CN114224364B

CN114224364B - 用于专注力训练的脑电波信号处理方法、装置及存储介质

Info

Publication number: CN114224364B
Application number: CN202210154692.XA
Authority: CN
Inventors: 韩璧丞; 单思聪; 阿迪斯; 王伊宁; 刘浩然; 娄妤堃
Original assignee: Shenzhen Mental Flow Technology Co Ltd
Current assignee: Shenzhen Mental Flow Technology Co Ltd
Priority date: 2022-02-21
Filing date: 2022-02-21
Publication date: 2022-05-17
Anticipated expiration: 2042-02-21
Also published as: CN114224364A

Abstract

本发明公开了用于专注力训练的脑电波信号处理方法、装置及存储介质，所述方法包括：获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据；获取所述异常数据所对应的权重数据；根据所述权重数据以及所述异常数据，得到专注力评分。本发明通过分析出预设时间段内的脑电波信号数据中的异常数据，并基于异常数据和对应的权重数据来确定出专注力评分，让用户更直观地了解到专注力，以便对用户的专注力训练进行的实时调整与约束，使得用户可以提高专注力。

Description

用于专注力训练的脑电波信号处理方法、装置及存储介质

技术领域

本发明涉及脑电波信号处理技术领域，尤其涉及一种用于专注力训练的脑电波信号处理方法、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。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。脑电波反映着人脑的活跃程度。随着智能终端设备的发展，越来越多智能终端正在尝试将脑电波进行应用，基于脑电波来实现对终端终端的控制，使得智能终端可以基于用户的脑电波来实现功能控制。

为了实现对智能终端更为准确的控制，需要对用户的专注力进行训练，即对用户的脑电波信号进行分析与处理，以让用户及时了解到脑电波信号的活跃程度，即确定出专注程度。但是目前在对脑电波信号的分析与处理过程中，基本都是通过输出脑电波信号曲线，观察脑电波信号曲线的波动情况来判断用户的专注程度，缺乏直观地对用户的专注程度进行评估的方法。

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，提供一种用于专注力训练的脑电波信号处理方法、装置及存储介质，旨在解决现有技术在对脑电波信号的分析与处理过程中，缺乏直观地对用户的专注程度进行评估的方法。

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，本发明提供一种用于专注力训练的脑电波信号处理方法，其中，所述方法包括：

