一种智能英语学习机控制系统及控制方法与流程

本发明属于英语学习技术领域，尤其涉及一种智能英语学习机控制系统及控制方法。

背景技术：

英语学习机采用现代的科学应用技术，结合英语语言的学习特点，可以实现自助式的英语语言学习。英语学习机具有丰富的功能，可以从语法、语言、听力、读写等多方面对学习者进行训练。还具有字典、翻译、资料查询等功能，可以作为语言学习的辅助工具。右脑王英语学习机是一款能让使用者在最短时间内迅速调整英语学习状态至最佳状态、提升英语应用水平的尖端高科技生物物理学英语学习电子产品，通过视觉光导以及声波共振的作用，对使用者的脑电波进行控制、迅速激活右脑潜能，让使用者打开右脑语言学习区；调整使用者的英语学习状态。结合倍速播放的英语学习课程，进行右脑记忆，充分利用被激活的大脑语言学习机能；通过右脑英语学习方法进行潜意识的右脑英语学习，从而令使用者可以完成英语学习目标，提升英语学习应用水平。

但是，现有的学习机无法实现远程操作，学习内容固定，不能适应新的教学内容。

技术实现要素：

本发明的目的在于提供一种智能英语学习机控制系统及控制方法，旨在解决现有的学习机无法实现远程操作，学习内容固定，不能适应新的教学内容的问题。

本发明是这样实现的，一种智能英语学习机控制系统，所述智能英语学习机控制系统包括：

处理器，与服务器、智能终端、大数据模块、电源模块无线连接，用于对服务器、智能终端、大数据模块的输入信号进行预处理，并将信号反馈给智能终端，数据在大数据模块中存储；处理器的能量消耗消耗模型，具体表达形式为：

E_rx(k)＝E_re-elec(k)＝kE_elec；

其中，E_elec表示智能终端能耗，ε_{free-space-amp}和ε_two-way-amp分别表示自由空间模型和多路消耗模型的放大器能耗，d₀是常数，d是通信节点相隔距离，k为要发送或接收的数据位数，E_tx(k,d)和E_rx(k)分别表示处理器发送和接收数据时的能耗；通过LEACH能耗模型即可得到所述处理器节点的剩余能量；

服务器，用于根据当前教学内容，通过互联网随时更新学习机的学习内容；

智能终端，用于了解学习内容；智能终端的聚类集成方法包括：选用随机子空间法并行构造k个分类器来保证；设n个XML文档集合D＝(d₁,d₂,…,d_n)，其中d_i＝(x_i1,x_i2,...,x_in)为文档集的第i个文档，称d_i为n维数据空间的第i个数据点，它有n维特征向量，x_i1为它的相似度值；获得K个基分类器的分类结果，设有K个处理机，每个处理机同时扫描样本集，把具有同一关键词对应的样本按照相似度大小进行重排，对重排后的结果随机地抽取k个子集构造一个新样本集每个处理机就得到一个新的样本集，k个处理机得到新样本集组成k个基分类器；然后并行地在每个基分类器采用K-邻近算法求得其分类结果；

大数据模块，用于将大学生常错、容易混淆的知识点进行存储；大数据模块的数据压缩方法包括：在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和式计算出拟合残差，计算这两步时，均需要对结果进行越限判断，判断E1是否越限是为了避免其超过传感器数据总线上限而造成溢出；判断残差是否越限是为了实现分段拟合，以提高拟合精度；当一段输入数据的拟合残差全部计算完后，构造出所示的数据包，通过S-Huffman编码方法对其进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据；

电源模块，用于为处理器提供稳定的电源。

进一步，所述处理器与智能终端之间设置有数字匹配滤波器，所述数字匹配滤波器包括：

对所采集的每个采样值进行采样量化的A/D转换模块；

与所述A/D转换模块相连接，用于把采集数据同一个码片所进行的前后n次采样分开，获得I路和Q路的奇次和偶次序列数据，对获得的I路和Q路的奇次和偶次序列数据进行输出的串/并转换模块；

与所述串/并转换模块相连接，用于接收所述串/并转换模块输出的I路和Q路的奇次和偶次序列数据，通过Golay序列相关器对所接收的I路和Q路的奇次和偶次序列数据进行数据匹配的匹配滤波模块；

与所述匹配滤波模块相连接，用于将所述匹配滤波模块输出的I路和Q路奇次和偶次序列数据恢复成原始I路和Q路数据序列，并对原始I路和Q路数据序列进行输出的并/串转换模块；

