CN114041796A

CN114041796A - 一种基于脑电波信号的专注力评估方法、装置及存储介质

Info

Publication number: CN114041796A
Application number: CN202210034941.1A
Authority: CN
Inventors: 韩璧丞; 单思聪; 阿迪斯; 刘浩然; 王悉谣
Original assignee: Shenzhen Mental Flow Technology Co Ltd
Current assignee: Shenzhen Mental Flow Technology Co Ltd
Priority date: 2022-01-13
Filing date: 2022-01-13
Publication date: 2022-02-15
Anticipated expiration: 2042-01-13
Also published as: CN114041796B

Abstract

本发明公开了一种基于脑电波信号的专注力评估方法、装置及存储介质，方法包括：获取若干脑电波信号数据；根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值；根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。本发明可通过对脑电波信号数据进行分析，确定出用于反映用户冥想状态的冥想状态分值，进而确定用户的专注程度，从而更为直观且准确地评估出用户的专注程度，便于后续可根据不同的专注程度来对用户进行提醒。

Description

一种基于脑电波信号的专注力评估方法、装置及存储介质

技术领域

本发明涉及脑电波信号分析技术领域，尤其涉及一种基于脑电波信号的专注力评估方法、装置及存储介质。

背景技术

脑电波是大脑皮层大量神经元的突触后电位总和的结果。人脑中有许多的神经细胞在活动着，而成电器性的变动。也就是说，有电器性的摆动存在。而这种摆动呈现在科学仪器上，看起来就像波动一样。脑中的电器性震动称之为脑电波。因此，脑电波信号可反映出人脑的冥想状态以及专注程度。

随着智能化的终端设备的发展，越来越多的终端设备开始应用脑电波信号，以实现根据用户所想来实现对终端设备上的某些功能的控制。但是，这对于用户的专注程度比较高，而现有技术中无法对用户的专注力进行评估，导致用户无法直观地了解到自己的冥想状态。

因此，现有技术还有待改进和提高。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于脑电波信号的专注力评估方法、装置及存储介质，旨在解决现有技术中无法对用户的专注力进行评估，导致用户无法直观地了解到自己的冥想状态的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

第一方面，本发明提供一种基于脑电波信号的专注力评估方法，其中，所述方法包括：

获取若干脑电波信号数据；

根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值；

根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。

在一种实现方式中，所述根据若干所述脑电波信号数据，确定每一个所述脑电波信号数据所对应冥想状态分值，包括：

根据若干所述脑电波信号数据，获取若干所述脑电波信号数据所对应的脑电波曲线数据；

根据所述脑电波曲线数据，确定所述脑电波曲线数据所对应的所述冥想状态分值。

在一种实现方式中，所述根据所述脑电波曲线数据，确定所述脑电波曲线数据所对应的所述冥想状态分值，包括：

根据所述脑电波曲线数据，确定所述脑电波曲线数据中的关键参数；

获取每一个关键参数所对应的得分信息；

根据所述得分信息，确定出所述冥想状态分值。

在一种实现方式中，所述获取每一个关键参数所对应的得分信息，包括：

将所述关键参数与预设的标准参数进行比较；

若所述关键参数小于所述标准参数，则在预设的基础分值上进行减分，得到所述得分信息。

在一种实现方式中，所述获取每一个关键参数所对应的得分信息，还包括：

若所述关键参数大于所述标准参数，则在预设的基础分值上进行加分，得到所述得分信息。

在一种实现方式中，所述根据所述得分信息，确定出所述冥想状态分值，包括：

获取每一个所述得分信息所对应的权重数据；

根据所述得分信息及其对应的权重数据，得到所述冥想状态分值。

在一种实现方式中，所述根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度，包括：

将所述冥想状态分值与预设的标准分数进行比较，得到分数差值；

若所述分数差值大于分数阈值，则确定所述专注程度为第一程度；

若所述分数差值小于分数阈值，则确定所述专注程度为第二程度；

其中，所述第一程度低于所述第二程度。

第二方面，本发明实施例还提供一种基于脑电波信号的专注力评估装置，其中，所述装置包括：

数据获取模块，用于获取若干脑电波信号数据；

分值确定模块，用于根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值；

程度评估模块，用于根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。

第三方面，本发明实施例还提供一种终端设备，其中，所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于脑电波信号的专注力评估程序，所述处理器执行所述基于脑电波信号的专注力评估程序时，实现上述方案中任一项所述的基于脑电波信号的专注力评估方法的步骤。

