CN107391679A - 辅助复习方法、装置与设备 - Google Patents

Abstract

本发明提供一种辅助复习方法，所述方法包括：采集生理数据；录制音频；根据生理数据对学习状态划分级别，所述学习状态包括低效学习期及瞌睡期；对低效学习期或瞌睡期所录制的音频进行语音识别；根据语音识别所生成的文本查询对应知识点；展示所述对应知识点。本发明还提供了一种辅助复习装置和设备，现有技术中需要复习所有知识点，耗费时间多，听课效率低时的所学习的内容在众多知识点中不突出，复习效率低的技术问题，能够节省复习时间，突出复习重点。

Description

辅助复习方法、装置与设备

技术领域

本发明涉及教育领域，具体而言，涉及一种辅助复习方法、装置与设备。

背景技术

当人处于高效学习、低效学习及瞌睡等不同状态时，人体的生理数据特征也不同。例如，根据频率，脑电波可以按频率由低到高分为δ波、θ波、α波、β波等。当频率于8-13Hz的α波段为优势脑电波时，人体进入放松性警觉状态，主意力高度集中，记忆效果好，创造力强，是学习的最佳状态。当频率于13-25Hz的β波为优势脑电波时时，人体处于紧张状态，此时往往课堂气氛过于紧张或压力过大，学生感到厌烦或恐惧。此时大脑过于兴奋或紧张，注意力难于集中，记忆力下降，不容易产生创意，学习能力受到压抑。频率于4-8Hz的θ波为优势脑电波时，人体处于半醒半睡的朦胧状态，学习效率低。频率于4Hz以下的δ波为优势脑电波时，人体处于深度睡眠，无法学习。

上课时，学生在长时间的听课过程中难以始终保持的最佳学习状态。大脑经历从能够高效学习的高效期，再到思考、学习状态差的低效期。学生往往难以在理解、记忆低效期时教师所讲授的内容，因而产生知识盲点。学生复习时往往需要复习所有知识点，耗费时间多，听课效率低时的内容不突出，容易形成知识盲点，复习效率低。

针对上述现有技术中学生复习时往往需要复习所有知识点，耗费时间多，听课效率低的内容在众有知识点中并不突出，容易形成知识盲点，复习效率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明旨在至少在一定程度上解决上述技术问题。

本发明实施例提供了一种辅助复习方法、装置与设备，以解决现有技术中复习所有知识点，耗费时间多，听课效率低时的内容在众多知识点中并不突出，复习效率低的技术问题。

根据本发明实施例的一个方面，提供了一种辅助复习方法，包括：

采集生理数据；

录制音频；

根据生理数据对学习状态划分级别，所述学习状态包括低效学习期及瞌睡期；

对低效学习期或瞌睡期所录制的音频进行语音识别；

根据语音识别所生成的文本查询对应知识点；

展示所述对应知识点。

在一种优选的方案中，所述根据语音识别所生成的文本查询对应知识点步骤包括：

根据所述语音识别所生成的文本提取关键词；

根据所述关键词搜索匹配的不少于一个知识点；

计算所述语音识别所生成的文本和所述知识点的相关度；

将相关度最大的知识点设置为查询结果。

根据本发明实施例的一个方面，提供了一种辅助复习装置，包括：

采集模块，用于采集生理数据；

录制模块，用于录制音频；

分级模块，用于根据生理数据对学习状态划分级别；

识别模块，用于对低效学习期或瞌睡期所录制的音频进行语音识别；

查询模块，用于根据语音识别所生成的文本查询对应知识点；

展示模块，用于展示所述对应知识点。

在一种优选的方案中，所述查询模块包括：

提取单元，用于根据所述语音识别所生成的文本提取关键词；

匹配单元，用于根据所述关键词搜索匹配的不少于一个知识点；

相关计算单元，用于计算所述语音识别所生成的文本和所述知识点的相关度；

设置单元，用于将相关度最大的知识点设置为查询结果。

与现有技术相比，本发明技术方案的优点有：

1、通过对低效学习期或瞌睡期所录制的音频进行语音识别并查询对应知识点，可以迅速地定位到学习效率低下时间内所讲授的知识内容，从而方便用户有重点地复习，避免全面复习效率低的问题；

