CN114176611B - 基于脑电波信号的冥想状态的训练方法、装置及存储介质 - Google Patents

Abstract

本发明公开了基于脑电波信号的冥想状态的训练方法、装置及存储介质，方法包括：获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。本发明通过对脑电波信号数据进行评估，确定出异常数据，然后针对该异常数据进行强化训练，有利于帮助用户达到更好的专注程度，以便得到长时间稳定的脑电波信号数据。

Description

基于脑电波信号的冥想状态的训练方法、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，尤其涉及基于脑电波信号的冥想状态的训练方法、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，现有技术中，在对脑电波信号进行处理分析时，无法及时对用户的冥想状态进行实时评估，也无法进行针对性训练，以提高用户的专注程度。

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冥想状态的训练方法、装置及存储介质，旨在解决现有技术中在对脑电波信号进行处理分析时，无法及时对用户的冥想状态进行实时评估，也无法进行针对性训练的问题。

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冥想状态的训练方法，其中，所述方法包括：

获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；

根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；

根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。

在一种实现方式中，所述获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据，包括：

根据若干所述脑电波信号数据，并确定每一个所述脑电波信号数据所对应冥想状态分值，所述冥想状态分值用于反映所述脑电波信号数据所对应的专注程度；

根据每一个所述脑电波信号数据所对应的所述冥想状态分值，确定若干所述脑电波信号数据中的异常数据。

在一种实现方式中，所述根据若干所述脑电波信号数据，并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：

获取每一次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中的关键参数及其对应的得分信息；

根据所述得分信息，确定每一个所述脑电波信号数据所对应冥想状态分值，所述冥想状态分值用于反映所述脑电波信号数据所对应的专注程度。

在一种实现方式中，所述根据每一个所述脑电波信号数据所对应的所述冥想状态分值，确定若干所述脑电波信号数据中的异常数据，包括：

获取每一个所述冥想状态分值所对应的权重数据，并根据所述冥想状态分值及其对应的权重数据，得到综合分值；

将每一个所述冥想状态分值与所述综合分值进行比较；

将所述冥想状态分值小于所述综合分值所对应的脑电波信号数据作为所述异常数据。

在一种实现方式中，所述根据所述时间信息，输出所述训练提醒信号，包括：

对所述时间信息进行次数统计，并确定次数最多的时间信息；

根据所述次数最多的时间信息，输出所述训练提醒信号。

在一种实现方式中，所述根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练，包括：

当时间满足所述次数最多的时间信息时，根据所述训练提醒信号，输出提醒用户集中注意力的提醒信息；

重新获取所述脑电波信号数据，并基于重新获取到的脑电波信号数据确定出对应的冥想状态分值；

若所述冥想状态分值小于所述综合分值，则再次重新获取所述脑电波信号数据，直至所述冥想状态分值大于或者等于所述综合分值，完成冥想状态的强化训练。

在一种实现方式中，所述根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练，包括：

当时间满足所述次数最多的时间信息时，输出启动控制指令；

根据所述启动控制指令，启动预先连接的香薰设备与音乐播放装置，以通过所述香薰设备散发出的香薰以及所述音乐播放装置播放的轻音乐帮助用户集中注意力。

第二方面，本发明实施例还提供一种基于脑电波信号的冥想状态的训练装置，其中，所述装置包括：

异常数据确定模块，用于获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；

提醒信号输出模块，用于根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；

强化训练模块，用于根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。

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冥想状态的训练程序，所述处理器执行所述基于脑电波信号的冥想状态的训练程序时，实现上述方案中任一项所述的基于脑电波信号的冥想状态的训练方法的步骤。

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冥想状态的训练程序，所述基于脑电波信号的冥想状态的训练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冥想状态的训练方法的步骤。

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冥想状态的训练方法，本发明首先获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。本发明通过对脑电波信号数据进行评估，确定出异常数据，然后针对该异常数据进行强化训练，有利于帮助用户达到更好的专注程度，以便得到长时间稳定的脑电波信号数据。

附图说明

图1为本发明实施例提供的基于脑电波信号的冥想状态的训练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冥想状态的训练装置的原理框图。

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，现有技术中，在对脑电波信号进行处理分析时，无法及时对用户的冥想状态进行实时评估，也无法进行针对性训练，以提高用户的专注程度。

