置，缩小重点监测部分的间距，放大其余部分，做到重密轻疏，或采取间断方法，把次要区段数据间断省略掉。

根据波形参数进行分段，波形是脑波数据分布的几何形状，特殊状态的脑电波，具有特殊的几何形状，如反映睡眠状态的纺锤波。波形参数分析是根据波形特征进行匹配跟踪，把同种波形的脑电波数据分为同一段，比如把出现纺锤波形的脑电波数据归为睡眠段。波形特征主要通过时域分析的方法提取几何性质，如过零截点分析、直方图分析、方差分析、相干分析等。根据波形参数设置的区段值是组合值，波形参数包括幅度、均值、方差、偏歪度、峭度等，不同的波形有不同的参数组合，把脑波几何形状分成匹配或不匹配，计算匹配的脑波数据的统计值作为特征值，或把对应的精神状态作为特征值，以持续时长或累计频数作为持续值，或记录开始时间和结束时间。

根据脑波数据中精神状态进行分类，是直接通过精神状态进行区段划分，把同一种精神状态下的脑波数据分为一段，比如根据困倦、放松、平静、专注、兴奋五种精神状态的判断标准划分五个区段，把困倦下的脑波数据分为一段，统计该段数据的持续值和平均值，记录在“困倦”区段下，同样记录其它状态下数据。判断精神状态的一种方法是根据预存的脑电波频率范围或脑波数据特征表，判断所属精神状态，如果大脑状态数据与设定范围或特征相匹配，可以确定当前精神状态分类。此外，判断精神状态还可以通过神经算法计算得来，即根据脑电波频谱数据计算建立判断标准，不同的神经算法计算的精神状态会有偏差，通常结合实验数据进行，建立的判断标准可以是单个设定阀值，也可能是由多个数值组合的复合条件，不同算法依据的脑电波数据也各不相同，精神状态判断方法可以查阅相关技术资料。

时段划分

所述时段划分包括根据脑波数据的相对大小进行分段，把波动在设定范围的一个连续时间段的脑波数据分为一段，或是根据时间进行时段设定，把处于设定时间段的脑波数据分为一段。根据脑波数据进行的时段划分与根据时间条件进行的时段划分，都是按照时间顺序依次记录，但是两者反映的侧重点不同，根据脑波数据进行的时段划分，反映的是每个时段的脑波数据的大小状态和持续性的长短，其持续值和特征值都在不断变化，需要计算统计，根据时间条件进行的时段划分，其特征值不断变化，需要计算统计，而持续值是设定的，侧重反映的是每个时段的脑波数据大小状态。

（1）根据脑波数据相对大小进行时段划分，是把大小或状态相近的脑波数据分为一段通过脑波数据差值、或比值、或离散度设置分段值，把波动在设定范围的一个连续时段的学习状态数据分为一段，，计算统计本时段脑波数据大小或状态作为特征值。

脑波数据差值是比较两个脑波数据之间的距离大小，根据差值法设置的一个分段值，把相距小于分段值的脑波数据分为同一时段，即把波动变化在一定幅度范围的脑波数据分为同一段，当差值大于分段值时，说明波动变大，超出范围，把前一个数据归为当前时段，最新的数据归为下一时段统计，两段的时间分界点是最新数据的采集时间，或是该时间点提前一个采集时间间隔作为分界点。差值的计算方法有位置差值法和中心差值法。位置差值是对脑波数据按升序或降序进行排序，计算两个特定序位数值的差，即第N位数据与倒数第N位数据的绝对离差，比如最大值与最小值之差、或上四分位数与下四分位数绝对离差，根据位置差值设置的分段值反映的是数据波动的上下幅度范围，当其小于设定分段值，说明数值大小相近，归为同一段。中心差值是计算脑波数据与中心数值的差，中心数值包括平均值、标准差、中位数和众数中的任一种，脑波数据与中心数值的差，反映该数据偏离中心的距离，中心差值分为上位差（大于中心值的数据与中心数值之差）和下位差（小于中心值的数据与中心数值之差绝对值），根据中心差值设定的分段值反映的是数据波动的上半幅或下半幅范围，中心差值的判定采用上下位差同时小于设定区段值。中心数值可以先通过位置差值判断建立，当同一段的数据个数大于N，计算中心数值，建议N不小于6。中心数值建立后，可以保持不变，也可以根据该段数据的增加而统计更新，或是变换新的脑波数据进行重新统计。

