CN116236211B - 一种基于多点数据分发的脑电反馈训练系统及方法 - Google Patents

一种基于多点数据分发的脑电反馈训练系统及方法 Download PDF

Info

Publication number
CN116236211B
CN116236211B CN202310246539.4A CN202310246539A CN116236211B CN 116236211 B CN116236211 B CN 116236211B CN 202310246539 A CN202310246539 A CN 202310246539A CN 116236211 B CN116236211 B CN 116236211B
Authority
CN
China
Prior art keywords
electroencephalogram
data
target
grouping
parameter
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.)
Active
Application number
CN202310246539.4A
Other languages
English (en)
Other versions
CN116236211A (zh
Inventor
许冰
刘飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Cusoft Technology Co ltd
Original Assignee
Beijing Cusoft Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Cusoft Technology Co ltd filed Critical Beijing Cusoft Technology Co ltd
Priority to CN202310246539.4A priority Critical patent/CN116236211B/zh
Publication of CN116236211A publication Critical patent/CN116236211A/zh
Application granted granted Critical
Publication of CN116236211B publication Critical patent/CN116236211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/375—Electroencephalography [EEG] using biofeedback
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Psychology (AREA)
  • Fuzzy Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Dermatology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本申请涉及一种基于多点数据分发的脑电反馈训练系统及方法，该系统包括脑电仪，用于输出脑电信息；主交换模块和从交换模块，与所述脑电仪连接，用于接收所述脑电仪输出的脑电信息，并提取所述脑电信息中包括的目标数据；智能终端，所述智能终端用于接收所述目标数据并存储；脑电反馈模块，与所述从交换模块连接，用于接收所述从交换模块输出的目标数据，并根据所述目标数据得出目标控制参数，根据所述目标控制参数执行相应的动作。本申请具有在脑电反馈训练过程中可以实现对数据的存储，便于进行事后的数据分析和评价的效果。

