CN106355968A - 一种基于智能终端的日语教学系统 - Google Patents

Abstract

本发明公开了一种基于智能终端的日语教学系统，包含主服务器模块、网络广播系统、模拟点播服务系统、信号插播与短消息广播系统、视频/屏幕同步传送系统、移动终端和视频互动系统；网络广播系统通过网络虚拟频道向局域网用户广播视频或网络电视、音频信号或网络电台；移动终端包括摄像头、降噪单元、中央处理单元、存储装置；视频互动系统包括存储器模块和多个显示终端模块。本发明的基于智能终端的日语教学系统由主服务器模块全程操作，用户可在远程发送控制指令，利用互联网通信技术实现互动，场合不受到限制，不需昂贵的会议设备，使得日语教学评价活动更加地方便与快捷。

Description

一种基于智能终端的日语教学系统

技术领域

本发明涉及日语教学系统领域，尤其涉及一种基于智能终端的日语教学系统。

背景技术

我国现有的教育体系十分庞大，而优秀的教育资源却不多，相当多的地区的教育质量，由于缺乏良好的师资力量根本无法与发达地区的教育质量相比，在很大程度上造成了教育资源分配的不公平。而随着技术的不断发展，远程教学系统方兴未艾，传统的欠发达地区，可以通过基于智能终端的日语教学系统，接收优秀教育资源，为欠发达地区服务，传统的教育都是以学生和老师为主，教师的教学任务通常都十分繁重，现在出现的一种基于智能终端的日语教学系统可以有效的解决这种问题。

然而，传统的硬件设备没有针对教学系统进行优化，而且体积庞大，不太适用于课堂教学环境。

发明内容

本发明的目的在于提供一种基于智能终端的日语教学系统，旨在解决现有的远程教学系统体积庞大、不适用于课堂教学环境的问题。

本发明是这样实现的，一种基于智能终端的日语教学系统，该基于智能终端的日语教学系统包含主服务器模块、网络广播系统、模拟点播服务系统、信号插播与短消息广播系统、视频/屏幕同步传送系统、移动终端、视频互动系统、监视系统；

所述的网络广播系统通过网络虚拟频道向局域网用户广播视频或网络电视、音频信号或网络电台；

所述广播频道是动态创建的，允许动态切换频道信号源；

所述的模拟点播服务系统具有多路选择能力，接入能力可以随用户需要扩充；支持电视信号的接入；模拟节目源控制器可以学习模拟设备的红外控制码，用户可在远程发送控制指令；

所述的信号插播与短消息广播系统向特定的一组客户端或所有客户端插播广播信号，客户端自动接收信号；插播信号结束后客户端自动恢复到原来的状态；

所述的视频/屏幕同步传送系统将教师授课的计算机屏幕传送到远方，配合音视频信号即时生动再现课堂场景；

所述的移动终端包括摄像头、降噪单元、中央处理单元、存储装置，所述摄像头采集并生成视频信号，所述降噪单元与所述摄像头相连接，所述中央处理单元与所述降噪单元相连接，将所述降噪单元降噪后的图像，进行格式压缩转换；所述存储装置接收并存储所述中央处理单元转换的视频信号；

所述的视频互动系统包括存储器模块和多个显示终端模块，所述显示终端模块用于从主服务器模块下载教学视频文件或获取远程直播教学视频，且所述多个终端通过互联网连接所述主服务器模块，所述存储器模块用于存储下载的教学文件资料；

所述的显示终端模块包括公共展示模块、优先级设定模块、视频互动模块、语音互动模块、文字互动模块、网速侦测模块及互动切换模块；

所述主服务器模块包括:服务器数据收发单元及数据传输模块，用于接收视频数据，并将合成编码单元的编码后视频数据传送给各终端，还用于在适应性判断单元的判定结果为否时，向对应的终端发送分辨率更改通知；适应性判定单元，用于判断视频数据的分辨率是否与所述当前视频模板中对应的子窗口的视频尺寸相适应；模板单元，用于存储和设定当前使用的当前视频模板；合成编码单元，用于根据各终端的视频通道号将各所述视频数据分别复制到所述当前视板中与各终端对应的子窗口，对整个所述当前视频模板的视频数据进行编码；

