CN111317469A - 一种脑电波监测设备、系统及监测方法 - Google Patents

Abstract

本发明公开了一种脑电波监测设备，包括：脑电波采集单元、处理单元、MCU主控单元和蓝牙模块；脑电波采集单元用于采集生物电信号；处理单元用于将生物电信号转化为数字信号，MCU主控单元用于接收数字信号进行处理后输出数据包至蓝牙模块；蓝牙模块具有Mesh组网功能组件，以使至少两个脑电波检测设备之间能通过蓝牙模块建立连接关系以形成Mesh组网。本发明脑电波检测设备能够实时监测和记录被测者的脑电波数据并通过蓝牙模块与外部设备形成Mesh组网，在需要同时监测多个被测者时，多个脑电波监测设备将获取的数据传输至外部设备进行集成后传输至智能终端设备，即可获取所有被测者的脑电波数据，无需给每个被测者都配备终端智能设备，节省时间及成本。

Description

一种脑电波监测设备、系统及监测方法

技术领域

本发明涉及脑电波信号处理领域，特别涉及一种脑电波监测设备、系统及监测方法。

背景技术

在一些特定场景如课堂、培训机构和冥想共修的场合，往往需要实时监控各个学员的大脑状态，往往通过头戴式设备对每个学员的专注度等参数进行监测和记录，根据这个监测和记录的信息，可以为教师的教学模式和方法提供参考依据，从而可以优化学员的课堂学习体验，提升教师的教学质量。但需要将每个学员的头戴式设备都配备终端智能设备才能将所有学员的信息收集完整，增加了设备部署成本；在现有相关的脑电波监测装置中也存在数据传输过程中出现信息丢失的问题，对于教师或其他相关人员均不能很好地掌握被测者的信息，不利于进一步的方案制定。

发明内容

本发明目的是为了解决现有技术中存在的问题，提出一种脑电波监测设备，包括：脑电波采集单元、处理单元、MCU主控单元和蓝牙模块；所述脑电波采集单元用于采集生物电信号；所述处理单元与所述脑电波采集单元通信连接，用于获取并处理所述生物电信号并将其转化为数字信号；所述MCU主控单元分别与所述处理单元的输出端和所述蓝牙模块的输入端通信连接，用于接收所述数字信号进行处后输出数据包至所述蓝牙模块；所述蓝牙模块具有Mesh组网功能组件，以使至少一个脑电波检测设备能通过蓝牙模块与外部设备建立连接关系以形成Mesh组网。

优选地，所述蓝牙模块支持蓝牙5.0标准，所述处理单元内设有TGAT芯片。

优选地，还包括头部姿态监测单元，所述头部姿态监测单元用于将监测采集到的加速度信号数据传输到MCU主控单元进行数据解析以得到头部的俯仰角度、转滚角度和偏航角度。

优选地，还包括额温检测单元和心率检测单元，所述额温检测单元和心率检测单元分别与MCU主控单元通讯连接；所述额温检测单元用于将检测到的温度数据传输给MCU主控单元并进行数据处理后输出数据包至所述蓝牙模块；所述心率检测单元用于将检测到的心率数据传输给MCU主控单元并进行数据处理后输出数据包至所述蓝牙模块。

优选地，所述头部姿态监测由重力传感器实现。

优选地，还包括电源模块，所述电源模块用于给所述处理单元、MCU主控单元和蓝牙模块提供电能。

本发明还提出一种多人脑电波监测系统，包括数据接收单元、蓝牙Mesh网关设备和上述任一项所述的脑电波监测设备，所述脑电波检测设备均通过所述蓝牙模块分别与所述蓝牙Mesh网关设备连接形成Mesh组网，以使数据包透传至所述蓝牙Mesh网关设备，所述蓝牙Mesh网关设备将集成的数据包传输至所述数据接收单元。

优选地，所述数据接收单元为移动终端，所述脑电波监测设备通过串口通信模式和/或蓝牙通信模式将数据包传输至所述移动终端，所述移动终端可用于对获得的被测者的脑波数据进行展示和分析。

