脑电采集系统的发展及其现代化应用*

曹　洋,唐宏伟，马艳妮,吕宝粮,王国兴,3

(1.上海交通大学 微纳电子学系，上海 200240；2.中国兵器工业导航与控制技术研究所，北京 100089；3.上海市教委智能交互与认知工程实验室，上海 200240；4.上海交通大学 计算机科学与工程学系，上海 200240)

脑电采集系统的发展及其现代化应用*

曹洋1,唐宏伟2，马艳妮2,吕宝粮3,4,王国兴1,3

(1.上海交通大学 微纳电子学系，上海 200240；2.中国兵器工业导航与控制技术研究所，北京 100089；3.上海市教委智能交互与认知工程实验室，上海 200240；4.上海交通大学 计算机科学与工程学系，上海 200240)

摘要：脑电信号包含了运动、语言和思维意识等丰富的大脑信息，反映着人的情绪、警觉度等生命体征状态。近年来，由于脑电信号处理的飞速发展，脑电应用也从医疗康复向驾驶安全、教育辅助和娱乐消费等日常领域发展。脑电采集系统由头皮电极、信号隔离放大器、模数转换器和无线发送等模块构成，低功耗、小体积和便携化是当前的主要方向。对适宜佩戴的电极、高集成度采集芯片和分析算法的研究现状、难点进行了分析和预测，并对脑电采集系统在军事领域的广阔应用前景进行了展望。

关键词：脑电信号；脑电采集系统；便携式；现代化应用

人类经常把大脑和计算机相比较，而大脑本身就是1台经过了数亿年自然选择的非常特殊的计算机，但又不像计算机那样结构清晰、设计感明显。作为人体内结构和功能最复杂的组织，大脑承担着接受外界信号、产生感觉、形成意识、进行逻辑思维、发出指令和产生交互行为等一系列指挥功能，掌管着运动、语言、情绪和思维等高级活动，因其复杂性吸引着大量的科学研究者对其进行探究，被认为是生物学研究的最后一个前沿领域[1-2]。

大脑内部存在着大量的神经元，它们相互连接形成复杂且功能强大的神经网络，以此发挥大脑的高级作用。从分子水平到整体系统水平、对不同层次脑进行整合分析，得到研究数据，建立科学的数据库系统，是神经科学技术的主要工作[3]。作为神经科学领域的一个重要分支，脑电图技术(Electroencephalography, EEG)因其无损害、低成本、易于采集和时间分辨率高等优势，成为大脑整体系统研究的重要工具。

1EEG信号采集简介

大脑皮层的神经元活动产生的电位，经过颅骨、大脑组织等构成的容积导体，传导到头皮的表面所得到的信号叫脑电信号(EEG 信号)。为了得到大脑中神经元所产生的电位变化，可以在头皮上安放电极用以间接记录其电压。这是一种被动的，即非侵入性的采集方式，为了方便应用，最好利用不需要导电膏的容性干电极来进行采集[4]。

EEG信号的研究历史可以追溯到18世纪末期。在脑电图发现之前，人们只能通过观察末梢神经对刺激的反应来了解中枢神经的机能状态。到了20世纪70年代，美国Jacques Vidal博士等用1个由EEG信号驱动的简单通信系统实现了人脑直接控制计算机光标作两维运动，自此EEG信号采集系统得到了迅速的发展[5]。

通常EEG信号采集系统(见图1)是由头皮电极、信号隔离放大器(有时包含滤波器)和模数转换器等组成，为方便移动平台进行数据处理并实现采集系统可穿戴，带无线传输模块的采集系统成为必须。由于EEG信号有信号幅值低(通常以微伏为单位进行衡量)、信噪比低、频率范围低和随机性强等特点，并且系统要求在实现高增益放大的同时去除各种干扰；因此，作为生物医学工程学的一个重要领域，EEG采集系统是近年来迅速发展的数字信号处理技术的一个重要应用方面。