2、通过计算和对比低效学习波段比例P和睡眠波段比例Q，对各时间段中用户的学习状态划分级别，有利于筛选出处于低效学习期间，尤其是瞌睡期间的具体时间；

3、根据语音识别所生成的文本查询对应的知识点，可以自动找到用户学习效率低阶段对应的知识点，方便用户复习时直接看到这部分内容，重点突出，有效提高学习效率；

4、根据所述关键词搜索匹配的不少于一个知识点步骤中，所述知识库可以是用户预设置的知识库，也可以由系统根据关键词自动在网络中查询的知识点，即满足用户的个性化要求，也可以在用户不需要预设知识库的情况下，从网络中获取知识点。

本发明解决现有技术中解决现有技术中复习所有知识点，耗费时间多，听课效率低时的内容在众多知识点中不突出，复习效率低的技术问题，提供一种能够节省复习时间，突出复习重点的辅助复习方法、装置与设备。

附图说明

图1为本发明实施例的一种辅助复习方法流程图。

图2为本发明实施例的一种辅助复习方法根据生理数据对学习状态划分级别步骤流程图。

图3为本发明实施例的一种辅助复习方法根据所述特征信息对学习状态划分级别步骤流程图。

图4为本发明实施例的一种辅助复习方法根据所述语音识别所生成的文本查询对应知识点步骤流程图。

图5为本发明实施例的一种辅助复习装置结构示意图。

图6为本发明实施例的一种辅助复习装置分级模块结构示意图。

图7为本发明实施例的一种辅助复习装置查询模块结构示意图。

图8为本发明实施例的一种辅助复习设备结构示意图。

其中：2、辅助复习装置；3、辅助复习设备；210、采集模块；220、录制模块；230、分级模块；231、预处理单元；232、特征提取单元；233、状态分级单元；234、确定单元；235、计算单元；236、判断单元；237、第一判断单元；238、第二判断单元；239、第三判断单元；240、识别模块；250、查询模块；251、提取单元；252、匹配单元；253、计算单元；254、设置单元；260、展示模块；301、生理数据采集组件；302、处理组件；303、存储器；304、通信组件；305、音频输入组件；306、输出组件；320、处理器。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1所示，本发明实施例提供了一种辅助复习方法，包括：

S110：采集生理数据；

S120：录制音频；

S130：根据生理数据对学习状态划分级别，所述学习状态包括低效学习期及瞌睡期；

S140：对低效学习期或瞌睡期所录制的音频进行语音识别；

S150：根据语音识别所生成的文本查询对应知识点；

S160：展示所述对应知识点。

通过对低效学习期或瞌睡期所录制的音频进行语音识别并查询对应知识点，可以迅速地定位到学习效率低下时间内所讲授的知识内容，从而方便用户有重点地复习，避免复习效率低的问题。

在一种示例性实施例中，采集生理数据的采样间隔为1至3秒，采样长度为5至10秒。

在具体实施过程中，在所述录制音频步骤后，使生理数据时间与音频时间同步，将生理数据的时间与视频中的时间关联起来。

在具体实施过程中，所述的生理数据可以包括脑电波、心电、肌电、脉搏、心率、皮温、皮电、肌电、人脸图像、血压及血氧中的一种或多种的组合。

在具体实施过程中，如图2所示，所述根据生理数据对学习状态划分级别步骤还包括：

S131：对所采集的生理数据进行预处理；

S132：提取所述经预处理的生理数据的特征信息；

S133：根据所述特征信息对学习状态划分级别。

在一种优选的实施例中，所述的生理数据为脑电波数据，以下以脑电波为例进一步说明本发明实施例的内容。

具体地，由于脑电信号比较弱，在采集、传输过程中容易受到影响，因此需要对所采集的脑电波进行预处理，进行降噪、去伪迹，预处理的方法包括：采用时域分析方法、频域分析方法、小波变换或小波包变换等方法。