获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据；

获取所述异常数据所对应的权重数据；

根据所述权重数据以及所述异常数据，得到专注力评分。

在一种实现方式中，所述基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据，包括：

获取预设的标准脑电波信号数据；

将所述脑电波信号数据与所述标准脑电波信号数据进行匹配；

确定出所述脑电波信号数据与所述标准脑电波信号数据之间的差异数据，并将所述差异数据作为所述异常数据。

在一种实现方式中，所述将所述脑电波信号数据与所述标准脑电波信号数据进行匹配，包括：

获取所述脑电波信号数据所对应的脑电波信号曲线；

获取所述标准脑电波信号数据所对应的标准信号曲线；

将所述脑电波信号曲线与所述标准信号曲线进行匹配。

在一种实现方式中，所述获取所述异常数据所对应的权重数据，包括：

根据所述异常数据，确定所述异常数据中的偏离次数、每一次异常数据从偏离至恢复至正常值的恢复时间以及每一次异常数据的偏离幅度；

根据所述偏离次数、所述恢复时间以及所述偏离幅度，分别获取对应的次数权重数据、时间权重数据以及幅度权重数据。

在一种实现方式中，所述根据所述权重数据以及所述异常数据，得到专注力评分，包括：

获取基础分数；

根据所述基础分数、所述偏离次数、所述恢复时间、所述偏离幅度、所述次数权重数据、所述时间权重数据以及所述幅度权重数据，得到所述专注力评分。

在一种实现方式中，所述专注力评分的计算方式为：

专注力评分=基础分数-偏离次数*次数权重数据-恢复时间*时间权重数据-偏离幅度*幅度权重数据。

在一种实现方式中，所述方法还包括：

当得到所述专注力评分后，将所述专注力评分进行上报，以根据所述专注力评分对专注力训练进行提醒。

第二方面，本发明实施例还提供一种用于专注力训练的脑电波信号处理装置，其中，所述装置包括：

异常数据确定模块，用于获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据；

权重数据获取模块，用于获取所述异常数据所对应的权重数据；

专注力评分确定模块，用于根据所述权重数据以及所述异常数据，得到专注力评分。

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用于专注力训练的脑电波信号处理程序，所述处理器执行所述用于专注力训练的脑电波信号处理程序时，实现如上述方案任一项所述的用于专注力训练的脑电波信号处理方法的步骤。

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用于专注力训练的脑电波信号处理程序，所述用于专注力训练的脑电波信号处理程序被处理器执行时，实现如上述方案任一项所述的用于专注力训练的脑电波信号处理方法的步骤。

有益效果：与现有技术相比，本发明提供了一种用于专注力训练的脑电波信号处理方法，本发明首先获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据。然后获取所述异常数据所对应的权重数据。最后根据所述权重数据以及所述异常数据，得到专注力评分。本发明通过分析出预设时间段内的脑电波信号数据中的异常数据，并基于异常数据和对应的权重数据来确定出专注力评分，整个过程简单，基于异常数据来确定专注力评分，更为准确，也让用户更直观地了解到专注力，以便对用户的专注力训练进行的实时调整与约束，使得用户可以提高专注力。

附图说明

图1为本发明实施例提供的用于专注力训练的脑电波信号处理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用于专注力训练的脑电波信号处理装置的原理框图。

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。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。脑电波反映着人脑的活跃程度。随着智能终端设备的发展，越来越多智能终端正在尝试将脑电波进行应用，基于脑电波来实现对终端终端的控制，使得智能终端可以基于用户的脑电波来实现功能控制。这对于用户的专注程度比较高。目前在对脑电波信号的分析与处理过程中，基本都是通过输出脑电波信号曲线，观察脑电波信号曲线的波动情况来判断用户的专注程度，缺乏直观地对用户的专注程度进行评估的方法。

为此，本实施例提供一种用于专注力训练的脑电波信号处理方法，本实施例的方法可用于对用户的专注程度进行评估。具体实施时，本实施例首先获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据，然后获取所述异常数据所对应的权重数据。最后根据所述权重数据以及所述异常数据，得到专注力评分。本实施例通过分析出预设时间段内的脑电波信号数据中的异常数据，并基于异常数据和对应的权重数据来确定出专注力评分，整个过程简单，基于异常数据来确定专注力评分，更为准确，且通过评分的方式也可以让用户更直观地了解到专注力，以便对用户的专注力训练进行的实时调整与约束，使得用户可以提高专注力。

举例说明，当需要对用户的专注力进行评估时，终端设备比如（智能耳机）获取预设时间段内的脑电波信号数据，如获取到的脑电波信号数据有脑电波信号数据A、脑电波信号数据B以及脑电波信号数据C。然后基于这些脑电波信号数据确定出其中的异常数据，这些异常数据可反映出用户的脑电波信号数据的波动与变化，比如偏离次数、每一次异常数据从偏离至恢复至正常值的恢复时间等。然后根据异常数据就获取到与之对应的权重数据，基于权重数据，确定出专注力评分。由于专注力评分是一个具体的数值，因此用户就可以很直观地知晓用户的专注程度，也就是可以很直观地反映出用户大脑的脑电波信号的活跃状态。

示例性方法

本实施例中的用于专注力训练的脑电波信号处理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，本实施例的用于专注力训练的脑电波信号处理方法包括如下步骤：

步骤S100、获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据。

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30秒，则就可以获取这30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分钟、4分钟或更长，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。此外，本实施例中的脑电波信号数据还可以直接从历史记录中获取，比如，如果需要对用户过去某段时间内的专注力进行评估，本实施例就可以直接从预设的存储空间中获取历史记录，从历史记录中搜索出脑电波信号数据。

