CN113520392A - 一种基于脑机接口技术评价音乐对学习专注度影响的方法 - Google Patents
一种基于脑机接口技术评价音乐对学习专注度影响的方法 Download PDFInfo
- Publication number
- CN113520392A CN113520392A CN202010302457.3A CN202010302457A CN113520392A CN 113520392 A CN113520392 A CN 113520392A CN 202010302457 A CN202010302457 A CN 202010302457A CN 113520392 A CN113520392 A CN 113520392A
- Authority
- CN
- China
- Prior art keywords
- music
- subject
- signals
- electroencephalogram
- brain
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 210000004556 brain Anatomy 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000003595 spectral effect Effects 0.000 claims abstract description 8
- 230000006399 behavior Effects 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 32
- 238000002474 experimental method Methods 0.000 claims description 26
- 230000000694 effects Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 13
- 230000009286 beneficial effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000033764 rhythmic process Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 3
- 238000011179 visual inspection Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 32
- 206010062519 Poor quality sleep Diseases 0.000 description 6
- 230000008451 emotion Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 210000003128 head Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008909 emotion recognition Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 238000005312 nonlinear dynamic Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010001497 Agitation Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 208000015592 Involuntary movements Diseases 0.000 description 1
- 241000755266 Kathetostoma giganteum Species 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000000193 eyeblink Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- VZCCETWTMQHEPK-QNEBEIHSSA-N gamma-linolenic acid Chemical compound CCCCC\C=C/C\C=C/C\C=C/CCCCC(O)=O VZCCETWTMQHEPK-QNEBEIHSSA-N 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 230000017311 musculoskeletal movement, spinal reflex action Effects 0.000 description 1
