脑电信号采集（共7篇）
脑电信号采集 篇1
0 引 言
疲劳驾驶是造成很多恶性交通事故的主要因素,因此人们研究探索通过监测驾驶员的身体和生理状态来识别驾驶员是否疲劳驾驶,如眼动信息、头部运动状态等。近年来,基于脑电信号识别驾驶员警觉度状态已经成为一种研究热点[1,2],而驾驶员可穿戴式脑电信号采集装置是其必要的保障。脑电信号采集系统主要由模/数转换模块、微控制器和数据传输等部分构成。其中微控制器的实现一般有4种方案:如文献[3]中采用单片机把采集到的模拟脑电信号转换为数字信号,并通过RS 232接口传给计算机,该方法一般用于低端的不要求太高数据处理能力的采集中,成本较低;文献[4]采用DSP数字信号处理芯片,将A/D转换后的脑电信号进行DSP预处理(数字滤波),再通过PC的并口与DSP的HPI的口互联,主要利用了其在数据分析中的快速处理能力;文献[5]采用ARM作为处理器,ARM中移入了μC/OS-Ⅱ操作系统,并移植了Hanning滤波器以抑制50 Hz工频干扰,利用ARM对信号进行处理与分析显示;文献[6]采用FPGA,利用其内部丰富的逻辑资源控制A/D采集、FIR滤波、液晶的显示及USB与PC的数据传输。以上文献中的方案都为有线传输,且DSP和FPGA芯片成本高功耗大。文献[7]中采用蓝牙无线传输模块实现了可穿戴脑电信号采集与传输,蓝牙技术目前成本较高,适宜近距离传输。本文针对驾驶员可穿戴式脑电信号采集设备的应用背景,提出基于MSP430单片机和CC2500的脑电信号采集和无线数据传输系统设计方案,在保证系统性能的条件下最大限度地降低功耗。
1 系统硬件设计
1.1 系统框图
该系统主要由3部分组成:数据采集、数据传输和数据处理服务器。其中数据采集与预处理采用业界公认的微功耗控制器MSP430系列单片机;数据传输采用无线收发模块CC2500,其由MSP430单片机通过SPI口控制其初始化和数据的发送与接收;接收的脑电数据由单片机通过UART转USB芯片传输给数据处理服务器做上层处理。具体系统组成如图1所示。
1.2 放大滤波模块
本文的脑电信号放大器原理图如图2所示。本文中的前置放大器采用BB公司的INA118,这是一款专门用于生物信号采集用的集成仪表放大器,具有很高的精度;高通滤波采用传统的阻容滤波,截止频率为0.16 Hz;后级放大电路中的放大器采用通用集成运算放大器AD8606;低通滤波采用八阶Bessel开关电容滤波芯片MAX7405,截止频率设为500 Hz。系统采用3 V的单电源供电,由于极化电压的存在,每级放大倍数不能太高,且后级放大分为相同的两级放大,总放大倍数为38×20×20, 可以将微伏级的脑电信号放大到伏级,满足后级A/D采样中对输入信号幅度的要求。
1.3 单片机控制系统
该系统采用的控制器是德州仪器公司推出的低功耗、高集成度的16位单片机MSP430F169[8,9],供电电压范围为1.8～3.6 V。MSP430F169具有丰富的外设,片内包括3个时钟信号,即1个高频时钟、1个低频时钟和1个DCO,灵活地使用系统时钟可以大大降低系统的功耗,方便系统的设计。此外还有2 KB的RAM、60 KB的FLASH、8通道采样率为200 KS/s的12位A/D转换器、3个内部DMA控制器、硬件乘法器、两个带有捕获计时寄存器的16位定时器、48个可复用I/O引脚和两个通用同步/异步串行通讯口。芯片内带有JTAG调试接口,无需仿真器和编程器,方便设计人员的开发调试。单片机的A/D采样部分使用3片模拟开关4053将8路扩为16路,原理图如图3所示。脑电信号幅度在-100～+100 μV之间,MSP430F169单片机的A/D转换器为12位,考虑到A/D转换后两位会有不稳定的因素,系统的精确度仍能达到0.2 μV,这足以满足后期的警觉度特征提取。
1.4 无线传输模块
无线模块采用TI公司的CC2500[10,11]芯片,它是一款超低功耗、低成本的无线收发模块,工作在2.4 GHz全球开放ISM(工业、科学、医学)频段,满足多信道通信和跳频通信需要,支持多种调制方式,包括FSK,GFSK,OOK和MSK,最高传输速率可达500 Kb/s。工作电压为1.9～3.6 V(与430单片机通过SPI口相连时无需电平转换),外围元件极少,内置硬件CRC和点对多点通信地址控制。主要的工作参数大都可以由设计者通过芯片状态字自行配置,没有复杂的通信协议,同种产品间可自由通信。所以,CC2500是一款低成本射频系统级芯片,具有体积小、功耗少、外围元件少等优点。
CC2500模块通过标准的SPI接口与MSP430单片机相连;SI,SO为CC2500的数据输入/输出端口;SCLK作为数据传输的同步时钟;CSn为片选信号,低电平芯片工作;还有2个通用输出口GDO0和GDO2用来辅助CC2500实现无线通信功能。CC2500模块部分电路如图4所示。
脑电信号频率范围在0.5～100 Hz间,设计采样频率为500 Hz,共16通道,则要求传输速率:16×500×16 b/s=128 Kb/s,远小于CC2500最高传输速率500 Kb/s。
1.5 USB传输模块
USB接口芯片采用的是TI公司的
TUSB3410[12,13],包括通过USB总线与主机通信所需要的全部逻辑电路。内部包含一个8052微控制器、16 KB RAM、I2C引导加载程序的10 KB ROM,4个通用I/O口,具有USB总线供电和自带电源2种供电模式。该芯片符合通用串行总线USB 2.0规范,支持12 Mb/s的数据速率,是一款高性能的USB接口器件。TUSB3410与MSP430F169的连接原理图如图5所示。
本文使用USB总线供电模式,TUSB3410(U2)的USB数据信号经双路USB端口瞬态抵制器SN75240(U3)后连接到标准的USB B型口,以此增强系统ESD抗干扰能力;USB总线提供的5 V电压经TPS77301(U4)3.6 V LDO稳压后为系统供电。
2 系统软件设计
该系统中,程序设计包括单片机程序、USB驱动程序和PC机应用程序。考虑到该脑电信号采集系统的处理器负担不重,主要就是A/D采样、发送端和接收端程序及与上位机的通信,兼顾程序的易读性、可移植性,采用C语言作为编程语言。开发软件使用IAR公司的集成开发环境IAR Embedded Workbench嵌入式工作台以及调试器C-SPY,使用非常方便[14,15]。单片机程序流程如图6所示。