Description

一种基于多点数据分发的脑电反馈训练系统及方法
技术领域
本申请涉及脑电反馈训练的领域，尤其是涉及一种基于多点数据分发的脑电反馈训练系统及方法。
背景技术
常用的脑电生物反馈训练系统分为两种，一种是需要通过个人电脑或者手机软件等智能终端设备来实现一个软件场景，通过脑电参数来控制软件场景元素的变化，如用脑电参数控制场景中人物奔跑的速度或者在软件中显示若干个脑电参数图表，另一种是基于硬件设备实现的脑电生物反馈训练系统，通过脑电参数控制一个硬件装置，如通过脑电控制脑波灯的颜色变化，或者控制脑波车的行驶速度。
在脑电生物反馈训练过程中，通常需要记录使用者的脑电参数，但目前，脑电仪的对外数据传输都是点对点的传输模式，无论是有线传输还是无线数据传输，接收脑电仪数据的对象只能有1个设备。
因此，在目前的脑电生物训练系统，如果需要控制一个硬件装置，如脑波灯或者脑波车，则不能同时通过个人电脑或者手机等智能终端设备来接收和存储脑电数据，因此也不能对基于硬件脑电生物反馈装置的使用进行数据记录，因此不能对此类训练进行事后的数据分析和评价。
发明内容
为了在脑电反馈训练过程中可以实现对数据的存储，便于进行事后的数据分析和评价，本申请提供了一种基于多点数据分发的脑电反馈训练系统及方法。
第一方面，本申请提供一种基于多点数据分发的脑电反馈训练系统，采用如下的技术方案：
一种基于多点数据分发的脑电反馈训练系统，包括：
脑电仪，用于输出脑电信息；
主交换模块和从交换模块，均与所述脑电仪连接，用于接收所述脑电仪输出的脑电信息，并提取所述脑电信息中包括的目标数据，所述目标数据为进行脑电反馈训练所用到的数据；智能终端，所述智能终端用于接收所述目标数据并存储；
脑电反馈模块，与所述从交换模块连接，用于接收所述从交换模块输出的目标数据，并根据所述目标数据得出目标控制参数，根据所述目标控制参数执行相应的动作。
通过采用上述技术方案，在脑电反馈训练过程中，通过脑电仪采集训练人员的脑电信息，主交换模块接收脑电信息，并提取出目标数据，将目标数据传输至智能终端，智能终端接收目标数据并根据目标数据得出目标控制参数，智能终端根据目标控制参数执行相应的动作，反应训练结果，同时智能终端还会存储目标数据便于后续的数据分析和评价，从交换模块和脑电反馈模块的设置使得训练过程中，将脑电仪输出的脑电信息通过从交换模块输出至脑电反馈模块，通过脑电反馈模块的动作显示训练结果，该系统的设置，使得既可以实现脑电反馈训练同时又能在脑电反馈训练过程中实现数据的存储，便于后期数据分析和评价。
可选的，所述脑电仪、从交换模块和所述脑电反馈模块均至少为一个，每一从交换模块对应一个脑电反馈模块。
通过采用上述技术方案，使得脑电仪的数据可以同时发送给多个接收者，从而在进行脑电反馈训练的同时，通过智能终端对数据进行记录，本方案的脑电仪还可以同时控制多个不同的脑电反馈模块，从而可以实现团队训练等复杂场景下的脑电生物训练。
可选的，所述智能终端包括主数据接收单元、中央处理模块和用户交互模块；
所述主数据接收单元，用于接收所述目标数据并将所述目标数据传输至中央处理模块；
所述中央处理模块，用于根据所述目标数据确定目标控制参数，并记录接收到的目标数据；用户交互模块，用于接收所述目标控制参数，并根据所述目标控制参数执行相应的动作。
第二方面，本申请提供一种基于多点数据分发的脑电反馈训练方法，采用如下的技术方案：
一种基于多点数据分发的脑电反馈训练方法，该方法应用于基于多点数据分发的脑电反馈训练系统中包括：
获取目标数据并存储，所述目标数据包括脑电数据，所述脑电数据是进行训练时，训练人员的脑电波数据；
根据所述脑电数据计算总的脑电参数；
基于预设的确定规则，根据所述总的脑电参数确定目标控制参数。
可选的，当所述脑电数据为多条时，所述根据所述脑电数据计算总的脑电参数之前，还包括：
基于预设的分组规则，对所述脑电数据进行分组，所述分组数至少为一组。
可选的，所述基于预设的分组规则，对所述脑电数据进行分组，包括：
所述目标数据还包括与每一脑电数据对应的时间戳信息和设备编号；
根据每一脑电数据对应的时间戳信息确定目标脑电数据，所述目标脑电数据为所述脑电数据中的数据；
根据所述目标脑电数据对应的设备编号和预设的分组信息确定每组包括的目标脑电数据，所述分组信息包括分组数量以及每一组包括的目标脑电数据对应的设备编号。