优选地，所述数据接收单元为云端服务器，所述脑电波监测设备通过移动网络或WIFI通讯模式将数据包传输至所述云端服务器用于终端用户访问。

优选地，所述数据包采用十六进制的数据格式，脑电波检测设备向蓝牙模块发送数据包的间隔时间为24.3ms～500ms。

本发明还提出一种多人脑电波监测方法，多个脑电波监测设备与蓝牙网关设备间形成Mesh组网，包括以下步骤：S1、每个脑电波监测设备采集被测者的生物电信号并处理生成数据包；S2、多个所述脑电波监测设备之间通过Mesh组网将各自的数据包传输至蓝牙网关设备；S3、蓝牙网关设备将接收到的数据包进行集成后发送至数据接收单元。

优选地，还包括步骤S4、所述数据接收单元通过走神算法对所述数据包中的相关数据进行处理和/或通过重力传感器获得的头部角度得出被测者的走神状态。

优选地，所述数据包中不包括数据的标志，在解析时直接判断字节的序号解析数据。

优选地，所述数据包中不包括帧数据设备ID字节部分，在Mesh组网过程中自动识别硬件设备ID。

优选地，所述数据包中不包括帧尾部分，根据每次发送字节长度判断接收一帧数据。

优选地，步骤S2中，每台脑电波监测设备的数据在一个时间周期内重复多次发送给网关，网关只需要接收到其中1次即视为成功。

本发明的有益效果包括：本发明通过在脑电波监测设备中设置脑电波采集单元、处理单元、MCU主控单元和蓝牙模块，蓝牙模块具有Mesh组网功能组件，以使至少一个脑电波检测设备通过蓝牙模块与外部设备建立连接关系以形成Mesh组网，能够实时监测和记录被测者的脑电波数据，在需要同时监测多个被测者的场合下，可与网关设备形成Mesh组网，多个脑电波监测设备将获取的数据传输至网关设备进行集成后传输到接收单元，无需给每个被测者都配备终端智能设备，能够做到设备快速部署，且节省成本。

附图说明

图1是本发明实施例多人脑电波监测系统的结构框图。

图2是本发明实施例多人脑电波监测系统在一应用场景下的连接示意图。

图3是本发明实施例多人脑电波监测系统在又一应用场景下的连接示意图。

图4是本发明实施例中每秒传输的数据包的结构示意图。图5是本发明实施例中走神算法流程示意图。

图6是本发明实施例中结合走神算法和重力传感器对走神状态的判断流程。

图7是本发明实施例中峰谷数列示意图。

图8是本发明实施例中对勾型走神状态示意图。

图9是本发明实施例中W型走神状态示意图。

具体实施方式

下面结合具体实施方式并对照附图对本发明作进一步详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

参照以下附图，将描述非限制性和非排他性的实施例，其中相同的附图标记表示相同的部件，除非另外特别说明。

如图1-图3所示，为一种多人脑电波监测系统，包括数据接收单元、蓝牙Mesh网关设备(以下可简称网关或网关设备)和若干个脑电波监测设备，其中，脑电波监测设备包括脑电波采集单元、处理单元、MCU主控单元和蓝牙模块；脑电波采集单元用于采集生物电信号；处理单元与脑电波采集单元通信连接，用于获取并处理生物电信号并将其转化为数字信号；MCU主控单元分别与处理单元的输出端和蓝牙模块的输入端通信连接，用于接收数字信号进行处后输出数据包至蓝牙模块；若干个脑电波检测设备之间通过蓝牙模块建立连接关系并与蓝牙Mesh网关设备形成Mesh组网，以使多个脑电波监测设备按组网先后顺序分别将各自监测得到的数据包传输给网关设备，网关设备将集成的数据包传输至数据接收单元。蓝牙Mesh网关设备为蓝牙5.0Mesh网关设备。