MSP430中ADC12模块采用序列通道单次转换模式,通过定时器A来控制采集数据的时间间隔。通过对转换序列中最后一个通道对应的中断允许位置位,序列通道完成一次转换时将自动产生中断标志,从而进入中断服务子程序,以此来完成多通道的信号采集。在发送端,单片机通过SPI口来初始化CC2500的发射频率、波段、发射功率、地址码、地址位数、数据位数及收发模式等。在一个采用周期内,当ADC采集完16路脑电信号,单片机将ADC采集到的数据通过SPI写入CC2500的发射寄存器,开启CC2500的发射模式,CC2500将自动给要发射的数据加上前导码和校验位,并和地址码一起发送出去,而后单片机进入下一个采样周期。在接收端,单片机同样配置CC2500,然后开启CC2500为接收状态,一旦接收到数据包,GDO0就产生一个中断给单片机,单片机便通过SPI口读取CC2500接收寄存器的数据,并通过UART将数据传到上位机电脑,然后等待接收下一组数据。USB设备驱动程序负责建立上位机电脑与接收端单片机的联系,将从单片机UART口得到的数据通过USB接口传到电脑上。USB的驱动程序可在网上(www.ti.com)下载到。上位机电脑的应用程序是在VC 6.0[16]环境下开发的,主要完成对采集的脑电数据显示,也可以为以后是数据分析处理做准备。
3 结 语
本文以低功耗、低成本的CC2500射频收发芯片为传输模块,结合低功耗、高集成度的MSP430F169单片机作为控制器,设计了一套可穿戴式、低功耗、多通道的实时脑电信号无线采集系统,采集的精度、速度及系统的可靠性能够满足要求。
脑电信号采集 篇2
大脑是人类思维活动的中枢,是接受外界信号,产生感觉,形成意识,进行逻辑思维,发出指令,产生行为的指挥部。通过研究脑电信号(EEG)可以了解脑活动的机制及人的认知过程,也是诊断脑疾患的重要手段[1]。
现有的脑电信号采集系统绝大多数使用专用机器,使用、搬移、维修都很不方便。另外,抗干扰能力差,必须在特定环境(屏蔽室)下进行监测,而且检测数据记录量小,不能实现长时间、大容量的记录、分析,此外造价昂贵,采集到的脑电信号也不够准确,往往需要结合医生的经验做出诊断,故具有一定的主观性[2]。本文设计了一种新的基于USB 2.0的脑电信号采集电路。
1 脑电信号采集原理
分析脑电信号,掌握脑电信号的特征,对于设计出准确、有效的脑电信号采集电路至关重要。首先,可以从中选择出携带最多信息量的信号;其次,可以针对特定的信号研究出相应的信号处理算法[3]。
1.1 脑电波的特征及基本组成
脑电信号的特点主要有三个:频率主要集中在低频段100 Hz范围内;信号微弱,一般在50 μV或更小;信号的源阻抗高,易于受外界信号干扰。成年人的脑电信号幅度范围一般在10～50 μV之间,频率范围在0.5～30 Hz之间[4]。
1.2 脑电信号采集原理及方法
目前,对于脑电信号的测量,在时间的维度上,可以获得很高的解析率。然而,在空间的维度上,得到的分辨率却很低,这依赖于在头皮上安置电极的数量[5]。本系统使用16路电极提取脑电信号,采样频率为1 000 Hz。由于脑电信号的固有特性及环境因素使得脑电信号背景噪声比较复杂,有50 Hz工频干扰、心电伪迹、肌电干扰、基线漂移、电极与皮肤的接触噪声以及周围其他仪器的电磁干扰等[6]。因此,要求采集系统具有高输入阻抗、高共模抑制比、低噪声放大,并能从强噪声中提取弱信号的高质量滤波措施等。
脑电信号通常是通过在头皮表面放置一些电极来采集的。常用的电极种类有银管电极、针电极和粘连电极等,本系统使用银管电极,以实现头皮与脑电测量设备之间的连接。为了加强连通性和导电性,在电极与皮肤之间涂一些生理盐水。电极的放置采用国际10-20系统电极放置法[7]。
2 脑电信号采集电路设计
脑电信号采集电路包括:脑电信号放大、滤波、A/D转换及USB接口电路四部分,总体构成如图1所示。
2.1 脑电信号的前置放大电路设计
信号放大检测电路是本系统一个非常重要的环节。它为后续数据采集和处理分析做了硬件上的准备。本系统采用高精度仪用放大器AD8221作为前置放大电路[8],具有高输入阻抗、高共模抑制比、低噪声和抗干扰能力强等特点。当电极和皮肤接触时,可以产生几十毫伏的极化电位,所以前置放大器的放大倍数不能太大,以免造成电路的饱和。
2.2 高低通滤波器及二次放大电路设计
高低通滤波主要有两个作用:
(1) 去除脑电信号频率范围以外的无用信号,达到抗干扰的作用;
(2) 起到防混叠滤波的作用。为了不丢失有用信号,设计了截止频率为120 Hz的低通滤波电路和截止频率为0.5 Hz的高通滤波电路[9]。
低通滤波电路(见图2)使用AD8674芯片的U1A和U1B两部分组成巴特沃型二阶低通滤波器,负责把120 Hz以上的无用信号滤掉。高通滤波电路(见图3)由U1C组成巴特沃型高通滤波器,负责滤除0.5 Hz以下的干扰信号。
二级放大电路使用AD8674(A,B,D部)的U1C充当放大器,因为当频率在120 Hz以下时,AD8674的共模抑制比CMRR高达110 dB以上。通过调整R11和R14的比值,保证二级放大倍数为101倍。50 Hz工频干扰一直是电路设计中头痛的问题,在脑电这种微弱生物电提取系统中尤为突出[10]。本文设计了由双T网络和运算放大器构成的有源双T陷波电路来抑制50 Hz工频干扰。
2.3 三级放大及光电隔离设计
第三级放大电路(见图4)通过调整电阻器R19的阻值来保证经过第三级放大后,10～50 μF的微弱脑电信号将变为0～2.5 V。光电隔离电路负责把信号的采集放大部分(该部分使用电池供电)和后面的A/D转换部分(该部分使用交流供电)隔离开,以防止两部分信号之间相互干扰。
2.4 模数转换及USB接口电路设计
系统选用CY7C68013-128AC芯片作为USB接口芯片,构成USB接口电路(如图5)。其中,A0～A18为地址线,普通的8位端口(D0～D7)和E口(D8～D15)组成16位数据线[11]。
A/D转换电路(见图6)的采样精度为16位,采样频率为1 000 Hz。USB控制器通过CNVST#管脚(AD7675的35号引脚)控制AD7675对每路脑电信号进行转换,同时还通过查询BUSY管脚(AD7675的29号引脚)来获知AD7675当前的状态。USB控制器还要响应主机的请求,把脑电数据及时、准确地传送给主机。为了提高转换的准确性,设计了采样保持电路,负责把16路脑电信号同时锁存,然后逐一进行转换。
由于每秒产生32 KB(16×16×1 000)的脑电数据,因此为了保证有足够的空间暂时保存这些脑电数据,在CY7C68013芯片外扩充了一块SDRAM,容量为256K×16 b。
3 结 语
脑电信号(EEG)是人体重要的生物电信号,目前关于脑电信号的采集与处理在某些疾病患者治疗过程中的作用已得到医疗机构越来越广泛的重视。本文详细论述了USB 2.0接口脑电信号采集电路的设计过程。该系统实现了脑电数据的采集、高速传输和实时处理,有效解决了传统脑电数据采集系统速度慢,处理功能简单,数据存储量小,连接复杂等缺陷,满足了实际需要。
参考文献
[1]李美,杨世清.脑电信号采集系统设计方法[J].自动化与仪器仪表,2007(6):25-27.
[2]谢松云,张振中,杨金孝,等.脑电信号的若干处理方法研究与评价[J].计算机仿真,2007,24(2):324-326.