近年来，由于脑科学等认知神经科学的迅猛发展，EEG信号采集技术不仅在康复领域、教育领域和娱乐领域等商用领域有很广泛的应用，同时还有很强大的军事应用前景，它的迅速发展可能引起军事领域武器、战争形态等变革[6-7]。

图1　EEG采集系统模块示意图

2EEG采集的技术现状与发展趋势

EEG信号采集系统的主要作用是能够尽可能采集到低噪的EEG信号并进行放大，下面叙述各部分的技术现状。

2.1适宜配戴的电极

信号采集模块的前端为脑机接口设备与脑之间的传感单元——脑电极。根据脑电极的不同，可分为有创和无创等2类。有创可分为完全植入电极和皮层表面电极等2种，这些需要开颅手术。开颅手术对大多数使用者还是无法接受。真正能为大多数使用者接受的是基于头皮脑电的无创的脑机接口(Brain Computer Interface, BCI)系统。而基于头皮EEG信号的无创BCI系统的脑电极可分为湿电极和干电极等2类。湿电极常用的是Ag/AgCl电极，之所以称为湿电极，是因为该电极在工作时需要在电极与皮肤之间涂一层导电膏/液。而干电极无需导电膏。随时脑电研究的深入，湿电极的问题也逐渐凸显出来。

要完全对于人体的EEG信号进行分析，需要采集头皮所有位置的电势，构建一个映射。由于湿电极距离很近时导电膏难以互相分离，会引起电极间的交叉耦合，因此，电极间应有足够距离，空间分辨率不高。另外，涂抹导电膏费时费力，又不适合长时间采集，使用起来很不方便。

针对湿电极的各种缺点，研究人员开始关注研究不需要涂抹导电膏、可长时间监测的新型脑电极——干电极。干电极主要包括侵入式电极(微针电极)、非接触式干电极和接触式干电极。

台湾交通大学林进灯课题组在2008年通过MEMS技术研制硅微针电极用来测量EEG信号，首先提出了侵入式微针干电极。该研究引起了广泛关注，在此之后干电极技术取得了快速发展[8]。加州大学圣迭戈分校(UCSD)Gert Cauwenberghs课题组对非接触式干电极做了大量的研究工作，该干电极是基于电容原理采集电生理信号，通过4层PCB结构将电极、屏蔽和电路集成在一起的紧凑结构[9]。2011年，葡萄牙阿维罗大学的David Manuel Dieteren Ribeiro等研制了一种接触式干电极，将阻抗转换电路与干电极集成在一起[10]。微针干电极采集信号的方式是微针电极穿透角质层直接在表皮内采集EEG信号。这种方式的优势在于可直接克服角质层对EEG信号采集所带来的影响。但由于需要刺透角质层，对头皮皮肤可能会产生一定的损伤。而非接触干电极是在1块导电极板上形成1层绝缘层(即电介质层)，与人体形成一个电容器，利用电容耦合出人体生理信号。非接触干电极易受干扰，不利于有效采集EEG信号。接触干电极是目前的研究热点，它是直接利用导体与皮肤表面形成的双电层电容来采集人体的电生理信号。

虽然接触干电极有诸多优点，但仍然存在一些问题亟需解决。目前，研究的接触型干电极中主要采用刚性材料，而人的头部是曲面，平面刚性电极不能紧密接触头部，尤其是在有发区域，这导致其信噪比低。而且，对于人体来说，刚性电极在测量时不够安全，如运动过程中人体易受到刚性电极的擦伤等。此外，接触型干电极尺寸较小，其与头部的接触面积也很小，导致其电极表面阻抗很大，不利于有效采集EEG信号。在国内，上海交通大学刘景全课题组目前在研究基于MEMS技术的柔性安全、稳定的接触干电极，以解决刚性电极与头部曲面不匹配的问题，并研究三维微结构表面进行纳米改性对接触型干电极表面阻抗的影响、有头发区域干电极的采集特性等问题。

