一種教學用腦波分析耳機的設(shè)計與實現(xiàn)

郭猛

摘要：該文敘述了一種教學環(huán)境中使用的腦波分析耳機的工作原理和設(shè)計方法，其核心是對EEG腦電波信號的采集、濾波，運用時頻譜和復雜度分析的方法進行綜合分析提取精神狀態(tài)特征，設(shè)計神經(jīng)網(wǎng)絡多層分類器對精神狀態(tài)進行分類和識別，最后完成精神狀態(tài)的自動檢測和識別，以提高學生上課的注意力。

關(guān)鍵詞：EEG；Cortex-A9；α波；8波；ANN-BP

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1009-3044（2018）08-0150-02

近年來大學教育的學時趨于進一步壓縮，新的知識量卻逐年遞增，學生在課堂教學上的學習效率和效果尤其重要。如今的教學課堂上，學生低頭玩手機或者疲倦打瞌睡的現(xiàn)象很普遍，這也是影響課堂教學質(zhì)量的主要因素，如果能通過一種可穿戴的設(shè)備，檢測到學生低頭玩手機或者課堂上疲勞打瞌睡，就主動提醒學生的話，將會減少教師維持課堂紀律的工作，提高學生的注意力和學習效率，通過該設(shè)備還可以無線連接后臺服務器，對學生課堂聽講過程的情況進行記錄、統(tǒng)計和分析，為學生學習或者教師的今后教學提供有力的支持。

1腦波分析耳機系統(tǒng)的組成和工作原理

本系統(tǒng)主要應用在教育教學領(lǐng)域，采用最新數(shù)字信號處理、嵌入式軟硬件、網(wǎng)絡通信等技術(shù)，針對課堂教學環(huán)節(jié)，為培養(yǎng)學生集中注意力、提高學習效率而研發(fā)的一種可穿戴式智能硬件設(shè)備。

如何檢測疲勞狀態(tài)，目前采用的技術(shù)方法有：1）檢測人員的生理信號，比如腦電信號EEG，心電信號ECG，眼電信號EOG，呼吸參數(shù)等等，根據(jù)采集信號的特性來判別是疲勞或者興奮狀態(tài)。2）檢測人員的物理反應，比如眨眼頻率、點頭頻率等等。3）檢測人員的控制行為，比如開車時方向偏離、看書時候的書本不翻頁等等。本文采用的方法，就是將EEG信號的采集裝置和硬件電路做到了耳機里面，方便穿戴使用，內(nèi)部高速CPU同時對采集后的信號進行快速處理和判斷。

在探測手機以防學生課堂上玩手機方面，目前有一些手段：1）通過金屬探測器來檢測是否攜帶手機或含有金屬部件的通信設(shè)備。2）手機信號探測儀，利用開機后的手機會不斷地向基站發(fā)射無線信號，探測器也會接收到這些信號從而探測出手機。3）諧波雷達探測器。其原理類似軍事雷達，技術(shù)實現(xiàn)復雜，成本高，對于普通的課堂教學并不合適。綜合考慮到成本、實現(xiàn)技術(shù)的復雜度以及各自的優(yōu)缺點，本文采用金屬探測電路來進行手機探測。

探測可知，系統(tǒng)主要由2部分構(gòu)成：腦電信號的采集和分析部分以及手柵金屬探測部分。腦電信號的采集和分析部分，做成耳機的方式，方便人員的佩戴，并且為了簡化結(jié)構(gòu)和降低復雜性，通過單極腦電極的方式來采集EEG信號，如圖1所示，其中夾在耳朵上的作為基準電極，另2個電極緊貼于前額Fp1和Fp2處。采集到的腦電信號非常微弱，并且極易受到眼動信號和工頻干擾，通常需要EEG放大電路進行信號放大調(diào)理。實際的EEG放大電路，對其放大增益、輸入阻抗、共模抑制比、信號噪聲比有很高的要求，往往采用CBIA（電流平衡儀表放大電路）電路。放大后的EEG信號經(jīng)過線性光耦隔離電路之后輸入到ADC數(shù)模轉(zhuǎn)換器，由Cortex-A9處理器讀取轉(zhuǎn)換后的EEG數(shù)據(jù)，完成采樣。

利用Cortex-A9嵌入式多核處理器強大的計算能力，隨后對數(shù)字化后的EEG信號進行預處理，去除眼動信號EOG、工頻信號等外界干擾。并將EEG數(shù)據(jù)分成合適長度的數(shù)據(jù)段，利用有效的特征提取方法提取每個數(shù)據(jù)段的特征，通過特征選擇的方法進一步提高特征提取的有效性，組成新的特征向量，然后構(gòu)建有效的分類器進行分類，將分類之后的結(jié)果保存到存儲器并且通過ZigBee通信模塊和網(wǎng)關(guān)匯集數(shù)據(jù)之后進一步上傳到Web服務器。

手機探測電路分為發(fā)射電路和接收電路兩部分。探測發(fā)射電路，采用LC電容三點式振蕩電路，產(chǎn)生頻率30Khz的脈沖信號，經(jīng)過功率放大后輸入到發(fā)射線圈中，通電的線圈周圍便會產(chǎn)生磁場。