在一种示例性实施例中，利用小波包变换，可以提取所述经小波包变换预处理后的脑电波的特征信息。选取db4作为小波基，根据脑电波的输出频率，及脑电波的频率划分，小波包的分解层数优选为6层，利用小波包分解系数作为特征可以提取到δ波、θ波、α波及β波的功率谱。

在具体实施过程中，如图3所示，根据所述特征信息对学习状态划分级别步骤还包括：

S134：确定采样周期的优势波段；

S135：计算状态判断时间内低效学习波段比例P及睡眠波段比例Q；

S136：根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别。

具体地，确定采样周期的优势波段步骤中，比较每个采样周期中对应的特征信息中δ波、θ波、α波及β波的能量分布情况，确定能量占比最大的波段为该采样周期的优势波段。

具体地，计算状态判断时间内低效学习波段比例P及睡眠波段比例Q步骤中，根据由若干个连续脑电波采样周期组成的状态判断时间内，δ波、θ波、α波及β波占优势波段的采样周期的数量，计算学习波段比例P及睡眠波段比例Q。

所述低效学习波段比例P的计算公式为：

。

所述睡眠波段比例Q的计算公式为：

。

其中：

M为状态判断时间内，当前优势波段为α波时的采样周期数量；

N为状态判断时间内，当前优势波段为β波时的采样周期数量；

L为状态判断时间内，当前优势波段为δ波或θ波时的采样周期数量。

具体地，根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别步骤包括：

当低效学习波段比例P小于第一阈值时，则判断状态判断时间内学习状态处于高效学习期；

当低效学习波段比例P大于第一阈值，且睡眠波段比例Q小于第二阈值时，则判断状态判断时间内学习状态处于低效学习期；

当低效学习波段比例P大于第一阈值，且睡眠波段比例Q大于第二阈值时，则判断状态判断时间内学习状态处于瞌睡期。

在一种示例性实施例中，所述第一阈值为0.4。

在一种示例性实施例中，所述第二阈值为0.5。

例如， T1（10点55分10秒-10点55分15秒）、T2（10点55分16秒-10点55分21秒）、T3（10点55分22秒-10点55分27秒）、T4（10点55分28秒-10点55分33秒）、T5（10点55分34秒-10点55分39秒）为5个连续的脑电波采样周期，其中T1、T2为α波占优势波段、T5为β波占优势波段，T4、T3为优势波段为δ波或θ波。则按照低效学习波段比例P的计算公式可得P=0.6，大于第一阈值为0.4；按照睡眠波段比例Q的计算公式可得Q=0.66，大于第二阈值0.5。因此，在T1到T5时间段内，该时间段内学习状态处于瞌睡期。

具体地，所述的由若干个连续脑电波采样周期组成的状态判断时间，可以是监测到第一个δ波或θ波为优势波的采样周期开始计算的连续n个采样周期，n可以是固定的正整数，也可以根据上课时间、历史记录、用户习惯动态调整。在一种示范性实施例中，n可以是5，即从监测到第一个δ波或θ波为优势波的采样周期，连续5个采样周期作为状态判断时间。

通过计算和对比低效学习波段比例P和睡眠波段比例Q，对各时间段中用户的学习状态划分级别，有利于筛选出处于低效学习期和瞌睡期的具体时间。

在具体实施过程中，根据生理数据对学习状态划分级别步骤后，将学习状态与所录制音频对应的时间段关联起来，将学习状态级别设置为关联时间段内音频的属性。如，在10点55分10秒-10点55分39秒之间，根据脑电波分析判断的结果，用户处于瞌睡期，则将10点55分10秒-10点55分39秒所录制的音频关联到10点55分10秒-10点55分39秒的脑电波，且设置10点55分10秒-10点55分39秒所录制的音视频的属性为瞌睡期。