脑电波监测设备为头戴式脑电监测设备。脑电波采集单元通过与佩戴者额头接触的金属干电极传感器进行大脑生物电信号(EEG)的采集。处理单元采用TGTA芯片对采集的大脑生物电信号(即原始脑电波Raw EEG)进行分析、降噪、放大等处理并将其转化为数字信号，输出多种大脑状态指标，如8种大脑生物电信号(EEG)频段(如Delta、Theta、Low Alpha、High Alpha、Low Beta、High Beta、Low Gamma、High Gamma)、专注度、放松度、喜好度和疲劳度等，同时也采集并输出佩戴信号稳定度和电源电量等状态指标。其中，处理单元采用的脑波芯片TGAT是神念公司的一款脑波芯片，该芯片是一个高度集成的单一芯片脑电传感器，可以输出三个Neurosky的eSense参数：EEG、REF、SHIELD，可以进行模数转换，并可检测接触不良的异常状态并通过信号质量值“signal”或“poor signal”来表示，可过滤掉脑电噪音及50/60hz交流电干扰，获取大脑脑电波信号RAW值(即原始脑电波)数据，以及信号质量signal值。其中signal是一个字节的无符号整型变量，用来描述神念科技NeuroSky的ThinkGear测得的信号质量，它的取值范围为0～200。有外界噪声干扰信号引入的时候，信号值就会大于0，采集设备就会断开。信号值越高，意味着干扰越大，当值为200的时候，表示传感器触点电极完全离开了使用者的皮肤。TGAT芯片只有在其信号值为0的条件下，才会进行采集、处理和运算。进一步地，脑电波监测设备还包括额温检测单元和心率检测单元，额温检测单元和心率检测单元分别与MCU主控单元通讯连接；额温检测单元用于将检测到的温度数据传输给MCU主控单元并进行数据处理后输出数据包至蓝牙模块；心率检测单元用于将检测到的心率数据传输给MCU主控单元并进行数据处理后输出数据包至蓝牙模块；脑电波监测设备内还设置有头部姿态监测单元，头部姿态监测单元与MCU主控单元连接，用于将监测采集到的加速度信号数据传输到MCU主控单元进行数据解析以得到头部的俯仰角度、转滚角度和偏航角度，本实施例的头部姿态监测由重力传感器实现。在一些实施例中，脑电波监测设备还设有信号质量检测模块，用于检测被测者是否正确佩戴好设备。通过设置心率检测单元和头部姿态检测单元，可以更加准确地判断学生在上课时的专注情况；专注度高是反馈明学生对某一事物专一，而通过头部姿态与专注度结合可以判断学生是否对讲课内容专注。

处理单元通过串口通信方式将处理后的生物电信号传输到MCU主控单元内部作进一步处理，MCU主控单元的串口通过状态机方式接收脑电波数据帧以及原始脑电波帧数据，将其作滤波处理生成HEX数据包从MCU主控单元的另一串口通过与蓝牙模块建立的Mesh组网透传给数据接收单元(例如移动端设备)。Mesh组网蓝牙设备接收每个脑电波监测设备返回的信息，并整合成字符串描述每台设备信息，设备信息列表按设定时间更新，如每秒更新一次。

脑电波监测设备内置的蓝牙模块选用蓝牙5.0模组以支持蓝牙Mesh网络结构，每个脑电波监测设备中的蓝牙模块与网关设备连接匹配，形成一对多的mesh组网，形成一个去中心化的数据同步网络。采用蓝牙5.0模组相较于蓝牙4.0BLE或3.0的优势在于无需为每个头戴式脑电检测设备配备数据接收终端，数据将在头戴设备与网关设备之间进行同步，如图2所示，节省了大量的数据接收终端的购置成本，同时不需要每个佩戴者单独建立头戴设备和终端设备的连接，只需要打开每个头戴设备电源，每台设备就会与网关设备自动连接，数据接收终端即可接收全部头戴设备的数据，大大简化了部署的难度。采用蓝牙5.0模组可进一步提高蓝牙网关接收数据的成功率，具体地，以优化前的实施例1和优化后的实施例2的数据接收成功率做对比：

实施例1

一般情况下，发送的数据帧为23个字节，如表1所示，每台监测设备每隔1秒钟通过Mesh组网发送一次数据给网关设备(即蓝牙5.0模组)，网关设备每隔1秒通过串口通讯方式把数据传输给PC端或者通过蓝牙通讯的方式把数据帧传输给移动端，综合测试结论发现，接收端收到的数据帧成功率约54％，测试结果如表2所示。

表1

序号	脑电检测设备数据
		1	与网关定义的帧头1
2	与网关定义的帧头2
		3	字节长度
4	内部帧头1
		5	内部帧头2
6	内部数据长度
		7	设备版本号
8	设备ID高字节
		9	设备ID低字节
10	信号质量值
		11	专注度值
12	放松度值
		13	喜好度值
14	重力传感器x轴
		15	重力传感器y轴
16	重力传感器z轴
		17	心率数值
18	额温数值
		19	设备电量
20	设备版本号
		21	CRC校验
22	与网关定义的帧尾1
		23	与网关定义的帧尾2