当获取到脑电波信号数据后，本实施例就可以基于这些脑电波信号数据，确定出这些脑电波信号数据所对应的异常数据，本实施例中的异常数据指的是这些脑电波信号数据之间的差异、波动或者是变化，因此通过对差异数据进行分析，可以准确地确定用户大脑的脑电波信号数据的状态，以便更为准确地对用户进行专注力评估。

在一种实现方式中，本实施例在确定异常数据时，包括如下步骤：

步骤S101、获取预设的标准脑电波信号数据；

步骤S102、将所述脑电波信号数据与所述标准脑电波信号数据进行匹配；

步骤S103、确定出所述脑电波信号数据与所述标准脑电波信号数据之间的差异数据，并将所述差异数据作为所述异常数据。

具体实施时，由于本实施例需要确定的是脑电波信号数据中的异常数据，那就需要对这些脑电波信号数据进行分析处理。而本实施例中获取到的脑电波信号数据是从预设时间段内获取的，比如，获取到是早上8点到8点05之间的脑电波信号数据，那就是要分析这5分钟内的脑电波信号数据中的异常数据。而为了更为方便地确定出脑电波信号数据中的异常数据，本实施例预先设置标准脑电波信号数据，该标准脑电波信号数据是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，标准脑电波信号数据反映的某个较长时间段内（比如20分钟）的脑电波信号保持稳定，因此用户在这个较长时间段内的专注程度比较高。因此，本实施例将获取到的脑电波信号数据与这个标准脑电波信号数据进行对比与分析，找出两者的差异数据，这些差异数据就是异常数据。

在一种实现方式中，本实施例中的标准脑电波信号数据可根据历史记录中的时间规律进行划分，比如按照时间段划分出不同的标准脑电波信号数据，如8点-9点对应一个标准脑电波信号数据，9点-10点对应一个标准脑电波信号数据。然后当本实施例中获取的脑电波信号数据的预设时间段处于8点-9点时，则就获取8点-9点对应的标准脑电波信号数据来与本实施例中的脑电波信号数据进行匹配，这样就可以针对性对预设的时间段的脑电波信号数据进行分析，分析用户在这个时间段内脑电波信号的波动情况。

在一种实现方式中，为了更准确地分析出脑电波信号数据与标准脑电波信号数据之间的差异数据，本实施例在获取到脑电波信号数据后，获取脑电波信号数据所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。当然，对应的，本实施例也可以对标准脑电波信号数据设置对应的标准信号曲线。当得到所述脑电波信号曲线与所述标准信号曲线后，本实施例将两者进行对比分析与匹配，确定出脑电波信号曲线与标准信号曲线之间的差异数据，这些差异数据即为异常数据。

步骤S200、获取所述异常数据所对应的权重数据。

由于异常数据指的是所述脑电波信号曲线与所述标准信号曲线之间的差异，并且标准信号曲线是基于标准脑电波信号数据得到的，标准脑电波信号数据反映的某个较长时间段内（比如20分钟）的脑电波信号保持稳定，因此用户在这个较长时间段内的专注程度比较高。因此这些异常数据是会对用户的专注力的评分有影响的。本实施例在得到异常数据后，获取异常数据所对应的权重数据，以便计算出专注力评分。