[3]吴婷,颜国华,杨帮华.一种快速的脑电信号特征提取与分类方法[J].系统仿真学报,2007,19(18):132-134.
[4]谭郁玲.临床脑电图与脑电地形图[M].北京:人民卫生出版社,1999.
[5]Shusaku Shigemural,Toshihiro Nishimura1.An Investiga-tion of EEG Artifacts Elimination using a Neural Networkwith Non-recursive[A].2nd Order Veteran Filters Pro-ceedings of the 26th Annual International Conference of theIEEE EMBS[C].San Francisco,2004,5(9):612-615.
[6]陶青,谢勤岚.基于RLS算法的脑电信号的去噪[J].现代电子技术,2006,29(11):143-145.
[7]柏树令.系统解剖学[M].5版.北京:人民卫生出版社,2001.
[8]Analog Devices Inc.Precision Instrumentation AmplifierAD8221 Data Sheet[Z].2003.
[9]高振斌,贾希,贾志成.基于小波变换的脑电信号降噪方法的研究[J].河北工业大学学报,2006(6):30-32.
[10]钟文华.基于ARM的脑电信号采集系统[J].国外电子元器件,2008(2):13-15.
便携式脑电信号采集系统电路设计 篇3
脑电图是临床检测大脑活动的重要手段[1], 脑电信号包含了大量人体生理和病理信息, 通过对脑电信号的研究, 可以了解神经细胞电活动与人生理心理状态之间的关系, 在临床医学和认知科学领域具有重要的科学意义。但是常规脑电图机由于其体型较大, 携带不方便, 且导联数较多操作麻烦。台湾大学医学工程所采用商用IC自行设计出单一通道电池供电的脑电信号记录仪, 并将所记录到的脑电信号存储于Flash Memory中, 整个电辟的面积不到150cm2[2]。虽然国内与前几年相比在简易脑电仪设计方面可说是有很大的进步, 但是总体电路设计还是不够简便, 基于这个设想尝试设计便携式脑电采集系统。
1 总体方案
微弱的脑电信号埋没在人体周围各种频率电磁场的干扰信号中, 而这些干扰信号的感应电压都是通过人体和导联线与干扰源的耦合电容或电感起作用的[3]。所以每个模块的设计都必不可少。本设计采用的是双极导联法, 不使用无关电极, 只使用头皮上的两个活动电极, 以两个作用电极作为放大器的输入端, 以利共模干扰抑制。这样记录下来的是两个电极部位脑电变化的差值, 因此可以大大减小干扰, 并可排除无关电极引起的误差。
脑电检测系统设计上主要包括硬件部分和软件部分。硬件部分是由高输入阻抗的差动放大器及电压放大器作为前置放大, 经由高通、低通与50Hz陷波等滤波信号处理后, 再将信号电压放大至匹配模数转化器电信号标准。考虑到使用者安全性, 加入光电隔离电路作为电路与人体间电源隔离[4]。软件部分将模拟信号转换成数字信号时, 采用STC12C5A60AD/S2系列带A/D转换的单片机, 经过多次比较, 使转换所得的数字量逐次逼近输入模拟量对应值。
2 硬件电路设计
2.1 前置放大电路
脑电信号检测前置级放大电路通常采用差动电路结构。这个结构的电路由3个基本运算放大器构成, 其中两个组成同相并联输入第一级放大, 以提高放大器的输入阻抗, 另一个为差动放大, 作为放大器的第二级[5]。
前置放大倍数:Aμ=- (R6/R4) * (1+2R1/R3) ≈100
2.2 高通滤波器
本实验采用的是压控电压源高通滤波电路, 主要是滤除电路中直流成分, 消除极化电压产生的干扰。
品质因数:Q=|1/ (3-Aμp) |=1.1
2.3 50Hz陷波器
人体处在一个复杂的电磁环境中, 工频50Hz及其谐波辐射到人体产生的电压能达到1V, 虽然通过提高前置放大电路的共模抑制比能抑制共模信号, 然而还会有相当高的50Hz干扰以差模形式进入到电路中, 其幅值最高能达到几毫伏, 远大于有用的脑电信号幅值。由于50Hz干扰的存在, 信号就会在放大器中饱和, 造成信号失真。因此50Hz陷波电路设计很有必要[6]。
电路中R18, R19决定了Q值, Q值越大, 陷波带宽越窄。但由于实际上元件与理想值有误差, 这会使得陷波频率没有落在50Hz, 因此为减少实际误差, Q不宜取太大。
品质因数:Q=1/ (2|2-Aμp|) =5.5
2.4 主放大电路
将基本滤除干扰信号的脑电信号进行最主要的信号放大, 只需采用最简单的负反馈放大电路即可。
2.5 低通滤波器
低通滤波器用于消除脑电信号以外的高频噪声。为了使输出电压在高频段以更快的速率下降, 以改善滤波效果, 在一阶滤波器的基础上再加一节RC低通滤波环节。最终选择压控电压源低通滤波电路。
2.6 光电隔离
本电路设计中应用光电耦合器, 将发光元件和受光元件组合在一起, 通过电-光-电这种转换, 利用“光”这一环节完成隔离功能, 使输入和输出在电气上是完全隔离的。另外, 在布线上也应该注意隔离。
3 软件处理
采用STC12C5A60AD/S2系列带A/D转换的单片机将模拟信号转换成数字信号, 设置采样频率为300k Hz, 使得A/D转换处于最佳处理状态。该ADC是逐次比较型, 通过逐次比较逻辑, 从最高位 (MSB) 开始, 顺序地对每一输入电压与内置D/A转换器输出进行比较, 使转换所得的数字量逐次逼近输入模拟量对应值。
4 实验结果
每个模块和总体电路的对比误差实验。
从该误差实验看出, 电路每个模块基本都达到了要求, 而总放大倍数差距较大, 在经过讨论分析后发现每个滤波模块也都有放大作用造成放大倍数增大。
如下图所示, 前一段为平静时采集到的脑电信号, 后一段为受到闪光刺激时采集到的脑电信号, 由于采集数据结构众多, 只选取一段作为展示。实验效果较为理想, 完全能达到脑电信号放大电路的要求, 其中不同频率或阻带宽度都可通过调节电路参数来改变, 工程应用中非常方便。该电路应用到多通道脑电采集分析系统中, 取得了良好的效果。
5 小结
本系统在现有的生物电放大器研究基础上, 改进并设计了由高低通滤波电路, 50Hz陷波器等环节, 避免了传统生物电放大电路冗繁的模拟滤波环节, 结构简单, 调试方便。且本文设计的电路都是经过多次反复测试, 尽可能的减小误差, 选用最合适的元器件而得到的。相较于传统的脑电图机大型而复杂的设计, 该系统达到了最简化, 这对设计简单的多通道脑电图机有一定的借鉴意义。
摘要：本文介绍了一种操作简便、易携带的脑电采集系统。系统采用了高通滤波, 低通滤波, 50Hz陷波和两级放大电路, 将从头皮采集到强度为10100μv脑电波放大20000倍后显示。实验结果证明, 该系统基本达到了设计要求, 可以将微弱的脑电波在去除干扰后采集并显示。这对设计简单多通道脑电采集及其他微弱生物电采集系统有一定借鉴意义。
关键词：前置放大电路,50Hz陷波器,滤波器参数
参考文献
[1]郭瑶.脑电信号采集与处理系统设计[D].成都:电子科技大学, 2007.