为了解决现有技术的问题，本实施例提供一种基于脑电波信号的冥想状态的训练方法，通过本实施例的方法，可帮助用户达到更好的专注程度，以便得到长时间稳定的脑电波信号数据。具体实施时，本实施例首先获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据。最后根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，并根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。本发明通过对脑电波信号数据进行评估，并得到每一个脑电波信号数据所对应的冥想状态分值，然后基于该冥想状态分值确定出异常数据，然后针对该异常数据进行强化训练。通过对异常数据的强化训练，可以帮助用户提高冥想状态的专注程度。

举例说明，本例中获取到脑电波信号数据A1、脑电波信号数据A2、脑电波信号数据A3......，然后对这些脑电波信号数据进行分析，得到每一个脑电波信号数据对应的冥想状态分值。比如，确定出脑电波信号数据A1对应的冥想状态分值为93、脑电波信号数据A2对应的冥想状态分值为87、脑电波信号数据A3对应的冥想状态分值为92，冥想状态分值反映的是脑电波信号数据所对应的专注程度，也就是反映的是用户的冥想状态稳不稳定。当得到每一个所述脑电波信号数据所对应的所述冥想状态分值，就可以从中确定异常数据。比如，确定出的异常数据为脑电波信号数据A2，因为该脑电波信号数据A2的冥想状态分值与其他的冥想状态分值相差比较大，因此为异常数据。当确定出异常数据后，确定这些异常数据的时间信息，然后就可以输出训练提醒信号，然后根据该训练提醒信号重新获取脑电波信号数据，直到重新获取到的脑电波信号数据满足要求，实现对冥想状态的强化训练。

示例性方法

本实施例中的基于脑电波信号的冥想状态的训练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对用户的冥想状态进行分析，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，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，本实施例中的基于脑电波信号的冥想状态的训练方法包括如下步骤：

步骤S100、获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据。

为了反映出用户的冥想状态的真实情况，本实施例需要若干个脑电波信号数据，然后对每一个脑电波信号数据进行分析，确定出每一脑电波信号数据所对应的冥想状态分值。本实施例中的冥想状态分值所反映的是该用户的脑电波信号数据所对应的专注程度，也就是该用户的冥想状态是否稳定。如果冥想状态越稳定，有利于基于稳定的脑电波信号数据来终端设备进行功能控制。当得到每一个所述脑电波信号数据所对应的所述冥想状态分值时，而这些冥想状态分值反映的是用户的脑电波活跃程度，也就是反映的是用户的冥想状态是否稳定、是否专注。比如，冥想状态分值为93与冥想状态分值为87相比，冥想状态分值为93所对应的脑电波信号数据更为稳定。基于此，本实施例可根据这些冥想状态分值来确定出哪些脑电波信号数据是不稳定的，也就是异常数据。

在一种实现方式中，本实施例中的异常数据的确定方式包括如下步骤：

步骤S101、根据若干所述脑电波信号数据，并确定每一个所述脑电波信号数据所对应冥想状态分值，所述冥想状态分值用于反映所述脑电波信号数据所对应的专注程度；

步骤S102、根据每一个所述脑电波信号数据所对应的所述冥想状态分值，确定若干所述脑电波信号数据中的异常数据。

具体实施时，当采集到脑电波信号数据后，本实施例可基于该电脑波信号数据得到对应脑电波曲线数据，该脑电波曲线数据可基于预设的软件程序进行绘制，当将采集到的脑电波信号数据输入至该预设的软件程序，该软件程序可自动输出脑电波曲线数据。在每一个脑电波曲线数据中都存在关键参数，该关键参数可为信号峰值、信号谷值、信号峰值的持续时间或者信号谷值得持续时间等数据。并且针对每一个关键参数都可以计算出对应的得分信息。在确定每个关键参数的得分信息时，本实施例利用预设的标准脑电波曲线与脑电波曲线数据进行匹配，由于标准脑电波曲线中的每一个关键参数都会有一个基础分值，当将脑电波曲线数据与标准脑电波曲线进行匹配时，两个曲线中的关键参数可能会存在差异，根据差异在该基础分值上加分或者减分，比如脑电波曲线数据中的关键参数的数值高于标准脑电波曲线的关键参数数值，则就可以在该基础分值上加分，基于此方法就可以得到该脑电波曲线数据中每一个关键参数的得分信息。比如本实施例可从脑电波曲线数据中确定出信号峰值所对应的得分信息为18分。当得到每一个关键参数的得分信息后，将所有关键参数的得分信息相加，就可以得到所述脑电波信号数据所对应的冥想状态分值。