所述主服务器模块内置有云安全存储及共享服务器，用于通过云服务器上传和下载教学资料及通过人脸识别模块进行安全认证；

所述的人脸识别模块包括人脸检测与定位模块、规范化模块、特征提取模块、识别模块；

所述的定位与检测模块用于捕捉人眼坐标，并由人眼坐标得到人脸左上顶点和右下顶点的坐标；

所述的规范化模块对采集的人脸图像进行规范化处理，将人脸对齐纠正；

所述的特征提取模块用于构造特征提取算子，提取人脸图像特征向量；

所述的识别模块基于稀疏表征，采用SRC人脸识别算法进行多人脸识别；

所述的互动切换模块将延迟时间与时间预设值进行判断比较，若所述延迟时间大于第一预设值并小于第二预设值，则只保持语音教学和文字展示；若所述延迟时间大于等于第二时间预设值，则关闭视频互动和语音教学，并只显示文字展示；

所述的数据传输模块用于接收各视频互动端发送的视频数据；判断视频数据的分辨率与当前视频模板中对应的子窗口的视频尺寸是否相适应，若否，向对应的终端发送分辨率更改通知，该终端根据所述分辨率更改通知更改输出的视频数据的分辨率；根据各终端的视频通道号将各所述视频数据分别复制到当前视频模板中与各终端对应的子窗口；对整个所述当前视频模板的视频数据进行编码，并将编码后视频数据传送给各所述终端；

所述的移动终端还包括音频采集模块、与所述音频采集模块连接的音频控制系统、与所述移动终端连接的视频控制系统、与所述显示终端模块连接的交换机，以及分别与所述音频控制系统和视频控制系统连接的采集机；

所述音频采集模块包括频率分析单元、相位曲线计算单元、误差计算单元、声音信号识别单元；

所述的频率分析单元，分析声音信号的频率信号；

所述的相位曲线计算单元，计算与所述频率信号的相位的时间变化进行近似的相位曲线；

所述的误差计算单元，对所述相位曲线与所述频率信号的相位之间的误差进行计算；

所述的声音信号识别单元，基于所述误差对所述声音信号是否是周期声音的信号进行识别；

所述的网络广播系统中的频道包含允许特定用户的定向广播和向所有人开放的普通广播；所述的信号插播与短消息广播系统向客户端发送短消息广播，客户端以电视字幕的方式滚动并透明显示消息；所述监视系统有电视墙和多窗口两种工作方式，所述的电视墙是多台显示终端组成一个阵列显示多路信号源，多窗口是一台显示终端开若干个窗口监视多路信号源；

所述的存储器模块包括布置在电路板上并由外部存储控制器控制的多个存储器件，包括具有检错和纠错能力的缓存器、存储错误内容的非易失性存储区和多个存储体。

进一步，提取人脸图像特征向量的具体步骤为：

步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：

$m=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i,$

其中，x_i属于样本训练集X＝(x₁,x₂,…,x_N)；

步骤二、求出散布矩阵S：

$S=\underset{i=1}{\overset{N}{\Σ}}(x_i-m){(x_i-m)}^t;$

求出散布矩阵的特征值λ_i和对应的特征向量e_i，其中，e_i便是主分量，将特征值从大到小依次排列λ₁，λ₂，…；t是采集样本的个数，取值1,2,3,4.......N；

假设取出p个值，λ₁，λ₂，…,λ_p确定出脸空间E＝(e₁,e₂，…，e_p)，在此脸空间上，训练样本X中，每个元素投影到该空间的点由下式得到：

x′_i＝E^tx_i,t＝1,2,…,N；

由上式得到的是将原向量经过PCA降维后的p维向量。

进一步，所述数据传输模块设置有2FSK信号识别模块，所述2FSK信号识别模块的2FSK信号识别方法包括：

步骤一，对接收信号s(t)进行非线性变换；按如下公式进行：

$f\[s\left(t\right)\]=\frac{s\left(t\right)*ln\left|s\left(t\right)\right|}{\left|s\left(t\right)\right|}=s\left(t\right)c\left(t\right);$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后可得到：

$f\[s\left(t\right)\]=s\left(t\right)\frac{ln\left|Aa\left(m\right)\right|}{\left|Aa\left(m\right)\right|};$

步骤二，计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；计算接受信号的广义循环累积量按如下公式进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}={\mathrm{GM}}_{s,10}^{\mathrm{\β}};$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}={\mathrm{GM}}_{s,21}^{\mathrm{\β}};$