可选的，所述根据所述脑电数据计算总的脑电参数，包括：
确定所述脑电数据中包含的目标脑电数据；
根据每一组内的目标脑电数据，计算分组脑电参数；
所述总的脑电参数包括各分组脑电参数。
可选的，所述根据每一组内的目标脑电数据，计算分组脑电参数，包括：
根据所述目标脑电数据和预设的多变量回归方程，确定每个脑电数据对应的第一脑电参数，所述第一脑电参数用于进行脑电生物反馈控制；
根据第一脑电参数确定每一第一脑电参数对应的第二脑电参数；
根据第二脑电参数以及预设的权重值确定分组脑电参数。
可选的，所述根据所述目标脑电数据和预设的多变量回归方程，确定每个脑电数据对应的第一脑电参数，包括：
所述脑电数据包括delta波强度、theta波强度、alpha波强度、beta波强度、gamma波强度、专注度数值和放松度数值；
所述第一脑电参数＝alpha波强度/(delta波强度+theta波强度+alpha波强度+beta波强度+gamma波强度)；
或，
第一脑电参数＝theta波强度/(theta波强度+beta波强度)；
或，
第一脑电参数为专注度数值；
或，
第一脑电参数为放松度数值。
可选的，所述根据第一脑电参数确定每一第一脑电参数对应的第二脑电参数，包括：
确定第一脑电参数的最大值和最小值，并计算所述最大值和最小值的差值；
分别计算每一训练人员的第一脑电参数与所述差值的比值；
分别计算每一所述比值和预设的第一调整参数的乘积得出每一第一脑电参数对应的第二脑电参数。
可选的，所述根据第二脑电参数以及预设的权重值确定分组脑电参数，包括：
根据第二脑电参数以及预设的权重值，对分组内的第二脑电参数进行加权求和确定分组脑电参数。
可选的，所述基于预设的确定规则，根据所述总的脑电参数确定目标控制参数，包括：
所述预设的确定规则包括多个子规则，所述目标控制参数包括至少一个分组目标控制参数；获取分组数量以及训练模式，所述训练模式为训练过程中采用的训练方式；
根据所述分组数量、训练模式以及预设的对应关系确定对应的子规则；
根据所述子规则和分组脑电参数确定分组目标控制参数。
可选的，所述根据所述分组数量、训练模式以及预设的对应关系确定对应的子规则，包括：
当所述分组数量为1且所述训练模式为控制同一目标，目标控制参数数量为1时或当所述分组数量至少为2且所述训练模式为多组分组对抗，目标控制参数数量大于1时：
所述子规则为：计算分组脑电参数与分组人员数量的比值；计算所述分组脑电参数与分组人员数量的比值与预设第二调整参数的乘积得出分组目标控制参数；
当所述分组数量为2且所述训练模式为两组分组对抗，目标控制参数数量为1时：
所述子规则为：
分别计算两个组的分组脑电参数与分组人员数量的比值
分别计算两组分组脑电参数与分组人员数量的比值与各自对应的预设的第二调整参数的乘积，再计算两个乘积的差值得出各组的分组目标控制参数。
综上所述，本申请包括以下至少一种有益技术效果：
1.在脑电反馈训练过程中，通过脑电仪采集训练人员的脑电信息，主交换模块接收脑电信息，并提取出目标数据，将目标数据传输至智能终端，智能终端接收目标数据并根据目标数据得出目标控制参数，智能终端根据目标控制参数执行相应的动作，反应训练结果，同时智能终端还会存储目标数据便于后续的数据分析和评价，从交换模块和脑电反馈模块的设置使得训练过程中，将脑电仪输出的脑电信息通过从交换模块输出至脑电反馈模块，通过脑电反馈模块的动作显示训练结果，该系统的设置，使得既可以实现多模式的脑电反馈训练，同时又能在脑电反馈训练过程中实现数据的存储和显示，便于后期数据分析和评价；
2.使得脑电仪的数据可以同时发送给多个接收者，从而在进行脑电反馈训练的同时，通过智能终端对数据进行记录，本方案的脑电仪还可以同时控制多个不同的脑电反馈模块，从而可以实现团队训练等复杂场景下的脑电生物反馈训练。
附图说明
图1是本申请提供的基于多点数据分发的脑电反馈训练系统的结构框图。
图2是本申请提供的基于多点数据分发的脑电反馈训练方法的流程图。