脑波数据比值反映的是数据相对偏离度，包括位置比值和中心比值。位置比值是计算两个特定序位数值的比，或计算两个特定序位数值的差，再除以中心数值、或上端位置数值、或下端位置数值中的任一数值，中心比值是计算脑波数据与中心数值的比，或计算脑波数据与中心差值后，再除以中心数值。根据比值设定的一个分段值，是把所述比值小于设定值的数据归为同一时段，具体方法同差值分段方法。

离散度反映脑波数据的差异性，是评判脑电波数据离中心的趋势，是对数据个性的测度，离散度包括异众比率、四分位差、平均差、标准差、离散系数、标准化值中任一种。离散度作为一种统计值，应有N个数据统计得出，建议N不小于6。根据离散度设置的分段值是一个设定阀值，如果一批数据的离散度小于设定阀值，说明该批数据具有较强的共性，把该批数据分为同一段，一直持续统计下去，一旦离散度大于设定阀值，说明数据的差异性变大，把使离散度变大的最新数据分为下一时段，该数据以前的数据分为同一时段，计算不包括最新数据的这一段数据的统计值作为特征值，作为持续值的持续时间长或累计频数的结束点也在最新数据，该数据的采集时间是本时段结束时间点和新时段开始时间点。标准差在离散度计算中是一个关键值，当样本数量较大时，后续样本的对标准差的影响会减弱，建议根据脑波数据应用特点控制标准差的样本数量，即对同一时段统计标准差的数据再分段。

根据脑波数据进行时段划分，每个时段的脑波数据特征值是该段数据的统计值或精神状态分类，以持续时长或累计频数作为持续值，记录格式是：

统计值1，本时段持续值1

统计值2，本时段持续值2

统计值3，本时段持续值3

……

通过一个设定的分段值，可以划分出多个时段数据，每个时段数据的统计值不断波动变化，上述统计值1不等于统计值2，但是可以等于统计值3。进一步的细化，记录中还可以记录本时段开始时间或结束时间，反映更丰富的信息内容。

（2）根据时间条件进行时段划分，是根据时间进行时段设定，把满足时间条件的一段连续脑波数据分为一段，统计记录反映该时段脑波数据的大小状态的特征值，或进一步对设定时间段的脑波数据再进行区段划分，依次记录设定时段内的每个区段的状态数据特征值和持续值。比如以学生上课场景为例，根据课堂时刻表设定时段进行划分，分别记录每堂课的用脑状况，避免课间活动时段的无用记录；进一步的细化，还可以对堂课时段的脑波数据进行区段划分，把同一区段下一个连续时段的脑波数据分为一个时段，依次记录不同时段的状态数据特征值和持续值，反映课堂学习过程中的大脑状态特征；或是对上课过程按时间进行分段记录，比如设定每1、或3、或5分钟作为一个时段记录一次，统计每个时段的反映脑波数据大小或状态的特征值，持续值为设定时段长，还可以记录每个时段开始时间。通过时段划分记录的数据，可以反映用户每堂课的大脑状态数据随着上课时间的变化情况，再现课堂学习过程，对比不同课程的学习状态，并把课间活动时段间断省略掉。