与均为广义循环矩，定义为：

其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；

接收信号s(t)的特征参数M¹的理论值具体计算过程如下进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)\left|\ln \right|a\left(k\right)\left|\right|$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)a^{*}\left(k\right)\left|\ln \right|a\left(k\right)|{|}^2$

经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：

$E_1=\min {(M_{theory}^1-M_{actual}^1)}^2$

式中为特征参数M¹的实际值。

进一步，所述数据传输模块设置有信号拼接模块，所述信号拼接模块的信号拼接方法包括：

第一步，估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：

${\widehat{\mathrm{\θ}}}_n\left(l\right)=\frac{1}{M-1}\underset{m=2}{\overset{M}{\Σ}}{\sin }^{-1}\[\frac{angle\left({\hat{a}}_{n,m}\right(l)/{\hat{a}}_{n,m-1}(l\left)\right)*c}{2\mathrm{\π}{\hat{f}}_{c,n}\left(l\right)d}\],n=1,2.,\hat{N};$

表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即v_c＝3×10⁸米/秒；

第二步，判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：

${m_n}^{\left(l\right)}=\underset{m}{\arg \min }|{\widehat{\mathrm{\θ}}}_m^{\left(l\right)}-{\widehat{\mathrm{\θ}}}_n^{\left(1\right)}|,n=1,2,...,\hat{N};$

其中m_n ^(l)表示第l跳估计的第m_n ^(l)个信号与第一跳估计的第n个信号属于同一个源信号；

第三步，将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Y_n(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,N_fft-1，即

本发明的基于智能终端的日语教学系统由主服务器模块全程操作，模拟点播服务系统具有多路选择能力，接入能力可以随用户需要扩充，用户可在远程发送控制指令，视频/屏幕同步传送再现课堂场景，利用互联网通信技术，实现互动，使得讨论的场合不受到限制，不需昂贵的会议设备，在日语远程教学视频互动系统设置的网速侦测，保证了每个终端在进行互动时的流畅性，使得教学评价活动更加地方便与快捷。

附图说明

图1是本发明实施例提供的基于智能终端的日语教学系统的结构示意图。

图中：1、主服务器模块；2、网络广播系统；3、模拟点播服务系统；4、信号插播与短消息广播系统；5、视频/屏幕同步传送系统；6、移动终端；6-1、摄像头；6-2、降噪单元；6-3、中央处理单元；6-4、存储装置；7、视频互动系统；7-1、存储器模块；7-2、显示终端模块；8、监视系统。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

请参阅图1：

本发明是这样实现的，一种基于智能终端的日语教学系统，包括主服务器模块1、网络广播系统2、模拟点播服务系统3、信号插播与短消息广播系统4、视频/屏幕同步传送系统5、移动终端6、视频互动系统7、监视系统8。

所述的网络广播系统2通过网络虚拟频道向局域网用户广播视频或网络电视、音频信号或网络电台；所述广播频道是动态创建的，允许动态切换频道信号源。

所述的模拟点播服务系统3具有多路选择能力，接入能力可以随用户需要扩充；支持电视信号的接入；模拟节目源控制器可以学习模拟设备的红外控制码，用户可在远程发送控制指令。

所述的信号插播与短消息广播系统4向特定的一组客户端或所有客户端插播广播信号，客户端自动接收信号；插播信号结束后客户端自动恢复到原来的状态。

所述的视频/屏幕同步传送系统5将教师授课的计算机屏幕传送到远方，配合音视频信号即时生动再现课堂场景。

所述的移动终端6包括摄像头6-1、降噪单元6-2、中央处理单元6-3、存储装置6-4，所述摄像头6-1采集并生成视频信号，所述降噪单元6-2与所述摄像头6-1相连接，所述中央处理单元6-3与所述降噪单元6-2相连接，将所述降噪单元6-2降噪后的图像，进行格式压缩转换；所述存储装置6-4接收并存储所述中央处理单元6-3转换的视频信号。

所述的视频互动系统7包括存储器模块7-1和多个显示终端模块7-2，所述显示终端模块7-2用于从主服务器模块1下载教学视频文件或获取远程直播教学视频，且所述多个终端7-2通过互联网连接所述主服务器模块1，所述存储器模块7-1用于存储下载的教学文件资料。