具体地，将学习状态与所录制音频对应的时间段关联起来，将学习状态级别设置为关联时间段内音频的属性。通过音频的属性，可以快速甄别出处于低效学习期或瞌睡期的音频。

具体地，对低效学习期或瞌睡期所录制的音频进行语音识别步骤中，语音识别可以采用现有的语音识别引擎，如科大讯飞、百度语音、微软等提供的相关技术，也可以通过动态时间归正技术、矢量量化技术、隐马尔可夫模型、基于段长分布的非齐次隐含马尔可夫模型、人工神经元网络或深度学习等方式实现语音识别，由于其为本领域技术人员的常规技术手段，故此处不再赘述。

在具体实施过程中，如图4所示，所述根据语音识别所生成的文本查询对应知识点步骤包括：

S151：根据所述语音识别所生成的文本提取关键词；

S152：根据所述关键词搜索匹配的不少于一个知识点；

S153：计算所述语音识别所生成的文本和所述知识点的相关度；

S154：将相关度最大的知识点设置为查询结果。

根据语音识别所生成的文本查询对应的知识点，可以自动找到用户学习效率低阶段对应的知识点，方便用户复习时直接看到这部分内容，重点突出，有效提高学习效率。

具体地，根据所述语音识别所生成的文本提取关键词步骤中，提取关键词的主要方法包括：基于统计特征的方法，基于词语网络的方法和基于语义分析的方法，由于其为本领域技术人员的常规技术手段，故此处不再赘述。

具体地，根据所述关键词搜索匹配的不少于一个知识点步骤中，所述知识库可以是用户预设置的知识库，也可以由系统根据关键词自动在网络中查询的知识点。如，在上高中物理的欧姆定律这章时，根据语音识别的结果，提取到了关键词“欧姆定律”、“电流”及“电阻”，则可以根据这些关键词查询用户预设置的高中物理知识库，也可以根据这些关键词在网络上查找相关内容，得到对应于这些关键词的知识点。所述的知识点可以是一段文字，也可以是多段文本及图片。所述的知识点数量可以不少于一个。

具体地，计算所述语音识别所生成的文本和所述知识点的相关度步骤中，要知识点不少于一个的情况下，将每个知识点中的文本与所述语音识别所生成的文本进行相关度计算，所述相关度计算方法包括：基于语义词典的方法、基于语料库的方法、基于维基百科的方法以及基于搜索引擎的方法等，但不限于所举示例，具体实现可以参考现有的一些算法。计算完成后，得到每个知识点的相关度。

具体地，将相关度最大的知识点设置为查询结果步骤中，比较每个知识点相关度，将相关度最大的知识点设置为查询结果，即与所述根据语音识别所生成的文本相对应的知识点。

具体地，所述展示所述对应知识点步骤中，可以将所述对应知识点在本地计算机中展示；也可以发送所述知识点到其他终端，由其他终端展示所述知识点。

本发明实施例解决现有技术中复习所有知识点，耗费时间多，听课效率低时的内容在众多知识点中不突出，复习效率低的技术问题，提供一种能够节省复习时间，突出复习重点的辅助复习方法。

实施例2

如图5所示，本发明实施例提供了一种辅助复习装置2，包括：

采集模块210，用于采集生理数据；

录制模块220，用于录制音频；

分级模块230，用于根据生理数据对学习状态划分级别；

识别模块240，用于对低效学习期或瞌睡期所录制的音频进行语音识别；

查询模块250，用于根据语音识别所生成的文本查询对应知识点；

展示模块260，用于展示所述对应知识点。

在具体实施过程中，所述的生理数据可以包括脑电波、心电、肌电、脉博、心率、皮温、皮电、肌电、人脸图像、血压及血氧中的一种或多种的组合。

在具体实施过程中，如图6所示，所述分级模块230还包括：

预处理单元231，用于对所采集的生理数据进行预处理；

特征提取单元232，用于提取所述经预处理的生理数据的特征信息；

状态分级单元233，用于根据所述特征信息对学习状态划分级别。

在一种优选的实施例中，所述的生理数据为脑电波数据，以下以脑电波为例进一步说明本发明实施例的内容。

具体地，由于脑电信号比较弱，在采集、传输过程中容易受到影响，因此需要对所采集的脑电波进行预处理，进行降噪、去伪迹，预处理的方法包括：采用时域分析方法、频域分析方法、小波变换或小波包变换等方法。