综上所述，柔性接触干电极可以满足采集信号舒适、方便的设计要求，对于消费化的可穿戴系统的实时、长期监测就更显重要；但接触干电极需要接触良好才能有较低的阻抗，采集到符合要求的高精度信号。目前，接触到的解决方案都是较为紧的头戴，然而这样的头戴并不舒服，这样的方案实质上只是化各点的压力到整个头部，并没有解决实际问题；所以，如何使柔性干电极接触良好成为此电极应用的最大难题。

2.2信号采集芯片及无线发送集成电路

根据EEG信号的特点，采集芯片应该能够完整地采集到低频信号进行放大并实现无线传输(以方便平台进行数据处理分析)。无线EEG采集要实现真正的应用，要求能够实现其可穿戴，因此，必然要求信号采集节点的体积较小，质量较轻，这就要求信号采集节点的功耗低，从而减小电池的体积和质量[11-12]。为了实现这一点，将EEG信号的采集和传输尽量集成在1块芯片，并且以最低的功耗实现，这是近来国际上的研究热点。

实现脑电/眼电(EEG/EOG)信号采集的主要困难在于高增益放大的同时去除各种干扰，并且控制整体芯片的功耗在微瓦级。EEG/EOG信号的检测系统包括前端放大器和无线信号传输。前端放大器包括信号的放大和滤波功能，它是系统中重要的组成模块，直接决定检测系统的等效输入噪声和共模抑制比，而且在很大程度上影响系统的整体功耗和面积。同时，放大器还要提供高输入阻抗，与干电极输出阻抗匹配，减少能量损失。系统共模抑制比较大程度决定了系统抗干扰能力的强弱，EEG/EOG信号非常微弱，并且存在于强大的干扰背景下，主要的干扰源有EOG信号和EEG信号的相互干扰、心电信号(ECG)的干扰、呼吸和其他等动作产生的肌电信号(EMG)干扰、交流工频干扰、电极皮肤摩擦以及接触不良产生的输入干扰以及皮肤表面和内部生化反应导致电极的输入阻抗值的波动等。这些干扰甚至可以大到检测信号的上千倍，如此情况下EEG/EOG信号就淹没在噪声和干扰中无法提取出来。如何去除各种外界干扰，降低带外干扰和带内噪声，对于提高信噪比，保障有用信号正常采集，确保电路稳定工作起着至关重要的作用。

笔者团队所设计的一款8通道EEG采集芯片如图2所示。该芯片的测试已经验证了该芯片的架构设计，实现了放大倍数为100～1 000可调，输入等效噪声为2.47 μV的放大器。后续笔者团队将集成模数转换器及无线收发，实现所需的EEG无线采集功能。

图2　8通道EEG采集芯片

2.3通过EEG探究人脑思维的算法分析

目前，通过EEG信号读取、解码，人们正在进行的各种思维活动还未能实现，通常的研究方法是使人产生容易被解释的EEG信号，然后识别出这种信号，经过不同的分析处理，找出所需要的信息。而在这种容易被解释的EEG分析，包括各种精神状态分析、情绪分析、警觉性分析、睡眠分析和运动想像分析等。在医学上，更多的是采用统计的方法，通过事件相关电位(Event-Related Potential，ERP)来进行分析。该方法是外加一种特定刺激作用于脑的某一部位或者感觉系统，在给予刺激或撤销刺激时，引起脑区电位变化。由此可见，医学更多的是从时域的角度进行统计分析，且可分析内容极为有限。而在工程学方面，更多的是从频域方面进行分析，上述分析均可实现，分析广度更大。