前述根据脑波数据进行的分段方法是单个数据与分段值实时进行实时比较，逐个判断每个数据所属分段，为避免异常数据的影响，可以根据一批M个脑波数据的平均值进行比较判断，当平均值满足分段要求，说明这M个数据相近，可以归为同一段，为了保持判断的连续性，在出现一个新数据后，把这M个数据的第一个数据归为该段统计，继续保持为M个数据，计算其平均值进行判断，如果平均值不满足分段要求，说明出现的新数据是另一段的数据，把最后一个数据归为下一段，再把其它数据全部归为前一段，并统计该段的持续值。

另一种多数据判断方法是当M个脑波数据中有N个数据满足分段要求，把这M个数据归为同一段，为了保持判断的连续性，在出现一个新数据后，把这M个数据的第一个数据归为该段统计，继续保持为M个数据，当满足分段要求的数据个数少于N个，说明出现的新数据是另一段的数据，把最后一个数据归为下一段，再把其它数据全部归为前一段，并统计该段的持续值。上述M个数据为连续数据，N个数据可以是连续或不连续数据。相同的方法还可以根据在设定时长内满足分段要求的时间总和来判断。

脑波数据的分段记录，存储器可以把本次采集的所有数据放在一个文件夹，把不同的分段数据记录在该文件夹的不同文件里，通过文件名称加以区分，比如以特征值作为文件名称；或是把本次采集的所有数据记录一个文件里，通过段落位置区分不同的分段数据，或者是依次记录每次的分段数据，根据分段结果添加分段标记，同一区段值的分段标记相同，不同区段值的分段标记不同，后续数据处理分析时，通过识别分段标记分选出所需分段数据。

优选地，记录装置还可以设置提醒模块，当脑波数据落入某一设定区段，处理器触发提醒模块进行提醒，比如通过θ波与β波的比较值，设置一个区段值，划分出困倦与清醒两个状态，把该区段值作为不良状态提醒阀值，当所述脑波数据属于困倦状态，处理器触发提醒模块提醒。另外，还可以在上述入睡到兴奋的四种精神状态中，选择某种精神状态，如放松状态、困倦状态、入睡状态的分段值或判断标准作为提醒阀值，当所述脑波数据值落入该段范围或呈现不良状态，处理器触发提醒模块进行提醒，并根据不同精神状态采用不同提醒程度或方式，比如放松状态下进行稍微提醒，困倦状态下进行稍重提醒，入睡状态下进行重度提醒。以所示图中的LED灯为例，稍微提醒进行慢闪烁，稍重提醒进行快闪烁，重度提醒持续明亮。

在图4所示显示装置的配置框图中，包括接收脑波数据的通信器，对数据进行分段统计的处理器和显示统计结果的显示器，处理器对通信器接收的脑波数据进行分区段统计，根据各段脑波数据的特征值和持续值绘制统计图表，传送显示器显示。

显示装置可以是智能手机、或其它具有数据接收处理显示功能的一体设备，或是由通信器、处理器、显示器的分体组合而成。

通信器接收记录装置传送的脑电波数据，可以是一种数据传输装置或接口，或是具有数据接收功能的设备，如智能手机、网络服务器、计算机以及其它具有数据接收功能的设备。

通信器可以通过有线方式获取脑电波数据，如通过USB通用串行总线接收数据。

通信器可以通过SD存储卡等作为传送介质接收脑电波数据。

通信器可以通过无线方式接收脑电波数据，如蓝牙、射频、红外线、zigbee、wifi中的任一种；或者通过互联网、局域网接收数据。

处理器包括进行处理控制的处理单元如CPU和存储程序的存储单元，处理器作为显示装置的组成部分，可以是独立于显示装置存在，比如服务器，对数据处理后，把结果发送到手机进行显示，或是处理显示一体的智能手机，在智能手机上处理后直接进行显示。如果智能手机作为完整的显示装置，通信器、处理器、显示器成为显示装置的内部构成单元。