- 230000003183 myoelectrical effect Effects 0.000 description 1
- 239000002504 physiological saline solution Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Educational Technology (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于脑机接口(BCI)技术评价音乐对学习专注度影响的方法。所述方法利用EMOTIV‑EPOC脑电波检测仪采集受试者脑电信号,通过对受试者一边听音乐一边学习时的脑电信号进行采集、预处理、特征提取、特征降维、对脑电信号的θ、α、β三频段信号的谱能量归一化处理,经比较得出音乐是否对受试者有影响的结论,进而以此结论为依据展开相关应用,进一步客观地认识个体的思维特质,对于客观地评价学生学习的行为习惯、有针对性地指导学生制定学习方法有辅助作用。
Description
技术领域
脑机接口Brain-Computer Interface (BCI) 技术中借助头皮脑电信号进行情绪识别技术是脑电研究及应用的重要方向之一。
背景技术
本发明利用脑机接口 (BCI) 技术中借助头皮脑电信号进行情绪识别的技术,采用EMOTIV EPOC+脑电仪,通过对获取到的Electroencephalogram (EEG)信号进行预处理、解析、特征提取,找出了一种分析音乐对学生学习专注度影响程度的方法,并进行了应用,归纳出音乐对学习专注度产生影响的五种典型情形,并解析了不同个体的思维特质差异。
发明内容
本发明的目的在于:学生学习时听音乐是一种普遍现象,然而音乐是否会对收听者的学习有影响,目前是学生和家长各执一词,谁也说服不了谁,本发明提供一种基于脑机接口技术,利用EMOTIV-EPOC脑电波检测仪(该脑电波检测仪为14导脑电信号头戴设备,本说明只是以该头戴设备为例,只要能够采集到8导以上的脑电信号的脑电波检测仪都适用于本方法)采集受试者脑电信号,通过对受试者一边听音乐一边学习时的脑电信号进行采集,用Matlab编程进行预处理、特征提取、特征降维、对脑电信号的θ、α、β三频段信号的谱能量归一化处理,经比较得出音乐对受试者学习专注度是否有影响的结论,进而以此结论为依据展开相关应用,进一步客观地认识个体的思维特质,对于客观地评价学生学习的行为习惯、有针对性地指导学生制定学习方法有辅助作用。
为了实现上述目的,本发明采用的技术方案如下:
1.研究的技术路线图如图1所示。
2.测试工具
脑电信号的采集工具为EMOTIV公司的EMOTIV-EPOC脑电波检测仪和EmotivPRO脑电信号采集软件;脑电信号分析工具为在WIN 7的操作环境下应用Matlab2016。
EMOTIV-EPOC脑电波检测仪为14导脑电信号头戴设备,该设备的信号采样频率为128Hz,采样带宽为0.2-45Hz。
脑电液(生理盐水)500ml、10ml平头注射器一支、医用脱脂棉、干、湿巾若干包、温度湿度计一支。
处于“飞行状态”的手机、有线耳机。
3.测试环境限定
1)本脑电设备属无线接收,脑电测试时很容易受到外部环境的干扰,需要一个安静的房间进行测试,。
2)房间整洁,空气调节器调节实验室的温度和湿度,使实验室温度保持在20—25℃,湿度保持在40%~60%。
3)房间内部隔音,窗户采用深色窗帘避光,测试时受试者所处环境以暗光为背景,光线不直接投射到受试者的前面。除受试者,其他人员进入实验准备室和实验室后,均要关闭手机等通讯工具。受试者手机处于“飞行状态”。
4)测试正式开始后,除引导员的引导词外,不允许有交谈等其他声响出现。
5)测试时不使用脑电波检测仪以外的无线设备,如无线鼠标、键盘、蓝牙耳机等。
6)播放音乐的方法:音乐源为受试者自己的手机,手机处于“飞行状态”,采用有线耳机收听音乐。
7)受试者选择学习时自己喜欢听的两种音乐:舒缓的音乐和较快速的音乐。
4.测试应急状态与处理
1)由于头部头发的影响,测试时存在电极导电性减弱的现象,需重新对接收电极添加生理盐水。处理方法:关闭记录按钮,暂停记录,待添加完毕,采集图形正常后再予记录。
2)受试者出现眨眼、睁眼、晃动头颈部、肢体等动作、吞咽口水等不自主动作。处理方法:如果不频繁,不影响记录,在相应图形处打上标记,同时,在记录表上相应的位置加以记录,待数据采集后予以删除;如果比较频繁,影响记录,则暂停实验,提醒受试者注意,待受试者调整平稳后重新开始实验。
5.测试设计