与所述并/串转换模块相连接，用于接收所述并/串转换模块输出的原始I路和Q路数据序列，对原始I路和Q路数据序列进行求平方和，并对原始I路和Q路数据序列求平方和的结果进行输出的求平方和模块；

与所述求平方和模块相连接，用于对所述求平方和模块输出的原始I路和Q路数据序列求平方和的结果进行峰值检测，实现主同步序列同步的相关检测模块；

所述匹配滤波模块中设置有多个子匹配滤波器，若进行n次数据采样，则需要将I路和Q路的每个码片采样值分别进入并联的2n个子匹配滤波器；

所述求平方和模块采用查表方法对原始I路和Q路数据序列求平方，采用例化四进制珠算加法器求和，运用超前进位链实现；

所述求平方和模块中的四进制珠算加法器为异步串行珠算加法器，采用两个权值为5的高珠和5个权值为1的低珠结构，一个单元可表示十进制数范围为0-15，正好为一个四进制的数的表示范围，同时由于平方结果为24bit，采用例化语句复制6个四进制的全加器的加法单元，六个四进制加法单元采用超前进位链的方法进行级联；

当所述串/并转换模块把同一个码片所进行的前后2次采样分开、对每个采样值进行4bit量化时，即把4bitI路和4bit Q路转换成并行的4bit I路奇数序列、4bit I路偶数序列、4bit Q路奇数序列及4bit Q路偶数序列，对四路序列分别进入匹配滤波模块进行相关运算，并将结果经并/串转换模块转换成12bit的I路序列和12bit的Q路序列。

进一步，所述子匹配滤波器的传递函数为：C_i是由分层序列u，v调制而成的，u是分层Golay序列u＝{1,1,1,1,，1,1,-1}，v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，-C_16m+n＝u_nv_m；

根据分层的Golay序列对传递函数进行改进，则有：

H(z_u)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

H(z_v)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]；

所述相关检测模块采用冒泡比较法，即相邻时刻的相关值进行比较把较大值存入寄存器A，较大值的位置存入寄存器B，不断更新，直到出现相同值，检测位置是否相差码长周期，如果是，就再进行一次检测，连续两侧检测到就视为捕获成功；

所述匹配滤波模块主要由延时单元和乘加单元构成，延时单元采用D触发器实现，乘加单元采用普通乘加模块；所述匹配滤波模块实现对Golay序列捕获，序列通过输入进入匹配滤波器，进行移位乘加，并将结果输出，当有Golay序列通过匹配滤波器时，匹配滤波器输出最大值256。

本发明提供的智能英语学习机控制系统及控制方法，通过互联网与智能终端和服务器连接，服务器根据当前教学内容，随时更新学习机的学习内容，使得英语教学机可以更好的使用学习要求；通过大数据模块，可以将大学生常错、容易混淆的知识点进行存储，便于多次学习，进一步的完善学习过程。

附图说明

图1是本发明实施例提供的智能英语学习机控制系统结构示意图；

图中：1、处理器；2、服务器；3、智能终端；4、大数据模块；5、电源模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的智能英语学习机控制系统包括：处理器1、服务器2、智能终端3、大数据模块4、电源模块5。

处理器1，与服务器2、智能终端3、大数据模块4、电源模块5无线连接，用于对服务器2、智能终端3、大数据模块4的输入信号进行预处理，并将信号反馈给智能终端3，数据在大数据模块4中存储。处理器1的能量消耗消耗模型，具体表达形式为：

E_rx(k)＝E_re-elec(k)＝kE_elec；

其中，E_elec表示智能终端能耗，ε_{free-space-amp}和ε_two-way-amp分别表示自由空间模型和多路消耗模型的放大器能耗，d₀是常数，d是通信节点相隔距离，k为要发送或接收的数据位数，E_tx(k,d)和E_rx(k)分别表示处理器发送和接收数据时的能耗；通过LEACH能耗模型即可得到所述处理器节点的剩余能量；

