基于主動干電極傳感器的無線可穿戴腦電采集系統*

黃 涌， 郭旭宏， 姚兆林， 裴為華， 王毅軍， 陳弘達

(中國科學院 半導體研究所 集成光電子學國家重點聯合實驗室 腦科學與智能技術卓越創新中心，北京 100083)

基于主動干電極傳感器的無線可穿戴腦電采集系統*

黃 涌， 郭旭宏， 姚兆林， 裴為華， 王毅軍， 陳弘達

(中國科學院 半導體研究所 集成光電子學國家重點聯合實驗室 腦科學與智能技術卓越創新中心，北京 100083)

為了減少腦電信號(EEG)采集系統的復雜性、實驗前長時間繁瑣的準備過程，以及改善采集系統的抗干擾性、可穿戴性和舒適性，設計了一種帶有8通道主動干電極傳感器的無線可穿戴腦電采集系統，具有24位ADC，109 dB信噪比，±500 mV/10 Hz的交流輸入范圍。實驗結果表明：該系統和商業系統記錄的腦電圖波形之間的相關系數為0.89，增加了可穿戴無線采集系統的可靠性，改善穿戴的舒適性。采用該系統可實現腦電的靜態記錄和基于穩態視覺誘發(SSVEP)的腦—機接口(BCI)應用。

腦—機接口(BCI); 主動干電極; 腦電(EEG); 可穿戴; 生物傳感器

0 引 言

腦電信號(EEG)的采集和分析在許多領域起著重要的作用，例如，帕金森氏病，癲癇和其它生理疾病的監測、診斷[1]，抑郁，失眠等心理障礙、疲勞程度的評估、認知狀態的評估[2]。此外，它能夠在人機交互和智能控制[3]中應用。因為EEG信號弱，容易受到周圍環境和其他電生理信號的干擾，通常情況下，在采集過程中，需要受試者保持靜止，以減少環境和運動的干擾[4]。通常，多通道濕電極腦電帽、連接線和臺式的采集器是腦電信號采集的標配設備[5]。雖然在傳統采集中臺式設備和濕電極傳感器在一定程度上確保了采集到的EEG的可靠性，具有良好的記錄性能。但這些腦電記錄系統由于體積較大、濕電極安放步驟繁瑣，不能滿足便攜或可穿戴腦電采集的要求。

為了簡化EEG記錄設備以及滿足上述需求，本文提出并實現了一種可穿戴的無線腦電采集傳感器系統。采集系統包括腦電帽、主動干電極傳感器和采集電路。為了評估采集系統的性能，對系統的輸入參考噪聲、共模抑制比(CMRR)和AC輸入范圍等性能進行了測試，同時，在腦—機接口(brain computer interface,BCI)實驗應用中對腦電采集系統的實用性進行了整體測試。結果表明，該傳感器系統滿足穿戴式BCI的應用需求。

1 系統描述

所提出的可穿戴EEG采集系統由兩部分組成：腦電帽和采集電路。

1.1 帶有主動干電極的腦電帽

如圖1，本設計的腦電帽確保了干電極傳感器穩定地與頭皮接觸，并且用戶體驗較為舒適。

圖1 帶有主動干電極的可穿戴腦電帽

設計的主動干電極傳感器[6]，形狀像鳥的爪子。與梳狀干電極傳感器[7]不同，爪狀電極的骨架材料是尼龍。骨架上涂覆著導電聚合物材料(PEDOT)。電極整體具有良好的彈性，爪狀結構使得它可以輕松穿過頭發，與頭皮有良好穩定的接觸。

干電極傳感器通常具有較高的接觸電阻。為了減少高接觸阻抗對系統的影響，在腦電帽上設置了前置放大器，位置與爪狀干電極傳感器緊鄰。這樣電極就變成了帶有前方的干電極器件，成為主動式干電極傳感器。這樣，從等效電路上看，減少了輸入阻抗，增加了電極抗干擾的能力及系統抗干擾能力，有效抵抗外界工頻的干擾。通過主動干電極獲得的工頻干擾大約只有被動干電極(無前置放大器)的1/4。設計的主動干電極傳感器與商業的濕電極采集到的EEG之間的相關系數為0.89。

1.2 采集電路

采集電路由信號預處理濾波電路，采集前端，數字和模擬隔離電路，微控制器單元(MCU)，高精密電源和無線模塊所組成，見圖2系統框架圖。

圖2 采集系統總體結構圖

預處理濾波電路由靜電放電(ESD)二極管、瞬態電壓抑制器(TVS)和一階低通濾波器所組成。由于腦電信號頻率主要存在于0.5～100 Hz，因此，該濾波器的高頻截止頻率設置在100 Hz。預處理濾波的電路如圖3所示。