1)设计一套统一难度的专注度测试方法――“数字连线”实验:将1-45个数字随机放置在9×5的方阵中,要求按顺序将1-45个数字找出并标记,对实验进行计时。由于45个数字随机放置,所以所有测试题目不重复且难度相当。
2)每人进行三组实验:分别在无音乐、舒缓音乐、快速音乐下进行“数字连线”实验。
3)记录每次连数字所用的时间,保存好EmotivPRO接收到的脑电信号数据。
4)对脑电信号进行分析处理。
6.对脑电信号进行分析处理的方法如下:
1)脑电信号的去伪迹处理。
由于脑电信号十分微弱,因此在采集过程中很容易受到其他噪声信号的干扰。脑电信号的预处理主要是指去除采集到的脑电信号中所掺杂的伪迹。在情绪识别研究中,所要去除的伪迹主要包括眼电、肌电、心电、工频干扰、电磁干扰和任务不相关的脑电等。
去除伪迹的方法通常有:视觉检查法和独立成份分析法(ICA)。
如图2所示几种情况,就可以用视觉检查法直接去除。
2)对脑电信号的滤波处理
脑电图数据存储为浮点值,直接从14导脑电仪经AD转换而成。在AD转换时通过增加一个约4200 uV的直流偏置,使EEG中的负电压被转换成低于平均水平的正值,而正电压被转换成高于平均水平的正值 (见图3上)。为了下一步的信号分析,消除直流偏置是非常有必要的。
最简单的办法是直接减去4200 uV的直流偏置,但更理想情况下应该应用一个高通滤波器。首先将信号减去数据的平均值,然后将数据限定在±40uV之间,用0.16 Hz一阶高通滤波器来消除背景信号,这种方法可以消除任何一种长期漂移(见图3下)。
3)对脑电信号进行快速傅里叶变换(FFT)
经过滤波后的脑电信号就可以正式开始分析了。分析的方法目前有很多种,包括了时域分析、频域分析、时频分析、神经网络、非线性动力学等等。这里只用到了频域分析,经过FFT变换后的结果如图4所示。
4)特征提取
用经过快速傅里叶变换后的信号的能量作为信号的特征。对于滤波后得到的信号,计算出平均功率值,即把每导联每频带上的信号离散点的幅值进行平方和累加得到每一频带每一导联上的能量(单位μV2),表示能量随空间和频率的分布,体现不同脑区在不同频带的活跃程度,某导联某频带能量越大,体现对应脑区越活跃,兴奋性强。对于长度为 N 的脑电信号 x(n) ,其能量 E 的具体计算公式为:
5)特征降维
每位受试者的实验都有三组对照实验数据,每组数据被分成N个片段,每个片段包含14条电极通道的数据,每条电极通道都要分离出δ 波、θ 波、α 波、β 波这四种波形,将各个片段分离出来的每种波形的谱能量值求平均,作为该组实验各电极通道对应的波形特征参数。
以一个被分为7个片段的实验为例(受试者实验中最多的有18个片段),该实验的维度有3组×7个片段×14通道×1024个数据点如图5所示。因此我们对N个片段的实验组的特征量取平均值后再进行对比。
经过滤波后的脑电信号就可以正式开始分析了。分析的方法目前有很多种,包括了时域分析、频域分析、时频分析、神经网络、非线性动力学等等。这里只用到了频域分析,经过FFT变换后的结果如图4所示。
根据(1)式分别计算每段脑电信号的δ 波、θ 波、α 波、β 波的谱能量,得到的结果依次为E(x1)、E(x2)、E(x3)、E(x4)。 由于数据采集自不同的受试者,受试者处在不同的精神状态,且采集过程中电极的位置也会有轻微的改变,因此要求特征量有一定的泛化能力,对得到的结果进行进一步的归一化处理:
这样,最终得到特征量为
由于对照实验其中的一项评价标准是“所用的时间”,因此时间维度也是我们必须考虑的因素。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1)通过脑电信号的预处理,有效地去除了采集到的脑电信号中所掺杂的伪迹。
2)通过对脑电信号的滤波处理,不但有效地消除了直流偏置,而且消除了背景信号,这种方法可以消除任何一种长期漂移。
3)数字信号处理的主要数学工具是傅里叶变换,而傅里叶变换研究的是整个时间域和频率域的关系。对于脑电信号进行时频分析,进行快速傅里叶变换是提取脑电信号频率特性的非常有效的办法。
4)无论是信号检测分类还是识别处理,都基于对信号的特征提取。脑电节律特性的研究中,多采用节律波的功率(或能量)作为脑电特征对脑电进行分类和识别。可见,信号的能量可以作为一个显著的特征对信号进行特征鉴别。
5)脑电信号的频域分析方法主要是功率谱估计,功率谱就是把幅度随时间变化的脑电波变换成为功率随频率变化的谱图,功率谱反映了信号的频率成分以及相对强弱,通过功率谱图可以直接观察 EEG 中四种脑电波节律的分布和变化情况。
通过对N个片段的测试组的特征量取平均值后再进行对比,然后再对电信号的δ波、θ 波、α 波、β 波的谱能量进行归一化处理,能够有效地提取到最终的特征量。
一、具体实施方式
1.测试设计
1)测试前为了避免第一次做测试产生的干扰因素,先让受试者在不计时的情况下做一次测试。