第四方面，本发明实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有基于脑电波信号的专注力评估程序，所述基于脑电波信号的专注力评估程序被处理器执行时，实现上述方案中任一项所述的基于脑电波信号的专注力评估方法的步骤。

有益效果：与现有技术相比，本发明提供了一种基于脑电波信号的专注力评估方法，本发明首先获取若干脑电波信号数据；根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值；根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。本发明可通过对脑电波信号数据进行分析，确定出用于反映用户冥想状态的冥想状态分值，进而确定用户的专注程度，从而更为直观且准确地评估出用户的专注程度，也便于后续可根据不同的专注程度来对用户进行提醒。

附图说明

图1为本发明实施例提供的基于脑电波信号的专注力评估方法的具体实施方式的流程图。

图2是本发明实施例提供的基于脑电波信号的专注力评估装置的原理框图。

图3是本发明实施例提供的终端设备的内部结构原理框图。

具体实施方式

为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。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。

脑电波是大脑皮层大量神经元的突触后电位总和的结果。人脑中有许多的神经细胞在活动着，而成电器性的变动。也就是说，有电器性的摆动存在。而这种摆动呈现在科学仪器上，看起来就像波动一样。脑中的电器性震动称之为脑电波。因此，脑电波信号可反映出人脑的冥想状态以及专注程度。随着智能化的终端设备的发展，越来越多的终端设备开始应用脑电波信号，以实现根据用户所想来实现对终端设备上的某些功能的控制。但是，这对于用户的专注程度比较高。但是，现有技术中缺乏对专注力进行评估的方法。

为此，本实施例提供一种基于脑电波信号的专注力评估方法，通过本实施例的方法可更为直观且准确地评估出用户的专注程度。具体地，本实施例中首先获取若干脑电波信号数据；根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值；根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。在本实施例中，通过对脑电波信号数据进行分析，并确定每一个脑电波信号数据所对应的冥想状态分值，该冥想状态分值反映的是用户此时的电脑波波动状态，波动状态小，即冥想状态分值也就越高，用户也就越专注。因此，本实施例即可根据每一个所述冥想状态分值，确定出所述冥想状态分值所对应的专注程度。

举例说明，本例中首先获取一段时间内的脑电波信号数据，包括脑电波信号数据A、脑电波信号数据B以及脑电波信号数据C，然后确定出脑电波信号数据对应的冥想状态分值为93。这样基于这个冥想状态分值，就可以确定出获取到的脑电波信号数据所对应的专注程度，也就是确定出用户此时是否专注，或者专注程度达到怎样的一个程度。

示例性方法

本实施例中的基于脑电波信号的专注力评估方法可应用于终端设备中，该终端设备可为电脑、手机、平板等智能化产品终端。由于本实施例是基于脑电波信号来进行分析的，因此，本实施例中的终端设备可获取到用户的脑电波信号数据，获取脑电波信号数据的方式可通过直接将终端设备设置成头戴式设备（比如智能耳机），以通过该头戴式设备实时采集到用户的脑电波信号数据。或者，也可以将本实施例中的终端设备与用于采集用户脑电波信号数据的采集设备连接，当采集设备采集到脑电波信号数据后，就可以将该脑电波信号数据发送至终端设备中。具体地，如图1中所示，本实施例的基于脑电波信号的专注力评估方法包括如下步骤：

步骤S100、获取若干脑电波信号数据。

在本实施例中，当需要对用户的专注力进行评估时，需要对该用户的脑电波信号数据进行采集，在采集时，可预设一时间段，然后对该时间段内的脑电波信号数据进行采集，比如，预设的时间段为2秒，则就可以获取这2秒内的脑电波信号数据。在一种实现方式中，本实施例中的预设时间段可按照需要进行设置，比如，预设时间段可设置为2秒、4秒或更长，当预设时间段更长，则获取的脑电波信号数据的数量也应该更多，这样才可以获取更多的脑电波信号数据，从而基于更多的脑电波信号数据来对圆弧的专注力进行评估，评估的结果也更为准确。