采集前端選擇ADS1299作為電路的核心。該芯片運行功耗低(8通道工作功耗僅為40 mW)，包含8個低噪聲可編程增益放大器和同步采樣24位模擬數字轉換器ADS1299在采樣頻率不超過8 kHz時，A/D轉換精度達到24位等，非常適合用來作為該采集前端的核心芯片。

圖3 預處理濾波電路原理圖

為了進一步減少信號干擾，更好地抑制共模噪聲，提高信噪比，設計了偏置驅動電路(如圖4所示)。

圖4 偏置電路設計

偏置驅動電路由電阻Rf，Rs和一個電容Cf。Rf作為反饋電阻。Rs作為保護電阻。Cf作為補償電容。選擇合適的電阻值，防止器件對人體造成電擊的危險(IEC規定流經人體的最大電流不得超過50 μA)。CHANNEL，REFERRENCE和BIAS(如圖4中顯示)是指這些端口將被連接到工作電極，參考和接地電極。共模信號Vc可由反饋電壓Vcf抵消或減小。通過選擇適當的Rf和Cf值，可以進一步減少共模信號干擾。

數字及模擬隔離電路和MCU電路是為了避免數字和模擬信號之間的干擾。選擇的芯片為Si8462，數字帶寬150 M，功耗小(1.4 mA，1M)。為了抵抗工頻干擾，有必要增加陷波濾波器。考慮到系統的功耗和尺寸，設計了MCU自適應軟件濾波器程序。

在無線模塊的設計中，采用透明傳輸模式。通過商用無線模塊將數據直接發送到計算機。

DC-DC電源設計是為了進一步地減少了電源干擾。直流電源的噪聲為60 μVrms，的電源抑制比為55 dB/120 Hz。這些特性滿足高精度放大器的需求。

2 實驗結果

對系統進行了兩方面的測試:1)腦電采集系統本身的特性；2)系統在BCI實驗中的應用表現。

2.1 系統特性

等效輸入噪聲的測試方法是短路所有通道，參考電極以及地電極；采集系統的輸出數據，經無線模塊發送給電腦。Matlab記錄10 s長的數據來計算平均輸入等效噪聲。結果如表1。最小交流輸入電壓為1.43 μV。

設備的CMRR分3步進行測試:1)測試并計算等效輸入噪聲(V1);2)所有的通道和參考通道，輸入50 Hz峰峰值20 mV的正弦波信號，測試輸出峰峰值(V2);3)計算CMRR值

(1)

計算結果如表1。

表1 等效輸入噪聲和CMRR

表2為輸入10 Hz頻率且不同幅值下，通道1總諧波失真程度(THD)。于是，通常下最大交流輸入范圍約為500 mV/1 %THD。

表2 通道1不同輸入幅值下的THD

綜上，采集系統的交流輸入動態范圍為1.43 μV～500 mV。

2.2 EEG采集能力測試

為了測試腦電信號采集系統的性能，設計用于收集自發腦電波(α波)和穩態視覺誘發電位(SSVEP)[8]的實驗。實驗中，8個電極被放置在O1，O2，P3，P4，CZ，F0，F3，F4同時獲取腦電圖。電極固定在所制作的腦電帽上。參考電極和接地電極(商業的濕電極)被分別放置在左耳垂和右耳垂上。受試者是3名健康的20～25歲的男性。

1)記錄α波。每個受試者在采集EEG過程中被要求始終保持閉眼狀態。采集系統一旦建立無線連接，將開始記錄EEG，并上傳數據；計算機Matlab接收到傳輸的數據后，將數據保存并繪制波形于圖形用戶界面(GUI)上。Matlab實時采集并處理所獲取的EEG信號。

圖5(a)顯示了在不同的通道時，受試者閉眼時的腦電信號。α波清楚可見，尤其是放置在枕區的電極采集到的信號。圖5(b)顯示出了一個詳細的時域波形，α波清晰可見。頻譜是由快速傅立葉變換(FFT)方法計算，該結果顯示如圖5(c)。

圖5 采集到的腦電原始信號圖及其幅頻圖

2)SSVEPs被記錄，實驗環境與閉眼實驗一致。受試者的眼睛和屏幕之間的距離為50 cm左右。實驗包含了4種不同的刺激頻率(10,12,15,20 Hz)的測試。用于刺激的方形塊在屏幕中心分別以刺激頻率黑白交替閃爍。每次實驗開始，指示目標刺激的視覺提示時間是1 s，然后方形塊開始以刺激頻率閃爍20 s。通道1的電極放置在受試者的枕區(O1)。圖6是在10，12 Hz的頻率下，采集的信號由FFT計算出來的SSEVP頻譜圖。基波分量和二次諧波分量都很清晰地顯示于對應的刺激頻率上。