EEG信号分析与处理从处理算法层次上讲，主要的研究方向包括EEG数据预处理、特征抽取、特征选择及分类预测等[20]。

2.3.1EEG信号预处理

EEG信号预处理的含义是去除采集到的EEG信号中所掺杂的伪迹，得到信噪比更高的EEG信号。伪迹主要包括眼电、肌电、心电、工频干扰和电磁干扰等。除了上述提到的通过硬件方式去除这些噪声，软件滤波处理成为当下效率更高、代价更小的方式，主要方法有：直接删除包含伪迹的数据段，使用滤波器(如带通)进行滤波处理，通过主成分分析(Principal Component Analysis, PCA)，以及独立成分分析(Independent Component Analysis, ICA)等。

2.3.2特征提取

特征提取的含义是从原信号中找出各种有用信息，包括时域上的幅值、频域上的各频率分量的大小、相位以及空间各个电极之间的相关性等。通常采用变换的方法，把原始高维的信号空间变为低维的特征空间，使信号重要的特征在变换域中显示出来，去掉对分类无意义的信息。例如，近年来发展起来的盲源分离技术，它是一种强大的信号处理方法，其实质是从若干个观测信号中提取出无法直接观测的各个源信号。独立成分分析是一种新兴的离线的盲源分离算法，它是一种基于多信道的信号处理方法，按照统计独立的原理将多个观测信号分解成若干个独立分量。

特征提取的目的是针对各种不同的应用来进行信号的识别和预测分类，下述举2个例子对其进行分析说明。

1)利用EEG进行情绪识别。利用EEG进行情绪识别的过程主要包括情绪诱发、EEG信号采集、EEG信号预处理、特征提取、特征降维及情绪模式的学习和分类[21]。

在情绪检测中，情绪状态的变化通常是一个渐变的过程，而EEG信号中有一些变化剧烈的成分，为了尽可能减少这些剧烈变化部分的干扰，需要对EEG特征信号进行平滑。目前，比较常用的是滑动平均。但由于滑动平均具有一定的时间延迟，为了保证情绪状态识别的实时性，上海交通大学吕宝粮课题组引入了线性动力系统方法对EEG信号进行平滑，从而降低了任务不相关EEG信号对分析的影响。

由于在情绪检测中使用的电极帽电极数很多，EEG信号的特征维数会很高，导致原始数据处理更加困难，并不利于实际的分析，所以选择较少数量的与情绪相关度较高的EEG特征值很有必要。通常减少EEG特征数量的过程叫特征降维。除了选择较少数量的EEG特征，还可以对原有特征进行线性或非线性变换，例如，主成分分析、独立成分分析和共同空间模式(Common Spatial Patterns，CSP)，将其映射到能最大反应情绪状态的维度上。

吕宝粮课题组在2009年以图片为刺激材料，通过共同控件模式来进行降维，找出被试者的最佳频段最终准确率约为93%。类似的应用还有警觉度等方面[22]，可通过EEG判断高铁司机等高紧张人群的疲劳程度，及时安排休息以降低安全风险系数。

2)利用EEG判别时间-空间-频率等多种模态。上海交通大学张丽清课题组在2009年提出了关于非负张量分解的EEG信号单次实验数据分类方法，基于此从时间、空间和频率多个模态上同时进行特征分析，并提取各个模态上的判别投影模式用于EEG信号的单次实验数据分类[23]；同时，还提出基于正则张量的分析方式，能够有效识别对分类最有意义的导联，并且对易于忽略的EEG相位信息进行了分析，提出了相位间隔值的方式来进行EEG信号分析。相对于CSP方法对噪声极为敏感，它的性能严重依赖于信号预处理，且容易过拟合(针对导联较多情况)，这种方法具有很强的鲁棒性，并且能够提供有效的任务相关的判别信息用于指导信号预处理，从而提高其分类准确率。

在实际应用方面，其团队开发了1个基于肢体想象运动的交互训练系统，旨在帮助残疾人和正常人提高对基于EEG信号的辅助设备的控制能力；同时，其团队还开发了2个自主异步的BCI应用系统，虚拟场景中的在线游戏系统和现实环境中的遥控小车系统。让受试者通过想象左手、右手和脚的运动，分别控制左转、右转和前进，利用虚拟人控制训练模式、实时进度条反馈模式进行交互学习，最终可以达到90%以上的精度。