[2]黄群峰.脑电信号检测专用集成电路设计研究[D].泉州:华侨大学, 2007.
[3]邱天爽, 王宏禹, 鲍海平, 等.基于EEG信号AR模型的中枢神经系统损伤检测[J].国外医学生物医学工程分册, 2002, 25 (2) :92-96.
[4]张建利, 李文峰.基于TMS320LF24O7A的脑电信号采集系统的设计[J].世界电子元器件, 2004, 11:37-39.
[5]王三强, 何为, 石坚.新型脑电信号前置级放大电路设计[N].重庆大学学报:自然科学版, 2006, 29 (6) .
[6]史志怀, 万遂人.脑电信号采集中工频陷波电路的设计[J].医疗装备, 2009, 22 (11) :11-12.
脑电信号采集 篇4
由于脑电信号非常微弱, 加之人体阻抗的特殊性外界和内部干扰等原因,传统脑电采集系统通过复杂的放大滤波电路设计, 以满足脑电信号采集的要求[3], 但是这样会导致电路板体积过大、 功耗高, 不利于设计采集系统的便携化。 为了实现脑电采集系统的小型化,人们常采用针对特殊应用和特殊设计来简化脑电信号调理电路, 如参考文献[4] 为实现6 通道脑电信号的便携式采集, 将调理电路分成主动电极端和后端两部分,通过这样特殊的设计使得整个系统的体积大为减小,但体积仍然偏大使用不便。 参考文献[5] 针对驾驶疲劳检测研制了6 通道的脑电信号采集系统,采集前端基于多层电路板模块, 该设计虽然大大地缩小了采集前端的体积,但对便携式应用体积仍然偏大。 通过抑制脑电信号源中共模干扰成分可以降低对滤波和陷波电路的要求,而右腿驱动电路是常用的有效手段[6],在提高系统对共模干扰抑制能力的同时可以减小系统的体积[3,7,8]。 参考文献[ 9 ] 将采集前端中各种元器件包括放大器、 滤波器、 控制器等都集成到一个片上系统(So C) 上, 以达到减小系统体积和功耗的目的,这种方案对开发工具和技术水平要求都非常高,成本高难度大。 参考文献[7]利用TI公司的ADS1298 芯片的高精度作为保证, 通过在数字侧实现滤波和陷波来简化采集前端模拟部分的设计,由于该芯片是针对心电信号采集设计的,其漂移和模数转换速率等性能仍然有一定的局限性,当用于脑电信号采集时该芯片内的一些性能无法得到充分利用。
近年来TI公司继ADS1298 之后又推出了专门用于脑电信号采集的模数转换芯片ADS1299,本文以高精度、便携式、 低功耗的脑电采集系统研制为背景, 尝试采用该款芯片作为核心器件设计出可穿戴式脑电信号采集系统前端。
1 可穿戴式脑电采集系统总体结构
本文研制的脑电信号采集系统由干电极、 采集前端、GS1011 控制模块(集成有Wi Fi和ARM)、电源模块和上位机接收控制组成,系统组成如图1 所示。
该系统是一个网络化的嵌入式系统平台,GS1011 通过其Wi Fi模块与上位机通信, 根据上位机指令控制ADS1299 进行脑电信号的模数转换, 并将转换后的脑电信号数据通过设置的无线Wi Fi发送到指定的IP地址上位机上。 该系统改善了传统脑电采集系统在时间和空间上的局限性,满足了脑电采集所需要的便携式、可移动、低功耗以及实时性等特点。
该系统中模拟前端部分是保障系统整体性能的关键,其中采用TI公司的ADS1299 为核心器件, 主要是考虑到该芯片是专门为脑电信号采集而设计的,其具有如下突出的特性:
( 1 ) 具有8 个低噪声可编程放大器( PGA , 放大倍数1 ~ 24 倍可调) 与8 个同步采样模/ 数转换器( ADC ) , 模/ 数转换速率介于250 S/s~16 k S/s之间,不超过8 k S/s时其精度为24 bit;
( 2 ) 每个通道的功耗仅有5 m W ,共模抑制比(CMRR) 高达-110 d B, 直流输入阻抗高达1 000 MΩ;
( 3 ) 内置偏置驱动放大器和持续断电检测(LEAD-OFFDetection)功能。
这些特性保证了加入很少的元器件即可搭建脑电信号模拟采集前端。
2 ADS1299 内部结构
ADS1299 芯片的内部结构框图如图2 所示。 ADS1299 输入端使用的是差分方式输入, 并且每个输入端都集成有EMI滤波器, 能有效地抑制外部射频干扰; 具有灵活的路由交换器(MUX), 可以将任何输入连接到放大器(PGA) 的输入端; 集成有持续断电检测(Lead Off) 电路,可以随时监测电极是否断开; 内部集成了8 路并行的PGA和ADC , 可以提供很高的采集转换精度; 内部还集成有偏置驱动放大器,可以有效抑制共模干扰噪声; 采用SPI串行通信方式设置内部控制用寄存器并输出数字信号, 当芯片完成一次采集时, 芯片会拉低引脚来通知外部GS1011 可以通过SP读取数据。
3 采集前端总体设计
针对脑电信号十分微弱(0.5 μV~100 μV) 的特点, 传统采集前端通常由模拟抗混滤波器、多级放大电路和陷波电路等来提高信号的信噪比,这也是导致其体积大不利于实现便携式设计的主要原因。 由于TI公司的ADS1299 在采样频率不超过8 k Hz时模/ 数转换精度达到24 位, 再结合其集成的具有高共模抑制比的差分输入可编程增益放大器(PGA), 因此本文在前端设计的模拟侧只保留了抗混滤波电路。 而基线漂移、陷波等处理根据应用需要在数字侧实现,而且基于过采样技术采用二阶无源RC滤波电路实现抗混滤波, 大大简化前端电路设计,其设计结构框图如图3 所示。
ADS1299 为差分输入, 其共模抑制比( CMRR ) 高达110 d B , 且其直流输入阻抗高达1 000 MΩ , 再配合闭环偏置驱动电路设计, 能够很好地保证系统的抗干扰要求;ADS1299 内部含有8 个低噪声的可编程增益放大器( PGA ) 和8 个同步采样模/ 数转换器( ADC ) , A / D转换精度高达24 bit,当VREF= 4 . 5 V时其信号电压的分辨率为:
如果再将PGA可编程增益控制考虑进去则其信号电压分辨率可以达到0.053 6 μV。
4 预处理电路设计
由于脑电信号频率只有0.5~100 Hz, 实验分析的有效范围一般在0.5~30 Hz, 在模数转换前必须经过低通抗混滤波的预处理,为此本文针对每个通道设计了预处理电路,如图4 所示。
该电路由二阶无源RC低通滤波和限幅电路组成,其中二阶无源RC低通滤波电路的频率响应函数如式( 2 ) 所示:
当C1= C2= C , R1= R2= R时, 可得:
其-3d B截止频率为:
取R=59 kΩ,C=33 n F时,可得:fh= = 30 . 46 Hz 。 图5 为该二阶无源RC低通滤波器的对数幅频特性曲线。
从该幅频特性曲线可以看出, 当选取8 k Hz的采样频率时,可知频率在4 k Hz处衰减达到67 d B。 因此该二阶无源RC低通滤波器具有较好抗频率混叠效果, 通过过采样技术可以使该滤波器满足性能要求。
限幅电路则是由两个二极管组成, 其单向导通特性可以将电压幅值钳制在±700 m V以内。
5 基准电压电路
