当前位置:主页 > 医学论文 > 生物医学论文 >

多通道脑电信号的压缩感知技术研究

发布时间:2018-11-27 15:34
【摘要】:随着微电子、生物医学、脑机接口等领域的发展,以无线体域网为中心,对目标对象进行远程生理信号监测,包括脑电信号、心电信号等逐渐成为常态。而在无线体域网中对多通道脑电信号的长时间监测会受到数据传输节点的带宽、系统功耗的限制。传统数据压缩方法计算复杂,难以在计算能力薄弱的传感节点上实现。压缩感知理论前端压缩编码计算简单,复杂计算主要集中在后端重构,适合于前端多传感节点计算能力弱且对系统功耗和实时性要求高的场景。因此研究多通道脑电信号压缩感知技术具有重要意义。本文的研究目的是在分析压缩感知理论的基础上,结合脑电信号的特点,设计基于FPGA的脑电信号压缩采集系统,实现对多通道脑电信号的实时采集压缩,以解决目前脑电信号压缩感知方法中存在的重构精度低、硬件实现占用存储空间大、通道扩展性差等问题。首先,研究多通道脑电信号的压缩感知方法,分析压缩感知原理和特性,分析脑电信号的稀疏性以及设计模拟随机解调AIC模型和数字测量矩阵模型,分析验证OMP及SOMP重构算法。其次,设计实现基于FPGA的压缩采集系统,硬件采集模块采用ADS1299脑电采集电路,固件设计包括采集、存储、压缩、传输等单元,实现对多通道脑电信号的实时采集压缩功能。再次,设计实现多通道脑电信号重构软件,采用Lab VIEW与MATLAB混合编程的方法,重构软件包括数据的接收和重构两大功能模块,可以实现实时的读取FPGA压缩数据,上位机重构信号的功能。最后,完成了对系统各功能模块的验证和调试,评价脑电压缩系统的性能和精度,并设计实验探讨数据压缩对情感识别率的影响。实验测试结果表明,本文设计的多通道脑电信号压缩感知系统可以实现对脑电信号的实时压缩采集,2倍压缩率SOMP重构平均SNDR为21.74d B,对于脑电情感分类,原始脑电信号情感识别平均分类结果为52.2%,2倍压缩重构数据平均分类结果52.1%,2倍压缩重构对分类结果影响不大。
[Abstract]:With the development of microelectronics, biomedicine and brain-computer interface, remote monitoring of physiological signals, including EEG and ECG signals, has gradually become the norm with the wireless body area network as the center. The long time monitoring of multichannel EEG in wireless body area network is limited by the bandwidth of data transmission node and the power consumption of the system. The traditional data compression method is complex and difficult to be implemented on sensor nodes with weak computing power. Compression sensing theory in front compression coding calculation is simple, complex computing is mainly focused on the back-end reconstruction, suitable for the front-end multi-sensor node computing capacity is weak and the system power consumption and real-time requirements are high. Therefore, it is of great significance to study the multi-channel EEG compression sensing technology. The purpose of this paper is to design an EEG compression acquisition system based on FPGA on the basis of analyzing the theory of compression perception and combining with the characteristics of EEG, so as to realize the real-time acquisition and compression of multichannel EEG signals. In order to solve the problems of low reconstruction precision, large storage space and poor channel expansibility in the current EEG compression and sensing methods, etc. Firstly, the compression sensing method of multichannel EEG signal is studied, the principle and characteristics of compression sensing are analyzed, the sparsity of EEG signal is analyzed, the AIC model of analog random demodulation and the digital measurement matrix model are designed, and the algorithms of OMP and SOMP reconstruction are analyzed and verified. Secondly, the compression acquisition system based on FPGA is designed and implemented. The hardware acquisition module uses ADS1299 EEG acquisition circuit, and the firmware design includes acquisition, storage, compression, transmission and other units to realize the real-time acquisition and compression of multi-channel EEG signals. Thirdly, the multi-channel EEG signal reconstruction software is designed and implemented. The software includes two function modules of data receiving and reconstructing, which can read FPGA compressed data in real time by using the mixed programming method of Lab VIEW and MATLAB. The function of the upper computer to reconstruct the signal. Finally, the function modules of the system are verified and debugged, the performance and accuracy of EEG compression system are evaluated, and the influence of data compression on emotion recognition rate is discussed by designing experiments. The experimental results show that the multi-channel EEG compression sensing system designed in this paper can realize the real-time compression and acquisition of EEG signals. The average SNDR of SOMP reconstruction with 2 times compression ratio is 21.74 dB. The average classification result of original EEG emotion recognition is 52.2 times compression reconstruction data average classification result 52.1 times compression reconstruction has little effect on classification result.
【学位授予单位】:哈尔滨工业大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:R318;TN911.7

【相似文献】

相关期刊论文 前10条

1 鲁强;刘玉军;徐建兰;张进禄;;一种适用于清醒动物脑电信号采集的固定装置[J];首都医科大学学报;2011年06期

2 ;脑电信号处理的研究取得阶段性成果[J];河北师范大学学报;1987年01期

3 李志瑞;张文杰;;通用脑电信号处理——微机系统初探[J];河北师范大学学报;1988年Z1期

4 孟欣,,欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期

5 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

6 李英远,周卫东;径向基函数神经网络在脑电信号建模中的应用[J];山东生物医学工程;2002年02期

7 刘大路,江朝晖,冯焕清,王聪;基于脑电信号时空分布信息的思维特征研究[J];北京生物医学工程;2004年02期

8 许崇涛,沈民奋,李慧,朱国平;双谱分析方法在脑电信号分析中的应用[J];中国行为医学科学;2004年03期

9 汤晓军,宋卓,杨卓,张涛;双任务事件中脑电信号的熵计算(英文)[J];生物物理学报;2005年05期

10 蒋辰伟;章悦;曹洋;朱国行;顾凡及;王斌;;脑死亡与脑昏迷脑电信号的复杂度研究[J];生物物理学报;2008年02期

相关会议论文 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集(下册)[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

相关重要报纸文章 前1条

1 张文清 记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

相关博士学位论文 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 马小飞;认知任务下的脑电动力学分析[D];南京大学;2017年

4 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

5 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

6 周群;脑电信号同步:方法及应用研究[D];电子科技大学;2009年

7 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

8 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

9 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

10 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

相关硕士学位论文 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年

7 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

8 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

9 王欢;基于非平稳时间序列分析方法的脑电信号模式识别[D];苏州大学;2015年

10 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年



本文编号:2361305

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/swyx/2361305.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e2b0a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com