在一种示例性实施例中，利用小波包变换，可以提取所述经小波包变换预处理后的脑电波的特征信息。选取db4作为小波基，根据脑电波的输出频率，及脑电波的频率划分，小波包的分解层数优选为6层，利用小波包分解系数作为特征可以提取到δ波、θ波、α波及β波的功率谱。

在具体实施过程中，如图6所示，所述分级模块230还包括：

确定单元234，用于确定采样周期的优势波段；

计算单元235，计算状态判断时间内低效学习波段比例P及睡眠波段比例Q；

判断单元236，根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别。

具体地，确定单元234用于比较每个采样周期中对应的特征信息中δ波、θ波、α波及β波的能量分布情况，确定能量占比最大的波段为该采样周期的优势波段。

具体地，计算单元235用于根据计算状态判断时间内，δ波、θ波、α波及β波占优势波段的采样周期的数量，计算学习波段比例P及睡眠波段比例Q。

所述低效学习波段比例P的计算公式为：

。

所述睡眠波段比例Q的计算公式为：

。

其中，

M为状态判断时间内，当前优势波段为α波时的采样周期数量；

N为状态判断时间内，当前优势波段为β波时的采样周期数量；

L为状态判断时间内，当前优势波段为δ波或θ波时的采样周期数量。

具体地，如图6所示，所述分级模块230还包括：

第一判断单元237，用于当低效学习波段比例P小于第一阈值时，判断状态判断时间内学习状态处于高效学习期；

第二判断单元238，用于当低效学习波段比例P大于第一阈值，且睡眠波段比例Q小于第二阈值时，判断状态判断时间内学习状态处于低效学习期；

第三判断单元239，用于当低效学习波段比例P大于第一阈值，且睡眠波段比例Q大于第二阈值时，判断状态判断时间内学习状态处于瞌睡期。

在一种示例性实施例中，所述第一阈值为0.4。

在一种示例性实施例中，所述第二阈值为0.5。

例如， T1（10点55分10秒-10点55分15秒）、T2（10点55分16秒-10点55分21秒）、T3（10点55分22秒-10点55分27秒）、T4（10点55分28秒-10点55分33秒）、T5（10点55分34秒-10点55分39秒）为5个连续的脑电波采样周期，其中T1、T2为α波占优势波段、T5为β波占优势波段，T4、T3为优势波段为δ波或θ波。则按照低效学习波段比例P的计算公式可得P=0.6，大于第一阈值为0.4；按照睡眠波段比例Q的计算公式可得Q=0.66，大于第二阈值0.5。因此，在T1到T5时间段内，该时间段内学习状态处于瞌睡期。

通过计算和对比低效学习波段比例P和睡眠波段比例Q，对各时间段中用户的学习状态划分级别，有利于筛选出处于低效学习期间，尤其是瞌睡期间的具体时间。

在具体实施过程中，如图7所示，所述标签模块250还包括：

提取单元251，用于根据所述语音识别所生成的文本提取关键词；

匹配单元252，用于根据所述关键词搜索匹配的不少于一个知识点；

相关计算单元253，用于计算所述语音识别所生成的文本和所述知识点的相关度；

设置单元254，用于将相关度最大的知识点设置为查询结果。

根据语音识别所生成的文本查询对应的知识点，可以自动找到用户学习效率低阶段对应的知识点，方便用户复习时直接看到这部分内容，重点突出，有效提高学习效率。

具体地，所述展示模块，可以将所述对应知识点展示在本地计算机中，也可以发送所述知识点到其他终端，由其他终端展示所述知识点。

本发明实施例解决现有技术中复习所有知识点，耗费时间多，听课效率低时的内容在众多知识点中不突出，复习效率低的技术问题，提供一种能够节省复习时间，突出复习重点的辅助复习装置。