附图标记说明：10、脑电仪；20、主交换模块；201、第一无线收发单元；202、第一处理模块；203、第一数据解析单元；30、智能终端；301、数据接收单元；302、中央处理模块；303、用户交互模块；40、从交换模块；401、第二无线收发单元；402、第二处理模块；403、第二数据解析单元；50、脑电反馈模块；501、反馈算法单元；502、反馈驱动单元；503、反馈目标装置。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-2及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例公开一种基于多点数据分发的脑电反馈训练系统。参照图1，基于多点数据分发的脑电反馈训练系统包括脑电仪10、主交换模块20、智能终端30、从交换模块40和脑电反馈模块50。
本实施例中，主交换模块20和智能终端30均设置有一个，脑电仪10、从交换模块40和脑电反馈模块50均设置有多个，脑电仪10的数量设置取决于参加训练的人员数量。
训练时，每个训练人员均佩戴一个脑电仪10，所有脑电仪10均与主交换模块20连接，主交换模块20还与智能终端30连接，从交换模块40的数量取决于需要控制的脑电反馈模块50的数量，可以是一个也可以是多个，脑电反馈模块50与从交换模块40一一对应，每一从交换模块40和一个脑电反馈模块50连接。
从交换模块40在工作时，工作在数据接收模式下，从交换模块40还和主交换模块20使用同一个通信频率，可以通过无线通讯方式接收主交换模块20的通讯数据。
具体的，脑电仪10为CUBand便携式脑电仪，工作过程中，脑电仪10采集训练人员的脑电数据，并将脑电数据和对应该脑电数据的设备编号和时间戳信息形成脑电信息发送至主交换模块20和从交换模块40，主交换模块20和每一从交换模块40均采集所有脑电仪10输出的脑电信息。
主交换模块20包括第一无线收发单元201、第一处理模块202和第一数据解析单元203，第一无线收发单元201用于接收所有脑电仪10输出的脑电信息，并将接收到的脑电信息传输至第一处理模块202，第一处理模块202接收到脑电信息后将接收到的所有脑电信息打包发送至第一数据解析单元203，第一数据解析单元203接收到第一处理模块202输出的数据包后对数据包进行解析，提取出数据包中的脑电数据、时间戳信息和设备编号形成目标数据，并将提取出的目标数据发送至智能终端30。本实施例中，第一无线收发单元201为无线收发器，第一处理模块202为嵌入式微处理器，第一数据解析单元203为具有数据处理功能的处理器。
智能终端30包括数据接收单元301、中央处理模块302和用户交互模块303，数据接收单元301接收第一数据解析单元203输出的脑电数据、时间戳信息和设备编号，并将上述数据传输至中央处理模块302，中央处理模块302对接收到的数据进行存储，且中央处理模块302还可以根据接收到的数据基于一定的算法逻辑得出目标控制参数，并将目标控制参数传输至用户交互模块303，用户交互模块303根据接收到的目标控制参数执行相应的动作以反映训练结果。
用户交互模块303实现智能终端30与用户的交互功能，同时在用户交互模块303的显示软件的界面中可以显示脑电反馈训练项目的画面，也可以显示脑电数据图表。本实施例中，数据接收单元301为数据接收器，中央处理模块302为处理器，用户交互模块303为平板电脑，三者可以为相互独立的功能模块，也可集成在一起形成智能终端30。
从交换模块40包括第二无线收发单元401、第二处理模块402和第二数据解析单元403，可以了解的是，从交换模块40与主交换模块20的结构组成相同，从交换模块40在工作过程中也能够接收所有脑电仪10输出的脑电信息。
脑电反馈模块50包括反馈算法单元501、反馈驱动单元502和反馈目标装置503，反馈算法单元501接收从交换模块40输出的目标数据，并根据目标数据基于一定的算法逻辑确定目标控制参数，并将得出的目标控制参数传输至反馈驱动单元502，反馈驱动单元502根据目标控制参数输出目标驱动信号，反馈目标装置503接收到目标驱动信号执行相应的动作。本实施例中，反馈算法单元501为具有数据处理功能的处理器，反馈驱动单元502为控制器或驱动器，反馈目标装置503为脑波灯或脑波车。
进一步，通过主交换模块20和从交换模块40获取脑电信息的方法具体为：从交换模块40在工作中不发送数据，工作在数据接收模式下，从交换模块40和主交换模块20使用同一个通信频率，可以通过无线通讯方式接收主交换模块20和所有脑电仪10的通讯数据，由主交换模块20定时开启一轮团队成员的脑电信息采集过程，主交换模块20首先向第一脑电仪发送数据获取指令，要求第一脑电仪发送脑电信息，第一脑电仪在收到数据获取指令后，将脑电信息发送给主交换模块20，主交换模块20解析收到的第一脑电仪的数据，提取出团队成员1的脑电数据、时间戳信息和设备编号，将这些数据转发给智能终端30，智能终端30接收到数据后进行存储。