2.3.3模型评估

在完成了一系列算法分析之后，更为重要的一点是要进行算法模型评估，即所建算法模型是否可以反过来验证人的各种状态，这样的逆向评估机制减少了误判的发生，对准确采集到情绪、警觉度状态非常重要。

综上所述可以发现，EEG脑电采集算法的难点在于如何提取到针对应用的真正有效信号。其中，主成分分析、盲源分析是实现去噪降维的主流方法。模型评估是反向验证的必备步骤，然而通常会被一些研究人员忽略。

3EEG军事应用前景分析

2009年5月，美国科学院发表了1份名为《神经科学未来军事应用机遇》的报告，报告中称，将神经科学的知识付诸军事用途，目前正是合适的时机。而从历史来看，高精端的技术最先应用的就是军事，然后才是医疗。

3.1受伤士兵的战时救助

在现代战争中，会遇到大批伤员需要救治而医疗服务人员紧缺的情况，这时判断救治伤员的顺序显得尤为重要。通过判断准确，让性命危在旦夕的伤员优先治疗，可以多挽救宝贵的生命。EEG信号包含大量的生理与疾病信息，通过EEG信号采集系统的检测和数字信号处理分析，可以判断人体生命体征信号多项指标，从而判断救治的顺序。例如，一个加拿大的团队开发了一种叫做Halifax Consciousness Scanner(HCS)的EEG采集仪器，它可以获取一个人的意识清醒程度，从而解决一些诊断和意识处理方面的问题。这个HCS运用了EEG检测技术来衡量大脑中的放电活动，从而提取Event Related Potentials(ERPs)的数据，并通过分析引擎转换成基于神经处理五项指标的数值分数来进行分析。2010年8月9日，《时代》杂志报道了美军坎贝尔堡士兵康复中心通过带上可以扫描脑电波的帽子，确定大脑损伤程度。诸如此类有关EEG采集康复领域的技术均可在未来应用于战时士兵救助方面。

3.2判断士兵警觉性，提高战时的认知和作业水平

现代战争往往是高强度无间隙的连续军事行动，持续不断的无睡眠状态是引起战斗应激反应(Combat Stress Reaction, CSR)的重要因素之一[24]。严重的睡眠不足会降低大脑的警觉能力，产生反应迟钝、注意力下降、情绪烦躁不稳定、意志消沉、记忆能力和决策能力下降等不良心理反应，从而降低军事效率[25]。在睡眠剥夺应激条件下，复杂的脑力工作能力将受到不同程度的损害,其被试的视觉追踪能力、听觉警觉能力以及重复数字警觉测试能力成绩明显下降。如果可以用EEG技术检测到相应警觉性的强弱，就可以配合以药物措施或者进行一系列的治疗。

当士兵在应激状态下出现上述能力下降的状况时，通过脑电图的分析反馈，可以及时自查式地采取一定的措施，例如，使用相关药物或者及时休息。美军正在使用莫达非尼(modafinil)和哌甲酯(methylphenidate/ritaline)来提高作战能力,这2种药物分别用来治疗嗜睡症和注意力缺陷障碍。而用于提高认知能力的药物,未来也可能会以相似的方式用于军人[26-27]。

3.3监测士兵不同状态的情绪，提高情绪智商

在残酷的战争环境、紧张的训练环境下，士兵们的精神压力会很大，情绪会有不同程度的起伏[28]。例如，2009年11月5日发生在美军胡德堡基地的精神科军医枪击案,更是凸现了军人精神心理健康的重要性。又如，2009年2月26日菲律宾某士兵因丧父导致情绪失控，射杀了3个士兵。脑电图的研究也有助于提高情绪智商，能够感知他人的情绪并作出一定的反应[29]。如果能够通过EEG变化反馈及时得知相关情况，可以做出一定调整，增加减压训练，配备心理辅导等，避免发生一些意外。