实施例3

如图8所示，本实施例提供了一种辅助复习设备3，包括：

生理数据采集组件301、处理组件302、存储器303、通信组件304、音频输入组件305、输出组件306。

生理数据采集组件301可以采集生理数据信号，并连接到处理组件。在一种示例性实施例中，生理数据采集组件为ThinkGear AM模块，该模块通过前额电极和耳垂处的电位获得脑电波。通过脑电波采集组件捕获脑电波信号，处理后筛选出脑波频谱、脑电信号质量、原始脑电波等数据，传输到处理组件。

处理组件302通常用于辅助复习设备3的整体操作，诸如与处理生理数据，发起音频采集，计算分析，数据通信和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来运行程序，所述程序运行时执行上述方法的全部或部分步骤。在一种示例性实施例中，所述处理组件302的型号为树莓派3（Raspberry Pi 3）。

存储器303被配置为存储各种类型的数据以支持在辅助复习设备3的操作。这些数据的示例包括用于在辅助复习设备3上操作的任何应用程序或方法的指令，用户数据及其他消息、图片和音视频等。存储器303可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。

通信组件304与处理组件302电连接，用于与其他设备之间通过有线或无线方式的通信。辅助复习设备3可以接入基于通信标准的无线网络，如WiFi，2G、3G或5G，NB-IOT或它们的组合。在一个示例性实施例中，通信组件304经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件304还包括近场通信（NFC）模块，以促进短程通信。例如，在NFC模块可基于射频识别（RFID）技术，红外数据协会（IrDA）技术，超宽带（UWB）技术，蓝牙（BT）技术和其他技术来实现。

音频输入组件305与处理组件302电连接，用于获取音频信号并传输到处理组件302。

输出组件306与处理组件302连接，用于输出文字、视频、图片或音频信息。输出组件306可以包括显示屏，也可以包括音箱、喇叭或耳机等音频输出设备。输出组件的连接方式可以通过内部总线相连接，也可以通过VGA、DVI、DP、HDMI等视频输出线、音频输出线及USB线等外部线缆进行连接。在一种示例性实施例中，输出组件306还可以为触控屏，用于显示文字、视频和图片信息并获取用户触控信息。

在示例性实施例中，处理组件302、存储组件303可以被一个或多个应用专用集成电路（ASIC）、数字信号处理器（DSP）、数字信号处理设备（DSPD）、可编程逻辑器件（PLD）、现场可编程门阵列（FPGA）、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器303，上述指令可由辅助复习设备3的处理器320执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。

本发明实施例的有益效果为：解决现有技术中复习所有知识点，耗费时间多，听课效率低时的内容在众多知识点中不突出，复习效率低的技术问题，提供一种能够节省复习时间，突出复习重点的辅助复习设备。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种辅助复习方法，其特征在于，所述方法包括：

采集生理数据；

录制音频；

根据生理数据对学习状态划分级别，所述学习状态包括低效学习期及瞌睡期；

对低效学习期或瞌睡期所录制的音频进行语音识别；

根据语音识别所生成的文本查询对应知识点；

展示所述对应知识点。

2.根据权利要求1所述的辅助复习方法，其特征在于，所述根据语音识别所生成的文本查询对应知识点步骤包括：

根据所述语音识别所生成的文本提取关键词；

根据所述关键词搜索匹配的不少于一个知识点；

计算所述语音识别所生成的文本和所述知识点的相关度；

将相关度最大的知识点设置为查询结果。

3.根据权利要求2所述的辅助复习方法，其特征在于，所述根据生理数据对学习状态划分级别步骤还包括：

对所采集的生理数据进行预处理；

提取所述经预处理的生理数据的特征信息；

根据所述特征信息对学习状态划分级别。

4.根据权利要求1至3之一所述的辅助复习方法，其特征在于，所述的生理数据可以包括脑电波、心电、肌电、脉搏、心率、皮温、皮电、肌电、人脸图像、血压及血氧中的一种或多种的组合。