在一种实现方式中，本实施例在确定综合分值时，可利用加权平均的方式来进行计算。本实施例可对所有的冥想状态分值进行分析，并且为每一个冥想状态分值设置权重数据，该权重数据可基于冥想状态分值进行设置，比如，某个冥想状态分值与平均值相差比较大，则可以反映出这个冥想状态分值可能是存在异常的，因此对该冥想状态分值所设置的权重值小于或者大于预设的基准权重。比如，当某个冥想状态分值大于平均值，则可在基准权重的基础上增加权重，而当某个冥想状态分值小于平均值，则可在基准权重的基础上减少权重。当得到每一个冥想状态分值所对应的权重数据后，本实施例即可利用加权平均的计算方式，计算得到综合分值。

举例说明，当确定出脑电波信号数据A1对应的冥想状态分值为93、脑电波信号数据A2对应的冥想状态分值为90、脑电波信号数据A3对应的冥想状态分值为92、脑电波信号数据A4对应的冥想状态分值为91。其中，平均值为91.5，基准权重为1。从上面的四个冥想状态分值可以看出，冥想状态分值为90和91是小于平均值的，因此，可设置冥想状态分值为90所对应的权重数据为0.8，冥想状态分值为91所对应的权重数据为0.9。而冥想状态分值为93和冥想状态分值为92是大于平均值的，因此，可设置冥想状态分值为92对应的权重数据为1.1，冥想状态分值为931.2。最后利用加权平均的计算方式，即可得到综合分值为：（90*0.8+91*0.9+92*1.1+93*1.2）/4≈91.7。

当得到综合分值后，本实施例可将所有的,冥想状态分值都和综合分值进行比较，这样就可以确定出哪些冥想状态分值是异常的。比如，上述举例中，综合分值为91.7，因此小于91.7的脑电波信号数据A2对应的冥想状态分值为90以及脑电波信号数据A4对应的冥想状态分值为91都是异常的，因此就可以确定出异常数据为脑电波信号数据A2和脑电波信号数据A4。

在一种实现方式中，当确定出异常数据后，本实施例还可以异常数据所对应的脑电波曲线数据进行标识。比如上述举例中，异常数据为脑电波信号数据A2和脑电波信号数据A4，则就可以将异常数据为脑电波信号数据A2和脑电波信号数据A4的脑电波曲线数据进行标红，更为直观的让用户知晓哪些脑电波信号数据是异常的。

步骤S200、根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间。

当得到异常数据后，本实施例可基于该异常数据输出训练提醒信号，该训练提醒信号用于提醒用户此时需要集中注意力。为此，本实施例需要确定异常数据出现的时间，以便当用户在下一次同一时间进行冥想时及时输出训练提醒信号，以提醒用户集中注意力。

在一种实现方式中，本实施例在输出训练提醒信号时，包括如下步骤：

步骤S201、对所述时间信息进行次数统计，并确定次数最多的时间信息；

步骤S203、根据所述次数最多的时间信息，输出所述训练提醒信号。

由于异常数据反映的是用户注意力不够集中导致冥想状态不够专注，因此在具体实施时，本实施例在确定出异常数据后，可对所有的异常数据进行分析，确定出用户是在什么时间出现的注意力不集中。具体地，本实施例可在获取到异常数据后，确定所述异常数据所对应的时间信息，所述时间信息用于反映所述异常数据出现的时间。由于异常数据可能有多个，因此本实施例可分别获取每一个异常数据的时间信息，比如，异常数据A和异常数据B对应的时间信息为7:30以及7：31，异常数据B对应的时间信息为8：00，由于7:30与7：31相隔较近，因此异常数据A和异常数据B可以认为是同一时间点。当统计完每个异常数据的时间信息后，本实施例就可以确定出出现次数最多的时间信息，该次数最多的时间信息即为出现异常数据最多的时间信息，因此此时就需要针对该时间信息的冥想状态进行训练，从而提高用户的专注力。在具体应用时，本实施例可将出现次数最多的时间信息进行提醒标注，以便让用户知晓在该时间信息下需要更为专注。

步骤S300、根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。

当终端设备输出训练提醒信号后，终端设备就可以重新获取脑电波信号数据，此时重新获取到的脑电波信号数据可重新进行分析，如果重新获取到的脑电波信号数据还是不符合要求，则可重新再次获取脑电波信号数据，这样就可以针对性进行强化训练。