3.4推动新型人机结合的武器开发

美国明尼苏达大学贺斌教授发明出最新的脑机接口，通过意念控制模型直升机在空中飞行、俯冲、上升，甚至穿过1个环。他们的技术是无创的，不需要进行植入式芯片，使用者只需要带上1个帽子，通过电极记下使用者的脑电波，并将信号传递给电脑，电脑对这些数据进行处理后将之转化成另一种电子信号，通过Wifi传递给飞行器的接收器，从而控制飞行器的飞行动作。

这种直接控制硬件和软件系统的脑-机界面可以提升武器装备的性能。训练有素的士兵可以“随心所欲”地操控武器装备，若与无人机等现代军事武器结合，会大大提高武器的灵活性，间接提升武器性能，也成为新一代军事武器变革的方向。

3.5利用“意识头盔”进行战时情报交流，加速情报心理战的升级

据2008年9月14日《时代周刊》报道，美国陆军斥资400万美元启动了一项研制特种作战头盔的项目[30]。这种被称做“意识头盔”的特种作战武器，将帮助士兵在战场上用脑电波来进行安全便捷的通信交流。

士兵们只需要想一下所要传递的信息和需要传递的对象，就可以通过无线电将命令传达给1名或多名战友。接收者可以通过耳机接收到被转化成类似于机器人声音的指令，不过若要完全达到由EEG信号直接模拟EEG发出者的声音，同时显示信息发送者的距离及其所在方位，还需要和仿生学、语音识别和定位等一系列技术进行融合。

这种意识头盔也需要配合一定的训练，以保证思考问题时能在脑电图上留下非常强大的信号，使其可以排除所有其他的干扰信息；因而，很多科学家已经开始寻找反应一个人自言自语时大脑反射情况的“特殊神经指纹”。

脑电图分析还可以广泛应用于反恐和情报搜集领域，甚至用于审问战俘，并推动心理战、情报战的升级。通过分析脑电图和辅助性神经影像学脑成像技术，可以“监测人的想法”，有助于了解人的行为动机，并进行人员精神与思想状态的分析。例如，对于抓获的敌方人员的情报获取，增强情报人员的记忆等。

上述脑电图在军事方面的应用前景已经不是幻想。在未来的军事战争中，EEG采集及应用方面的作用不容小觑。要做到不落后甚至是领先一步，首先，要重视脑科学的基础研究，任何科技的应用都离不开基础科学的研究，这是进一步相关应用的根基；其次，积极展开对于EEG信号采集设备和分析方法技术的研究，并争取融于一体，研发具有自主知识产权的便捷、准确和安全三位一体的采集设备；最后，培养具有科学知识并训练有素的士兵，更好地应用于未来人机结合的新型武器，在现代化战争中应对自如。

4结语

EEG信号包含了丰富的大脑信息，反映着人的精神状态、情绪状态和警觉度等各方面的内容。近年来，EEG采集技术、EEG信号处理技术和机器学习飞速发展，也让EEG的应用从医疗、康复领域逐渐向驾驶等日常领域发展。随着神经科学、心理学和认知科学知识的不断积累，EEG的提取和分析也为未来军事方面的应用提供了新的认识和方向，极有可能带来新一轮的军事机遇。

参考文献

[1] Squire L R.Fundamental neuroscience[M].San Diego:Academic Press, 2013.

[2] 胡萌.脑电信号分析在神经信息学研究中的应用[D].杭州：浙江大学, 2008.

[3] National Research Council.Opportunities in neuroscience for future army applications[M].Washington D.C.:The National Academies Press, 2009.

[4] Chowdhury R N, Hasan A T M H, Rahman K M, et al. Interictal EEG changes in patients with seizure disorder: experience in Bangladesh[J]. New York: SpringerPlus, 2013, 2(1):1-4.

[5] He B, Gao S, Yuan H, et al.Brain-computer interfaces[M]//Neural Engineering. Springer US, 2013: 87-151.