表2

实施例2

与实施例1不同的是，本实施例通过优化数据帧字节数以及提高数据帧的发送频率提高接收端收到的数据帧成功率。

(1)减小数据帧字节数：如表3所示优化后的数据帧格式，发送的数据帧优化为16个字节，与优化前相比，移除数据的标志，直接判断字节的序号解析数据；移除帧数据设备ID字节部分，在Mesh组网过程中自动识别硬件设备ID；移除帧尾部分，根据每次发送字节长度判断接收一帧数据。

表3

序号	脑电检测设备数据
		1	与网关定义的帧头1
2	与网关定义的帧头2
		3	字节长度
4	内部帧头1
		5	内部帧头2
6	信号质量
		7	专注度值
8	放松度值
		9	喜好度值
10	重力传感器x轴
		11	重力传感器y轴
12	重力传感器y轴
		13	心率数值
14	额温数值
		15	设备电量
16	CRC校验

(2)提高发送数据频率：Mesh组网设备(即脑电波监测设备)每间隔24.3ms～500ms向网关设备发送一次数据，本实施例间隔时间设为100ms，在1S内一共向网关发送10次数据(Mesh组网接收到46台设备每台设备发送的数据，每台设备的数据重复10次发送给网关，网关只需要接收到其中1次即可成功)，经过测试，平均成功率为95％左右，测试结果如表4所示。

表4

为了与不同形式的数据接收单元实现数据传输，至少一个脑电波监测设备发送的数据通过蓝牙Mesh组网整合后，蓝牙5.0模组可以通过以下三种方式连接到不同的数据接收单元：

(1)通过网关串口方式连接到移动端(如PC端)；具体地，由多个头戴式脑电检测设备组成的Mesh组网通过网关串口方式连接到PC端，在PC端应用软件可以显示每个脑电检测设备的数据，或者通过PC端投影到大屏幕显示。每个使用者也可以实时监测自己大脑的情绪。PC端还可以通过以太网把数据传输到云端，做到跨区域跨人群实时脑电波数据监测。

(2)通过蓝牙4.2连接到移动端；具体地，由多个头戴式脑电检测设备组成的Mesh组网通过蓝牙4.2的通讯方式传输到移动端，在移动端应用软件可以显示每个脑电检测设备的实时数据，数据包括：设备ID号、在线状态、专注度、放松度、电量等。专注度和放松度可以列表显示或者曲线图显示，显示方式由用户自由切换。

(3)通过WIFI、4G(或5G)把数据直接上传到云端服务器，终端设备再访问云端服务器；各组成部分的连接示意图参见图2。具体地，蓝牙5.0网关与其中一个头戴式脑电检测设备相连，实现全体数据向网关设备的传输，网关设备内置一个4G(5G)的模块，与云端服务器一个IP地址绑定，将数据以TCP/IP的标准协议传输至一个云服务器。另外，如果部署场地4G(5G)信号覆盖面较弱，则可以通过一个内置Wifi模块的网关设备，与场地的Wifi网络相连，实现数据向云端上传。终端设备再访问云端的架构；用户可以登陆网址在线查看实时数据或者测试完成后移动端会自动生成报表和分析报告，若用户想要查看具体的报表，这时需要用户只需注册一个账号登陆就可以直接访问到云端下载测试报告。云端数据库也可以与一个安装了特定客户端App的智能终端相连，该App实现Mesh网络中多人脑波数据的显示，以及数据向云端的上传。

同时，云端服务还可以建立账户系统，对不同用户的权限和角色进行管理。账户系统还可以对不同区域的人群进行分组，实现跨越人群(班级)的脑电数据检测和记录；如图3所示，不同地区的多个Mesh网络通过各自对应的网关与云端服务器连接，多个设备终端可对脑电数据进行跨域查看等，做到跨区域跨人群实时脑电波数据监测，拓展性大大增加。

为了实现多种终端(智能手机、平板电脑、台式电脑、便携式电脑)和跨操作系统(安卓、IOS、Mac OS、Windows)对数据的访问，本发明系统的客户端将采用HTML 5的架构进行开发，以实现以下功能：对Mesh网络中的数据的实时访问和即时更新；数据记录的调取及形成报表；用户信息和权限的管理；及设备分组的管理。