步骤S200、根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值。

由于每一个不同的脑电波信号数据都反映了用户此时的大脑处于不同的活跃状态，因此也就对应一个不同的冥想状态。本实施例中的冥想状态所指的时用户的此时大脑进入冥想时的状态，该状态可通过脑电波信号数据体现出来，比如脑电波信号数据出现急促变化，则就表示用户的大脑比较活跃，此时冥想状态也就呈现出比较兴奋的状态，而如果脑电波信号数据在一段时间内都出于比较稳定状态（即没有明显变化），则就可以说明此时的用户的大脑比较平静，此时冥想状态也就呈现出比较安静的状态。而在本实施例中，冥想状态可通过数值直观地展现出来，因此，本实施例在获取到若干脑电波信号数据后，就可以基于这些脑电波信号数据确定出此时的用户的冥想状态分值。

在一种实现方式中，本实施例在获取冥想状态分值时包括如下步骤：

步骤S201、根据若干所述脑电波信号数据，获取若干所述脑电波信号数据所对应的脑电波曲线数据；

步骤S202、根据所述脑电波曲线数据，确定所述脑电波曲线数据所对应的所述冥想状态分值。

为了更加方便且便捷地确定出冥想状态分值，本实施例在获取到若干脑电波信号数据后，可根据该脑电波信号数据绘制出对应的脑电波信号曲线，该脑电波信号曲线反映的是脑电波信号数据在预设时间段内的波动情况，也就是脑电波信号数据的变化情况。本实施例通过绘制脑电波信号曲线可以更为直观地确定出脑电波信号数据的变化情况，并且确定的方式也更为简单。该脑电波信号曲线是可以基于预设的软件应用程序自动绘制的，比如，当终端设备采集到若干脑电波信号数据后，可将这些脑电波信号数据输入至预设的软件应用程序，基于该软件应用程序自动绘制出脑电波信号曲线。

本实施例中的脑电波信号曲线中有很多个关键参数，比如关键参数有峰值数据、谷值数据、两个相邻脑电波信号数据之间的差异数据等，这些关键参数都可以用于评估用户的冥想状态，为此，本实施例针对可单独对这些关键参数进行分析，以根据每一个关键参数来确定出于冥想状态分值。为了得到所述冥想状态分值，本实施例可计算脑电波信号曲线中的每一个关键参数的得分信息，在得到所有关键参数的得分信息后，就可以得到冥想状态分值。

具体地，在本实施例中，本实施例可以预设一标准冥想状态，该标准冥想状态为基于历史的脑电波信号数据筛选出的最为理想的脑电波信号数据，该标准冥想状态所对应的标准脑电波信号曲线所反映的是用户在较长时间段内（比如10分钟）的脑电波信号数据都保持平稳，因此用户在这个较长时间段内的专注程度比较高。因此，本实施例可将获取到的脑电信号曲线与该标准脑电信号曲线进行对比与匹配，以便得到本实施例中脑电信号曲线中每一个关键参数的得分信息。

本实施例可对所述标准脑电波信号曲线中的每一个标准参数都设置一个基础分值，比如，标准脑电波信号曲线的峰值数据的基础分值为90、谷值数据的基础分值为91、波峰数据与波谷数据之间的差异数据在±3的范围内的基础分值为90、波峰数据与波谷数据之间的差异数据在±5的范围内的基础分值为89。这样就为标准脑电波信号曲线中的每一个标准参数都设置了基础分值。本实施例可将脑电波信号曲线中的关键参数与标准参数进行比较，根据比较结果来确定出每一个关键参数的得分信息。

在一种实现方式中，若某一个关键参数小于对应的标准参数，则在预设的基础分值上进行减分，就可以得到所述得分信息。比如，若本实施例中的脑电波信号曲线中关键参数中的峰值数据为10，标准脑电波信号曲线中标准参数的峰值数据为12，则可在基础分值90的基础上减2分，即得到脑电波信号曲线中关键参数中的峰值数据的得分信息为88。而如果某一个关键参数大于对应的标准参数，则在预设的基础分值上进行加分，就可以得到所述得分信息。比如，若本实施例中的脑电波信号曲线中关键参数中的谷值数据为11，标准脑电波信号曲线中标准参数的谷值数据为10，则可在基础分值91的基础上加1分，即得到脑电波信号曲线中关键参数中的峰值数据的得分信息为92。由此可知，本实施例中在基础分值的基础上加上或者减去的分值是标准参数与关键参数之间的差值，差值是多少，则就在基础分值的基础上加上或者减去多少。当得到所有的关键参数的得分信息后，将所有的得分信息进行加权平均，就可以得到冥想状态分值。

