[发明专利]基于脑机数据集中处理的辅助钢琴训练方法

权利要求书

1.基于脑机数据集中处理的辅助钢琴训练方法，包括音乐偏好测试部分和休息时间确定部分，其特征在于，所述音乐偏好测试部分包括以下步骤：

步骤1、脑机接口、集中处理平台、音乐播放模块、通信模块依次初始化后，佩戴脑机接口，脑机接口与集中处理平台之间，音乐播放模块与集中处理平台之间通过通信模块相互发送测试信号，经集中处理平台确认测试信号正常后，确认系统工作正常；

步骤2、在音乐播放模块的音乐库中分别添加不同曲风的音乐，每种音乐设定播放时间长度相同，采集测试者在曲风p下的脑电波数据计算出相应的放松度a(p)和用脑量b(p)，分别存储在脑机处理数据库中；

步骤3、将测试者的历史音乐记录输入集中处理平台中，通过统计不同类型音乐的出现频率计算出测试者对于曲风p的偏好度c(p)；

步骤4、通过加权公式计算出曲风p音乐对测试者的“莫扎特效应”的有效度EX(p)，按有效度EX(p)从高到低的顺序生成测试者的音乐偏好库；

所述休息时间确定部分包括以下步骤：

步骤a、脑机接口、集中处理平台、音乐播放模块、通信模块依次初始化后，佩戴脑机接口，脑机接口与集中处理平台之间，音乐播放模块与集中处理平台之间通过通信模块相互发送测试信号，经集中处理平台确认测试信号正常后，确认系统工作正常；

步骤b、训练开始，设定时间窗口为T1，每间隔T1时间长度将测试者的脑电波数据包发送到集中处理平台，分别计算出测试者在T1时间内的平均专注度d(x)和平均用脑量e(x)；

步骤c、集中处理平台通过将测试者在T1时间内的平均用脑量e(x)和平均专注度d(x)分别与系统设定的平均专注度阈值d(th)和平均用脑量阈值e(th)进行比较，如果d(x)d(th)或者e(x)e(th)则将T1时间段内的标志位flag置1，否则置0；步骤d、判断接收到的数据包是否为训练开始后第一个T1时间段内采集到的数据包，称为第一个数据包，如果是第一个数据包，返回步骤b，否则，进行步骤e；

步骤e、判断本次T1时间段内的flag位和上次T1时间段内的flag位是否同时为1，如果本次T1内flag＝1且上次T1内flag＝1则提示测试者进行休息，更新本次训练已训练时长T(al)，更新已训练总时长T(sum)＝T(sum)+T(al)；

步骤f、启动测试者的音乐偏好库，按偏好度从高到低的顺序播放音乐，设播放时长为T2，比较本次训练已训练时长T(al)与上次训练的训练时长T(alp)，若T(al)T(alp)，则更新休息时间T2＝T2-t,t为微调灵敏度；若T(al)T(alp)，则更新T2＝T2+t；

步骤g、判断已训练总时长T(sum)是否大于系统设定最大训练时长，如果是，结束训练，关闭系统；否则返回步骤b。

2.根据权利要求1所述的基于脑机数据集中处理的辅助钢琴训练方法，其特征在于：在步骤f中，所述t为3min。

3.根据权利要求2所述的基于脑机数据集中处理的辅助钢琴训练方法，其特征在于，在步骤4中，所述“莫扎特效应”的有效度EX(p)采用下列加权公式计算得出：

EX(p)＝α·a(p)+β·b(p)+γ·c(p)

其中，a(p)为采集测试者在曲风p下的放松度，b(p)采集测试者在曲风p下的用脑量，c(p)为采集测试者在曲风p下的偏好度，且α+β+γ＝1。

4.根据权利要求3所述的基于脑机数据集中处理的辅助钢琴训练方法，其特征在于：在步骤b中，所述时间窗口T1为2s。

5.根据权利要求4所述的基于脑机数据集中处理的辅助钢琴训练方法，其特征在于：所述放松度a(p)、用脑量b(p)、偏好度c(p)、平均专注度d(x)和平均用脑量e(x)采用eSense算法计算，映射为0～10区间的数值。