探測接收電路，渦流傳感器接收感應到的磁場變化，將磁場強度轉(zhuǎn)變?yōu)殡妷盒盘栞敵?。在無金屬的情況下，渦流傳感器的輸出電壓經(jīng)過后面的檢波、放大、ADC之后會得到一個基準值并保存到單片機中；當有金屬物體檢測的時候，渦流傳感器的輸出電壓就會發(fā)生變化，再經(jīng)過后面的檢波、放大、ADC之后得到另一個數(shù)值，與無金屬時候的基準值做比較判斷，就會得出有金屬物體被檢測到的結(jié)論，同時單片機通過驅(qū)動振動馬達或者點亮指示燈的方式警告學生不要再使用手機，另外也通過藍牙模塊將本次事件的發(fā)生時間、持續(xù)時間等基本信息發(fā)送給Cortex-A9處理器，Cortex-A9處理器除了記錄該事件到存儲器之外，也通過ZigBee模塊和網(wǎng)關(guān)將事件上傳到Web服務器。

2精神狀態(tài)的檢測與識別

本課題的主要研究內(nèi)容在于識別學生課堂的精神狀況。具體研究內(nèi)容和研究方法包括EEG腦電波信號和EOG眼動信號的采集、濾波，去除眼動信號，用時頻譜方法進行分析提取精神狀態(tài)特征，設(shè)計ANN-BP多層分類器對精神狀態(tài)進行分類和識別，最后完成疲勞的自動檢測和識別。

EEG提取不同波段不同EEG的典型特征（比如熟睡時候出現(xiàn)頻率為0.5～4Hz的8波，放松狀態(tài)下出現(xiàn)頻率為8～12Hz的α波等）并進行分類，以此來識別人員的精神狀況。同時采集人員的垂直和水平眼電EOG信號。采用偽跡減法去除原始EEG信號中包含的眼動信號、工頻等噪聲，也就是針對不同的導聯(lián)，將EOG信號乘以一個相對應的加權(quán)系數(shù)進行幅值調(diào)整，再從EEG信號中減去調(diào)整幅度后的EOG部分，最終得到預處理之后的EEG信號。

這里采用未分段的方式，對預處理之后的EEG數(shù)據(jù)使用p=6的6階AR模型，Burg估計算法對每個通道輸入的EEG數(shù)據(jù)進行AR參數(shù)估計，得到長度為12的系數(shù)序列，構(gòu)成一個特征向量（C1Fp1，C1Fp2，C2Fp1，C2Fp2…，C6Fpl，C6Fp2）作為一個樣本，作為BP神經(jīng)網(wǎng)絡的輸入。

BP神經(jīng)網(wǎng)絡是目前應用最為廣泛的神經(jīng)網(wǎng)絡之一，是一種多層網(wǎng)絡的逆推學習算法，由輸入層、輸出層和中間層組成，如圖2所示。對分段后的EEG數(shù)據(jù)，神經(jīng)網(wǎng)絡輸入層神經(jīng)元數(shù)目為12，輸出層神經(jīng)元數(shù)目為log₂m，其中m為4，代表分類的數(shù)目。本文分類數(shù)目m為4（表明精神集中、正常、放松、疲勞），采用3層BP神經(jīng)網(wǎng)絡，中間層神經(jīng)元數(shù)目由經(jīng)驗在7-16較為合適。為了確定中間層神經(jīng)元數(shù)目，開始時先放人較少數(shù)目的神經(jīng)元，學習一定次數(shù)如果不成功再增加中間層神經(jīng)元的數(shù)目，直到達到合理為止。中間層的神經(jīng)元傳遞函數(shù)采用tan-sig雙曲正切s型函數(shù)，輸出層神經(jīng)元傳遞函數(shù)采用log-sig正切S型函數(shù)。

在確定了BP網(wǎng)絡的結(jié)構(gòu)后，利用輸入，輸出樣本集進行學習訓練，也就是對網(wǎng)絡的權(quán)值和偏差進行學習和調(diào)整，使網(wǎng)絡實現(xiàn)給定的輸入/輸出映射關(guān)系，完成對系統(tǒng)的辨識。原始的BP學習算法是梯度下降法。參數(shù)沿著與誤差梯度相反的方向移動，使誤差函數(shù)減小，直到取得極小值，它的計算的復雜度主要是由計算偏導數(shù)引起的，這種基于梯度下降方法的線性收斂速度很慢。而LM算法是一種利用標準的數(shù)值優(yōu)化技術(shù)的快速算法，它是梯度下降法與高斯一牛頓法的結(jié)合，既有高斯一牛頓法的局部收斂性，又具有梯度法的全局特性。由于LM算法利用了近似的二階導數(shù)信息，所以LM算法比梯度法快得多。

3總結(jié)

本設(shè)計實際應用到教學環(huán)境中，對課堂教學中的每個學生，每人一套該設(shè)備，腦波耳機佩戴到頭部，手機探測電路內(nèi)嵌到學生的課桌里，均通過可充電電池來供電。每個設(shè)備都通過ZigBee和網(wǎng)關(guān)連接Web服務器，將經(jīng)過識別后的人員狀態(tài)可以定時發(fā)送給WEB服務器，并有數(shù)據(jù)庫做數(shù)據(jù)記錄以及簡單的統(tǒng)計分析。教師或者學生都可以通過智能手機APP訪問該Web服務器，查看個人或者全班教學過程以及統(tǒng)計分析的結(jié)果。實踐證明，通過此種方式，教師容易做到對課堂教學過程和教學質(zhì)量全程監(jiān)控，心中有數(shù)，并對進一步的教法改革做出相應的調(diào)整規(guī)劃。