对于ADC的基准电压选择,既可以选择内部基准电压,也可以选择外部基准电压。 为了减小电路规模, 选择ADS1299 内部基准电压VREF= 4 . 5 V 。 图6 是ADS129内部基准电压的简化框图。
图中基准电压是将VREFN与AVSS连接起来并加上限频电容由AVSS产生的, 限频电容的作用是使基准电压的输入噪声不会对系统产生干扰,使得频率带宽至少限制在10 Hz以内。
6 偏置驱动电路
通过右腿驱动电路设计可以进一步抑制脑电信号的共模噪声。 利用ADS1299 内置的偏置驱动放大器加上很少的元器件就可以设计出偏置驱动电路,该电路功能与右腿驱动电路一样,电路如图7 所示。
该电路是由ADS1299 内置偏置驱动放大器以及外围的RF、 CF、 R组成。 RF为反馈电阻, 电阻Res为限流电阻, 通过选取合适的保护电阻阻值, 可以将位移电流限制在安全的范围内(IEC规定流经人体的最大单级故障电流不得超过50 μA), 防止器件对人体造成电击的危险。 反馈电容CF的作用是进行相位补偿, 用来防止自激。 电极A、B、C分别是采集电极、参考电极、偏置驱动输出电极。 选择BIAS AMP运放的正参考端BIASREF为( AVDD+ AVSS) / 2 即系统地AGND , 能够形成一个闭环回路结构。 该闭环回路电路实际上就是一个对消驱动电路共模信号Vc通过该反馈电路可以在人体上产生一个极性相反的共模信号Vcf, 将共模干扰噪声限制在一个很窄的范围内,该范围大小取决于该环路的增益A:
其中ZF为:
通过选取合适的RF、 RCM、 CF值, 可以使得Vcf= - VC这样绝大部分共模干扰信号可以被抵消掉,从而在输入端实现对共模噪声信号的抑制,大大提高了整个电路的信噪比。
EEG信号采集是一种强噪声背景下的微弱信号的采集,这对于EEG信号的采集前端电路设计提出了很高的技术要求。本文提出一种使用高性能生理信号采集芯片ADS1299为核心的可穿戴式脑电采集系统前端。根据实验测试,该采集前端采集精度、采集速度、电气安全和抗干扰能力都能够满足要求。利用ADS1299内部集成的各种特有EEG功能可以大幅简化采集前端设计的电路规模。为设计出新一代的便携式、低功耗、高性能的实时穿戴式脑电采集系统提供了有力的技术支持。
摘要：设计了一款可穿戴式脑电采集前端,具有采集精度高、体积小、功耗低、抗干扰性强等特点。采用ADS1299内部集成的可编程放大器(PGA)实现微弱信号的放大;同时为了消除干扰,使用限幅滤波预处理电路和ADS1299内部集成的偏置驱动放大器。实验测试表明,该脑电采集前端设计能较好地把微弱的脑电信号提取出来,并且具有较好的抗干扰能力和实用价值。
关键词：脑电信号,可编程放大器,偏置驱动放大器,便携式,低功耗
参考文献
[1]韩丰谈,朱险峰.医学影像设备安装与维修学[M].北京:人民卫生出版社,2008:162-172.
[2]张雪燕,冯姚震,马敏飞,等.脑电信号的分析和监测[J].电子技术应用,2011,37(1):128-131.
[3]江洪.基于DSP的脑电信号采集系统的设计[D].合肥:安徽大学,2006.
[4]蔡百原.以数位信号处理单晶片实现可携式即时睡意辨识系统[D].中国台湾:台湾中原大学,2007.
[5]LIN C T,et al.Development of wireless brain computer interface with embedded multitask scheduling and its application on real-time driver’s drowsiness detection and warning[J].IEEE Transactions on Biomedical Engineering,2008,55(3):1582-1591.
[6]WINTER B B,WEBSTER J G.Driven-right-leg circuit design[J].IEEE Transactions on Biomedical Engineering,1983,30(1):62-66.
[7]谢宏,颜林,姚楠,等.基于ADS1298的新型脑电信号采集前端设计[J].电子技术应用,2013,39(4):75-78.
[8]孙宇舸,叶柠,于艳波.基于右腿驱动技术的脑电信号放大器的设计[J].东北大学报(自然科学版),2010,31(6):777-781.
脑电信号的分析和监测 篇5
1时频均衡谱熵方法
时频均衡谱熵(TBSE)是在shannon熵[7]的基础上阐述频谱熵的概念,它结合时域和频域分析,应用窗可变的短时傅里叶变换,计算特定脑电信号频谱带的不规则性。TBSE算法中计算了两个熵值:(1)状态熵(SE)。反映了脑电主要频带(0.8 Hz~32 Hz)的作用;(2)反应熵(RE)。反映了脑电和额肌(0.8 Hz~47 Hz)的快肌肉活动的共同作用。二者差值(RE-SE)即为肌电熵(EMG)。状态熵和反应熵可以区分有意识和无意识状态,可通过肌电活动反映镇静程度和疼痛反应,体现了麻醉深度监测中应用多种方法进行综合分析的趋势(如脑电结合肌电熵分析)。
(1)首先在不同的频率段计算出能量谱,然后对所有的能量谱元素求和再进行归一化:
式中,Q(f)是规定化的所有频率段的能量谱元素的概率,P(f)是相应频率段的能量谱。
(2)将规定化的功率谱进行Shannon函数转换:
(3)通过对式(1)、式(2)求和并除以log(N)使结果在1(最不规则)和0(完全有规律的)之间:
式中N是所有频率元素的总和。
(4)状态熵和反应熵:
则肌电熵即为两者之差:
TBSE作为一种可描述系统复杂性的参数,它具有一些相对其他复杂性参数所不具备的特征:
(1)通过较短的数据序列,即可得到稳定的肌电熵值。
(2)原始信号不需要粗粒化。
(3)具有很强的抗噪声及抗干扰能力,尤其是对随机产生的瞬态强干扰具有良好的屏蔽作用。因为随机产生的较强干扰势必造成距离大于给定的相似容限距离,而在距离检测时被忽略。
(4)适用于确定信号、随机信号以及确定信号和随机信号组成的混合信号。
因为生理信号通常是由确定信号、随机信号组成的混合信号,而且分析所需数据长度较短,很适合非平稳信号(如脑电)的监测,因此TBSE非常适合于临床生理信号的监测分析。
2脑电信号数据采集与处理
2.1数据采集
在麻醉深度监控中,感兴趣的EEG信号频率范围一般<70 Hz,通常选择系统采样频率在200 Hz以上可调,默认为250 Hz。因为要求得到3~4通道的脑电及肌电信号,故信号采样频率采用1 kHz。脑电信号的前端处理主要包括信号采集、放大、A/D转换及去噪。
(1)电极选取:麻醉监测的电极采用BIS公司的电极,这种电极具有与头部接触性好、对人体无损害、无痛、方便等特点。
(2)电极采集位置:EEG的采集位置如图1所示,采集右前额或左前额的脑电信号,并以前额的正中间电极作为参考电极。