2)受试者安静坐于室内,脑电电极按照国际脑电图学会 “10-20 国际标准导联系统(如图6所示)”,将14导电极分布在头部,参考电极置于左右耳垂(如图7所示)。
3)测试前为受试者讲清楚整个实验过程。在采集脑电数据的过程中避免身体、头部以及口腔的动作,尽量不刻意地眨眼。精神状态自然放松。
4)每进行一组实验前,都要采集睁眼静息态和闭眼静息态的信息,作为实验的基线参考。
5)测试时间:从闭眼静息态完成,波形稳定,铅笔开始划第一个数字开始计时,最后一个数字被划掉结束。避免抬笔、放笔的动作被记录在计时周期内。
6)测试的顺序是无音乐组、舒缓音乐组、快速音乐组。
7)每组实验完成后要询问受试者在测试过程中的心理状态,有无明显的情绪波动。
8)将数据存盘文件名称、受试者ID、测试所用时间、测试过程中的心理状态、背景音乐名称类型进行详细记录。
2.测试数据整理
根据“脑电信号的特点和分类”的描述,我们对脑电的数据进行了如下处理:
1)将EmotivPRO软件采集得到的脑电信号以.CSV格式输出。
2)将该文件截取成在计时周期内的N段所需的数据片段,去掉明显的动作伪迹(人工去伪迹)。
3)依据(如图8所示)的频段划分标准,δ波对于我们分析注意力没有帮助,因此我们此次只对θ、α、β三频段的信号进行分析。
4)对每个受试者的14导脑电仪的脑电信号,先分别计算出各频段的谱功率,然后进一步计算各频段的谱功率占θ、α、β三频段总谱功率的百分比,其结果依次定义为θ指数、α指数、β指数。
5)β指数与α指数之比定义为活力系数(Activation Index)对其进行量化处理,范围为0-100,得到活力度Iact。
6)α指数与θ指数之比定义为清醒系数(Wakefulness)对其进行量化处理,范围为0-100,得到高清醒度Iw。
7)β指数与θ指数之比定义为注意力系数(Attention Index)对其进行量化处理,范围为0-100,得到专注度Ifoc。
8)由于三组对照实验,所用时间不同,因此不得不再加进去“所用时间”这个维度。对所用时间进行排序,用时最少的设为t1,其次为t2,用时最多的为t3。由于不同受试者三个用时的差值不同,故此,必须考虑差值占所用时间的百分比,所以设计了时间系数;
其中: t1:用时最少的实验组;t2:用时其次的实验组;t3:用时最多的实验组。
用时最少的实验组时间系数为1;用时其次的实验组时间系数为T1;用时最多的实验组时间系数为T2。
9)将每名受试者得出的计算数据:θ指数、α指数、β指数、活力度Iact(β/α)、高清醒度Iw (α/θ)、专注度Ifoc(β/θ)、以及时间系数形成的柱状图进行直观展示,并用雷达图将“无音乐”“轻音乐”“快速音乐”这三种状态下优势比较结果进行对比展示。
测试结果分析
根据以上测试方法,总结归纳出以下五种典型思维特质,具体测试分析图形如下:
情形一:音乐明显增强专注度
受试者A(如图9):
图形分析结果(如图10):
波形分析:该受试者在其喜欢的快速音乐下全部指标都产生了非常明显的增强作用,说明受试者非常喜欢这首曲子,此音乐与他产生了共鸣,激发了他的清醒度、活力度;而无音乐与舒缓音乐相比,舒缓音乐并没有太明显的表现。
对受试者的建议:该受试者有着强烈的外向型性格,对环境的适应能力很强,在不影响他人的前提下,可以适度以自己喜爱的音乐作为背景环境,来激发自我,进行高效地学习。
情形二:舒缓音乐稍有利于提高专注度,快节奏音乐对专注度稍有干扰
受试者B(如图11):
图形分析结果(如图12):
波形分析:该受试者喜欢的这个舒缓音乐对其θ波、α波、β波、清醒度、专注度、活力度都有增强作用,但比无音乐情况下只是略高;快速音乐对专注度有一定的负面影响,但与另外两种情况的差别不是很大。有无音乐对于受试者的影响不是很大。
对受试者的建议:受试者在一定程度上不易受外界的干扰,舒缓的音乐在一定程度上利于缓解紧张情绪,提高学习效率,但对于快节奏的音乐,在学习时还是要尽量避免,如果想进入深度思考的状态,一个非常安静的环境是高效工作的保障。
情形三:舒缓音乐提高专注度、快节奏音乐严重干扰专注度
受试者C(如图13):
图形分析结果(如图14):
波形分析:该受试者喜欢的这个舒缓音乐对全部的讨论项都有很强的增强作用。但稍快一点的的音乐就打断了他的思绪。
对此种情形下受试者的建议:该受试者对外界的干扰非常敏感,稍微嘈杂一些的环境,就会打断他的思绪,反之一个有着流水的背景音乐就很快能让其全身心放松。音乐可以带动其情绪,如果想进入深度思考的状态,一个幽静山谷,周围有着潺潺流水声,再萦绕在空中一曲空灵的音乐似乎能让他出现巅峰的学习效率。(他的学习环境条件要求真高呀!但愿他不是在为自己找借口。)
情形四:音乐不利于提高专注度
受试者D(如图15):
图形分析结果(如图16):