在多人脑电波监测系统中数据传输的协议采用特定的格式，以16进制HEX包的数据形式进行。数据包以大概每秒一个的速率从Mesh网络向接收终端或网关设备进行传输。数据包以一个包头标识符作为起点，以包尾标识符作为结束和校验。包头和包尾标识符之间是Mesh网络中各个设备的数据，每台设备都以一个设备标识符为起点，设备标识符后的每一个字节都代表该台设备中的各项指标数据，按顺序为：设备佩戴质量值、专注度、放松度、喜好度、重力传感器、心率、额温、设备剩余电源电量。数据包的结构如图4所示。数据包协议将沿用在云端TCP\IP传输的格式上，以Json或其他文本形式记录在服务器端。HTML 5客户端将依据该数据协议对数据进行解析，然后做数据呈现和其他数据可视化的处理，最终形成数据报表。

本发明还提供一种多人脑电波监测方法，多个脑电波监测设备与蓝牙网关设备间形成Mesh组网，其包括以下步骤：

S1、每个脑电波监测设备采集被测者的生物电信号并处理生成数据包。

S2、多个脑电波监测设备之间通过Mesh组网将各自的数据包传输至蓝牙网关设备。

S3、蓝牙网关设备将接收到的数据包进行集成后发送至数据接收单元。

在一些实施例中，多人脑电波监测方法还包括步骤S4、数据接收单元通过走神算法对数据包中的相关数据进行处理和/或通过重力传感器获得的头部角度得出被测者的走神状态。

例如，客户端的应用软件对多人脑波数据进行展示与分析，显示所有人的专注度、放松度。根据每个人专注度和放松度的平均值、方差来进行每个人的脑波表现的实时排名。监测结束后，客户端会呈现具最详细的分析报告。分析报告包含集体高度专注和深度放松的时间分布，集体高度专注用来评估所有参与脑波检测人员的专注度情况，如所有人员对某一段画面或某一段教学内容都非常感兴趣，就会引起集体专注度的提升。集体深度放松用来评估所有参与脑波检测人员的放松度情况，如所有人员进行静心训练。当一个人专注度瞬间快速下降时，客户端的应用软件可通过特定算法，即走神算法，来测算出这个走神时刻并记录下来来判断被测者的走神状态，走神算法也可以与重力传感器检测到的头部角度的移动变化来综合判断走神状态。头部姿态判断以开启脑电波监测设备时采集的空间角度坐标为基准，若连续10秒出现头部角度与基准的偏航角、俯仰角或翻滚角角度的差值的绝对值弧度大于30度以上可认为存在走神情况，可以结合走神算法得出的时刻点进行综合判定，两种走神判断方法为逻辑或的关系。根据选择的判断方式(例如在重力传感器角度大于30和走神算法得出走神的两个条件皆为真时)对被测者进行走神判断，如图6所示重力传感器(本申请采用MPU6050)做出姿态判断处理后与走神算法综合判断走神状态：MCU主控单元通过读取重力传感器的寄存器获取加速度精度原始值，读取地磁寄存器获取初始磁场状态基准数据，读取陀螺仪寄存器获取初始角度方向加速度坐标基准值，利用获取的数据计算出当前重力运动加速度值以及角度方向加速度值，并将计算结果处理为X、Y和Z方向上的分量值(即头部的俯仰角度、转滚角度和偏航角度)，若三个分量值均不为零，则获取数值成功，通过判断三个分量值是否在所设置的阈值30度内来判断被测者是否走神，可进一步结合走神算法得出的走神数据综合判断被测者的走神状态。

走神算法根据每个人的脑波数据进行优化，能捕捉到对勾型、W型的走神状态，相较于直接通过可视化的专注度的数据来判断被测者是否走神或专注，通过走神算法更能够对用户的数据进行校准优化，使判断结果更加精确。本申请中走神算法的定义为:选取专注度(也可称专注力)作为指标，当专注力下降30以上后再回升即算作一次走神。对于一段时间内的专注力值，若这个专注力值同时大于相邻的两个专注力值或大于一个相邻值等于另一个相邻值，则这个专注力值为峰值，若这个专注力值同时小于相邻的两个专注力值或小于一个相邻值等于另一个相邻值，则为谷值。