从交换模块40解析收到的第一脑电仪的脑电信息，提取出团队成员1的脑电数据、时间戳信息和设备编号，将这些数据转发给脑电反馈模块50脑电反馈模块50将接收的数据进行缓存，主交换模块20向第二脑电仪发送数据获取指令，要求其发送脑电信息，第二脑电仪在收到数据获取指令后，将脑电信息发送给主交换模块20，主交换模块20解析收到的第二脑电仪的数据，提取出团队成员2的脑电数据、时间戳信息和设备编号，将这些数据转发给智能终端30，智能终端30接收数据并存储，从交换模块40解析收到的第二脑电仪的数据，提取出团队成员2的脑电数据、时间戳信息和设备编号，将这些数据转发给脑电反馈模块50，脑电反馈模块50将接收的数据进行缓存。主交换模块20按照上述流程，依次获取所有脑电仪10的数据，并将数据转发给智能终端30。完成一轮数据采集后，主交换模块20停止数据采集，输出完成指令至从交换模块40，通知从交换模块40一轮数据采集完成，然后等待下一轮采集时间到达。
采用上述方案，实现了脑电仪10的一对多的传输模式，即可以同时有多个接收脑电仪10输出的数据的终端，使得在使用个人电脑、平板电脑、手机等智能终端设备进行脑电数据展示和存储的时候，可以同时驱动多个不同类型的脑电反馈模块50，丰富了脑电生物反馈训练的形式和内容，提升了训练的趣味性和有效性。同时，各个终端之间不需要有任何软硬件连接，即可以同步接收一台或多台脑电仪10输出的数据，使得系统搭建简单，便于部署，也节省了使用成本，从交换模块40和脑电反馈模块50根据实际情况设置数量以及连接方式，在于主交换模块20和智能终端30配合，在实现脑电反馈训练的同时又能完成数据的记录存储便于进行事后的数据分析和评价。
本申请实施例还公开一种基于多点数据分发的脑电反馈训练方法。参照图2，基于多点数据分发的脑电反馈训练方法，该方法应用于上述系统中的中央处理模块302和反馈算法单元501中，该方法包括：
S101：获取目标数据。
具体的，根据上述描述的目标数据获取方法，通过主交换模块20和从交换模块40获取目标数据，智能终端30的中央处理模块302和脑电反馈模块50的反馈算法单元501，接收目标数据从而实现目标数据的获取，本实施例中，目标数据包括脑电数据以及对应脑电数据的设备编号和时间戳信息，脑电数据为进行训练时，训练人员的脑电波数据，具体包括delta波强度、theta波强度、alpha波强度、beta波强度、gamma波强度、专注度数值和放松度数值。
S102：基于预设的分组规则，对脑电数据进行分组。
具体的，在进行训练之前，反馈算法单元501和中央处理模块302均存储有分组信息，分组信息为工作人员根据系统架构的设置以及实际情况设定并存储在对应位置，本实施例中中央处理模块302和反馈算法之间、不同反馈算法单元501之间存储的分组信息可能相同或不同。
分组信息包括分组数量以及每一组包括的目标脑电数据对应的设备编号，获取到脑电数据后，当脑电数据为多条时，根据脑电数据对应时间戳信息来提取每一训练人员最新的脑电数据作为目标脑电数据，目标脑电数据即为时间戳信息最接近当前时间的时间戳信息对应的脑电数据，目标脑电数据确定后，根据目标脑电数据对应的设备编号，将目标脑电数据划分到对应的分组中，完成分组，目标脑电数据为上述脑电数据中的某一条或多条，每一训练人员均有各自对应的目标脑电数据。
S103：根据每一训练人员的目标脑电数据计算总的脑电参数。
具体的，根据预设的多变量回归方程，从分组中每个训练人员的目标脑电数据计算得出每一训练人员对应的用于进行脑电生物反馈控制的第一脑电参数。
本实施例中，当预设的多变量回归方程为：
或/>或Ai＝专注度数值或Ai＝放松度数值；
其中，Ai为分组中第i个成员的第一脑电参数，其中δi为第i个成员的delta波强度，θi为第i个成员的theta波强度，αi为第i个成员的alpha波强度，βi为第i个成员的beta波强度，γi为第i个成员的gamma波强度，在其他实施方式中，多变量回归方程可根据实际情况进行设定在此不做限制。
确定每一成员的第一脑电参数后，根据公式确定每一成员的第二脑电参数，公式为：