所述主服务器模块1包括:服务器数据收发单元及数据传输模块，用于接收视频数据，并将合成编码单元的编码后视频数据传送给各终端，还用于在适应性判断单元的判定结果为否时，向对应的终端发送分辨率更改通知；适应性判定单元，用于判断视频数据的分辨率是否与所述当前视频模板中对应的子窗口的视频尺寸相适应；模板单元，用于存储和设定当前使用的当前视频模板；合成编码单元，用于根据各终端的视频通道号将各所述视频数据分别复制到所述当前视板中与各终端对应的子窗口，对整个所述当前视频模板的视频数据进行编码。

所述主服务器模块1内置有云安全存储及共享服务器，用于通过云服务器上传和下载教学资料及通过人脸识别模块进行安全认证。

所述的人脸识别模块包括人脸检测与定位模块、规范化模块、特征提取模块、识别模块。

所述的定位与检测模块用于捕捉人眼坐标，并由人眼坐标得到人脸左上顶点和右下顶点的坐标。

所述的规范化模块对采集的人脸图像进行规范化处理，将人脸对齐纠正。

所述的特征提取模块用于构造特征提取算子，提取人脸图像特征向量。

所述的识别模块基于稀疏表征，采用SRC人脸识别算法进行多人脸识别。

所述的互动切换模块将延迟时间与时间预设值进行判断比较，若所述延迟时间大于第一预设值并小于第二预设值，则只保持语音教学和文字展示；若所述延迟时间大于等于第二时间预设值，则关闭视频互动和语音教学，并只显示文字展示。

所述的数据传输模块用于接收各视频互动端发送的视频数据；判断视频数据的分辨率与当前视频模板中对应的子窗口的视频尺寸是否相适应，若否，向对应的终端发送分辨率更改通知，该终端根据所述分辨率更改通知更改输出的视频数据的分辨率；根据各终端的视频通道号将各所述视频数据分别复制到当前视频模板中与各终端对应的子窗口；对整个所述当前视频模板的视频数据进行编码，并将编码后视频数据传送给各所述终端。

所述的移动终端还包括音频采集模块、与所述音频采集模块连接的音频控制系统、与所述移动终端连接的视频控制系统、与所述所述显示终端模块连接的交换机，以及分别与所述音频控制系统和视频控制系统连接的采集机。

所述音频采集模块包括频率分析单元、相位曲线计算单元、误差计算单元、声音信号识别单元。

所述的频率分析单元，分析声音信号的频率信号。

所述的相位曲线计算单元，计算与所述频率信号的相位的时间变化进行近似的相位曲线。

所述的误差计算单元，对所述相位曲线与所述频率信号的相位之间的误差进行计算。

所述的声音信号识别单元，基于所述误差对所述声音信号是否是周期声音的信号进行识别。

进一步，提取人脸图像特征向量的具体步骤为：

步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：

$m=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i,$

其中，x_i属于样本训练集X＝(x₁,x₂,…,x_N)；

步骤二、求出散布矩阵S：

$S=\underset{i=1}{\overset{N}{\Σ}}(x_i-m){(x_i-m)}^t;$

求出散布矩阵的特征值λ_i和对应的特征向量e_i，其中，e_i便是主分量，将特征值从大到小依次排列λ₁，λ₂，…；t是采集样本的个数，取值1,2,3,4.......N；

