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析结果的准确度进行比较,确立了使用前额单通道采集数据以及使用脑波能量作为特征值的可行性。通过对学习状态进行分析研究,发现学习状态与兴趣度、愉悦度以及专注度三者密切相关,于是在现有情感分析模型的基础上加以改进,建立了一种三维学习状态评价模型。使用层次分析法确定了三者对于学生形成高效学习效果的重要程度,给出了参与度(学习状态)的定义。之后使用机器学习和深度学习算法,经过特征选取、参数优化等步骤对采集到的数据按照学习状态模型进行分类,通过愉悦度、兴趣度以及专注度三个方面相融合的方式对学生学习状态进行了分析研究。研究表明,应用前额单极脑电信号,可以从兴趣度、愉悦度和专注度三个维度对参与分组学习的学习者的学习状态进行有效识别和评价。