其中，Ai为分组中第i个成员的第一脑电参数，Bi为第i个成员的第二脑电参数，Amax为第一脑电参数最大值，本实施例中数值1，Amin为第一脑电参数最小值，本实施例中数值0，且在本发明实施例中,每个成员的第一脑电参数数值范围是0到100之间。
确定每一成员的第二脑电参数后，根据公式确定分组脑电参数，公式为：
其中，P为分组脑电参数，Bi为第i个成员的第二脑电参数，Ki为第i个成员的预设权重值，N为分组人数。
分组中为每个成员的权重值有工作人员自行设定，本实施例中，分组内每个成员的权重值设置为1，该权重值代表所有成员在团队中的贡献度是一致的，总的脑电参数包括每一分组的脑电参数。
S104：基于预设的确定规则，根据总的脑电参数确定目标控制参数。
具体的，预设的确定规则包括多个子规则，目标控制参数包括至少一个分组目标控制参数，获取分组数量以及训练模式，本实例中训练模式有三种分别为：控制同一目标、两组分组对抗和多组分组对抗，获取分组数量和训练模式，根据分组数量、训练模式和预设的对应关系确定对应的子规则。
当分组数量为1且训练模式为控制同一目标，目标控制参数数量为1个时：
所述子规则为：其中，E为目标控制参数，P为分组脑电参数，N是分组的人数，M是第二预设调整参数，本实施例中，M设置为1。
当分组数量为2且训练模式为两组分组对抗，目标控制参数数量为1个时：
所述子规则为：其中，分为A、B两组，E为目标控制参数，Na是A组的人数，Nb是B组的人数，Ma是A组的第二预设调整参数，Mb是B组的第二预设调整参数，第二预设调整参数为人为设置。
当分组数量至少为2且训练模式为多组分组对抗，目标控制参数数量大于1个时：所述子规则为：其中，Ei为第i个目标控制参数，Pi为第i分组脑电参数，Ni为第i分组的人数，Mi为第i分组的第二预设调整参数。
例如：本实施例中，基于多点数据分发的脑电反馈训练系统包括2个脑电仪10、1个主交换模块20、3个从交换模块40、3个脑电反馈模块50和1个智能终端30，两个脑电仪10分别为第一脑电仪和第二脑电仪，三个脑电反馈模块50分别为脑波灯1、脑波灯2和脑波车，智能终端30为平板电脑。
平板电脑屏幕上的用户交互模块303的场景中显示一个荷花的图像，平板电脑预设将第一脑电仪和第二脑电仪作为一个分组，反馈的是两个训练人员共同的大脑状态，由中央处理模块302根据预设分组和规则得到目标控制参数，并将目标控制参数传输至用户交互模块303，用户交互模块303在平板电脑屏幕上显示一个荷花图像，并通过目标控制参数控制荷花的开放程度，荷花的开放程度随目标控制参数数值的变化而变化，目标控制参数数值越大，荷花图像的开放程度就越大。
本实施例中，脑波灯1预设将第一脑电仪作为一个分组，反馈的是第一脑电仪对应的训练人员的大脑状态；脑波灯2预设将第二脑电仪作为一个分组，反馈的是第二脑电仪对应的训练人员的大脑状态。两个脑波灯均为RGB彩色LED灯，每个脑波灯的对应的反馈算法单元501根据预设分组和规则得到目标控制参数，反馈算法单元501将目标控制参数输出至反馈驱动单元502，反馈驱动单元502根据目标控制参数生成RGB驱动信号，RGB驱动信号包括三个颜色定义数值，分别对应红色、绿色、蓝色。预设的模式定义如下：如果目标控制参数小于20，则RGB三个颜色值对应的是紫色，如果目标控制参数大于等于20且小于40，则RGB三个颜色值对应的是红色，如果目标控制参数大于等于40且小于60，则RGB三个颜色值对应的是绿色，如果目标控制参数大于等于60且小于80，则RGB三个颜色值对应的是青色，如果目标控制参数大于等于80小于等于100，则RGB三个颜色值对应的是蓝色。
本实施例中，脑波灯的颜色变化反映的是参加训练人员的大脑状态，每一个脑波灯由一个人员单独控制。
本实施例中，脑波车预设将第一脑电仪和第二脑电仪作为一个分组，反馈的是两个训练人员的大脑状态，脑波车包括电机和壳体，反馈算法单元501根据预设分组和规则得到目标控制参数，反馈驱动单元502接收目标控制参数，并根据公式生成不同的电机驱动数值。
公式为：
其中，R是电机驱动数值，Rmax是电机最大转速的驱动数值，Rmin是最小转速的驱动数值，E是目标控制参数数值。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书(包括摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