具体地，走神算法流程如图5所示，包括以下内容：

步骤1)获取数据包中的专注度数据。

步骤2)从专注度数据中筛选出峰值X和谷值Y，形成峰谷数列X1，Y1，X2，Y2…Xn，Yn。具体地，求相邻两个专注力值的差值来判断峰值和谷值，若连续出现两个峰值或连续出现两个谷值(因为有差值为0的情况)，去掉前一个保留后一个，得到峰谷值数列如下，X1，Y1，X2，Y2，X3，Y3...，Xn为峰值，Yn为谷值，X和Y交替出现。

步骤3)走神算法从第一个峰值X1出现后开始进入走神次数的累加，走神次数用cnt表示，走神次数的初始值为0时，先取前三个峰谷值X1，Y1，X2，即第一种情形：对勾型走神状态，如图8所示。

若X2≥X1成立，则进一步判断Y1-X1≤-30是否成立，若Y1-X1≤-30成立，则走神次数加1，X2取代X1的位置并保留，清除之前的数据继续重复该步骤；若Y1-X1≤-30不成立，若进一步判断0＞Y1-X1-30成立，则走神次数记为0次，X2取代X1的位置作为起始取点，清除之前的数据继续重复该步骤；若X2≥X1为否，则进入步骤4)；

步骤4)判断Y1＜X2＜X1是否成立，若成立，则保留X1，Y1，X2并继续取Y2，X3，此时为第二种情形，即由5个峰谷值组成W型走神状态(如图9所示)，并进行步骤5)；若不成立，则返回重新获取数据包中的专注度数据；

步骤5)若X3≥X1成立，则进行ABCDE五种形式的计数判断后，X3取代X1的位置作为起始取点，清除X3之前的数据，重复进行步骤3)；若X3≥X1不成立，则进行步骤6)；

其中，ABCDE五种形式是指：

A.Y1-X1≤-30，Y2-X2≤-30，走神次数记2次；

B.Y1-X1≤-30，0＞Y2-X2＞-30，走神次数记1次；

C.0＞Y1-X1＞-30，0＞Y2-X2＞-30，但Y2-Y1≤-30，走神次数记1次；

D.0＞Y1-X1＞-30，0＞Y2-X2＞-30，且0＞Y2-Y1＞-30，走神次数记0次；

E.0＞Y1-X1＞-30，Y2-X2≤-30，走神次数记1次。

步骤6)判断X3＜X1且0＞Y2-X2＞-30是否成立，若成立，则在5个峰谷值内保留3个峰谷值作为特征值，重复进行步骤4)，此时的W型转化为对勾型；特征值包括2个较大的峰值(如果X2＝X3，取时间轴右边的X3)和最小的谷值(如果Y1＝Y2，取时间轴右边的Y2)；若不成立，则进行步骤7)；

步骤7)判断X3＜X1且Y2-X2≤-30是否成立，若成立则进行步骤5)中的计数判断后，X3取代X1的位置作为起始取点，清除X3之前的数据，重复进行步骤3)，进行对勾型走神状态的判断；若不成立，则返回重新获取数据包中的专注度数据；

步骤8)根据判断结果汇总走神次数。

按照以上步骤进行判断，直到测试终止，得到走神次数。

在另一些实施例中，使用者可通过客户端显示的可视化数据进行脑波竞争与合作游戏训练。该训练支持2人或2组人员进行脑波游戏对战，此时需要全体参与人员，集中专注力来完成游戏的闯关和升级。

在又一些实施例中，多人脑电波监测系统还设有账号管理模块和个人中心模块，所有人在账号管理模块中可以创建一个自己的账号来存储自己的数据，个人中心模块主要用来进行个人脑波报告和整体脑波报告的历史成绩查询，如需要进一步分析，也可在此模块中导出打印自己的报告。

上述多人脑电波监测系统可应用在需要对多个人员进行监测的场合，例如在教育领域，老师可以通过终端设备，例如平板电脑，实时监控全班学生的大脑状态。可以对每一个学生课堂上专注度的表现进行监测和记录，为教师的教学模式和方法提供科学具有参考价值的学生生物反馈指标，从而优化课堂学习体验，提升教学质量。还可根据脑电波监测设备获得的数据在终端设备显示被测者的签到情况、被测者的提问情况等，以便对被测者的具体情况进行可视化监测和管理；被测者佩戴脑电波监测设备的同时会自动在终端设备上自行签到。