假设取出p个值，λ₁，λ₂，…,λ_p可以确定出脸空间E＝(e₁,e₂，…，e_p)，在此脸空间上，训练样本X中，每个元素投影到该空间的点可以由下式得到：

x′_i＝E^tx_i,t＝1,2,…,N。

由上式得到的是将原向量经过PCA降维后的p维向量。

进一步，所述的网络广播系统2中的频道包含允许特定用户的定向广播和向所有人开放的普通广播。

进一步，所述的信号插播与短消息广播系统4向客户端发送短消息广播，客户端以电视字幕的方式滚动并透明显示消息。

进一步，所述监视系统8有电视墙和多窗口两种工作方式。

进一步，所述的电视墙是多台显示终端组成一个阵列显示多路信号源，多窗口是一台显示终端开若干个窗口监视多路信号源。

进一步，所述的存储器模块7-1包括布置在电路板上并由外部存储控制器控制的多个存储器件，包括具有检错和纠错能力的缓存器、存储错误内容的非易失性存储区和多个存储体。

进一步，所述的显示终端模块7-2包括公共展示模块、优先级设定模块、视频互动模块、语音互动模块、文字互动模块、网速侦测模块及互动切换模块。

进一步，所述数据传输模块设置有2FSK信号识别模块，所述2FSK信号识别模块的2FSK信号识别方法包括：

步骤一，对接收信号s(t)进行非线性变换；按如下公式进行：

$f\[s\left(t\right)\]=\frac{s\left(t\right)*ln\left|s\left(t\right)\right|}{\left|s\left(t\right)\right|}=s\left(t\right)c\left(t\right);$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后可得到：

$f\[s\left(t\right)\]=s\left(t\right)\frac{ln\left|Aa\left(m\right)\right|}{\left|Aa\left(m\right)\right|};$

步骤二，计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；计算接受信号的广义循环累积量按如下公式进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}={\mathrm{GM}}_{s,10}^{\mathrm{\β}};$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}={\mathrm{GM}}_{s,21}^{\mathrm{\β}};$

与均为广义循环矩，定义为：

其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；

接收信号s(t)的特征参数M¹的理论值具体计算过程如下进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)\left|\ln \right|a\left(k\right)\left|\right|$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)a^{*}\left(k\right)\left|\ln \right|a\left(k\right)|{|}^2$

经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：

$E_1=\min {(M_{theory}^1-M_{actual}^1)}^2$

式中为特征参数M¹的实际值。

进一步，所述数据传输模块设置有信号拼接模块，所述信号拼接模块的信号拼接方法包括：

第一步，估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：

${\widehat{\mathrm{\θ}}}_n\left(l\right)=\frac{1}{M-1}\underset{m=2}{\overset{M}{\Σ}}{\sin }^{-1}\[\frac{angle\left({\hat{a}}_{n,m}\right(l)/{\hat{a}}_{n,m-1}(l\left)\right)*c}{2\mathrm{\π}{\hat{f}}_{c,n}\left(l\right)d}\],n=1,2.,\hat{N};$

表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即v_c＝3×10⁸米/秒；

第二步，判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：

${m_n}^{\left(l\right)}=\underset{m}{\arg \min }|{\widehat{\mathrm{\θ}}}_m^{\left(l\right)}-{\widehat{\mathrm{\θ}}}_n^{\left(1\right)}|,n=1,2,...,\hat{N};$

其中m_n ^(l)表示第l跳估计的第m_n ^(l)个信号与第一跳估计的第n个信号属于同一个源信号；

第三步，将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Y_n(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,N_fft-1，即

本发明的基于智能终端的日语教学系统在具体使用时，由主服务器模块1全程操作，网络广播系统2接收来自主服务器模块1的教学信息通过网络虚拟频道向局域网用户广播视频或网络电视、音频信号或网络电台；模拟点播服务系统3具有多路选择能力，接入能力可以随用户需要扩充；支持电视信号的接入；模拟节目源控制器可以学习模拟设备的红外控制码，用户可在远程发送控制指令；信号插播与短消息广播系统4向特定的一组客户端或所有客户端插播广播信号，客户端自动接收信号；插播信号结束后客户端自动恢复到原来的状态；视频/屏幕同步传送系统5将教师授课的计算机屏幕传送到远方，配合音视频信号即时生动再现课堂场景；移动终端6利用摄像头6-1采集并生成视频信号，降噪单元6-2与摄像头6-1相连接，中央处理单元6-3与降噪单元6-2相连接，将降噪单元6-2降噪后的图像，进行格式压缩转换；存储装置6-4接收并存储中央处理单元6-3转换的视频信号；视频互动系统7的显示终端模块7-2用于从主服务器模块1下载教学视频文件或获取远程直播教学视频，且多个显示终端模块7-2通过互联网连接所述主服务器模块1，存储器模块7-1用于存储下载的教学文件资料，利用互联网通信技术，来实现互动者之间的讨论和互动，使得讨论的场合不受到限制，而且也不需昂贵的会议设备；而且，在远程教学视频互动系统设置的网速侦测，保证了每个终端在进行互动时的流畅性，而不会因为网络等待，卡带或者缓冲等情况，消除了用户需要等待的情况，使得教学评价活动更加地方便与快捷。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于智能终端的日语教学系统，其特征在于，该基于智能终端的日语教学系统包含主服务器模块、网络广播系统、模拟点播服务系统、信号插播与短消息广播系统、视频/屏幕同步传送系统、移动终端、视频互动系统、监视系统；