(3)滤波、放大及A/D的参数:正常滤波范围是3 Hz~70 Hz,丧失滤波时滤波范围0.25 Hz~100 Hz。采样频率:1 000次/s。通道数:4个电极,2导EEG数据。
2.2信号预处理
由于头皮记录的脑电信号中通常包含许多干扰(如心电、眼动、肌动等生理学噪声,以及电极或环境噪声等非生理学噪声),这些伪差往往与正常病理特征EEG的波形或频谱相混淆,容易掩盖EEG的波形特征。因此,获取EEG信号中反映大脑活动和状态的有用信息,就必须有效地去除脑电数据中的伪差。伪差的去除通过对采集到的EEG信号,首先丢弃一些噪声非常大的信号点或者段,然后将信号重组分段。对于每段信号,先检测各种可能的伪差信号的存在性,若检测到某种伪差存在,再进行相应的去除操作,这样可减小计算量。
另外需要注意的是,通常一些干扰,如眼动、肌动,仅在病人清醒状态下存在,在麻醉时则很少受其影响。因此病人在清醒和麻醉期间,应采取不同的去噪算法,当病人状态发生变化时,应及时切换去噪算法,通过肌电熵阈值判断病人状态转换时刻,进行去噪算法选择。脑电信号预处理部分框图如图2所示。
在采集到原始脑电信号中,不可避免会出现超过放大器动态范围的信号点或段,这是由于放大器设置不合适,或者电极在头皮上发生移动造成的。这类伪差由于无法重建,所以被干扰的部分信号必须丢弃。根据采集到的信号的均值统计特性,确定其阈值并进行识别,然后判断是否丢弃信号。
2.3伪差检测和去除方法
预处理过程中,将前几段EEG信号的方差与前几段的平均值相比,若存在明显差异,则标记为含噪段,然后进行后续的各种伪差检测和去除步骤;无明显不同,则标记为无噪段,无需经过后续步骤,直接可以进行麻醉深度参数提取。注意逐段计算过程中前几段的方差均值需要不断更新调整。
(1)在麻醉监控过程中,病人呼吸是不可避免的,呼吸作用可以通过在EEG上附加一个有节奏的信号(一般0 Hz~0.8 Hz)。对于皮肤的反映,如流汗可能改变电极的阻抗,这些都会产生一些低频波,为EEG带来基线漂移。可采用截止频率为0.5 Hz的高通滤波器滤去这部分干扰。另外,基于感兴趣的EEG信号频率范围有限,故一般将其信号通过一个低通滤波器,其截止频率可选,默认值为70 Hz。
(2)由于EEG是低功率信号,易受环境噪声影响。手术室中,脑电信号获取设备周围可能有大电流设备,它们会引起EEG的工频干扰,在EEG的50/60 Hz和100/120 Hz附近产生大的扰动,与频率有关。因此,在检测时采用计算50/60±2 Hz上的功率占整段信号总功率之比进行干扰判断,若大于某给定阈值,则存在干扰。去除这种干扰,可使用50/60 Hz陷波滤波器,如6th Butterworth滤波器。
(3)眼电信号(EOG)伪差一般是低频(0~16 Hz)高幅波,具有明显的时域模式,一般是方形波或者大的尖峰,可以在时域、频域计算信号特征来识别(根据相邻多个数据段的特征)。应用小波自适应阈值化方法去除EOG伪差,是在EOG存在子带上,选择合适的阈值及阈值化方法去除,既不需要EOG参考通道,也不需要人的干预,可自动去除。
(4)肌电信号(ECG)一般具有周期性,频率主要在13 Hz~32 Hz左右。其检测可利用其自身规律性结合频域特征,提取13 Hz~32 Hz频带信号计算其能量,再根据系数的局部变化选择合适阈值,进行阈值化以突出伪差存在位置,检测伪差发生中心点;利用基于中心点的时序锁定(time-locked)平均计算ECG平均模板除去ECG伪差。肌电熵(EMG)通常持续时间较短,检测其存在性,可应用卡尔曼自适应滤波方法去除,同时也可除去其他瞬态大幅度信号干扰。此外,信号中也可能含有高斯白噪声,可以采用小波Bayes估计方法去除。
3结果与分析
图3(a)所示为一段清醒期的脑电信号,包含有肌电和眼动的噪声。图3(b)是采用上述方法去噪后的结果,其中眨眼和眼球动干扰明显被去除,高频的肌电干扰也被滤除掉了。表明该滤波器工作可靠有效。
图4(a)、(b)是一段EEG信号及其对应的麻醉药物七氟醚浓度。从图4(c)可以看出病人在注射麻醉药品之后的不同时间段内,EEG的反应熵都有一定的变化。在EEG信号的初始阶段,病人EEG的反应熵较高,其值在0.75~0.85之间。在麻醉120 s后,反应熵明显下降,麻醉190 s后,反应熵的值在0.4上下波动。EEG信号的肌电熵如图4(d)所示,可以看出,其值在0.1~0.4之间波动,麻醉190 s之后接近于0,表示病人进入麻醉状态。
由于病人对外界刺激的反应,在病人清醒或麻醉不足时,额前测得的脑电信号中会出现含有肌电信号(图4(d))。因此肌电信号可作为由清醒到麻醉、由麻醉到觉醒的指示标志信息。根据这一特点,设定一阈值,当肌电熵大于阈值时,病人处于清醒状态;当肌电熵小于阈值时,病人处于麻醉状态。由此判断出状态切换时刻之后,可以对应不同的状态,采取不同的预处理方法:眼电信号和肌电信号的伪差只可能在清醒状态影响脑电信号,因此只能在清醒期进行检测和去除即可;其他伪差检测和去除在整个记录中均可进行。
本文从40余例注射麻醉药品后的EEG信号中,选取33个EEG信号片断,进行时频均衡谱熵分析,将分析结果作直方图统计进行分析。图5(a)为注射麻醉药品之后的反应熵分布直方图,可以看出此时EEG信号的反应熵主要分布在0.55~0.80之间。图5(b)为注射麻醉药品之后的状态熵分布直方图,可以看出此时EEG信号的状态熵主要分布在0.45~0.75之间。可见,随着麻醉深度的不同,反应熵的值会随之变化,麻醉深度越深,反应熵的值越小;麻醉深度越浅,反应熵的值越大。这是由于麻醉深度的加深,大脑神经元的兴奋性受到抑制,EEG信号的随机程度降低,产生新模式的概率降低,反应熵的值也就相应降低。麻醉深度减轻时则刚好相反,这一结果很好地验证了时频均衡谱熵作为临床麻醉深度监测指标的正确性和可行性。
从麻醉状态下EEG信号的时均衡谱熵分析结果可以看出,在注射麻醉药品180 s左右,反应熵的值开始下降,190 s肌电熵趋于0,病人进入麻醉状态,这一结果很好地印证了七氟醚的药理特性。通过分析可以看出EEG序列的时均衡谱熵与麻醉深度之间有着密切的关系,可灵敏地反映出麻醉深度的变化。虽然在表征麻醉深度的变化趋势有些缓慢,但由于时均衡谱熵本身具有达到稳定值所需计算窗口小、抗干扰性强的特点,作为麻醉深度的实时监测,仍然是一种好的方法。实验结论是基于七氟醚麻醉药得到的,与其他麻醉药的相关性结论还待进一步的深入研究。
参考文献
[1]BRUHN J,BOUILLON T W,RADULESCU L,et al.Cor-relation of approximate entropy,bispectral index,andspec-tral edge frequency95(SEF95)with clinical signs of anesthetic depth during coadministration of propofol and remifentanil[J].Anesthesiology,2003,98:621-627.