在一种实现方式中，本实施例在进行冥想状态训练时，包括如下步骤：

步骤S301、当时间满足所述次数最多的时间信息息时，根据所述训练提醒信号，输出提醒用户集中注意力的提醒信息；

步骤S302、重新获取所述脑电波信号数据，并基于重新获取到的脑电波信号数据确定出对应的冥想状态分值；

步骤S303、若所述冥想状态分值小于所述综合分值，则再次重新获取所述脑电波信号数据，直至所述冥想状态分值大于或者等于所述综合分值，完成冥想状态的强化训练。

具体地，本实施例确定出次数最多的时间信息后，该次数最多的时间信息即为出现异常数据最多的时间信息，则表示用户在该时间信息出现注意力不集中的情况较多，因此当时间满足述次数最多的时间信息（此时，用户在这个时间信息进行冥想）时，就会根据所述训练提醒信号，输出提醒用户集中注意力的提醒信息。比如，次数最多的时间信息为7：30（则表示7：30的异常数据较多），而终端设备检测到用户在7：30时再次进行冥想，此时终端设备就会输出提醒信息，提醒用户集中注意力，该提醒信息可为语音提醒或者震动提醒。接着，终端设备就会重新获取所述脑电波信号数据，并基于重新获取到的脑电波信号数据确定出对应的冥想状态分值。然后将得到的冥想状态分值与综合分值再次进行比较，如果所述冥想状态分值小于所述综合分值，则就说明此时获取到的脑电波信号数据仍然是异常数据，用户的注意力还不够集中，因此就可以重新输出提醒信息，并再次重新获取所述脑电波信号数据，并又重新确定该脑电波信号数据所对应的冥想状态分值，直至冥想状态分值大于或者等于所述综合分值，才可以确定此时的脑电波信号数据是符合要求的，此时的用户是比较专注的，这样就完成冥想状态的强化训练，用户之后在该时间信息下就会有意识地集中注意力。

在其他实现方式中，为了帮助用户更好地集中注意力，本实施例在当时间满足所述次数最多的时间信息（说明此时用户又在异常数据出现最多的时间进行冥想）时，终端设备就会输出启动控制指令。然后根据所述启动控制指令，启动预先连接的香薰设备与音乐播放装置，通过所述香薰设备散发出的香薰以及所述音乐播放装置播放的轻音乐可以帮助用户放松身心，可以帮助用户集中注意力。

综上，本实施例首先获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。本实施例通过对脑电波信号数据进行评估，确定出异常数据，然后针对该异常数据进行强化训练，有利于帮助用户达到更好的专注程度，以便得到长时间稳定的脑电波信号数据。

示例性装置

基于上述实施例，本发明还提供一种基于脑电波信号的冥想状态的训练装置，如图2中所示，该装置包括：异常数据确定模块10、提醒信号输出模块20以及强化训练模块30。具体地，本实施例中的所述分值获取模块10，用于获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据。所述提醒信号输出模块20，用于根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间。所述强化训练模块30，用于根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。

