基于 STM32F103RCT6 和 ADS1298的腦電信號數據采集與波形顯示

劉培軍 李紅利

摘要：文章主要介紹了以STM32F103RCT6作為主控芯片跟高精度低功耗模數轉換芯片ADS1298進行的實驗測數原理及方案。文章具體講解了主控芯片與這款采集芯片的硬件電路搭建與軟件編程以及后期對程序的調試、修改，最后將微弱的腦電信號數據正確地測出，并以16進制的數據形式以SPI通信方式發送到串口進行記錄，經過MATLAB的一系列處理，呈現出原始的腦電信號波形。實驗結果良好，在疾病診斷和健康監護領域有非常高的應用前景。

關鍵詞：腦電信號數據采集；STM32103ZET6； ADS1298； MATLAB

腦電信號（Electro Encephalo Gran，EEG）是由腦神經活動產生并且始終存在于中樞神經系統的自發性電位活動，含有豐富的大腦活動信息，是大腦研究、生理研究、臨床腦疾病診斷的重要手段[1]。

目前，由于腦電信號的采集方式不同，因此所獲得的結論差異較大，大多采用普通單片機作為控制器，轉換芯片的精度也相對較低，因此本文根據腦電信號的微弱特性和微弱信號處理要求，介紹了腦電信號采集系統組成和信號處理的有效方法[2]。本實驗采用了TI公司研發的ADS1298這款24位高精度A/D采集轉換芯片，簡化高效了“信號采集轉換”這一過程，優于單獨搭建外圍放大、濾波電路這種普通采集模式，加之ARM公司研發的ARMv7M架構的STM32F103RCT6這款高性能、低功耗的主控芯片，使得所測數據更加準確。

1 方案設計

本系統主要有電極連接部分、預處理電路、A/D采集轉換、數字濾波及顯示部分5大模塊。

采用串行外設接口（Serial Peripheral Interface，SPI）為主控芯片與采集芯片的通信方式，之所以采用SPI進行傳輸，主要是操作簡單，只有4個接口，而且支持全雙工，其傳輸速率高，主機和從機各有一個移位寄存器，且二者連接成環，隨著時鐘脈沖，數據按照從高位到低位的方式依次移出主機寄存器和從機寄存器，并且依次移入從機寄存器和主機寄存器[3]。當寄存器中的內容全部移出時，相當于完成了兩個寄存器內容的交換。然后將轉換后的十六進制數據發送窗口調試助手進行記錄并保存，到此，完成了腦電信號數據的采集轉換，最后將數據導入MATLAB，采用EMD算法進行濾波，還原出準確的腦電波形。

2 主要硬件電路設計

為了節省空間、降低干擾，本文采用ADS1298為信號采集前端，該芯片是TI公司近年推出的一款針對心電和腦電信號采集的24位高精度專用模數轉換芯片。選擇這款芯片，首先看重的是其24位高精度的分辨率，采用芯片內部參考電壓2.4V，所以，模擬信號能反映的最小幅值變化為0.023 8μV。眾所周知，腦電信號幅值微弱，范圍為1?100μV，因此，此款芯片單從精度上來說，非常符合。其次，它內置了右腿放大器，這樣方便了我們配置右腿電路驅動，有效地簡化了系統設計。另外，采樣速率可達32 kSPS，完全滿足對轉換速率的要求。可編程增益1，2，3，4，6，8，12，極大地方便了我們對檢測腦電信號的調試。

3 軟件設計

主要在于對ADS1298的26個寄存器的配置，以及對轉換數據對應通道的設置、轉換函數的編寫。另外，對于數據傳輸的時序，一定嚴格按照芯片手冊給定的時鐘周期范圍跟時序圖進行代碼的編寫。最后完成初步編寫，后期不斷進行調試，對寄存器的改動、對函數的優化、對邏輯的分析，充分利用keil軟件中的單步調試、設置斷點等功能，對程序進行細致的調整修改，最后實現正確通信，測出我們需要的腦電信號數據。通過串口調試助手顯示采集到的數據，記錄，然后將數據保存后進行簡單處理，為后面算法分析做準備。

4 對數據進行分析處理

4.1 處理算法的選擇

系統采集模塊設計了低通濾波電路，去除了部分高頻雜波信號，但所采集的數據仍然具有一定幅度的基線漂移[4]。因此，需要對腦電數據進行基線漂移的消除。傳統的利用傅里葉變換的頻譜分析技術把信號映射到了頻率域內并進行了分析，這種方式對于平穩信號且有噪音的譜特性有別于信號的譜特性時是比較實用的。但實際中我們所遇到的信號經常是非平穩信號，對它分析時需要弄清每個時刻的頻譜分量，在這種情況下，傅氏變換無能為力。又因為小波去噪的方法缺乏自適應性，EMD算法完美地克服了兩者的困難，彌補了兩者的不足，通過選擇相應階數的IMF[5]（PS：本征模函數），自適應的組合高通、低通、帶通或帶阻濾波器，對各個IMF分別采用不同取值方法進行濾波重構，最后實現信號去噪。

4.2 EMD算法的原理

該方法的關鍵是它能使復雜信號分解為有限個本征模函數（Intrinsic Mode Function，IMF），所分解出來的各IMF

分量包含了原信號的不同時間尺度的局部特征信號。EMD分解方法是基于以下假設條件。

（1）數據至少有兩個極值，一個最大值和一個最小值。（2）數據的局部時域特性是由極值點間的時間尺度唯一確定。（3）如果數據沒有極值點但有拐點，則可以通過對數據微分一次或多次求得極值，然后再通過積分來獲得分解結果。

經驗模態分解的基本思想：將一個頻率不規則的波化為多個單一頻率的波+殘波的形式。原波形=ΣIMFs+余波[6]。

以下是選取了原始信號圖（見圖1）與經過EMD重構后的咬牙圖像（見圖2）（PS：橫軸代表采樣數據點）。

5 結語

本文所介紹的新型腦電信號采集方案充分利用了超低功耗、高精度、高集成度的ADS1298轉換器，利用了其24位的高精度，結合芯片內部的PGA可編程增益放大器及右腿驅動電路，大大降低了前置信號調理電路的規模，其能夠很好地對人體腦電信號進行精確采集，最后通過軟件濾波，獲得圖像分析與結果。與原始信號圖與濾波之后形成明顯的對比，去噪基本成功，呈現出精確的咬牙時腦電波形，實現了高效率的、便攜的、精確的腦電信號采集與成像。

[參考文獻]

[1]譚郁玲.臨床腦電圖與腦電地形圖學[M].北京：人民衛生出版社，1991（2）：116-118.

[2]謝宏，謝濤.基于ADS1298與FPGA的高性能腦電信號采集系統[J].現代電子技術，2013（1）：95-97.

[3]郭繼鴻.EASI導聯衍生12導聯的原理[J].臨床心電學雜志，2008（3）：165-167.

[4]佟安時.思維腦電的采集和特征提取方法初探[D].沈陽：東北大學，2010.

[5]王志華.基于全帶寬的便攜式EEG采集系統[D].秦皇島：燕山大學，2013.

[6]龍錦益.腦信號分析的算法研究與多模態腦機接口[D].廣州：華南理工大學，2012.