在一种实现方式中，本实施例在获取权重数据时包括如下步骤：

步骤S201、根据所述异常数据，确定所述异常数据中的偏离次数、每一次异常数据从偏离至恢复至正常值的恢复时间以及每一次异常数据的偏离幅度；

步骤S202、根据所述偏离次数、所述恢复时间以及所述偏离幅度，分别获取对应的次数权重数据、时间权重数据以及幅度权重数据。

在本实施例中，当所述脑电波信号曲线与所述标准信号曲线进行匹配时，确定出的异常数据包括：所述脑电波信号曲线与所述标准信号曲线之间的偏离次数、每一次异常数据从偏离至恢复至正常值的恢复时间以及每一次异常数据的偏离幅度。本实施例中的偏离指的是所述脑电波信号曲线与所述标准信号曲线之间同一个时间点上的数据不重合或者相差超过预设距离。基于此，本实施例就可以准确且直观地了解到脑电波信号曲线与标准信号曲线之间的异常数据。当确定出异常数据后，本实施例可获取每一个异常数据所对应的权重数据，该权重数据是预先设置的，比如，根据确定的异常数据中的偏离次数、恢复时间以及偏离幅度，分别获取对应的次数权重数据、时间权重数据以及幅度权重数据。在本实施例中，权重数据的设置也是基于对专注力评分的影响因素来设置的，对专注力评分的影响力大，则设置的权重数据也就越大。比如，若偏离次数对于专注力评分的影响力比恢复时间对于专注力评分的影响力更大，则偏离次数对应的权重数据可设置为0.9，而恢复时间对应的权重数据可设置为0.8。本实施例可基于历史记录中的脑电波信号数据以及得出的标准脑电波信号数据，来总结出哪些异常数据对专注力评分的影响力，并设置对应的权重数据。具体地，所述偏离次数对应的权重数据为次数权重数据、所述恢复时间对应的权重数据为时间权重数据、所述偏离幅度对应的权重数据为幅度权重数据。

步骤S300、根据所述权重数据以及所述异常数据，得到专注力评分。

当获取到每一个异常数据所对应的权重数据的后，本实施例可计算出专注力评分。本实施例中的专注力评分是是一个具体的分值，基于该分值就可以直观地了解到用户大脑的脑电波信号的波动情况。本实施例中所确定出专注力评分不但可以得到用户大脑的专注程度，也可以用来是否需要对用户进行专注力提醒，以让用户更集中精神。

在一种实现方式中，本实施例在计算专注力评分时，包括如下步骤：

步骤S301、获取基础分数；

步骤S302、根据所述基础分数、所述偏离次数、所述恢复时间、所述偏离幅度、所述次数权重数据、所述时间权重数据以及所述幅度权重数据，得到所述专注力评分。

由于每一个异常数据都会对用户的专注力产生负面的影响，因此，通过这些异常数据及其对应的权重数据计算出的分值都应该属于扣分项。为此，本实施例设置有基础分数，该基础分数可以是一个满分书，比如10分制的10分或者100分制的100分。那这些异常数据所对应的扣分项就会在这个基础分数的基础上进行扣分，最终得到专注力评分。

本实施例中，偏离次数、所述恢复时间、所述偏离幅都是具体的数值，权重数据也是具体的数值，因此专注力评分的计算公式为：

比如，基础分数为100分，偏离次数为3次，次数权重数据为0.9,恢复时间为0.5秒，时间权重数据为0.8，偏离幅度为2，幅度权重数据为0.9。因此计算出的专注力评分为：100-（3*0.9+0.5*0.8+2*0.9）=95.1。

当得到该专注力评分后，就可以很直观地确定出用户此时的专注力情况，比如可以设置一个分数阈值，将专注力评分与该分数阈值进行比较，若专注力评分超过该分数阈值就可以确定出此时用户的大脑脑电波信号数据比较稳定，此时的用户比较专注。本实施例还可以将所述专注力评分进行上报，以根据所述专注力评分对专注力训练进行提醒，以便满足用户的需求。

综上，本实施例首先获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据。然后获取所述异常数据所对应的权重数据。最后根据所述权重数据以及所述异常数据，得到专注力评分。本实施例通过分析出预设时间段内的脑电波信号数据中的异常数据，并基于异常数据和对应的权重数据来确定出专注力评分，整个过程简单，基于异常数据来确定专注力评分，更为准确，也让用户更直观地了解到专注力，以便对用户的专注力训练进行的实时调整与约束，使得用户可以提高专注力。

示例性装置

基于上述实施例，本发明还提供一种用于专注力训练的脑电波信号处理装置，该装置可用于计算出专注力评分。具体地，如图2中所示，本实施例中的装置包括：异常数据确定模块10、权重数据获取模块20以及专注力评分确定模块30。具体地，所述异常数据确定模块10，用于获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据。所述权重数据获取模块20，用于获取所述异常数据所对应的权重数据。所述专注力评分确定模块30，用于根据所述权重数据以及所述异常数据，得到专注力评分。

