跳到主要内容

Flowtime 头环

硬件说明​

Flowtime 头环轻巧便携，佩戴简单，可用于在多种场景下采集前额脑电数据和心率数据。

在准备开发前，你可能需要了解的设备参数如下，如需了解更多详细参数请参考 Flowtime 头环硬件说明。

Flowtime 头环

  • 设备参数
    • 双通道脑电（EEG）采集
      • 采集电极位点：Fp1 / Fp2
      • 参考电极位点：Fpz
      • 采样率：250 Hz
      • 采样精度：24 位
    • PPG （光电容积脉搏波）心率监测

使用数据采集软件​

  • 如果你只需对原始信号进行离线分析，可以使用我们已经开发好的心流实验 App来采集数据，并通过情感云管理后台（链接）下载原始数据文件。
  • 如果你具备一定的软件开发能力，你还可以利用我们提供的开发资源来开发自己的应用，从而实时获取原始信号并进行分析。

连接设备​

  • 如果你使用心流实验 App 来采集数据，那么你可以根据心流实验 App 使用说明的操作来连接设备并采集数据。
  • 如果你使用开发资源来采集数据，可参考下面的操作：
    • 长按按键直至指示灯亮起，设备开机并进入广播状态，此时可以在数据采集软件中搜索并连接设备。开机后设备会一直广播直到关机。
    • 设备连接主机后指示灯将切换到长亮状态，此时可以通过指令控制设备进行数据采集等操作。
提示

开机时，如果长按设备按键，仍旧没有灯亮，说明设备已经没电。此时先给设备充电，10 分钟后再尝试开机。充电教程请参考 Flowtime 头环充电说明。

因为指示灯比较耗电，所以状态指示灯会在 2 分钟后熄灭（充电过程中不会熄灭）。此时并不代表设备休眠或者关机。单击按键，指示灯会重新亮起。

佩戴头环​

  • 从 3 种尺寸的绑带中，选择一条合适的，固定在头环尾部的凹槽中
  • 固定好绑带之后，戴上头环，确保头环前侧的脑电波和心率传感器紧贴皮肤，以获得良好信号质量。如果大号的绑带无法保证头环稳定贴合皮肤，可以选择小一号的绑带
  • 请确保传感器和皮肤之间没有头发

获取原始信号​

  • 使用 Flowtime 头环可采集双通道脑电波（eeg）和心率（hr）数据。
  • 如果你使用我们提供的心流实验 App 并按照心流实验 App 使用说明来采集数据，那么你可以通过情感云管理后台下载原始数据文件，从中读取并解析得到原始信号。我们将在下文提供详细的操作步骤。
  • 如果你使用我们提供的设备管理 SDK 来开发应用，并按照上面的步骤采集数据，那么你可以参考使用设备管理 SDK 获取原始信号来进行操作。

原始数据文件下载​

  • 登录情感云管理后台。
  • 在使用记录中选择生物数据分析服务，找到目标记录。
  • 点击操作一列中的下载原始数据，可以得到压缩的原始数据文件，后缀名 .eeg 为双通道脑电波，.hr 为心率。

原始数据文件

原始数据文件解压​

  • 情感云管理后台直接下载得到的原始数据文件是 gzip 压缩的，在读取之前需要先解压缩。
  • 如果你的电脑中安装了 .zip 解压缩软件，你可以将下载的压缩原始数据文件后缀名更改为 .zip，并用解压缩软件直接解压，得到可以打开的文本文件。
  • 如果你正在使用 Python，你也可以通过代码的方式来解压缩。
import gzip
import json

with open(path, 'rb') as fr:  # path为压缩文件的路径
    content = fr.read()
    bin_data = gzip.decompress(content)
json_data = json.loads(bin_data)
with open(path + '_unz', 'w') as f:  # path+'_unz'为解压缩后的文件保存路径
    json.dump(json_data, f)

原始数据文件读取​

  • 解压缩后的文件可直接读取为 json，读取data字段中raw字段保存的数组，即为十进制无符号 int 型原始数据。例如：[0,0,119,7,236,...,136,214,58]。
  • 具体的原始数据文件格式可参考原始数据文件协议。
  • 如果你正在使用 Python，你也可以直接利用下面的代码从解压后的文件中读取十进制无符号 int 型原始数据。
import json

with open(path, 'r') as f:  # path为解压缩后的文件的路径
    content = json.load(f)
raw_data = content.get('data').get('raw')  # raw_data 即为十进制无符号 int 型原始数据

原始信号解析​

  • 从原始数据文件中读取得到的十进制无符号 int 型原始数据是当次会话中所有数据包拼接而成的，因此需要先按照不同数据类型的数据包长度拆分成独立的数据包。
  • 拆分后得到的独立数据包根据双通道脑电波数据协议和心率数据协议解析可得到每个数据包的原始信号。
  • 将每个数据包解析得到的原始信号拼接，可得到当次会话完整的原始信号。
  • 如果你正在使用 Python，你也可以直接利用下面的代码获得解析后的原始信号。

双通道脑电波数据解析​

# 拆分成独立数据包
pkg_list = [raw_data[i:i+20] for i in range(0, len(raw_data), 20)]  # raw_data 为十进制无符号 int 型原始数据
# 初始化
eegl_data = []  # 解析后左通道脑电波原始信号
eegr_data = []  # 解析后右通道脑电波原始信号
# 解析
for pkg in pkg_list:
    for j in range(3):
        eegl_point = pkg[j*6+2]*2**16 + pkg[j*6+3]*2**8 + pkg[j*6+4]
        eegr_point = pkg[j*6+5]*2**16 + pkg[j*6+6]*2**8 + pkg[j*6+7]
        eegl_data.append(eegl_point)
        eegr_data.append(eegr_point)

# 如果你需要计算实际的脑电波电压幅值，则需要经过下面的处理
eegl_voltage = [d*4.8*10**6/2**24/12 for d in eegl_data]  # 左通道脑电波电压
eegr_voltage = [d*4.8*10**6/2**24/12 for d in eegr_data]  # 右通道脑电波电压

典型的双通道脑电波原始信号如下图，由于原始脑电波中存在较大的漂移电压，而脑电波电压幅值非常小（微伏级），因此很难通过肉眼从原始脑电波数据图中看出脑电波特征，将其局部放大或经过滤除漂移等处理后，可见细微的波形特征。

双通道脑电原始信号

提示

脑电波原始信号中可能偶尔出现一个离群点，是数据传输丢失导致的，对于这种情况可手动将该离群点剔除。

心率数据解析​

# 对于心率数据，十进制无符号 int 型原始数据即为心率原始信号
hr_data = raw_data  # raw_data 为十进制无符号 int 型原始数据

典型的心率原始信号如下图。

心率原始信号

关机​

使用结束后，长按设备按键直至灯完全熄灭即可关机。

参考内容​