可穿戴式干电极脑机接口系统设计

发布时间：2021-03-06 10:02

　　针对现有脑电设备便携性差的问题,提出了一种基于嵌入式的可穿戴干电极脑机接口（BCI）系统。该系统首先通过干电极配合24位模数转换芯片采集脑电信号,然后使用FIR数字滤波的方法进行3～35Hz带通滤波,最后通过嵌入式处理器进行脑电识别。在识别算法方面,首先对脑电信号进行截断处理,去除视觉刺激延迟以及FIR滤波造成的群延迟;然后采用皮尔逊相关系数法进行在线脑电识别,并分析刺激时长对正确率和信息传输率的影响。实验结果表明:该系统采集信号的平均信噪比为74.86dB,50Hz处共模抑制比为-132.57dB,所用的相关系数法平均识别时间为0.13s,四目标在线稳态视觉诱发电位实验的平均正确率为69.54%。与使用标准典型相关分析（CCA）算法的便携式BCI系统相比,该系统的平均识别时间缩短0.27s,平均正确率提高了10%,可为干电极脑机接口系统应用提供思路。 

【文章来源】：西安交通大学学报. 2020,54(06)北大核心

【文章页数】：9 页

【部分图文】：

可穿戴脑机接口系统

信号采集处理模块负责将模拟信号转化为数字信号，并对EEG进行在线处理，模块结构如图2所示，由预处理电路1、模数转换电路2、加速度模块3、供电电路4以及嵌入式处理器5组成。信号采集处理模块具体工作方式如下：模块收到开始采集命令后进行EEG采集，信号依次经过预处理电路1、模数转换电路2，进入嵌入式处理器5，得到抗混叠滤波后的EEG。每次实验截取4s数据，然后使用嵌入式处理器中的脑电算法对数据进行处理，将得到的结果转化为控制指令通过蓝牙模块无线传输至外部设备，实现对外部设备的直接控制，对于支持蓝牙通信的外部设备不需要额外的转接线即可与本系统相结合进行控制。

虽然硬件电路已经对脑电信号进行了初步处理，但由于信号中噪声信号远大于脑电信号[15]，硬件电路无法完全消除噪声，还需要进行数字滤波。为提高EEG质量，在使用滤波算法前进行去均值处理，然后对数据进行线性拟合去除线性趋势。数字滤波器主要分为IIR和FIR两类，FIR滤波器拥有平稳的通频带和线性相位[16]，由于使用滤波算法会产生群延迟，而SSVEP范式中的皮尔逊相关系数法需要EEG和模板信号保持严格的相位关系，因此设计基于Hamming窗的64阶FIR带通滤波器对EEG进行3～35 Hz滤波。64阶FIR滤波的群延迟为32个数据点[17]，因此需要去除滤波后的前32个数据点以消除群延迟，保证滤波结果的准确性。2.3 SSVEP范式脑电算法的优化和移植

【参考文献】：
期刊论文
[1]基于便携式脑电信号采集器的脑-机器人交互系统[J]. 支丹阳,杜秀兰,赵靖,吴正平,李伟.  电子测量与仪器学报. 2016(05)
[2]表情驱动下脑电信号的建模仿真及分类识别[J]. 张小栋,郭晋,李睿,陆竹风.  西安交通大学学报. 2016(06)
[3]FIR滤波器与IIR滤波器去噪效果对比研究[J]. 洪灿梅,刘爱莲,刘名扬,程航,田素辉.  微型机与应用. 2015(21)
[4]基于CCA的SSVEP性能研究[J]. 笪铖璐,陈志阳,黄丽亚.  计算机技术与发展. 2015(05)
[5]稳态视觉诱发电位的脑机接口范式及其信号处理方法研究[J]. 徐光华,张锋,谢俊,李叶平,韩丞丞,李黎黎.  西安交通大学学报. 2015(06)
[6]视觉感知空间分布对SSVEP调制成分的影响[J]. 杜智超,陈志凯,陈弘达,高上凯,高小榕.  北京生物医学工程. 2014(04)
[7]信号FIR数字滤波后相位延迟的消除[J]. 伏燕军,程强强,于润桥,江光裕.  计算机工程与应用. 2012(07)



本文编号：3066899