5.根据权利要求4所述的辅助复习方法，其特征在于，所述生理数据包括脑电波，所述根据所述特征信息对学习状态划分级别步骤包括：

确定采样周期的优势波段；

计算状态判断时间内低效学习波段比例P及睡眠波段比例Q；

根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别；

其中，所述低效学习波段比例P的计算公式为：

<math display = 'block'> <mrow> <mi>P</mi> <mo>=</mo> <mfrac> <mrow> <mi>N</mi> <mo>+</mo> <mi>L</mi> </mrow> <mrow> <mi>M</mi> <mo>+</mo> <mi>N</mi> <mo>+</mo> <mi>L</mi> </mrow> </mfrac> </mrow> </math> ；

所述睡眠波段比例Q的计算公式为：

<math display = 'block'> <mrow> <mi>Q</mi> <mo>=</mo> <mfrac> <mi>L</mi> <mrow> <mi>N</mi> <mo>+</mo> <mi>L</mi> </mrow> </mfrac> </mrow> </math>；

其中：

M为状态判断时间内，当前优势波段为α波时的采样周期数量；

N为状态判断时间内，当前优势波段为β波时的采样周期数量；

L为状态判断时间内，当前优势波段为δ波或θ波时的采样周期数量。

6.根据权利要求5所述的辅助复习方法，其特征在于，根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别步骤包括：

当低效学习波段比例P小于第一阈值时，则判断状态判断时间内学习状态处于高效学习期；

当低效学习波段比例P大于第一阈值，且睡眠波段比例Q小于第二阈值时，则判断状态判断时间内学习状态处于低效学习期；

当低效学习波段比例P大于第一阈值，且睡眠波段比例Q大于第二阈值时，则判断状态判断时间内学习状态处于瞌睡期。

7.一种辅助复习装置，其特征在于，所述装置包括：

采集模块，用于采集生理数据；

录制模块，用于录制音频；

分级模块，用于根据生理数据对学习状态划分级别；

识别模块，用于对低效学习期或瞌睡期所录制的音频进行语音识别；

查询模块，用于根据语音识别所生成的文本查询对应知识点；

展示模块，用于展示所述对应知识点。

8.根据权利要求7所述的辅助复习装置，其特征在于，所述查询模块还包括：

提取单元，用于根据所述语音识别所生成的文本提取关键词；

匹配单元，用于根据所述关键词搜索匹配的不少于一个知识点；

相关计算单元，用于计算所述语音识别所生成的文本和所述知识点的相关度；

设置单元，用于将相关度最大的知识点设置为查询结果。

9.根据权利要求8所述的辅助复习装置，其特征在于，所述装置还包括：

预处理单元，用于对所采集的生理数据进行预处理；

特征提取单元，用于提取所述经预处理的生理数据的特征信息；

状态分级单元，用于根据所述特征信息对学习状态划分级别。

10.一种辅助复习设备，其特征在于，所述设备包括：

生理数据采集组件、处理组件、存储器、音频输入组件和输出组件；

所述生理数据采集组件，用于采集生理数据信号并传输到所述处理组件；

所述处理组件；

所述存储器，用于存储处理器可执行指令及数据；

所述音频输入组件，用于获取音频信号并传输到所述处理组件；

所述输出组件与所述处理组件连接，用于显示文字、视频和图片信息；

其中，所述处理组件用于运行程序，所述程序运行时执行如下操作：

采集生理数据；

录制音频；

根据生理数据对学习状态划分级别，所述学习状态包括低效学习期及瞌睡期；

对低效学习期或瞌睡期所录制的音频进行语音识别；

根据语音识别所生成的文本查询对应知识点；

展示所述对应知识点。