基于分布式脑电信号的学习状态分析系统研究
发布时间：2021-05-07 00:50
随着教育水平的不断提升,人们越来越重视学习过程的管理。以教师为中心的教育方式逐渐被以学生为中心的教育理念所取代。掌握学生的个性化学习特点,做到因材施教是学校教育改革的重点方向。随着信息技术的快速发展,教学环境中对学生学习状态进行智能化分析成为可能,即计算机通过获取学生的视觉、听觉或生理信号等,分析出目前的学习状态,使教师能够全面及时的获取每一位同学的学习状态信息。在诸多方式中,通过脑电信号对学生学习状态进行分析是一种先进、客观的新方法。目前对脑电信号的采集还处在单对单的形式,不适用于多人协同学习场景。因此本文提出了一种可以同时采集多人脑电信号并且通过无线方式汇总的分布式脑电信号采集方案;在数据采集上,以往的脑机接口设备通常为32极或64极设备,繁杂的采集设备对学生学习的干扰较大,获得的数据不能真实的反映学生的学习状态;在特征提取上,本系统选用的脑电设备能够提取脑波能量,若能使用脑波能量分析学生学习状态,将极大降低系统复杂度。为了降低采集设备对学生的学习状态分析的干扰以及系统复杂程度,本文通过实验对DEAP数据集中使用前额单通道采集的数据和多通道采集数据以及脑波能量作为特征值对情感模型分...
【文章来源】：北方工业大学北京市
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 脑电信号
1.2.2 脑电信号分析方法
1.2.3 情感状态识别
1.2.4 学习状态分析
1.3 论文研究内容
1.3.1 论文主要工作
1.3.2 论文结构
第二章 分布式脑电信号采集系统设计
2.1 系统需求分析
2.2 系统硬件部分设计
2.2.1 采集设备选取
2.2.2 脑电信号传输原理
2.2.3 传输方式选择
2.2.4 硬件设备选取及连接器设计
2.2.5 固件程序设计
2.3 系统软件部分设计
2.3.1 需求分析
2.3.2 整体设计与用户软件主程序设计
2.3.3 Wi-Fi信号接收模块设计
2.3.4 解码模块设计
2.3.5 数据保存模块设计
2.3.6 用户界面设计与结果展示
2.4 本章小结
第三章 基于DEAP数据库的脑电信号通道和特征选择分析
3.1 通道以及特征选择的必要性
3.1.1 通道选择的必要性
3.1.2 基于大脑的结构与功能的通道选择分析
3.1.3 特征选择
3.2 DEAP数据简介
3.3 脑电信号通道及特征选择分析
3.3.1 分类方法
3.3.2 基于DEAP数据的特征选择分析
3.3.2.1 常用的20种特征值
3.3.2.2 脑波能量特征值
3.3.2.3 特征选择结果分析
3.3.3 基于DEAP数据的通道选择验证
3.4 本章小结
第四章 学习状态分析模型及数据采集
4.1 学习状态分析
4.1.1 学习情感
4.1.2 学习状态模型建立
4.1.3 学习状态与脑电信号的关系
4.1.4 兴趣度、愉悦度、专注度权重分析
4.1.4.1 层次分析法
4.1.4.2 数据获取
4.1.4.3 数据分析
4.1.5 学习状态评估
4.2 数据采集
4.2.1 实验场地选取
4.2.2 问卷调查设计
4.2.3 学习状态自我评估表
4.2.4 学习状态诱导视频选取
4.2.5 受试者招募
4.2.6 实验流程
4.2.7 实验数据介绍
4.3 本章小结
第五章 基于单极脑电信号的学习状态分析方法研究
5.1 数据筛选
5.2 特征值选取
5.3 参数优化
5.3.1 支持向量机参数选择
5.3.2 多层感知器调参
5.4 结果分析
5.4.1 分类准确度结果分析
5.4.2 学习状态分类结果分析
5.5 面向协作式学习的学习状态分析系统测试
5.5.1 情景设计
5.5.2 测试结果
5.6 本章小结
第六章 总结与展望
6.1 全文总结
6.2 展望
参考文献
在学期间的研究成果
致谢
本文编号：3172917
【文章来源】：北方工业大学北京市
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 脑电信号
1.2.2 脑电信号分析方法
1.2.3 情感状态识别
1.2.4 学习状态分析
1.3 论文研究内容
1.3.1 论文主要工作
1.3.2 论文结构
第二章 分布式脑电信号采集系统设计
2.1 系统需求分析
2.2 系统硬件部分设计
2.2.1 采集设备选取
2.2.2 脑电信号传输原理
2.2.3 传输方式选择
2.2.4 硬件设备选取及连接器设计
2.2.5 固件程序设计
2.3 系统软件部分设计
2.3.1 需求分析
2.3.2 整体设计与用户软件主程序设计
2.3.3 Wi-Fi信号接收模块设计
2.3.4 解码模块设计
2.3.5 数据保存模块设计
2.3.6 用户界面设计与结果展示
2.4 本章小结
第三章 基于DEAP数据库的脑电信号通道和特征选择分析
3.1 通道以及特征选择的必要性
3.1.1 通道选择的必要性
3.1.2 基于大脑的结构与功能的通道选择分析
3.1.3 特征选择
3.2 DEAP数据简介
3.3 脑电信号通道及特征选择分析
3.3.1 分类方法
3.3.2 基于DEAP数据的特征选择分析
3.3.2.1 常用的20种特征值
3.3.2.2 脑波能量特征值
3.3.2.3 特征选择结果分析
3.3.3 基于DEAP数据的通道选择验证
3.4 本章小结
第四章 学习状态分析模型及数据采集
4.1 学习状态分析
4.1.1 学习情感
4.1.2 学习状态模型建立
4.1.3 学习状态与脑电信号的关系
4.1.4 兴趣度、愉悦度、专注度权重分析
4.1.4.1 层次分析法
4.1.4.2 数据获取
4.1.4.3 数据分析
4.1.5 学习状态评估
4.2 数据采集
4.2.1 实验场地选取
4.2.2 问卷调查设计
4.2.3 学习状态自我评估表
4.2.4 学习状态诱导视频选取
4.2.5 受试者招募
4.2.6 实验流程
4.2.7 实验数据介绍
4.3 本章小结
第五章 基于单极脑电信号的学习状态分析方法研究
5.1 数据筛选
5.2 特征值选取
5.3 参数优化
5.3.1 支持向量机参数选择
5.3.2 多层感知器调参
5.4 结果分析
5.4.1 分类准确度结果分析
5.4.2 学习状态分类结果分析
5.5 面向协作式学习的学习状态分析系统测试
5.5.1 情景设计
5.5.2 测试结果
5.6 本章小结
第六章 总结与展望
6.1 全文总结
6.2 展望
参考文献
在学期间的研究成果
致谢
本文编号：3172917
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3172917.html
最近更新
教材专著