在一种实现方式中，所述异常数据确定模块10包括：

分值确定单元，用于根据若干所述脑电波信号数据，并确定每一个所述脑电波信号数据所对应冥想状态分值，所述冥想状态分值用于反映所述脑电波信号数据所对应的专注程度；

异常数据确定单元，用于根据每一个所述脑电波信号数据所对应的所述冥想状态分值，确定若干所述脑电波信号数据中的异常数据。

在一种实现方式中，所述分值确定单元包括：

曲线数据获取单元，用于获取每一次所述脑电波信号数据所对应的脑电波曲线数据；

得分确定子单元，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及其对应的得分信息；

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，所述异常数据确定单元，包括：

综合分值确定子单元，用于所述获取每一个所述冥想状态分值所对应的权重数据，并根据所述冥想状态分值及其对应的权重数据，得到所述综合分值；

分值比较子单元，用于将每一个所述冥想状态分值与所述综合分值进行比较；

异常数据确定子单元，用于将所述冥想状态分值小于所述综合分值所对应的脑电波信号数据作为所述异常数据。

在一种实现方式中，所述装置，还包括：

标识模块，用于将所述异常数据所对应的脑电波曲线数据进行标识。

在一种实现方式中，所述提醒信号输出模块20包括：

次数统计子单元，用于对所述时间信息进行次数统计；

信号输出子单元，用于根据所述次数最多的时间信息，输出所述训练提醒信号。

在一种实现方式中，所述强化训练模块30还包括：

提醒信息输出单元，用于当时间满足所述次数最多的时间信息时，根据所述训练提醒信号，输出提醒用户集中注意力的提醒信息；

分值重新确定单元，用于重新获取所述脑电波信号数据，并基于重新获取到的脑电波信号数据确定出对应的冥想状态分值；

强化训练单元，用于若所述冥想状态分值小于所述综合分值，则再次重新获取所述脑电波信号数据，直至所述冥想状态分值大于或者等于所述综合分值，完成冥想状态的强化训练。

在一种实现方式中，所述强化训练模块30还包括：

指令输出单元，用于当时间满足所述次数最多的时间信息时，输出启动控制指令；

设备控制单元，用于根据所述启动控制指令，启动预先连接的香薰设备与音乐播放装置，以通过所述香薰设备散发出的香薰以及所述音乐播放装置播放的轻音乐帮助用户集中注意力。

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冥想状态的训练方法。

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冥想状态的训练程序，处理器执行基于脑电波信号的冥想状态的训练程序时，实现如下操作指令：

获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；

根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；

根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。

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，本发明公开了基于脑电波信号的冥想状态的训练方法、装置及存储介质，方法包括：获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练。本发明通过对脑电波信号数据进行评估，确定出异常数据，然后针对该异常数据进行强化训练，有利于帮助用户达到更好的专注程度，以便得到长时间稳定的脑电波信号数据。

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 (4)

1.一种基于脑电波信号的冥想状态的训练方法，其特征在于，所述方法包括：

获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；

根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；

根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练；

所述获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据，包括：

根据若干所述脑电波信号数据，并确定每一个所述脑电波信号数据所对应冥想状态分值，所述冥想状态分值用于反映所述脑电波信号数据所对应的专注程度，反映的是用户的脑电波活跃程度，也就是反映的是用户的冥想状态是否稳定、是否专注；

根据每一个所述脑电波信号数据所对应的所述冥想状态分值，确定若干所述脑电波信号数据中的异常数据；

所述根据若干所述脑电波信号数据，并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：

获取每一次所述脑电波信号数据所对应的脑电波曲线数据，其中，所述脑电波曲线数据基于预设的软件程序进行绘制，当将采集到的脑电波信号数据输入至所述软件程序，所述软件程序自动输出所述脑电波曲线数据；

根据所述脑电波曲线数据，确定所述脑电波曲线数据中的关键参数及其对应的得分信息，其中，所述关键参数为信号峰值、信号谷值、信号峰值的持续时间或者信号谷值得持续时间；

根据所述得分信息，确定每一个所述脑电波信号数据所对应冥想状态分值；

在确定每个关键参数的得分信息时，利用预设的标准脑电波曲线与脑电波曲线数据进行匹配，所述标准脑电波曲线中的每一个关键参数都会有一个基础分值，当将脑电波曲线数据与标准脑电波曲线进行匹配时，两个曲线中的关键参数可能会存在差异，根据差异在该基础分值上加分或者减分，得到所述脑电波曲线数据中每一个关键参数的得分信息；

所述根据所述时间信息，输出训练提醒信号，包括：

对所述时间信息进行次数统计，并确定次数最多的时间信息；

根据所述次数最多的时间信息，输出所述训练提醒信号；

所述根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练，包括：

当时间满足所述次数最多的时间信息时，根据所述训练提醒信号，输出提醒用户集中注意力的提醒信息；

重新获取所述脑电波信号数据，并基于重新获取到的脑电波信号数据确定出对应的冥想状态分值；

若所述冥想状态分值小于综合分值，则再次重新获取所述脑电波信号数据，直至所述冥想状态分值大于或者等于所述综合分值，完成冥想状态的强化训练；

所述根据每一个所述脑电波信号数据所对应的所述冥想状态分值，确定若干所述脑电波信号数据中的异常数据，包括：

获取每一个所述冥想状态分值所对应的权重数据，并根据所述冥想状态分值及其对应的权重数据，得到综合分值；

将每一个所述冥想状态分值与所述综合分值进行比较；

将所述冥想状态分值小于所述综合分值所对应的脑电波信号数据作为所述异常数据；

所述权重数据可基于冥想状态分值进行设置，当某个冥想状态分值大于平均值，则可在基准权重的基础上增加权重数据，而当某个冥想状态分值小于平均值，则可在基准权重的基础上减少权重数据；