所述的网络广播系统通过网络虚拟频道向局域网用户广播视频或网络电视、音频信号或网络电台；

所述广播频道是动态创建的，允许动态切换频道信号源；

所述的模拟点播服务系统具有多路选择能力，接入能力可以随用户需要扩充；支持电视信号的接入；模拟节目源控制器可以学习模拟设备的红外控制码，用户可在远程发送控制指令；

所述的信号插播与短消息广播系统向特定的一组客户端或所有客户端插播广播信号，客户端自动接收信号；插播信号结束后客户端自动恢复到原来的状态；

所述的视频/屏幕同步传送系统将教师授课的计算机屏幕传送到远方，配合音视频信号即时生动再现课堂场景；

所述的移动终端包括摄像头、降噪单元、中央处理单元、存储装置，所述摄像头采集并生成视频信号，所述降噪单元与所述摄像头相连接，所述中央处理单元与所述降噪单元相连接，将所述降噪单元降噪后的图像，进行格式压缩转换；所述存储装置接收并存储所述中央处理单元转换的视频信号；

所述的视频互动系统包括存储器模块和多个显示终端模块，所述显示终端模块用于从主服务器模块下载教学视频文件或获取远程直播教学视频，且所述多个终端通过互联网连接所述主服务器模块，所述存储器模块用于存储下载的教学文件资料；

所述的显示终端模块包括公共展示模块、优先级设定模块、视频互动模块、语音互动模块、文字互动模块、网速侦测模块及互动切换模块；

所述主服务器模块包括:服务器数据收发单元及数据传输模块，用于接收视频数据，并将合成编码单元的编码后视频数据传送给各终端，还用于在适应性判断单元的判定结果为否时，向对应的终端发送分辨率更改通知；适应性判定单元，用于判断视频数据的分辨率是否与所述当前视频模板中对应的子窗口的视频尺寸相适应；模板单元，用于存储和设定当前使用的当前视频模板；合成编码单元，用于根据各终端的视频通道号将各所述视频数据分别复制到所述当前视板中与各终端对应的子窗口，对整个所述当前视频模板的视频数据进行编码；

所述主服务器模块内置有云安全存储及共享服务器，用于通过云服务器上传和下载教学资料及通过人脸识别模块进行安全认证；

所述的人脸识别模块包括人脸检测与定位模块、规范化模块、特征提取模块、识别模块；

所述的定位与检测模块用于捕捉人眼坐标，并由人眼坐标得到人脸左上顶点和右下顶点的坐标；

所述的规范化模块对采集的人脸图像进行规范化处理，将人脸对齐纠正；

所述的特征提取模块用于构造特征提取算子，提取人脸图像特征向量；

所述的识别模块基于稀疏表征，采用SRC人脸识别算法进行多人脸识别；

所述的互动切换模块将延迟时间与时间预设值进行判断比较，若所述延迟时间大于第一预设值并小于第二预设值，则只保持语音教学和文字展示；若所述延迟时间大于等于第二时间预设值，则关闭视频互动和语音教学，并只显示文字展示；

所述的数据传输模块用于接收各视频互动端发送的视频数据；判断视频数据的分辨率与当前视频模板中对应的子窗口的视频尺寸是否相适应，若否，向对应的终端发送分辨率更改通知，该终端根据所述分辨率更改通知更改输出的视频数据的分辨率；根据各终端的视频通道号将各所述视频数据分别复制到当前视频模板中与各终端对应的子窗口；对整个所述当前视频模板的视频数据进行编码，并将编码后视频数据传送给各所述终端；

所述的移动终端还包括音频采集模块、与所述音频采集模块连接的音频控制系统、与所述移动终端连接的视频控制系统、与所述显示终端模块连接的交换机，以及分别与所述音频控制系统和视频控制系统连接的采集机；