在一种实现方式中，所述异常数据确定模块10，包括：

信号数据获取单元，用于获取预设的标准脑电波信号数据；

信号数据匹配单元，用于将所述脑电波信号数据与所述标准脑电波信号数据进行匹配；

异常数据确定单元，用于确定出所述脑电波信号数据与所述标准脑电波信号数据之间的差异数据，并将所述差异数据作为所述异常数据。

在一种实现方式中，所述信号数据匹配单元，包括：

第一曲线获取子单元，用于获取所述脑电波信号数据所对应的脑电波信号曲线；

标准曲线获取子单元，用于获取所述标准脑电波信号数据所对应的标准信号曲线；

曲线匹配子单元，用于将所述脑电波信号曲线与所述标准信号曲线进行匹配。

在一种实现方式中，所述权重数据获取模块20，包括：

异常数据分析子单元，用于根据所述异常数据，确定所述异常数据中的偏离次数、每一次异常数据从偏离至恢复至正常值的恢复时间以及每一次异常数据的偏离幅度；

权重数据确定子单元，用于根据所述偏离次数、所述恢复时间以及所述偏离幅度，分别获取对应的次数权重数据、时间权重数据以及幅度权重数据。

在一种实现方式中，所述专注力评分确定模块30，包括：

分数获取单元，用于获取基础分数；

评分确定单元，用于根据所述基础分数、所述偏离次数、所述恢复时间、所述偏离幅度、所述次数权重数据、所述时间权重数据以及所述幅度权重数据，得到所述专注力评分。

在一种实现方式中，所述装置，还包括：

提醒模块，用于当得到所述专注力评分后，将所述专注力评分进行上报，以根据所述专注力评分对专注力训练进行提醒

本实施例中的用于专注力训练的脑电波信号处理装置的工作原理与上述方法实施例所记载的内容相同，此处不再赘述。

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用于专注力训练的脑电波信号处理方法。

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用于专注力训练的脑电波信号处理程序，处理器执行用于专注力训练的脑电波信号处理程序时，实现如下操作指令：

获取所述异常数据所对应的权重数据；

根据所述权重数据以及所述异常数据，得到专注力评分。

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，本发明公开了用于专注力训练的脑电波信号处理方法、装置及存储介质，所述方法包括：获取预设时间段内的脑电波信号数据，并基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据；获取所述异常数据所对应的权重数据；根据所述权重数据以及所述异常数据，得到专注力评分。本发明通过分析出预设时间段内的脑电波信号数据中的异常数据，并基于异常数据和对应的权重数据来确定出专注力评分，让用户更直观地了解到专注力，以便对用户的专注力训练进行的实时调整与约束，使得用户可以提高专注力。

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

1.一种用于专注力训练的脑电波信号处理方法，其特征在于，所述方法包括：

获取所述异常数据所对应的权重数据；

根据所述权重数据以及所述异常数据，得到专注力评分；

所述基于所述脑电波信号数据，确定出所述脑电波信号数据所对应的异常数据，包括：

获取预设的标准脑电波信号数据；

将所述脑电波信号数据与所述标准脑电波信号数据进行匹配，其中，所述标准脑电波信号数据是基于历史的脑电波信号数据筛选出的脑电波信号数据，所述标准脑电波信号数据反映的某个时间段内的脑电波信号保持稳定，用户在该时间段内的专注程度比较高，所述标准脑电波信号数据按照时间段划分出不同的标准脑电波信号数据；

确定出所述脑电波信号数据与所述标准脑电波信号数据之间的差异数据，并将所述差异数据作为所述异常数据；

所述将所述脑电波信号数据与所述标准脑电波信号数据进行匹配，包括：

获取所述脑电波信号数据所对应的脑电波信号曲线，其中，当终端设备采集到若干脑电波信号数据后，将所述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所述脑电波信号曲线；