波形分析:尽管该舒缓音乐是受试者喜欢的,但是对他的α波、β波、专注度并没有产生明显的作用,稍快速的音乐一定程度上影响了β波和专注度,但对其它指标并没有起到明显的正作用或负作用了。
对此种情形下受试者的建议:受试者在一定程度上易受外界的干扰,快节奏的音乐比舒缓音乐影响更大。因此,在学习时还是要尽量避免听快节奏音乐,如果想进入深度思考的状态,一个非常安静的环境更有助于提高其学习效率。
受试者E(如图17):
图形分析结果(如图18):
波形分析:该受试者在无音乐的安静环境下其α波有明显的增多,并且头脑也更加清醒(α/θ高清醒度增加),随着音乐的出现,专注度明显受到了影响,但是随着音乐节奏的加快,β波和活力度也随之增加,这时的专注度尽管比无音乐时稍低,却比舒缓音乐时要稍高一些,说明受试者有较强的情绪控制能力,在有外界干扰的情况,自动启动了屏蔽机制。
对此种情形下受试者的建议:受试者对外界的干扰敏感,但情绪控制能力很强,能够及时屏蔽干扰。如果想进入深度思考的状态,一个安静的环境有助于提高其学习效率。
情形五:音乐严重干扰专注度
受试者F(如图19):
图形分析结果(如图20):
波形分析:尽管该舒缓音乐是受试者喜欢的,但是它还是对他的全部指标产生了负作用,更不用说稍快速的音乐了。
对受试者的建议:该受试者对外界的干扰非常敏感,任何的声响都会影响他的情绪,因此一个非常安静的环境是对该受试者提高学习效率的必要保障。
测试稳定性验证
为了验证实验的稳定性,随机抽取一名受试者,在第一次测试进行完14天后,重复以上实验。测试数据对比如图21:
图形分析结果(如图22):
比较结论:
两次比较除θ波略有差异,后面五项关键指标基本一致。证明该实验具有稳定性。
研究结果分析与试用范围
1.借助常规脑电数据采集装置,经过EEG信号的滤波、FFT处理及提取特征值的分析,对评价学生学习专注度提供了一种可行的方法。
2.因为个体差异的广泛存在,我们不能武断地说音乐对学习专注度有或无影响:对自身情绪控制能力强的人,音乐的有无,甚至外界的干扰对其都不会产生明显的影响;但对外界干扰敏感的人,音乐的选择就很重要了,错误的选择会产生很大的负作用,即使是听起来很美的音乐。
3.音乐对学习专注度的影响大体可以分为下列五种情形:
1)明显增强专注度;
2)舒缓音乐稍有利于提高专注度,快节奏音乐对专注度稍有干扰;
3)舒缓音乐提高专注度、快节奏音乐严重干扰专注度;
4)音乐不利于提高专注度;
5)音乐严重干扰专注度。
4.这种方法可以用于学习行为习惯的分析,找出影响学生学习效率的可能因素,从而进一步客观地认识个体的思维特质,进一步指导学生和家长,制定出适合个体的学习方式。
5.此方法可以作为学校或学习机构分析学生学习行为习惯的工具,对于客观地评价学生行为习惯,有针对性地指导学生制定学习方法有辅助作用。
附图说明
图1为技术路线图。
图2为工频干扰(左1)、肌电伪迹(左2)、和眼电伪迹(左3和右)。
图3为F3通道其中一段8秒片断(上为采集的原始数据,下为滤波后的数据)。
图4为左上:FFT变换前谱右上:FFT变换后谱(0-128Hz)左中:δ频段谱右中:θ频段谱左下:α频段谱右下:β频段谱。
图5为其中一组实验的数据维度。
图6为10-20 国际标准导联系统。
图7为EMOTIV脑电帽电极位置图。
图8为脑电的频率变化范围。
图9为受试者A在“无音乐”“轻音乐”“快速音乐”三种状态下优势比较柱状图。
图10为受试者A在“无音乐”“轻音乐”“快速音乐”三种状态下优势排序。
图11为受试者B在“无音乐”“轻音乐”“快速音乐”三种状态下优势比较柱状图。
图12为受试者B在“无音乐”“轻音乐”“快速音乐”三种状态下优势排序。
图13为受试者C在“无音乐”“轻音乐”“快速音乐”三种状态下优势比较柱状图。
图14为受试者C在“无音乐”“轻音乐”“快速音乐”三种状态下优势排序。
图15为受试者D在“无音乐”“轻音乐”“快速音乐”三种状态下优势比较柱状图。
图16为受试者D在“无音乐”“轻音乐”“快速音乐”三种状态下优势排序。
图17为受试者E在“无音乐”“轻音乐”“快速音乐”三种状态下优势比较柱状图。
图18为受试者E在“无音乐”“轻音乐”“快速音乐”三种状态下优势排序。
图19为受试者F在“无音乐”“轻音乐”“快速音乐”三种状态下优势比较柱状图。
图20为受试者F在“无音乐”“轻音乐”“快速音乐”三种状态下优势排序。
图21为受试者B三种状态下优势比较柱状图第一次实验(左)第二次实验(右)。
图22为受试者B三种状态下优势排序第一次实验(左)第二次实验(右)。
Claims (6)