[2]THEILER J,EUBANK S,LONGTIN A,et al.Testing for nonlinearity in time series:the method of surrogate data[J].Physica D,1992,58(1):77294.
[3]PRITCHARD W S.Dimensional analysis of resting human EEG:Surrogate data testing indicates nonlinearity but not low-dimensional chaos[J].Psychophysiology,1995,32(3).
[4]BEIN B.Best Practice&Research Clinical Anaesthesiol-ogy[J].Entropy,2006,20(1):101-109.
[5]BRUHN J,ROPCKE H,REHBERG B,et a1.Electroen-cephalogram approximate entropy correctly classifies the occurrence of burst suppressionpattern as increasing anes-thetic drug effect[J].Anesthesiology,2000;93(4):981-5.
[6]VIERTIO-OJA H,MAJA V,SARKELA M,et a1.Description of the Entropy algorithm as applied in the Datex-Ohmeda S/5entropy module[J].Acta Anaesthesiol Scand,2004,48(2):154-161.
脑电EEG信号的分析方法 篇6
EEG脑电信号是一种复杂的非平稳随机信号, 具有信号微弱、个体差异大等特点, 所以如何有效地提取其中的有用信息是脑科学研究的棘手问题。大脑在不同的生理、病理状态下, 大脑皮层的EEG是不一样的。1929年, Berger首次记录到了人的EEG脑电信号, 经过多年的研究, EEG信号分析取得了巨大的进展。1932年Dietch首先运用傅里叶变换对EEG脑电信号进行了相应分析, 之后相继有了时域分析、频域分析等方法[1]。近年来, 随着计算机技术、信号处理技术的快速发展, 时频分析[2]、非线性分析[3]、人工神经网络[4]等现代方法也陆续运用在EEG脑电信号的分析上面[2,3,4]。通过上述方法提取EEG信号的特征, 可为某些大脑疾病提供临床上的诊断依据并进一步给予有效的治疗, 具有重要的临床应用价值。
1 脑电分析方法
1.1 时域分析法
时域分析法是EEG脑电信号研究最早发展起来的分析方法, 其具有较强的直观性、物理意义明确等优点, 在EEG信号定量化分析中占有重要的位置。时域分析法主要是直接提取EEG信号的波形特征参数, 如幅度峰值检测、过零节点分析、方差分析、直方图分析、相关分析等。大脑的一些重要信息可在时域上得到体现, 如癫痫EEG脑电信号的棘慢波、尖慢波, 睡眠EEG脑电信号的梭形波等。例如2001年Litt等就曾经利用时域分析法, 通过分析脑电信号的时域特征, 以此达到预测癫痫的目的[5]。
1.2 频域分析法
频域分析方法主要是从频域提取EEG脑电信号的信息, 对信号进行相关特征提取。功率谱估计是频域分析的一种重要手段[6]。其主要思想是:把EEG信号在时域范围的幅度变化转变为在频域范围的功率变化, 从而可以直接观察到EEG信号变化的节律与分布。经典的谱估计方法之一是通过直接定义有限长的数据, 计算其相关函数, 之后通过傅氏变换得到功率谱估计 (维纳-辛钦定理) 。但是其存在问题是估计的方差特性不理想, 并且随着脑电数据的增长, 效果越不理想。
EEG脑电信号是非平稳、时变随机信号, 在不同时间包含了不同的频率成分, 所以单纯从时域或者频域不能准确地分析EEG脑电信号。需要把时域和频域结合起来对EEG信号进行联合分析。
1.3 时频分析方法
短时傅里叶变换是最简单的时频分析方法, 但是其最主要的缺点在于需要在时间分辨率和频率分辨率之间进行权衡, 这对处理EEG脑电信号带来了极大的不便。
小波变换分析方法弥补了这一缺点, 能够在时域与频域同时进行相应的分析, 具有多分辨率分析的优点;是目前应用比较广泛的时频分析法, 有“数学显微镜”之美称[7]。其数学形式最早是在1984年由Grossmam 和Morlet提出的, 其基础是傅里叶变换。之后1987年Mallat将多分辨率分析的思想运用在了小波变换方面。其基本思想是:利用逐渐精细的时间分辨率观察EEG信号的快变成分, 且利用逐渐精细的频率分辨率观察EEG信号的慢变成分, 继而利用小波分析可以在局部与整体分析EEG脑电信号, 做到了既见树木又见森林。
小波分析方法处理信号步骤如下:
1) 选择基本小波ϕ (t) , 其满足在时域的积分为零的条件, 如式 (1) 所示。
∫ϕ (t) dt=0 (1)
2) 缩放、平移基本小波ϕ (t) , 使基本小波变换为一组函数族ϕab (t) , 如式 (2) 所示, 其中a和b分别为伸缩因子 (尺度) 和平移因子;
undefined
3) 对待分析信号x (t) 进行小波变换, 如式 (3) 所示:
undefined
则利用小波分析方法, 把EEG脑电信号在小波域的多个尺度上面进行分解;使一些在时间域上特征不太明显的信号, 在小波域上得到了明显体现。利用此优点, 则可对EEG脑电非平稳随机信号进行模式识别、奇异性检测、滤波等处理。
1.4 非线性分析方法
混沌理论是一门研究非线性系统的新兴学科;混沌是非线性动力学的一种内在属性, 是自然界的一种客观存在, 其发现是本世纪物理学继相对论与量子力学之后的第三次重大发现。很多研究表明:大脑是一个复杂的非线性动力学系统, 其具有内在确定性混沌的本质[8]。EEG脑电信号具有非线性的混沌特性, 因此很多学者将非线性混沌分析方法用于EEG信号的分析。例如:通过分析EEG信号的非线性动力学特征指数:相关维数、最大李雅普诺夫指数、复杂度、近似熵等, 提取EEG脑电信号的相应特征。实验证明:当大脑的功能受损时, 其非线性动力学的特征指数发生变化[9]。这说明了利用非线性动力学混沌算子分析EEG信号是可行的。
1.5 人工神经网络
人工神经网络是一种新兴研究方法, 是对人脑或自然神经网络若干基本特性的抽象和模拟, 反映了人脑的基本特性。人工神经网络以对大脑的生理研究成果为基础的, 其模拟大脑的工作机制, , 实现某个方面的功能。神经网络广泛应用于模式识别, 特征提取等领域。在区分正常EEG信号和非正常EEG信号上, 神经网络更加接近于人的分析。
2 脑电信号研究的未来与展望
EEG信号是一种复杂的、非平稳随机信号, 对其进行处理与分析在临床和治疗上具有重要意义。由于信号本身所具有的一些特点, , 使如何准确有效地分析EEG信号成为我们研究的重点与难点, 成为国际上的难题。上述的几种方法都有各自的优点与缺点, 我们通过对上述几种方法的分析, 希望能找到一种最新的方法。通过把以上两种或者几种方法结合在一起, 取长补短, 以达到更好的分析EEG信号的目的, 为更进一步的理解作出努力, 为临床医学与基础医学作出新的贡献。
参考文献
[1]Litt B, Echauz J.Prediction of epileptic seizures[J].TheLancet Neurology, 2002, 1 (1) :22-30.
[2]刘大路, 江朝晖, 冯焕清, 等.小波和主分量分析方法研究思维脑电[J].生物物理学报, 2003, 19 (4) :415-418.
[3]邵晨曦, 童松桃.脑电非线性动力学快速分析与癫痫脑电分析[J].生物医学工程研究, 2008, 27 (3) :154-157.
[4]朱小文, 胡平.基于小波和神经网络的脑电智能诊断研究[J].微计算机信息, 2008, 24 (4) :310-311.
[5]Litt B, Esteller R, Echauz J, et al.Epileptic seizures maybegin hours in advance of clinical onset:a report of fivepatients[J].Neuron, 2001, 30:51-64.
[6]吴晓彬.时频分析及其在脑电信号分析中应用的研究[M].大连:大连理工大学出版社, 2005.
[7]韩伟, 张径周, 刘园园, 等.脑电节律提取的小波变换方法[J].中国医疗器械, 2006, 30 (1) .
[8]贺太纲, 卢广文, 李建萍, 等.脑电中的混沌[J].生物医学工程学, 2000, 17 (2) :209-213.
脑电信号采集 篇7
脑电信号是人体重要的生理信号,近年来,因脑部活动异常引起的突发性疾病对人体的危害越来越大,其中比较明显如癫痫病。它是因脑部兴奋性过高的神经元突然、过度的重复放电,导致脑功能突发性、暂时性紊乱的一种疾病。但目前由于大多数脑电仪都是固定在医院的,不能携带,不但限制病人的活动,而且治疗成本较高。特别是病人在或外活动时,因为不能实时监测病人脑部信号,当病人发病时如果不能及时的发现治疗,甚至会威胁到病人的生命安全。
本设计的脑电采集系统就是针对上面的情况开发的新型脑电采集报警系统。它是基于FPGA开发的便携式脑电采集仪,不仅携带方便、操作简单,而且既能够实时监测携带者脑部的活动情况。当病人脑部出现异常情况时,该采集仪不仅能够主动发出警报,而且还可以把信号及时的存储起来以便医生进行诊断研究。
1 系统总体结构及功能
脑电采集报警系统主要有脑电信号的前端采集模块、脑电信号的处理与处理模块、报警模块、无线传输模块等4个关键模块组成,系统结构框图如图1所示。
该采集系统的硬件平台采用Altera公司DE2开发板,采用SOPC(片上可编程系统)技术将NiosⅡ软核处理器、存储器、功能接口和扩展I/O口等集成在一块FPGA芯片上,外围扩展脑电数据采集板、A/D转换卡,蓝牙模块、SD存储卡等硬件来实现系统的硬件架构,且带有可扩展的I/O接口,便于以后系统功能升级和扩展。
2 系统关键模块设计
2.1 脑电信号的前端采集模块设计
EEG信号采集采用模块化的设计方式,主要有前端的导联传感器和信号滤波放大电路组成。人体脑电信号的主要频率范围为0.05~100 Hz,幅度约为10~200uV,信号十分微弱。同时脑电信号中通常混杂有其它生物电信号,再加上50HZ的工频干扰,使得脑电信号的测量条件非常复杂。为了精确的监测出有临床的脑电信号,该前端采集模块主要采用以下几个电路组成:前置放大电路、高低通滤波电路、陷波电路和次级放大电路。电路原理图如图2所示:
首先心电导联采集过来的微弱心电信号通过前置放大电路进行放大,此放大电路包括右腿驱动,以抑制共模干扰、屏蔽线驱动以消除引线干扰,增益设成5倍左右。该前置放大采用BB公司的INA114,该芯片具有很高的CMMR,最高可达至120dB,此外该芯片具有温度稳定性好、放大频带宽、噪声系数小等优点。放大后的信号经滤波、50HZ陷波处理后在经过次级放大,次级放大采用可调增益电路看,益范围为1000~10000倍,这样可以根据实际需要来调节脑电放大倍数。
2.2 据采集控制器设计
A/D转换器采用MAX186,它是一款8通道、12位的高速转换器,其采样频率最高为133KHz,完全可以满足EEG的采样要求。MAX186是串行芯片,数字系统采用2条IO口就可以完成与A/D的数据交换,其控制信号有FPGA的IO口来控制。其转换时序如图3所示:
2.3 数据存储模块设计
数据存储模块选用NAND结构Flash,该芯片是Sumsung公司隆重推出并着力开发的新一代数据存储器件,电源电压1.7~3.6V,体积小,功耗低,容量最大可达1GB,按页进行读写,按块擦除,通过I/O口分时复用作为命令/地址/数据。因此通过Verilog语言编写RTL级代码控制芯片的读写操作:首先我们定义Flash的相关引脚为flash_wen;、flash_oen;、flash_cen、flash_addr和flash_data.然后根据Flash的读写时序图用Verilog语言进行描述,然后通过FPGA芯片的I/O口进行控制,这样能够很快的进行数据的读写。
2.4 报警模块
当癫痫病人发病期间,患者的脑电图表现为高幅同步节律波,可显著地在患者的脑电图中观测到棘、尖波以及棘慢复合波等特征波形。本系统采用比较典型判别的方法(基于小波变换的波形检测)来判断病人脑部活动是否异常。
该系统采用Verilog语言来实现该算法。当脑电信号经过A/D转换成为数字信号后,被送入到FPGA内,然后经过算法模块进行识别判断。当脑部信号发生异常后,通过FPGA的I/O口发出高脉冲到报警器,驱动报警器发出警报。
2.4 数据传输模块设计
数据传输模块选用蓝牙无线装置,它使得采集仪器与上位机进行了分离,保证了人体安全,同时可以在不限制病人活动的情况下采集数据,减轻病人的心理压力,使得我们能够采集到更精确的数据。
该蓝牙模块我们采用串口通信协议进行控制,它的传输速率最高可以达到256000bps,满足我们的采集速率。
3 结束语
本设计根据脑电信号的特点,考虑数据采集的要求和实际应用需求,完成了对脑电信号的放大、滤波、数据采集以及数据的传输、存储,系统各模块均经单独调试并进行了统调,达到了预想的设计目标,
摘要：为了满足在日常生活中能够实时监控采集病人脑部信号活动需求,设计了一种基于FPGA的便携式脑电采集报警系统,给出了该系统的详细结构框架。该系统主要通过FPGA来实现对脑电信号的采集、处理、存储以及发送。测试结果表明:该系统不仅能够在不影响病人正常活动下采集脑电数据,而且当病人出现突发性脑部疾病时能够起到报警作用。
关键词：脑电信号,蓝牙无线传输,A/D
参考文献
[1]赖永秀,夏阳,尧德中.癫痫发作的两种模式.成都:电子科技大学学报,2010
[2]宋莉,盂庆建,张光玉,等.基于DsP的便携式动态心电监护仪的研制[J].中国医疗器械杂志,200933(6):395—397.
[3]蔡建新,张唯真.生物医学电子学[M].北京:北京大学出版社.1997.
[4]王彦.基于FPGA的工程设计与应用[M].西安:西安电子科技大学出版社,2000.
[5]Altera Inc..Cyclone Device Handbook.San Jose.California.Altera Inc..2003.
[6]Palnitkar S.Verilo-gHDL A Guide to Digital Designand Synthesis[M].NewYork:PRENTlCE HALL PrI’R,2000.201.228.
[7]潘松,黄继业,曾毓.SOPC技术实用教程[M].北京:清华大学出版社,2005