获取所述标准脑电波信号数据所对应的标准信号曲线；

将所述脑电波信号曲线与所述标准信号曲线进行匹配；

所述获取所述异常数据所对应的权重数据，包括：

根据所述异常数据，确定所述异常数据中的偏离次数、每一次异常数据从偏离至恢复至正常值的恢复时间以及每一次异常数据的偏离幅度，其中，偏离指的是所述脑电波信号曲线与所述标准信号曲线之间同一个时间点上的数据不重合或者相差超过预设距离；

根据所述偏离次数、所述恢复时间以及所述偏离幅度，分别获取对应的次数权重数据、时间权重数据以及幅度权重数据，其中，权重数据的设置是基于对专注力评分的影响因素来设置的，对专注力评分的影响力大，则设置的权重数据也就越大；

所述根据所述权重数据以及所述异常数据，得到专注力评分，包括：

获取基础分数；

根据所述基础分数、所述偏离次数、所述恢复时间、所述偏离幅度、所述次数权重数据、所述时间权重数据以及所述幅度权重数据，得到所述专注力评分；

所述专注力评分的计算方式为：

2.根据权利要求1所述的用于专注力训练的脑电波信号处理方法，其特征在于，所述方法还包括：

3.一种用于专注力训练的脑电波信号处理装置，其特征在于，所述装置包括：

专注力评分确定模块，用于根据所述权重数据以及所述异常数据，得到专注力评分；

所述异常数据确定模块，包括：

信号数据获取单元，用于获取预设的标准脑电波信号数据；

信号数据匹配单元，用于将所述脑电波信号数据与所述标准脑电波信号数据进行匹配，其中，所述标准脑电波信号数据是基于历史的脑电波信号数据筛选出的脑电波信号数据，所述标准脑电波信号数据反映的某个时间段内的脑电波信号保持稳定，用户在该时间段内的专注程度比较高，所述标准脑电波信号数据按照时间段划分出不同的标准脑电波信号数据；

异常数据确定单元，用于确定出所述脑电波信号数据与所述标准脑电波信号数据之间的差异数据，并将所述差异数据作为所述异常数据；

所述信号数据匹配单元，包括：

第一曲线获取子单元，用于获取所述脑电波信号数据所对应的脑电波信号曲线，其中，当终端设备采集到若干脑电波信号数据后，将所述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所述脑电波信号曲线；

曲线匹配子单元，用于将所述脑电波信号曲线与所述标准信号曲线进行匹配；

所述权重数据获取模块，包括：

异常数据分析子单元，用于根据所述异常数据，确定所述异常数据中的偏离次数、每一次异常数据从偏离至恢复至正常值的恢复时间以及每一次异常数据的偏离幅度，其中，偏离指的是所述脑电波信号曲线与所述标准信号曲线之间同一个时间点上的数据不重合或者相差超过预设距离；

权重数据确定子单元，用于根据所述偏离次数、所述恢复时间以及所述偏离幅度，分别获取对应的次数权重数据、时间权重数据以及幅度权重数据，其中，权重数据的设置是基于对专注力评分的影响因素来设置的，对专注力评分的影响力大，则设置的权重数据也就越大；

所述专注力评分确定模块，包括：

分数获取单元，用于获取基础分数；

评分确定单元，用于根据所述基础分数、所述偏离次数、所述恢复时间、所述偏离幅度、所述次数权重数据、所述时间权重数据以及所述幅度权重数据，得到所述专注力评分；

所述专注力评分的计算方式为：

4.一种终端设备，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用于专注力训练的脑电波信号处理程序，所述处理器执行所述用于专注力训练的脑电波信号处理程序时，实现如权利要求1-2任一项所述的用于专注力训练的脑电波信号处理方法的步骤。

5.一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用于专注力训练的脑电波信号处理程序，所述用于专注力训练的脑电波信号处理程序被处理器执行时，实现如权利要求1-2任一项所述的用于专注力训练的脑电波信号处理方法的步骤。