1.一种基于脑机接口 (BCI) 技术,用来评价音乐是否对受试者的学习专注度有影响的方法,所述方法利用EMOTIV-EPOC脑电波检测仪采集受试者脑电信号,通过专用的测试程序,对受试者一边听音乐一边学习时的脑电信号进行采集,用Matlab编程进行预处理、特征提取、特征降维、对脑电信号的θ、α、β三频段信号的谱能量归一化处理,经比较得出音乐对受试者学习专注度是否有影响的结论,进而以此结论为依据展开相关应用,进一步客观地认识个体的思维特质,对于客观地评价学生学习的行为习惯、有针对性地指导学生制定学习方法有辅助作用。
2.根据权利要求1一种基于脑机接口 (BCI) 技术,用来评价音乐是否对受试者的学习专注度有影响的方法,所述方法利用EMOTIV-EPOC脑电波检测仪采集受试者脑电信号,其特征在于:该脑电波检测仪为14导脑电信号头戴设备,本说明只是以该头戴设备为例,只要能够采集到8导以上的脑电信号的脑电波检测仪都适用于本方法。
3.根据权利要求1一种基于脑机接口 (BCI) 技术,用来评价音乐是否对受试者的学习专注度有影响的方法,所述通过专用的测试程序,该测试程序的特征为:设计一套统一难度的专注度测试方法――“数字连线”实验、对测试环境进行限定、明确测试过程中应急状态的处理方法。
4.根据权利要求1一种基于脑机接口 (BCI) 技术,用来评价音乐是否对受试者的学习专注度有影响的方法,所述方法通过对受试者一边听音乐一边学习时的脑电信号进行采集,用Matlab编程进行预处理、特征提取、特征降维、对脑电信号的θ、α、β三频段信号的谱能量归一化处理,经比较得出音乐是否对受试者有影响的结论,其特征在于:用视觉检查法直接去除伪迹,消除直流偏置,用0.16 Hz一阶高通滤波器来消除背景信号,提取出经过快速傅里叶变换后的信号的能量作为信号的特征,将该特征的谱能量进行归一化处理后,得到降维后的特征量。
5.根据权利要求1一种基于脑机接口 (BCI) 技术,用来评价音乐是否对受试者的学习专注度有影响的方法,所述方法经比较得出音乐是否对受试者有影响的结论,进而以此结论为依据展开相关应用,其特征在于:音乐对学习专注度的影响大体可以分为下列五种情形:(1)音乐明显增强专注度;(2)舒缓音乐稍有利于提高专注度、快节奏音乐对专注度稍有干扰;(3)舒缓音乐提高专注度、快节奏音乐严重干扰专注度;(4)音乐不利于提高专注度;(5)音乐严重干扰专注度。
6.一种基于脑机接口 (BCI) 技术,用来评价音乐是否对受试者的学习专注度有影响的方法,其特征在于:所述方法利用EMOTIV-EPOC脑电波检测仪采集受试者脑电信号,通过专用的测试程序,对受试者一边听音乐一边学习时的脑电信号进行采集,用Matlab编程进行预处理、特征提取、特征降维、对脑电信号的θ、α、β三频段信号的谱能量归一化处理,经比较得出音乐对受试者学习专注度是否有影响的结论,进而以此结论为依据展开相关应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010302457.3A CN113520392A (zh) | 2020-04-17 | 2020-04-17 | 一种基于脑机接口技术评价音乐对学习专注度影响的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010302457.3A CN113520392A (zh) | 2020-04-17 | 2020-04-17 | 一种基于脑机接口技术评价音乐对学习专注度影响的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113520392A true CN113520392A (zh) | 2021-10-22 |
Family
ID=78088534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010302457.3A Pending CN113520392A (zh) | 2020-04-17 | 2020-04-17 | 一种基于脑机接口技术评价音乐对学习专注度影响的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113520392A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114159077A (zh) * | 2022-02-09 | 2022-03-11 | 浙江强脑科技有限公司 | 基于脑电信号的冥想评分方法、装置、终端及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103656833A (zh) * | 2013-12-24 | 2014-03-26 | 天津师范大学 | 一种穿戴式脑电注意力训练仪 |
CN108919962A (zh) * | 2018-08-17 | 2018-11-30 | 华南理工大学 | 基于脑机数据集中处理的辅助钢琴训练方法 |