Claims (7)

1.一种基于多点数据分发的脑电反馈训练方法，其特征在于：该方法应用于基于多点数据分发的脑电反馈训练系统，该系统包括：
脑电仪(10)，用于输出脑电信息；
主交换模块(20)和从交换模块(40)，与所述脑电仪(10)连接，用于接收所述脑电仪(10)输出的脑电信息，并提取所述脑电信息中包括的目标数据，所述目标数据为进行脑电反馈训练所用到的数据；
智能终端(30)，所述智能终端(30)用于接收所述目标数据并存储；
脑电反馈模块(50)，与所述从交换模块(40)连接，用于接收所述从交换模块(40)输出的目标数据，并根据所述目标数据得出目标控制参数，根据所述目标控制参数执行相应的动作；
该方法包括：
获取目标数据并存储，所述目标数据包括脑电数据，所述脑电数据是进行训练时，训练人员的脑电波数据；
当所述脑电数据为多条时，基于预设的分组规则，对所述脑电数据进行分组，所述分组数至少为一组；
确定所述脑电数据中包含的目标脑电数据；
根据所述目标脑电数据和预设的多变量回归方程，确定每个脑电数据对应的第一脑电参数，所述第一脑电参数用于进行脑电生物反馈控制；
根据第一脑电参数确定每一第一脑电参数对应的第二脑电参数；
根据第二脑电参数以及预设的权重值确定分组脑电参数；
总的脑电参数包括各分组脑电参数；
基于预设的确定规则，根据所述总的脑电参数确定目标控制参数。
2.根据权利要求1所述的基于多点数据分发的脑电反馈训练方法，其特征在于：所述基于预设的分组规则，对所述脑电数据进行分组，包括：
所述目标数据还包括与每一脑电数据对应的时间戳信息和设备编号；
根据每一脑电数据对应的时间戳信息确定目标脑电数据，所述目标脑电数据为所述脑电数据中的数据；
根据所述目标脑电数据对应的设备编号和预设的分组信息确定每组包括的目标脑电数据，所述分组信息包括分组数量以及每一组包括的目标脑电数据对应的设备编号。
3.根据权利要求1所述的基于多点数据分发的脑电反馈训练方法，其特征在于：所述根据所述目标脑电数据和预设的多变量回归方程，确定每个脑电数据对应的第一脑电参数，包括：
所述脑电数据包括delta波强度、theta波强度、alpha波强度、beta波强度、gamma波强度、专注度数值和放松度数值；
所述第一脑电参数= alpha波强度/（delta波强度+theta波强度+alpha波强度+beta波强度+gamma波强度）；
或，
第一脑电参数= theta波强度/（theta波强度+beta波强度）；
或，
第一脑电参数为专注度数值；
或，
第一脑电参数为放松度数值。
4.根据权利要求1所述的基于多点数据分发的脑电反馈训练方法，其特征在于：所述根据第一脑电参数确定每一第一脑电参数对应的第二脑电参数，包括：
确定第一脑电参数的最大值和最小值，并计算所述最大值和最小值的差值；
分别计算每一训练人员的第一脑电参数与所述差值的比值；
分别计算每一所述比值和预设的第一调整参数的乘积得出每一第一脑电参数对应的第二脑电参数。
5.根据权利要求1所述的基于多点数据分发的脑电反馈训练方法，其特征在于：所述根据第二脑电参数以及预设的权重值确定分组脑电参数，包括：
根据第二脑电参数以及预设的权重值，对分组内的第二脑电参数进行加权求和确定分组脑电参数。
6.根据权利要求5所述的基于多点数据分发的脑电反馈训练方法，其特征在于：所述基于预设的确定规则，根据所述总的脑电参数确定目标控制参数，包括：
所述预设的确定规则包括多个子规则，所述目标控制参数包括至少一个分组目标控制参数；
获取分组数量以及训练模式，所述训练模式为训练过程中采用的训练方式；
根据所述分组数量、训练模式以及预设的对应关系确定对应的子规则；
根据所述子规则和分组脑电参数确定分组目标控制参数。
7.根据权利要求6所述的基于多点数据分发的脑电反馈训练方法，其特征在于：所述根据所述分组数量、训练模式以及预设的对应关系确定对应的子规则，包括：
当所述分组数量为1且所述训练模式为控制同一目标，目标控制参数数量为1时或当所述分组数量至少为2且所述训练模式为多组分组对抗，目标控制参数数量大于1时：
所述子规则为：计算分组脑电参数与分组人员数量的比值；计算所述分组脑电参数与分组人员数量的比值与预设第二调整参数的乘积得出分组目标控制参数；
当所述分组数量为2且所述训练模式为两组分组对抗，目标控制参数数量为1时：
所述子规则为：
分别计算两个组的分组脑电参数与分组人员数量的比值；
分别计算两组分组脑电参数与分组人员数量的比值与各自对应的预设的第二调整参数的乘积；
计算两个所述乘积的差值得出各组的分组目标控制参数。
CN202310246539.4A 2023-03-10 2023-03-10 一种基于多点数据分发的脑电反馈训练系统及方法 Active CN116236211B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310246539.4A CN116236211B (zh) 2023-03-10 2023-03-10 一种基于多点数据分发的脑电反馈训练系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310246539.4A CN116236211B (zh) 2023-03-10 2023-03-10 一种基于多点数据分发的脑电反馈训练系统及方法