具体地，本实施例首先获取每一得分信息所对应的权重数据，该权重数据是关键参数对应的，比如预先设置波峰数据的权重数据为0.9、波谷数据的权重数据为0.8，波峰数据与波谷数据之间的差异数据在±3的范围的权重数据为0.8。比如波峰数据的得分信息为88，波谷数据的得分信息为92，波峰数据与波谷数据之间的差异数据在±3的范围的得分信息为90，因此利用加权平均，就可以计算出冥想状态分数为（0.9*88+0.8*92+0.8*90）/3=74.9

步骤S300、根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。

本实施例中的冥想状态分值所反映的是用户大脑的脑电波信号数据是否平稳，如果越平稳就表示用户越专注。因此当确定出冥想状态分值后，本实施例可根据该冥想状态分值来确定出专注程度。

在一种实现方式中，本实施例在确定专注程度包括如下步骤：

步骤S301、将所述冥想状态分值与预设的分数阈值进行比较；

步骤S302、若所述冥想状态分值大于所述分数阈值，则确定所述专注程度为第一程度；

步骤S303、若所述冥想状态分值小于所述分数阈值，则确定所述专注程度为第二程度；其中，所述第一程度高于第二程度。

在本实施例中，当冥想状态分值越大，则就越接近于标准冥想状态，由于该标准冥想状态为基于历史的脑电波信号数据筛选出的最为理想的脑电波信号数据，该标准冥想状态所对应的标准脑电波信号曲线所反映的是用户在较长时间段内（比如10分钟）的脑电波信号数据都保持平稳，表示用户在这个较长时间段内的专注程度比较高。为此，本实施例在得到冥想状态分值后，将该冥想状态分值与标准冥想状态所对应的标准分数进行比较，得到分数差值，如果分数差值越小，则就表示冥想状态分值与标准分数越接近，因此就可以表示该冥想状态越接近标准冥想状态，此时用户就越专注。而分数差值越大，则就表示冥想状态分值与标准分数越远，因此就可以表示该冥想状态越远离标准冥想状态，此时用户就越不专注。

为了方便确定出该冥想状态分值所对应的专注程度，本实施例将分数差值与预设的分数阈值进行比较，若所述分数差值大于所述分数阈值，则此时冥想状态分值与标准分数相差较大，确定所述专注程度为第一程度。此时的第一程度反映的是用户并不专注，精神不集中。而若所述分数差值小于所述分数阈值，则此时冥想状态分值与标准分数相差较小，确定所述专注程度为第二程度，此时的第二程度反映的是用户很专注，精神很集中。因此，所述第一程度低于所述第二程度。由此可见，本实施例基于冥想状态分值就可以确定出对应的专注程度，进而就可以基于确定出的专注程度来实现对终端设备的控制，并且也可以在用户不专注的时候及时提醒用户集中精神。

综上，本实施例首先获取若干脑电波信号数据；根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值；根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。本实施例可通过对脑电波信号数据进行分析，确定出用于反映用户冥想状态的冥想状态分值，进而确定用户的专注程度，从而更为直观且准确地评估出用户的专注程度，也便于后续可根据不同的专注程度来对用户进行提醒。

示例性装置

基于上述实施例，本实施例还提供一种基于脑电波信号的专注力评估装置，如图2中所示，所示装置包括：数据获取模块10、分值确定模块20以及程度评估模块30。具体地，所述数据获取模块10，用于获取若干脑电波信号数据。所述分值确定模块20，用于根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值。所述程度评估模块30，用于根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。