CN109105229A (zh) * | 2017-06-24 | 2019-01-01 | 王瀚迪 | 一种盆栽绿植土壤含水量自动控制的方法 |
CN109224242A (zh) * | 2018-09-05 | 2019-01-18 | 华南理工大学 | 基于vr交互的心理放松系统及方法 |
CN109857899A (zh) * | 2019-01-30 | 2019-06-07 | 浙江强脑科技有限公司 | 歌曲推荐方法、播放设备及计算机可读存储介质 |
CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
CN110882465A (zh) * | 2019-12-25 | 2020-03-17 | 厦门大学 | 基于脑电与运动状态反馈的注意力训练系统及方法 |
-
2020
- 2020-04-17 CN CN202010302457.3A patent/CN113520392A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103656833A (zh) * | 2013-12-24 | 2014-03-26 | 天津师范大学 | 一种穿戴式脑电注意力训练仪 |
CN109105229A (zh) * | 2017-06-24 | 2019-01-01 | 王瀚迪 | 一种盆栽绿植土壤含水量自动控制的方法 |
CN108919962A (zh) * | 2018-08-17 | 2018-11-30 | 华南理工大学 | 基于脑机数据集中处理的辅助钢琴训练方法 |
CN109224242A (zh) * | 2018-09-05 | 2019-01-18 | 华南理工大学 | 基于vr交互的心理放松系统及方法 |
CN109857899A (zh) * | 2019-01-30 | 2019-06-07 | 浙江强脑科技有限公司 | 歌曲推荐方法、播放设备及计算机可读存储介质 |
CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
CN110882465A (zh) * | 2019-12-25 | 2020-03-17 | 厦门大学 | 基于脑电与运动状态反馈的注意力训练系统及方法 |
Non-Patent Citations (3)
Title |
---|
YUFEI GUO; SHIQUAN ZHANG; HANDI WANG; XIAOJIE LI; BAIHUI ZENG; TING HU; FU XIANG; PENG WU: "Extraction technology optimization of water soluble pachyman by ultrasonic method and its antioxidant activity.", 《CHINA BREWING》, vol. 37, no. 12, 31 December 2018 (2018-12-31), pages 160 - 164 * |
张晶秋: "基于多元生理信息的专注状态评价系统", 《CNKI》, 15 January 2019 (2019-01-15), pages 26 - 40 * |
苏晴: "基于EEG分析的音乐类型对学习记忆影响的研究", 《万方》, 14 April 2020 (2020-04-14), pages 7 - 13 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114159077A (zh) * | 2022-02-09 | 2022-03-11 | 浙江强脑科技有限公司 | 基于脑电信号的冥想评分方法、装置、终端及存储介质 |
CN114159077B (zh) * | 2022-02-09 | 2022-05-31 | 浙江强脑科技有限公司 | 基于脑电信号的冥想评分方法、装置、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aboalayon et al. | Efficient sleep stage classification based on EEG signals | |
Schaaff et al. | Towards an EEG-based emotion recognizer for humanoid robots | |
Murugappan et al. | Comparison of different wavelet features from EEG signals for classifying human emotions | |