显示器是具有画面显示功能的终端设备，可以与通信器和处理器集成在一起，也可以单独存在，比如手机、计算机以及具有显示功能的其它设备都可以作为显示装置的独立显示器。

脑波数据的分段显示，首先根据上述分段方法对脑波数据进行分段，处理后的数据格式有流水式和统计式两种，流水式是按时间顺序，一个分段一记录，同一特征值的区段可以重复出现，统计式是对流水式的再合并，一个特征值的区段只记录累计的总持续值。对于流水式的分段数据，统计图表可以根据分段的时间顺序，以时间为横轴、持续值为纵轴绘制折线图或直方图或柱状图显示，或是编制时段与持续值对应的表格显示。对统计格式的图表可以根据分段区间的大小顺序，以区段值为横轴、以持续值为纵轴绘制折线图或直方图或柱状图显示，或是编制区段值与持续值对应的表格显示。流水式图表反映的是脑波数据在不同时段的具体状况，统计式图表反映的是脑波数据的总体分布特征。图5所示的统计直方图，纵轴是累计频率，横轴是区段值，分别对应困倦、放松、平静、专注、兴奋五种精神状态。

本申请公开的具体分段实例和精神状态分类是示例性质，不作为对本申请的限制，形式和细节上的改变没有脱离本申请的发明范围。

Claims (10)

1.一种脑波数据分段记录方法，其特征包括以下步骤：

（1）处理器根据设定分段值对脑波数据进行分段；

（2）统计反映本段数据长度或时段的持续值；

（3）把持续值记录在反映本段脑波数据大小或状态的特征值下。

2.根据权利要求1所述的记录方法，其特征是：所述分段包括对脑波数据进行区段划分，把同一区段的脑波数据分为一段，或是对脑波数据进行时段划分，把一个连续时间段的脑波数据分为一段。

3.根据权利要求2所述的记录方法，其特征是：所述区段划分包括根据脑波数据设置分段值，把同一区段的脑波数据分为一段，或是根据脑波数据中精神状态进行分类，把同一类精神状态下的脑波数据分为一段。

4.根据权利要求3所述的记录方法，其特征是：所述根据脑波数据设置分段值包括根据脑波数据的大小、或差值、或比值、或波形参数中的任一种数值设置分段值，把同一区段的脑波数据分为一段。

5.根据权利要求2所述的记录方法，其特征是：所述时段划分包括根据脑波数据的相对大小进行分段，把波动在设定区段的一个连续时间段的脑波数据分为一个时段，或是根据时间进行时段设定，把处于设定时间段的脑波数据分为一个时段。

6.根据权利要求5所述的记录方法，其特征是：所述设定区段是根据脑波数据的差值、或比值、或离散度中的任一种数值设置分段值，把同一区段的一个连续时间段的脑波数据分为一段。

7.根据权利要求1所述的记录方法，其特征是：所述持续值包括所述段脑波数据的累计频数、或累计频率、或持续时间长、或持续时间长占总时间长的比率、或本段开始时间与结束时间中的任一种。

8.根据权利要求1所述的记录方法，其特征是：所述特征值包括所述段的脑波数据分段值、或所述段的脑波数据统计值、或所述段脑波数据中的精神状态中的一种。

9.一种脑波数据分段记录装置，包括头戴式框架，置于框架上的脑电传感器、处理器和存储器，脑电传感器采集脑电信号传送处理器进行计算处理，传送存储器记录存储，其特征是：

（1）处理器执行权利要求1~8所述方法步骤，对脑波数据进行分段；

（2）统计反映本段数据长度或时段的持续值；

（3）存储器把持续值记录在反映本段脑波数据大小或状态的特征值下。

10.一种脑波数据分段显示装置，包括接收脑波数据的通信器，对数据进行分段统计的处理器和显示统计结果的显示器，其特征是：

（1）处理器执行权利要求1~8所述的方法步骤，对通信器接收的脑波数据进行分段；

（2）统计反映本段数据长度的持续值；

（3）处理器绘制各段脑波数据的特征值与持续值的统计图表，传送显示器；

（4）显示器显示所述统计图表。