教师、校长、或家长也可以通过网关云端连接部署的方案，远程异地实时地观测学生的大脑状态。如有多个班级部署该方案，则可做到跨班级学生的大脑状态监测和记录。解决了繁琐和无法实时获取学生基本资料的技术问题，通过“不接触”、“不见面”老师即可快速完成对学生信息的整合，增加了实际上课的时间；同时可以通过观察每个学生的走神情况来判断整体上课的情况；根据脑波设备收集到每个学生的个人数据情况，为学生进行针对性的训练提供依据和方向，功能更加全面丰富，操作更加方便快，对教育辅导效果整体上有极大的提升。

本领域技术人员将认识到，对以上描述做出众多变通是可能的，所以实施例和附图仅是用来描述一个或多个特定实施方式。

尽管已经描述和叙述了被看作本发明的示范实施例，本领域技术人员将会明白，可以对其做出各种改变和替换，而不会脱离本发明的精神。另外，可以做出许多修改以将特定情况适配到本发明的教义，而不会脱离在此描述的本发明中心概念。所以，本发明不受限于在此披露的特定实施例，但本发明可能还包括属于本发明范围的所有实施例及其等同物。

Claims (20)

1.一种脑电波监测设备，其特征在于，包括：脑电波采集单元、处理单元、MCU主控单元、和蓝牙模块；

所述脑电波采集单元用于采集生物电信号；

所述处理单元与所述脑电波采集单元通信连接，用于获取并处理所述生物电信号并将其转化为数字信号；

所述MCU主控单元分别与所述处理单元的输出端和所述蓝牙模块的输入端通信连接，用于接收所述数字信号进行处后输出数据包至所述蓝牙模块；

所述蓝牙模块具有Mesh组网功能组件，以使至少一个脑电波检测设备能通过蓝牙模块与外部设备建立连接关系以形成Mesh组网。

2.如权利要求1所述的脑电波监测设备，其特征在于：所述蓝牙模块支持蓝牙5.0标准，所述处理单元内设有TGAT芯片。

3.如权利要求1所述的脑电波监测设备，其特征在于：还包括头部姿态监测单元，所述头部姿态监测单元用于将监测采集到的加速度信号数据传输到MCU主控单元进行数据解析以得到头部的俯仰角度、转滚角度和偏航角度。

4.如权利要求1所述的脑电波监测设备，其特征在于：还包括额温检测单元和心率检测单元，所述额温检测单元和心率检测单元分别与MCU主控单元通讯连接；所述额温检测单元用于将检测到的温度数据传输给MCU主控单元并进行数据处理后输出数据包至所述蓝牙模块；所述心率检测单元用于将检测到的心率数据传输给MCU主控单元并进行数据处理后输出数据包至所述蓝牙模块。

5.如权利要求3所述的脑电波监测设备，其特征在于：所述头部姿态监测单元由重力传感器实现。

6.如权利要求1所述的脑电波监测设备，其特征在于：还包括电源模块，所述电源模块用于给所述处理单元、MCU主控单元和蓝牙模块提供电能。

7.一种多人脑电波监测系统，其特征在于，包括数据接收单元、蓝牙Mesh网关设备和至少一个上述权利要求1-6任一项所述的脑电波监测设备，所述脑电波检测设备均通过所述蓝牙模块分别与所述蓝牙Mesh网关设备连接形成Mesh组网，以使数据包透传至所述蓝牙Mesh网关设备，所述蓝牙Mesh网关设备将集成的数据包传输至所述数据接收单元。

8.如权利要求7所述的多人脑电波监测系统，其特征在于：所述数据接收单元为移动终端，所述蓝牙Mesh网关设备通过串口通信模式和/或蓝牙通信模式将数据包传输至所述移动终端，所述移动终端用于对获得的被测者的脑波数据进行展示和分析。

9.如权利要求7所述的多人脑电波监测系统，其特征在于：所述数据接收单元为云端服务器，所述蓝牙Mesh网关设备通过移动网络或WIFI通讯模式将数据包传输至所述云端服务器用于终端用户访问。