所述音频采集模块包括频率分析单元、相位曲线计算单元、误差计算单元、声音信号识别单元；

所述的频率分析单元，分析声音信号的频率信号；

所述的相位曲线计算单元，计算与所述频率信号的相位的时间变化进行近似的相位曲线；

所述的误差计算单元，对所述相位曲线与所述频率信号的相位之间的误差进行计算；

所述的声音信号识别单元，基于所述误差对所述声音信号是否是周期声音的信号进行识别；

所述的网络广播系统中的频道包含允许特定用户的定向广播和向所有人开放的普通广播；所述的信号插播与短消息广播系统向客户端发送短消息广播，客户端以电视字幕的方式滚动并透明显示消息；所述监视系统有电视墙和多窗口两种工作方式，所述的电视墙是多台显示终端组成一个阵列显示多路信号源，多窗口是一台显示终端开若干个窗口监视多路信号源；

所述的存储器模块包括布置在电路板上并由外部存储控制器控制的多个存储器件，包括具有检错和纠错能力的缓存器、存储错误内容的非易失性存储区和多个存储体。

2.如权利要求1所述的基于智能终端的日语教学系统，其特征在于，提取人脸图像特征向量的具体步骤为：

步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：

$m=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i,$

其中，x_i属于样本训练集X＝(x₁,x₂,…,x_N)；

步骤二、求出散布矩阵S：

$S=\underset{i=1}{\overset{N}{\Σ}}(x_i-m){(x_i-m)}^t;$

求出散布矩阵的特征值λ_i和对应的特征向量e_i，其中，e_i便是主分量，将特征值从大到小依次排列λ₁，λ₂，…；t是采集样本的个数，取值1,2,3,4.......N；

假设取出p个值，λ₁，λ₂，…,λ_p确定出脸空间E＝(e₁,e₂，…，e_p)，在此脸空间上，训练样本X中，每个元素投影到该空间的点由下式得到：

x′_i＝E^tx_i,t＝1,2,…,N；

由上式得到的是将原向量经过PCA降维后的p维向量。

3.如权利要求1所述的基于智能终端的日语教学系统，其特征在于，所述数据传输模块设置有2FSK信号识别模块，所述2FSK信号识别模块的2FSK信号识别方法包括：

步骤一，对接收信号s(t)进行非线性变换；按如下公式进行：

$f\[s\left(t\right)\]=\frac{s\left(t\right)*ln|s\left(t\right)}{|s\left(t\right)}=s\left(t\right)c\left(t\right);$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后可得到：

$f\[s\left(t\right)\]=s\left(t\right)\frac{ln|Aa\left(m\right)}{|Aa\left(m\right)};$

步骤二，计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；计算接受信号的广义循环累积量按如下公式进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}={\mathrm{GM}}_{s,10}^{\mathrm{\β}};$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}={\mathrm{GM}}_{s,21}^{\mathrm{\β}};$

与均为广义循环矩，定义为：

其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；

接收信号s(t)的特征参数M¹的理论值具体计算过程如下进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)\left|\ln \right|a\left(k\right)\left|\right|$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)a^{*}\left(k\right)\left|\ln \right|a\left(k\right)|{|}^2$

经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：

$E_1=\min {(M_{theory}^1-M_{actual}^1)}^2$

式中为特征参数M¹的实际值。

4.如权利要求1所述的基于智能终端的日语教学系统，其特征在于，所述数据传输模块设置有信号拼接模块，所述信号拼接模块的信号拼接方法包括：

第一步，估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：

${\widehat{\mathrm{\θ}}}_n\left(l\right)=\frac{1}{M-1}\underset{m=2}{\overset{M}{\Σ}}{\sin }^{-1}\[\frac{angle\left({\hat{a}}_{n,m}\right(l)/{\hat{a}}_{n,m-1}\left(l\right))*c}{2\mathrm{\π}{\hat{f}}_{c,n}\left(l\right)d}\],n=1,2.,\hat{N};$

表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即v_c＝3×10⁸米/秒；

第二步，判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：

${m_n}^{\left(l\right)}=\underset{m}{\arg \min }|{\widehat{\mathrm{\θ}}}_m^{\left(l\right)}-{\widehat{\mathrm{\θ}}}_n^{\left(1\right)}|,n=1,2,...,\hat{N};$

其中m_n ^(l)表示第l跳估计的第m_n ^(l)个信号与第一跳估计的第n个信号属于同一个源信号；

第三步，将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Y_n(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,N_fft-1，即