[6] Shoeb A, Schachter S, Schomer D, et al. Detecting seizure onset in the ambulatory setting: demonstrating feasibility[C]//Proceedings of IEEE-EMBS 2005 27th Annual International Conference. Piscataway: IEEE Press, 2006.

[7] 任亚莉.基于脑电的脑-机接口系统[J].中国组织工程研究, 2011, 15(4):749-752.

[8] Lin C T, Ko L W, Chiou J C, et al.Noninvasive neural prostheses using mobile and wireless EEG[J].Proceedings of the IEEE, 2008, 96(7):1167-1183

[9] Chi Y M, Jung T P, Cauwenberghs G. Dry-contact and noncontact biopotential electrodes: methodological review[J]. IEEE Reviews in Biomedical Engineering, 2009(3): 106-119.

[10] Ribeiro D M D, Fu L S, Carlos L A D, et al.A novel dry active biosignal electrode based on an hybrid organic-inorganic interface material[J]. IEEE Sensors Journal, 2011, 11(10):2241-2245.

[11] Casson A J, Yates D, Smith S, et al.Wearable electroencephalography[J]. IEEE Engineering in Medicine and Biology Magazine, 2010, 29(3):44-56.

[12] Holmes M D.Dense array EEG: methodology and new hypothesis on epilepsy syndromes[J].Epilepsia, 2008, 49(s3):3-14.

[13] Yazicioglu R F, Merken P, Puers R, et al.Low-power low-noise 8-channel EEG front-end ASIC for ambulatory acquisition systems[C]//Proceedings of the 32nd European Solid-State Circuits Conference. Piscatway:IEEE Press, 2006.

[14] Cannillo F, Prefasi E, Hernández L, et al.1.4 V 13 μW 83 dB DR CT-ΣΔ modulator with Dual-Slope quantizer and PWM DAC for biopotential signal acquisition[C]//Proceedings of the 37th European Solid-State Circuits Coference. Piscataway: IEEE Press, 2011.

[15] Zou X, Xu X, Yao L, et al.A 1-V 450-nW fully integrated programmable biomedical sensor interface chip[J].IEEE Journal of Solid-State Circuits, 2009, 44(4):1067-1077.

[16] Zhang F, Holleman J, Otis B P. Design of ultra-low power biopotential amplifiers for biosignal acquisition applications[J].IEEE Transactions on Biomedical Circuits and Systems, 2012, 6(4):344-355.

[17] Khayatzadeh M, Zhang X, Tan J, et al. A 0.7-V 17.4-μ W 3-lead wireless ECG SoC[J]. IEEE Transactions on Biomedical Circuits and Systems, 2013, 7(5): 583.

[18] Deepu C J, Zhang X, Liew W S, et al. An ECG-on-chip with 535-nW/channel integrated lossless data compressor for wireless sensors[J]. IEEE Journal of Solid-state Circuits, 2014, 49(11): 1.

[19] Ha U, Lee Y, Kim H, et al. 21.9 A wearable EEG-HEG-HRV multimodal system with real-time tES monitoring for mental health management[C]//Proceedings of 2015 IEEE International Solid-State Circuits Conference. Piscataway: IEEE Press, 2015.

[20] 王登, 苗夺谦, 王睿智.一种新的基于小波包分解的EEG特征抽取与识别方法研究[J].电子学报, 2013,41(1):193-198.

[21] 聂聃, 王晓韡, 段若男,等.基于脑电的情绪识别研究综述[J].中国生物医学工程学报, 2012,31(4):595-606.

[22] 傅佳伟, 石立臣, 吕宝粮.基于EEG的警觉度分析与估计研究综述[J].中国生物医学工程学报, 2009,28(4):589-596.

[23] 李洁, 张丽清.多模态脑电信号分析及脑机接口应用[D].上海：上海交通大学, 2009.

[24] Noy S.Combat stress reactions[M]. Oxford: John Wiley & Sons, 1991.