CN103412646A (zh) | 基于脑机交互的音乐情绪化推荐方法 | |
Stochholm et al. | Automatic sleep stage classification using ear-EEG | |
Kim et al. | Wedea: A new eeg-based framework for emotion recognition | |
CN110135285B (zh) | 一种使用单导设备的脑电静息态身份认证方法及装置 | |
Zoughi et al. | A wavelet-based estimating depth of anesthesia | |
Anwar et al. | Use of portable EEG sensors to detect meditation | |
Chen et al. | An EEG-based brain-computer interface for automatic sleep stage classification | |
Long et al. | Positive and negative emotion classification based on multi-channel | |
Cong et al. | Analysis of ongoing EEG elicited by natural music stimuli using nonnegative tensor factorization | |
CN111144450A (zh) | 一种构建基于不同长度名字刺激的erp范式的方法 | |
Ashenaei et al. | Stable EEG-based biometric system using functional connectivity based on time-frequency features with optimal channels | |
CN113520392A (zh) | 一种基于脑机接口技术评价音乐对学习专注度影响的方法 | |
Johal et al. | Artifact removal from EEG: A comparison of techniques | |
Al-Galal et al. | Automatic emotion recognition based on EEG and ECG signals while listening to quranic recitation compared with listening to music | |
Shirzhiyan et al. | Objective classification of auditory brainstem responses to consonant-vowel syllables using local discriminant bases | |
Suhail et al. | Electroencephalography based detection of cognitive state during learning tasks: An extensive approach. | |
CN115686208A (zh) | 基于eeg的音乐诱发情绪识别方法及系统 | |
Cheng et al. | Physiological parameters assessment for emotion recognition | |
Park et al. | A study on the analysis of auditory cortex active status by music genre: Drawing on EEG | |
Delimayanti et al. | The Effect of Feature Selection on Automatic Sleep Stage Classification Based on Multichannel EEG Signals | |
Nath et al. | Wavelet Based De-noising of EEG Signal Acquired from Tele-serial Addicted Persons | |
Hagras et al. | A biometric system based on single-channel EEG recording in one-second |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |