基于高輸入阻抗放大器的EEG傳感器設計

張偉林

(浙江大學 超大規模電路設計研究所，浙江 杭州 310027)

0 引 言

腦電圖(electroencephalogram,EEG)是腦神經細胞群電生理活動的綜合反應,其中蘊涵著豐富的生理、心理信息。隨著醫學、神經科學、認知心理學和人工智能研究的深入發展，EEG這種重要的生理信號正在被越來越多地應用到醫學檢測臨床診斷和新興的腦—機接口領域。作為中樞神經系統的直接外在表征，EEG能反映出大腦皮層不同區域的活動狀態，可用來檢測人的生理、心理狀態以及不同腦功能的腦區交互方式[1]；可為癲癇癡呆、腫瘤等腦部疾病或腦死亡提供診斷信息[2]；可結合腦電解讀技術，完成腦與外部設備的直接通信，實現腦—機接口系統[3，4]。

隨著科技發展和醫療水平的提高，傳統的濕電極技術已經越來越不能滿足實際要求，目前對干電極技術的研究非常活躍，主要方向是接觸式與非接觸式的干電極[5,6]。

1 干電極結構

干電極EEG采集系統如圖1所示主要由 4個部分組成:干電極、放大器、信號傳輸與電源[7]。

圖1 EEG采集系統基本模型

干電極：主要是用來感知EEG，并將其轉換成電信號。

放大器：由于干電極采集到的信號十分微弱，為了后續電路的處理，需要把信號進行放大。因為干電極是在頭部采集信號，因此，放大器需要有較小的尺寸和較低的功耗。為了能放大EEG，放大器還需要具有高的輸入阻抗，高的共模抑制比和低噪聲等特點。如果一級放大器的放大增益不夠，則可以采用多級放大,經過放大的EEG信號最后還需要進行A/D轉換，方便后面的數據處理。

信號傳輸：EEG經過放大和A/D轉換需要傳輸給計算機，傳統的傳輸是使用USB或串行口進行傳輸，隨著無線通信技術的發展，現在越來越多使用無線技術，包括藍牙和射頻。

2 干電極種類

1)微針干電極：人體皮膚的最外層是表皮，表皮最外層的角質層具有很高的阻抗，微針技術就是利用針式電極穿透角質層，嵌入低阻抗的發生層來完成信號采集的技術[8]。由于角質層的厚度一般為 10～15 μm，生發層的厚度一般為50～100 μm，因此,微針的長度一般在15～100 μm之間。圖2為濕電極與微針穿透對比。

圖2 濕電極與微針穿透對比

2)指狀干電極：基于超高阻抗放大器技術的EEG采集系統的前端是指狀結構的生物傳感器(圖3)[9]。

圖3 指狀傳感器結構[9]

不需要涂抹導電膠，也不需要使用微針穿透角質層,正因為如此傳感器與角質層間的阻抗非常大，大約為千萬歐姆。所以,需要具有超高輸入阻抗的放大器才能使干電極采集到微弱的EEG，還需要能夠有效地降低共模抑制比，以減少噪聲對腦電信號的干擾。

3)電活性電極：特殊的有機材料(如聚丙烯酰胺等)在不同的電壓下能產生不同的電場，使用光電傳感技術的干電極就是利用了這種特性來感知EEG信號[10，11]。如圖4，利用這種技術，當EEG電壓發生變化時，該有機材料的形狀也會發生相應的變化。這時， EEG采集設備內置的光源模塊產生的光線通過這種有機材料， 其光線強度和傳播路線會隨著材料的形變發生相應的變化， 最后通過光線感知模塊感知光信號的效果， 以計算出電極所感知的EEG的強弱。

圖4 電活性電極工作示意圖

4)非接觸式干電極：非接觸式干電極是指傳感器(圖5)的電極不與皮膚發生實際的歐姆接觸， 而是通過某種介質(可以是頭發或者衣服) ，將電壓信號耦合進放大電路；因而不會在皮膚上產生實際電流， 更加安全方便， 但實現難度也更大，這一領域的先驅和代表性人物是英國蘇塞克斯大學的 Harland C J 等人[12]，其中， 基于此原理的杰出工程作品由加州大學圣迭戈分校的托馬斯· J ·沙利文等人給出。

圖5 非接觸式干電極傳感器

3 基于深度電壓串聯負反饋的超高輸入阻抗放大器

本文采用深度電壓串聯負反饋來設計超高阻抗放大器(圖6)，深度電壓串聯負反饋能提供高達1011Ω的輸入電阻。

圖6 深度電壓串聯負反饋

在理想運放條件下，根據虛短虛斷，輸入端的電流為零，所以，輸入電阻

Ri=Ui/Ii=∞.

(1)

電路的增益

(2)

因為腦電信號很微弱，需要抑制共模輸入，所以，本文的前置放大電路采用差分電路，來提高共模抑制比。

4 無限增益多路反饋二階低通濾波器設計

EEG信號的頻率范圍在1～100 Hz，因此，干電極傳感器的濾波器是一個截止頻率在100 Hz的低通濾波器。

壓控電壓源二階低通濾波器在截止頻率附近具有較好的幅頻特性，但由于它引入了正反饋，如果正反饋過強，將會導致自激振動。

本文為了取得較好的幅頻特性采用了無限增益多路反饋二階低通濾波器，如圖7所示。

圖7 無限增益多路反饋二階低通濾波器[13]

無限增益多路反饋二階低通濾波器的傳遞函數為

(3)

從分母可以看出，濾波器不會因為放大倍數過大而引起自激振動,并且濾波器具有良好的頻率特性。

無限增益多路反饋二階低通濾波器的特征頻率

(4)

選取合適的電容和電阻，即可以令截止頻率fp=0.37f0=100 Hz，即可消除100 Hz以上的噪聲。濾波器的品質因素

(5)

選取合適的品質因素可以調節濾波器的濾波特性。

5 高通濾波器

腦電信號的頻率范圍從1～100 Hz，所以經過低通濾波之后，還需要高通濾波，將1 Hz以下的噪聲濾去。本文采用無限增益多路反饋二階高通濾波器，如圖8所示。

圖8 無限增益多路反饋二階高通濾波器

該濾波器的截止頻率

(6)

6 實驗結果與分析

本文利用深度電壓串聯負反饋來設計超高輸入阻抗的放大器，因為前置放大器的輸入信號中含有大量噪聲，且腦電信號微弱，所以，前置放大器的增益不需要很高，因此，電阻R1，R2，R3，R4分別取1，100，1，100 kΩ，在輸入信號分別為1，10，100 Hz的時候輸入阻抗均高達1011Ω，如圖9。

圖9 輸入阻抗

當頻率為1，10，100 Hz時，共模抑制比分別是195，203，209 dB。

因為EEG頻率最高在100 Hz左右，為了讓頻率較高的EEG無損通過濾波器，故令無限增益多路反饋二階低通濾波器的截止頻率fp=130 Hz，并且根據所需要的濾波特性選取合適的品質因素Q，即可以確定各個參數的值。R1，R2，R3，Rf，C1，C2取值分別為3.83，6.04 ，10，3.83 kΩ，100 nF，1 μF時濾波器的Bode圖如圖10。

圖10 低通濾波器的Bode圖

因為腦電信號從1 Hz開始，所以,無限增益多路反饋二階高通濾波器的截止頻率設置的小于1 Hz，令fp=750 mHz，并且根據所需要的濾波特性選取合適的品質因素Q，即可以確定各個參數的值。R1,Rf和C1,C2,C3取值分別為5.76,47.5 kΩ和10,10,10 μF時濾波器的Bode圖如圖11。

圖11 高通濾波器的Bode圖

實驗表明:該濾波器可以取得較好的濾波性能。

7 結束語

本文就EEG生物傳感器的研究提出了使用深度電壓串聯負反饋來實現超高輸入阻抗的放大電路設計方案。實驗結果表明： 該系統在輸入阻抗、共模抑制比、濾波方面均有比較理想的表現，特別是輸入阻抗方面的表現，能提供到達2.6×1011Ω輸入阻抗，比利用電流正反饋電路或自舉電路的前置放大器的高10倍以上。

參考文獻:

[1] Peterson C K,Harmon Jones E.Approach emotionality predicts EEG coherence between left motor cortex and left prefrontal cortex[J].Psychophysiology,2007,44:27-27.

[2] Koutroumanidis M,Koepp M J.The variants of reading epilepsy:A clinical and video-EEG study of 17 patients with reading-induced seizures[J].Brain，1998,121:1409-1427.

[3] 高上凱.淺談腦—機接口的發展現狀與挑戰[J].中國生物醫學工程學報,2007,26(6):801-803.

[4] Weiskopf N,Mathiak K, Bock S W,et al.Principles of a brain-computer interface(BCI)based on real-time functional magnetic resonance imaging(FMRI)[J].IEEE Transactions on Biomedi-cal Engineering,2004,51(6):966-970.

[5] Harland C J,Clark T D,Prance R J.Electric potential probes:New directions in the remote sensing of the human body[J]．Measurement Science and Technology， 2002,13(2):163.

[6] Sullivan T J,Deiss S R,Cauwenberghs G A.Low-noise,non-contact EEG/ECG sensor[C]∥IEEE Biomedical Circuits and Systems Conference,2007:27-30,154-157.

[7] Gargiulo G,Bifulco P,Calvo R A,et al.A mobile EEG system with dry electrodes[C]∥2008 IEEE Biomedical Circuits and Systems Conference on Intelligent Biomedical Systems,Maryland:IEEE,2008:273-276.

[8] Alexander P.Basic human anatomy[M].San Francisco:The Benjamin Cumming Publishers,1990．

[9] Matthews R,Tumer P J,McDonald N J,et al.Real time workload classification from an ambulatory wireless EEG system using hybrid EEG electrodes[C]∥2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society,Vancouver:IEEE,2008:5871-5875.

[10] Fernandes M,Dias S N.Wearable brain cap with contactless electroencephalogram measurement for brain-computer interface applications[C]∥2009 4th Annual International Conference of the IEEE Engineering on Neural Engineering,Antalya:IEEE,2009:387-390.

[11] Kingsley S A,Sriram S,Pollick A,et al.Photrodes(TM)for phy-siological sensing[J].Optical Fibers and Sensors for Medical Applications,2004,5317:158-166.

[12] Fernandes M,Dias S N.Wearable brain cap with contactless electroencephalogram measurement for brain-computer interface applications[C]∥2009 4th Annual International Conference of the IEEE Engineering on Neural Engineering,2009:387-390．

[13] 童詩自,華成英.模擬電子技術基礎[M].3版.北京:高等教育出版社,2001.