在一种实现方式中，所述分值确定模块20，包括：

曲线数据获取单元，用于根据若干所述脑电波信号数据，获取若干所述脑电波信号数据所对应的脑电波曲线数据；

分值数据确定单元，用于根据所述脑电波曲线数据，确定所述脑电波曲线数据所对应的所述冥想状态分值。

在一种实现方式中，所述分值数据确定单元，包括：

参数确定子单元，用于根据所述脑电波曲线数据，确定所述脑电波曲线数据中的关键参数；

得分获取子单元，用于获取每一个关键参数所对应的得分信息；

分值确定子单元，用于根据所述得分信息，确定出所述冥想状态分值。

在一种实现方式中，所述得分获取子单元，包括：

参数比较子单元，用于将所述关键参数与预设的标准参数进行比较；

第一分数计算子单元，用于若所述关键参数小于所述标准参数，则在预设的基础分值上进行减分，得到所述得分信息。

在一种实现方式中，所述得分获取子单元，还包括：

第二分数计算子单元，用于若所述关键参数大于所述标准参数，则在预设的基础分值上进行加分，得到所述得分信息。

在一种实现方式中，所述分值确定子单元，包括：

权重获取子单元，用于获取每一个所述得分信息所对应的权重数据；

状态分值确定子单元，用于根据所述得分信息及其对应的权重数据，得到所述冥想状态分值。

在一种实现方式中，所述程度评估模块30，包括：

差值确定单元，用于将所述冥想状态分值与预设的标准分数进行比较，得到分数差值；

第一程度确定单元，用于若所述分数差值大于所述分数阈值，则确定所述专注程度为第一程度；

第二程度确定单元，用于若所述分数差值小于所述分数阈值，则确定所述专注程度为第二程度；其中，所述第一程度低于第二程度。

本实施例的基于脑电波信号的专注力评估装置中的各个功能模块的工作原理与上述方法实施例的工作原理相同，此处不在累述。

基于上述实施例，本发明还提供了一种终端设备，其原理框图可以如图3所示。该终端设备包括通过系统总线连接的处理器、存储器。其中，该终端设备的处理器用于提供计算和控制能力。该终端设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于脑电波信号的专注力评估方法。

本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端设备的限定，具体的终端设备以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种终端设备，终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的基于脑电波信号的专注力评估程序，处理器执行基于脑电波信号的专注力评估程序时，实现如下操作指令：

获取若干脑电波信号数据；

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双运营数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

综上，本发明公开了一种基于脑电波信号的专注力评估方法、装置及存储介质，方法包括：获取若干脑电波信号数据；根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值；根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度。本发明可通过对脑电波信号数据进行分析，确定出用于反映用户冥想状态的冥想状态分值，进而确定用户的专注程度，从而更为直观且准确地评估出用户的专注程度，便于后续可根据不同的专注程度来对用户进行提醒。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims

1.一种基于脑电波信号的专注力评估方法，其特征在于，所述方法包括：

获取若干脑电波信号数据；

2.根据权利要求1所述的基于脑电波信号的专注力评估方法，其特征在于，所述根据若干所述脑电波信号数据，确定每一个所述脑电波信号数据所对应冥想状态分值，包括：

3.根据权利要求2所述的基于脑电波信号的专注力评估方法，其特征在于，所述根据所述脑电波曲线数据，确定所述脑电波曲线数据所对应的所述冥想状态分值，包括：

获取每一个关键参数所对应的得分信息；

根据所述得分信息，确定出所述冥想状态分值。

4.根据权利要求3所述的基于脑电波信号的专注力评估方法，其特征在于，所述获取每一个关键参数所对应的得分信息，包括：

将所述关键参数与预设的标准参数进行比较；

5.根据权利要求4所述的基于脑电波信号的专注力评估方法，其特征在于，所述获取每一个关键参数所对应的得分信息，还包括：

6.根据权利要求5所述的基于脑电波信号的专注力评估方法，其特征在于，所述根据所述得分信息，确定出所述冥想状态分值，包括：

获取每一个所述得分信息所对应的权重数据；

7.根据权利要求6所述的基于脑电波信号的专注力评估方法，其特征在于，所述根据所述冥想状态分值，确定所述冥想状态分值所对应的专注程度，包括：

其中，所述第一程度低于所述第二程度。

8.一种基于脑电波信号的专注力评估装置，其特征在于，所述装置包括：

数据获取模块，用于获取若干脑电波信号数据；

程度评估模块，用于根据若干所述脑电波信号数据，确定所述脑电波信号数据所对应冥想状态分值。

9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于脑电波信号的专注力评估程序，所述处理器执行所述基于脑电波信号的专注力评估程序时，实现如权利要求1-7任一项所述的基于脑电波信号的专注力评估方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于脑电波信号的专注力评估程序，所述基于脑电波信号的专注力评估程序被处理器执行时，实现如权利要求1-7任一项所述的基于脑电波信号的专注力评估方法的步骤。