Publications (2)

Publication Number Publication Date
CN116236211A CN116236211A (zh) 2023-06-09
CN116236211B true CN116236211B (zh) 2024-02-13

Family

ID=86634947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310246539.4A Active CN116236211B (zh) 2023-03-10 2023-03-10 一种基于多点数据分发的脑电反馈训练系统及方法

Country Status (1)

Country Link
CN (1) CN116236211B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106340164A (zh) * 2015-07-13 2017-01-18 北京视友科技有限责任公司 基于无线通信的便携式多人脑电数据同步采集系统
CN107463263A (zh) * 2017-01-04 2017-12-12 深圳市心流科技有限公司 用于使用IoT设备进行神经反馈训练的系统和方法
CN107479709A (zh) * 2017-01-04 2017-12-15 深圳市心流科技有限公司 用于使用视频游戏进行神经反馈训练的系统和方法
CN109521873A (zh) * 2018-10-26 2019-03-26 蓝色传感（北京）科技有限公司 基于协作式脑机接口控制系统及信号协作方法
CN110123314A (zh) * 2019-04-24 2019-08-16 华南理工大学 基于脑电信号判断大脑专注放松状态的方法
WO2019226008A1 (ko) * 2018-05-25 2019-11-28 (주)마인더스 뇌파를 이용한 기기 제어 장치, 및 뇌파를 이용한 기기 제어 장치가 설치된 전자 기기
CN114003129A (zh) * 2021-11-01 2022-02-01 北京师范大学 一种基于非侵入式脑机接口的意念控制虚实融合反馈方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2781566A1 (en) * 2009-12-29 2011-07-28 Advanced Brain Monitoring, Inc. Systems and methods for assessing team dynamics and effectiveness

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106340164A (zh) * 2015-07-13 2017-01-18 北京视友科技有限责任公司 基于无线通信的便携式多人脑电数据同步采集系统
CN107463263A (zh) * 2017-01-04 2017-12-12 深圳市心流科技有限公司 用于使用IoT设备进行神经反馈训练的系统和方法
CN107479709A (zh) * 2017-01-04 2017-12-15 深圳市心流科技有限公司 用于使用视频游戏进行神经反馈训练的系统和方法
WO2019226008A1 (ko) * 2018-05-25 2019-11-28 (주)마인더스 뇌파를 이용한 기기 제어 장치, 및 뇌파를 이용한 기기 제어 장치가 설치된 전자 기기
CN109521873A (zh) * 2018-10-26 2019-03-26 蓝色传感（北京）科技有限公司 基于协作式脑机接口控制系统及信号协作方法
CN110123314A (zh) * 2019-04-24 2019-08-16 华南理工大学 基于脑电信号判断大脑专注放松状态的方法
CN114003129A (zh) * 2021-11-01 2022-02-01 北京师范大学 一种基于非侵入式脑机接口的意念控制虚实融合反馈方法

Also Published As

Publication number Publication date
CN116236211A (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN1322445C (zh) 不需要用手的便携式计算机及系统
CN107390616B (zh) 全民医疗健身组合体系统和控制方法
CN106446591A (zh) 一种基于医疗系统的智能随访管理系统
US10959611B2 (en) Visual field testing method, system, and testing apparatus based on head-mounted testing equipment
US20050060211A1 (en) Techniques for delivering coordination data for a shared facility
CN105260025B (zh) 基于移动终端的稳态视觉诱发电位脑机接口系统
WO2018169330A1 (en) Systems and methods for determining defects in visual field of a user
CN111694425A (zh) 一种基于ar-ssvep的目标识别方法及系统
CN203117987U (zh) 一种家用远程移动健康监护系统
CN111317469B (zh) 一种脑电波监测设备、系统及监测方法
CN104866717A (zh) 互选式网络医院系统及网络医院系统的信息交互方法
GB2460527A (en) Patient monitoring system with health status indicator
CN111544015A (zh) 基于认知力的操控工效分析方法、设备及系统
CN103841175B (zh) 一种图像特征信息传输方法、装置及系统
CN104867090A (zh) 基于大数据应用的网络医院系统及数据库的数据应用方法
CN116236211B (zh) 一种基于多点数据分发的脑电反馈训练系统及方法
KR101862696B1 (ko) 실사와 컴퓨터 그래픽스 영상을 이용한 생체 정보 표시 시스템 및 그의 표시 방법
CN105832283A (zh) 一种智能视力检测系统及方法
CN116077797B (zh) 一种基于团队的脑电反馈训练方法及系统
CN202433905U (zh) 具远距体感运动功能的健康管理系统
CN109935295A (zh) 一种无创式人体健康筛查系统
O'Doherty et al. Exploring gaze-motor imagery hybrid brain-computer interface design
CN109828662A (zh) 一种心仪商品的感知和计算系统
US20210000339A1 (en) Pupillometry Systems, Methods, and Devices
CN108133740A (zh) 一种基于移动互联技术的大学生科学锻炼指导系统及方法

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
GR01 Patent grant
GR01 Patent grant