1.一种基于无源RFID的学生在线学习状态识别系统，其特征在于，具备：RFID电子标签，设置在学生戴的帽子上，用于跟随学生头部运动，接收天线发射的无线射频信号并根据所述无线射频信号返回反向散射信号；

天线，用于向学生头部以及头部周围区域内发射无线射频信号；

阅读器，用于采集所述反向散射信号并分析所述反向散射信号中的信号特征；

识别系统，与所述阅读器通讯连接，所述识别系统用于根据接收到的信号特征识别在线学习过程中学生的头部动作并根据学生头部动作的判别结果分析学生学习状态。

2.一种根据权利要求1所述的基于无源RFID的学生在线学习状态识别系统的识别方法，其特征在于，包括以下步骤：

步骤100，将RFID电子标签安装在帽子上，天线向学生头部及其周围区域集中发射无线射频信号，阅读器读取RFID电子标签返回的反向散射信号；

步骤200，学生带上贴有RFID标签的帽子，学生在线学习的过程中产生头部动作变化；

步骤300，通过识别系统识别在线学习过程中学生的头部动作；

步骤400，识别系统通过学生动作的判别结果分析学生学习状态。

3.根据权利要求1所述的一种基于无源RFID的学生在线学习状态识别系统，其特征在于，所述阅读器为商用现货RFID阅读器，用于采集所述反向散射信号并分析所述反向散射信号中的信号特征；

其中，所述信号特征为信号强度值和相位值。

4.根据权利要求1所述的一种基于无源RFID的学生在线学习状态识别系统，其特征在于，所述天线为高方向增益的单向天线，所述天线集中向所述学生头部及其周围区域发射所述无线射频信号。

5.根据权利要求1所述的一种基于无源RFID的学生在线学习状态识别系统，其特征在于，所述识别系统主要包括数据采集模块、过滤模块、数据归一化处理模块和深度学习模块；

所述数据采集模块用于采集所述阅读器分析得到的所述信号强度值和相位值，所述过滤模块用于提取在静态状态下的所述信号强度值和相位值，并将采集学生网络在线学习动作过程中的信号强度值和相位值减去静态环境下的信号强度值和相位值，所述数据归一化处理模块将信号强度值和相位值按比例转化为0～1之间的值，所述深度学习模块采用深度学习算法搭建网络模型完成识别。

6.根据权利要求5所述的一种基于无源RFID的学生在线学习状态识别系统，其特征在于，所述深度学习算法由卷积神经网络构成。

7.根据权利要求6所述的一种基于无源RFID的学生在线学习状态识别系统，其特征在于，所述识别系统根据学生的点头低头、左右摇头、前倾后倾的三个动作，分别提取所述阅读器分析的每个动作的信号强度值和相位值。

8.根据权利要求6所述的一种基于无源RFID的学生在线学习状态识别系统，其特征在于，所述深度学习模块的卷积神经网络的识别步骤包括：步骤101：采用一个两层卷积、主要为2维输入进行卷积计算，1表示输入的图片的通道数，卷积核大小为32，步长设置为1，卷积运算过程为：s(i,j)＝(x*w)(i,j)＝∑m∑nx(i+m,j+n)w(m,n)其中，x表示卷积运算的输入，m、n分别为卷积运算的输入的横坐标和纵坐标，k表示卷积核，i、j分别为得到的特征映射的横坐标及纵坐标；

步骤102：采用激活函数对输入输出进行判断，函数公式为f(x)＝max(0,x)；

步骤103：采用池化层对输入的数据进行整合处理，通过把输入的特征图内一位置及其相邻位置的特征值进行统计汇总，并将汇总后的结果作为这一位置在特征图内的值；

步骤104：采用Dropout层用于防止训练中出现过拟合并加快训练收敛的速度，调节Dropout层的参数以使提高输出的特征值准确率；

步骤105：通过全连接层进行连接并输出，对输出数据进行比对处理判断学生学习状态。