[25] 许涛.莫达非尼对抗睡眠剥夺应激效果的实验研究[D]. 西安：第四军医大学, 2007.

[26] Morgan III C A, Wang S, Mason J, et al.Hormone profiles in humans experiencing military survival training[J].Biological Psychiatry, 2000, 47(10):891-901.

[27] 俞海泓, 张照环, 赵忠新.莫达非尼的促觉醒作用和药动学[J].中国新药与临床杂志, 2012,31(2):57-63.

[28] Koenigs M, Huey E D, Raymont V, et al.Focal brain damage protects against post-traumatic stress disorder in combat veterans[J].Nature Neuroscience, 2007, 11(2):232-237.

[29] 楼铁柱,张音,高云华.认知神经科学的军事应用前景分析[J].军事医学科学院院刊, 2010(2):101-104.

[30] Thompson M.The army's totally serious mind-control project[J].Time US, 2009, 14(9):2008.

* 上海市科委科技攻关重点项目(13511500200)

责任编辑彭光宇

欢迎订阅《新技术新工艺》杂志(2016)

《新技术新工艺》杂志于1981年创刊，是中国兵器工业新技术推广研究所主办的工业技术类期刊，曾荣获中国兵器工业集团公司优秀科技期刊一等奖，国家新闻出版总署“双效期刊”，并被以下检索系统收录：中国科技核心期刊(中国科技论文统计源期刊)、中国核心期刊(遴选)数据库、万方数字—数字化期刊群、中文科技期刊数据库、中国期刊网、中国学术期刊综合评价数据库、中国学术期刊(光盘版)。

《新技术新工艺》杂志为月刊，主要报导数字技术、机械加工技术、故障诊断与维修技术、冷热加工技术(铸、锻、焊)、金属和非金属材料、化工、表面处理及工业生产设备及管理等领域的新技术、新工艺、新产品、新材料和新设备，可为企业设备选型提供参考，为工程技术人员提供技术信息，为企业产品和技术提供推介的平台。

国内订阅：全国各地邮局，国内代号：2-396，国内统一连续出版物号：CN11-1765/T。全年12期，每期定价15元，全年费用180元。国外发行代号：BM6619，国外订价：180美元/年。

地址：北京海淀区车道沟十号院科技一号楼806(北京8917信箱)，邮编：100089

电话：010—68962167，68963218—801

The Development and Modern Application of the EEG Signal Acquisition System

CAO Yang1, TANG Hongwei2， MA Yanni2, LYU Baoliang3,4, WANG Guoxing1,3

(1.Department of Micro/nano-electronics, Shanghai Jiao Tong University, Shanghai 200240, China;

2.Navigation and Control Technology Research Institute of China North Industries Group Corporation,Beijing 100089, China;

3.Key Laboratory of Shanghai Education Commission for Intelligent Interaction and Cognitive Engineering, Shanghai 200240,

China;4.Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)

Abstract：EEG(Electroencephalography)signal contains lots of information about our brain activities, including motion, language, and mentality, which reflects the mental state such as emotion and vigilance level. Recently, with the rapid advancement of EEG signal processing, the application using EEG signal is moving from medical rehabilitation toward safe driving, education assisting, entertaining and other fields. EEG signal acquisition system generally consists of electrodes on the scalp, isolation amplifier, analog-digital converter and wireless transmitter. Lowering the electrical power consumption and miniaturizing of the size of the device to increase its portability are the major issues under research. The current research status of the wearable electrodes, highly-integrated data acquisition chip and the analytical algorithms used in the EEG system is analyzed, the major difficulties are summarized and the future trends are predicted. Finally, the great potential of the EEG signal acquisition system in military application is discussed.

Key words:EEG signal, EEG signal acquisition system, portability, modern application

收稿日期：2015-07-17

作者简介：曹洋(1991-)，女，硕士研究生，主要从事生物电信号的采集系统等方面的研究。

中图分类号：TN 45

文献标志码:B