10.如权利要求7所述的多人脑电波监测系统，其特征在于：脑电波检测设备向所述蓝牙Mesh网关设备发送数据包的间隔时间为24.3ms～500ms。

11.一种多人脑电波监测方法，多个脑电波监测设备与蓝牙网关设备间形成Mesh组网，其特征在于，包括以下步骤：

S1、每个脑电波监测设备采集被测者的生物电信号并处理生成数据包；

S2、多个所述脑电波监测设备之间通过Mesh组网将各自的数据包传输至蓝牙网关设备；

S3、蓝牙网关设备将接收到的数据包进行集成后发送至数据接收单元。

12.如权利要求11所述的多人脑电波监测方法，其特征在于，还包括步骤S4、所述数据接收单元通过走神算法对所述数据包中的相关数据进行处理和/或通过重力传感器获得的头部角度得出被测者的走神状态。

13.如权利要求12所述的多人脑电波监测方法，其特征在于，所述走神算法包括以下步骤：

1)获取数据包中的专注度数据；

2)从专注度数据中筛选出峰值X和谷值Y，形成峰谷数列X1，Y1，X2，Y2…Xn，Yn；

3)走神次数的初始值为0时，取前三个峰谷值X1，Y1，X2，若X2≥X1为是，则进一步判断Y1-X1≤-30是否成立，若Y1-X1≤-30成立，则走神次数加1，X2取代X1的位置并保留，清除之前的数据继续重复该步骤；若Y1-X1≤-30不成立，若进一步判断0＞Y1-X1-30成立，则走神次数记为0次，X2取代X1的位置作为起始取点，清除之前的数据继续重复该步骤；若X2≥X1为否，则进入步骤4)；

4)判断Y1＜X2＜X1是否成立，若成立，则保留X1，Y1，X2并继续取Y2，X3，并进行步骤5)；若不成立，则返回步骤1)；

5)若X3≥X1成立，则进行计数判断后，X3取代X1的位置作为起始取点，清除X3之前的数据，重复进行步骤3)；若X3≥X1不成立，则进行步骤6)；

6)判断X3＜X1且0＞Y2-X2＞-30是否成立，若成立，则在5个峰谷值内保留3个峰谷值作为特征值，重复进行步骤4)；所述特征值包括2个较大的峰值和最小的谷值；若不成立，则进行步骤7)；

7)判断X3＜X1且Y2-X2≤-30是否成立，若成立则进行步骤5)中的计数判断后，X3取代X1的位置作为起始取点，清除X3之前的数据，重复进行步骤3)；若不成立，则返回步骤1)；

8)根据判断结果汇总走神次数。

14.如权利要求13所述的多人脑电波监测方法，其特征在于，步骤2)中筛选出峰值X和谷值Y的方法为，根据相邻两个专注力值的差值来判断峰值和谷值，若连续出现两个峰值或连续出现两个谷值，去掉前一个保留后一个，得到峰谷值数列。

15.如权利要求13所述的多人脑电波监测方法，其特征在于，步骤5)中的进行计数判断包括以下五种情况：

A.Y1-X1≤-30，Y2-X2≤-30，走神次数记2次；

B.Y1-X1≤-30，0＞Y2-X2＞-30，走神次数记1次；

C.0＞Y1-X1＞-30，0＞Y2-X2＞-30，但Y2-Y1≤-30，走神次数记1次；

D.0＞Y1-X1＞-30，0＞Y2-X2＞-30，且0＞Y2-Y1＞-30，走神次数记0次；

E.0＞Y1-X1＞-30，Y2-X2≤-30，走神次数记1次。

16.如权利要求12所述的多人脑电波监测方法，其特征在于，通过重力传感器判断走神状态的方法包括连续10秒被测者的头部角度与基准角度的差值的绝对值弧度大于30度。

17.如权利要求11所述的多人脑电波监测方法，其特征在于，所述数据包中不包括数据的标志，在解析时直接判断字节的序号解析数据。

18.如权利要求17所述的多人脑电波监测方法，其特征在于，所述数据包中不包括帧数据设备ID字节部分，在Mesh组网过程中自动识别硬件设备ID。

19.如权利要求18所述的多人脑电波监测方法，其特征在于，所述数据包中不包括帧尾部分，根据每次发送字节长度判断接收一帧数据。

20.如权利要求19所述的多人脑电波监测方法，其特征在于，步骤S2中，每台脑电波监测设备的数据在一个时间周期内重复多次发送给蓝牙网关设备，蓝牙网关设备只需要接收到其中1次即视为成功。

Images