圖6 10 Hz和12 Hz的SSVEP頻譜圖

總體來說，測試結果表明，該系統可以采集自發的腦電，也可以采集誘發腦電。且在視覺誘發腦電的采集中，具有很高的辨識度，圖6所示頻譜圖中，處于刺激頻率的頻譜能量高出背景噪聲7倍以上。

3 結 論

本文設計并實現了一種基于干電極傳感器的無線腦電采集系統。該系統主要由可佩戴EEG腦電帽和采集電路兩部分組成。與傳統的EEG腦電帽不同，干電極傳感器極大地大簡化了電極的準備時間，并避免了使用濕電極后需要洗頭發的繁瑣，改善了用戶體驗。主動干電極傳感器的設計則在很大程度上改善了干電極傳感器高阻抗帶來的信號干擾。該系統的整體特性為：AC輸入范圍在1.43 μV～500 mV/10 Hz，平均CMRR 111 dB，平均輸入噪聲為3.89 μV。該系統在BCI中的應用結果顯示，其具有良好的信號辨識度。

[1] Cavallari R,Martelli F,Rosini R,et al.A survey on wireless body area networks:Technologies and design challenges[J].Communications Surveys and Tutorials,2014,16(3):1635-1657.

[2] Mihajlovic V,Grundlehner B,Vullers R,et al.Wearable, wireless EEG Solutions in daily life applications:What are we missing[J].Biomedical and Health Informatics,2015,19(1):6-21.

[3] Francine T.It’s all up in your head[EB/OL].http:∥www.ieee.org/about/news/2015/8_april_2015.html:IEEE,2015.

[4] Liberati G,Federici S,Pasqualotto E.Extracting neurophysiological signals refecting users' emotional and affective responses to BCI use:A systematic literature review[J].Neuro Rehabilitation,2015,37(3):341-358.

[5] Ramos-Murguialday A,Broetz D,Rea M,et al.Brain-machine interface in chronic stroke rehabilitation:A controlled study[J].Annals of Neurology,2013,74(1):100-108.

[6] Chi Y M,Wang Y T,Wang Y,et al.Dry and noncontact EEG sensors for mobile brain-computer interfaces[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering:A Publication of the IEEE Engineering in Medicine and Biology Society,2012,20(2):228-235.

[7] Huang Y J,Wu C Y,Wong A M K,et al.Novel active comb-shaped dry electrode for EEG measurement in hairy site[J].IEEE Transactions on Biomedical Engineering,2015,62(1):256-263.

[8] Wang Y,Wang R,Gao X,et al.A practical VEP-based brain-computer interface[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering,2006,14(2):234-240.

Wearable wireless EEG acquisition system with active dry electrode sensor*

HUANG Yong, GUO Xu-hong, YAO Zhao-lin, PEI Wei-hua, WANG Yi-jun, CHEN Hong-da

(State Key Laboratory of Integrated Optoelectronics,Center for Excellence in Brain Science and Intelligence Technology,Institute of Semiconductors,Chinese Academy of Sciences,Beijing 100083,China)

In order to reduce complexity of Electrophysiological signal collection system and long complicated preparation process before experiment,present a wireless wearable EEG acquisition system with 8-channel,active dry electrode sensor,24-bit ADC,109 dB SNR,±500 mV/10 Hz AC input range,which improves anti-interference performance,increases comfort of wearing,and makes it suitable for wearable applications.Experimental results show that the correlation coefficient between the EEG waveform recorded by proposed systems and that by commercial systems is 0.89.This system can be used for BCI applications based on the EEG recording and static steady-state visual evoked(SSVEP).

brain-computer interface(BCI); active dry electrode; electroencephalography(EEG); wearable; biosensor

10.13873/J.1000—9787(2017)04—0080—04

2016—04—29

國家自然科學基金資助項目(61335010,61275200,61275145)；國家“863”計劃資助項目(2012AA030308)；第十一批“千人計劃”青年基金資助項目；中科院腦先導交叉項目(KJZD—EW—L11—01)

TP 212.3

A

1000—9787(2017)04—0080—04

黃 涌(1989-)，男，碩士研究生，研究方向為微電子學與固體電子學，生物傳感器材料、腦電器件與腦機接口應用系統相關。