服务器2，用于根据当前教学内容，通过互联网随时更新学习机的学习内容。

智能终端3，用于了解学习内容；智能终端的聚类集成方法包括：选用随机子空间法并行构造k个分类器来保证；设n个XML文档集合D＝(d₁,d₂,…,d_n)，其中d_i＝(x_i1,x_i2,...,x_in)为文档集的第i个文档，称d_i为n维数据空间的第i个数据点，它有n维特征向量，x_i1为它的相似度值；获得K个基分类器的分类结果，设有K个处理机，每个处理机同时扫描样本集，把具有同一关键词对应的样本按照相似度大小进行重排，对重排后的结果随机地抽取k个子集构造一个新样本集每个处理机就得到一个新的样本集，k个处理机得到新样本集组成k个基分类器；然后并行地在每个基分类器采用K-邻近算法求得其分类结果。

大数据模块4，用于将大学生常错、容易混淆的知识点进行存储；大数据模块4的数据压缩方法包括：在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和式计算出拟合残差，计算这两步时，均需要对结果进行越限判断，判断E1是否越限是为了避免其超过传感器数据总线上限而造成溢出；判断残差是否越限是为了实现分段拟合，以提高拟合精度；当一段输入数据的拟合残差全部计算完后，构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对其进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据；

电源模块5，用于为处理器1提供稳定的电源。

进一步，所述处理器与智能终端之间设置有数字匹配滤波器，所述数字匹配滤波器包括：

对所采集的每个采样值进行采样量化的A/D转换模块；

与所述A/D转换模块相连接，用于把采集数据同一个码片所进行的前后n次采样分开，获得I路和Q路的奇次和偶次序列数据，对获得的I路和Q路的奇次和偶次序列数据进行输出的串/并转换模块；

与所述串/并转换模块相连接，用于接收所述串/并转换模块输出的I路和Q路的奇次和偶次序列数据，通过Golay序列相关器对所接收的I路和Q路的奇次和偶次序列数据进行数据匹配的匹配滤波模块；

与所述匹配滤波模块相连接，用于将所述匹配滤波模块输出的I路和Q路奇次和偶次序列数据恢复成原始I路和Q路数据序列，并对原始I路和Q路数据序列进行输出的并/串转换模块；

与所述并/串转换模块相连接，用于接收所述并/串转换模块输出的原始I路和Q路数据序列，对原始I路和Q路数据序列进行求平方和，并对原始I路和Q路数据序列求平方和的结果进行输出的求平方和模块；

与所述求平方和模块相连接，用于对所述求平方和模块输出的原始I路和Q路数据序列求平方和的结果进行峰值检测，实现主同步序列同步的相关检测模块；

所述匹配滤波模块中设置有多个子匹配滤波器，若进行n次数据采样，则需要将I路和Q路的每个码片采样值分别进入并联的2n个子匹配滤波器；

所述求平方和模块采用查表方法对原始I路和Q路数据序列求平方，采用例化四进制珠算加法器求和，运用超前进位链实现；

所述求平方和模块中的四进制珠算加法器为异步串行珠算加法器，采用两个权值为5的高珠和5个权值为1的低珠结构，一个单元可表示十进制数范围为0-15，正好为一个四进制的数的表示范围，同时由于平方结果为24bit，采用例化语句复制6个四进制的全加器的加法单元，六个四进制加法单元采用超前进位链的方法进行级联；

当所述串/并转换模块把同一个码片所进行的前后2次采样分开、对每个采样值进行4bit量化时，即把4bitI路和4bit Q路转换成并行的4bit I路奇数序列、4bit I路偶数序列、4bit Q路奇数序列及4bit Q路偶数序列，对四路序列分别进入匹配滤波模块进行相关运算，并将结果经并/串转换模块转换成12bit的I路序列和12bit的Q路序列。

进一步，所述子匹配滤波器的传递函数为：C_i是由分层序列u，v调制而成的，u是分层Golay序列u＝{1,1,1,1,，1,1,-1}，v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，C_16m+n＝u_nv_m；

根据分层的Golay序列对传递函数进行改进，则有：

H(z_u)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

H(z_v)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]；

所述相关检测模块采用冒泡比较法，即相邻时刻的相关值进行比较把较大值存入寄存器A，较大值的位置存入寄存器B，不断更新，直到出现相同值，检测位置是否相差码长周期，如果是，就再进行一次检测，连续两侧检测到就视为捕获成功；

所述匹配滤波模块主要由延时单元和乘加单元构成，延时单元采用D触发器实现，乘加单元采用普通乘加模块；所述匹配滤波模块实现对Golay序列捕获，序列通过输入进入匹配滤波器，进行移位乘加，并将结果输出，当有Golay序列通过匹配滤波器时，匹配滤波器输出最大值256。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。