所述根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练，包括：

当时间满足所述次数最多的时间信息时，输出启动控制指令；

根据所述启动控制指令，启动预先连接的香薰设备与音乐播放装置，以通过所述香薰设备散发出的香薰以及所述音乐播放装置播放的轻音乐帮助用户集中注意力。

2.一种基于脑电波信号的冥想状态的训练装置，其特征在于，所述装置包括：

异常数据确定模块，用于获取若干脑电波信号数据，并确定若干所述脑电波信号数据中的异常数据；

提醒信号输出模块，用于根据所述异常数据，确定所述异常数据所对应的时间信息，并根据所述时间信息，输出训练提醒信号，所述时间信息用于反映所述异常数据出现的时间；

强化训练模块，用于根据所述训练提醒信号重新获取所述脑电波信号数据，以进行冥想状态的强化训练；

所述异常数据确定模块包括：

分值确定单元，用于根据若干所述脑电波信号数据，并确定每一个所述脑电波信号数据所对应冥想状态分值，所述冥想状态分值用于反映所述脑电波信号数据所对应的专注程度，反映的是用户的脑电波活跃程度，也就是反映的是用户的冥想状态是否稳定、是否专注；

异常数据确定单元，用于根据每一个所述脑电波信号数据所对应的所述冥想状态分值，确定若干所述脑电波信号数据中的异常数据；

所述分值确定单元包括：

曲线数据获取单元，用于获取每一次所述脑电波信号数据所对应的脑电波曲线数据，其中，所述脑电波曲线数据基于预设的软件程序进行绘制，当将采集到的脑电波信号数据输入至所述软件程序，所述软件程序自动输出所述脑电波曲线数据；

得分确定子单元，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及其对应的得分信息，其中，所述关键参数为信号峰值、信号谷值、信号峰值的持续时间或者信号谷值得持续时间；

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；

在确定每个关键参数的得分信息时，利用预设的标准脑电波曲线与脑电波曲线数据进行匹配，所述标准脑电波曲线中的每一个关键参数都会有一个基础分值，当将脑电波曲线数据与标准脑电波曲线进行匹配时，两个曲线中的关键参数可能会存在差异，根据差异在该基础分值上加分或者减分，得到所述脑电波曲线数据中每一个关键参数的得分信息；

所述提醒信号输出模块包括：

次数统计子单元，用于对所述时间信息进行次数统计；

信号输出子单元，用于根据所述次数最多的时间信息，输出所述训练提醒信号；

所述强化训练模块包括：

提醒信息输出单元，用于当时间满足所述次数最多的时间信息时，根据所述训练提醒信号，输出提醒用户集中注意力的提醒信息；

分值重新确定单元，用于重新获取所述脑电波信号数据，并基于重新获取到的脑电波信号数据确定出对应的冥想状态分值；

强化训练单元，用于若所述冥想状态分值小于综合分值，则再次重新获取所述脑电波信号数据，直至所述冥想状态分值大于或者等于所述综合分值，完成冥想状态的强化训练；

所述异常数据确定单元，包括：

综合分值确定子单元，用于所述获取每一个所述冥想状态分值所对应的权重数据，并根据所述冥想状态分值及其对应的权重数据，得到所述综合分值；

分值比较子单元，用于将每一个所述冥想状态分值与所述综合分值进行比较；

异常数据确定子单元，用于将所述冥想状态分值小于所述综合分值所对应的脑电波信号数据作为所述异常数据；

所述权重数据可基于冥想状态分值进行设置，当某个冥想状态分值大于平均值，则可在基准权重的基础上增加权重数据，而当某个冥想状态分值小于平均值，则可在基准权重的基础上减少权重数据；

所述强化训练模块还包括：

指令输出单元，用于当时间满足所述次数最多的时间信息时，输出启动控制指令；

设备控制单元，用于根据所述启动控制指令，启动预先连接的香薰设备与音乐播放装置，以通过所述香薰设备散发出的香薰以及所述音乐播放装置播放的轻音乐帮助用户集中注意力。

3.一种终端设备，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冥想状态的训练程序，所述处理器执行所述基于脑电波信号的冥想状态的训练程序时，实现如权利要求1所述的基于脑电波信号的冥想状态的训练方法的步骤。

4.一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冥想状态的训练程序，所述基于脑电波信号的冥想状态的训练程序被处理器执行时，实现如权利要求1所述的基于脑电波信号的冥想状态的训练方法的步骤。

Images