APP下载

高共模抑制比全频段脑电采集系统

2015-02-20郜东瑞李鹏霄陈其友尧德中刘铁军

中国生物医学工程学报 2015年6期
关键词:共模脑电电信号

郜东瑞 李鹏霄 陈其友 尧德中 刘铁军

(电子科技大学生命科学与技术学院,神经信息教育部重点实验室,成都 610054)



高共模抑制比全频段脑电采集系统

郜东瑞†李鹏霄†陈其友 尧德中 刘铁军*

(电子科技大学生命科学与技术学院,神经信息教育部重点实验室,成都 610054)

为了实时消除脑电信号采集过程中引入的直流成分,提高系统的共模抑制比,拓宽信号的采样带宽,设计一款具有动态直流校正功能的全频段脑电采集系统。通过微处理器读取脑电采集系统中所包含的直流成分,然后将直流成分通过数模转换器反馈到实时直流校正系统,接着实时直流校正系统将处理后的直流分量输出至仪用运算放大器的参考端,并和原有的直流分量进行反相相加,从而实现对直流信号的消除。测试结果表明,该脑电采集系统能够实时消除直流成分,将系统共模抑制比提高至120 dB以上,并实现DC~1 000 Hz的全频段脑电信号采集。因此,该系统能够为使用者提供更加精确的脑电信号,可以用于认知科学的研究、医疗诊断等领域,促进相关领域的进一步发展;而且由于系统电路结构相对简单,可以集成到柔性电路板上,制作成可穿戴医疗监护设备,帮助使用者更好地监测自身生理状态。

脑电;动态直流校正;高放大倍数;高共模抑制比

引言

脑电图设备在临床诊断中起到了非常重要的作用,它是检测脑部疾病的重要设备之一。脑电图设备具有使用和维护成本较低、时间分辨率较高等特点[1-3]。虽然脑电图的空间分辨率较低,但是由于脑的高级功能是在细胞群尺度上的功能体现,使得许多认知与临床症状能够在较大空间尺度的记录中,而不是精细的记录中体现出来。所以脑电图仪还是科研工作者和临床医生常用的研究和诊断脑部生理病理信息的重要技术手段[1,4]。

在近年的静息态脑功能成像研究中,0.01~0.08 Hz的血氧水平依赖性(BOLD)功能磁共振(functional magnetic resonance imaging, fMRI)信号提供了大量重要的信息[5-6],而脑电与fMRI的信息融合是美国2010年推出的“人脑连接组计划”拟重点发展的三项技术之一[7],因此,采集可靠的脑电低频信息,对基于脑电与fMRI信息融合的认知研究,具有非常重要的意义[8-9]。但目前基本没有商业放大器能够采集极低频的脑电信号。此外,随着人们对自身健康状态的关注,可穿戴医疗设备也逐步开始发展。由于这些设备是穿戴到人体身上,实时监测使用者的生理状态,因此要求设备要具有低功耗、体积小、有一定的柔性,这就对电路结构提出了较高的要求。

仪表运算放大器是脑电信号采集系统中的一个极为重要的组成部分,它的重要作用是抑制共模信号并放大差模信号,但由于脑电采集时直流偏移电压的存在,限制了仪表运算放大器的共模抑制比(CMRR)。目前市场常见的脑电采集仪为了消除直流信号成分,多数采用成熟的交流耦合方式(纵然有的高通截止频率低至0.48 Hz),该方法虽然能够去除直流分量,但却造成脑电信号中的低频信号成分丢失。因此本研究采用动态直流校正技术,实时的去除脑电信号的直流偏移电压,获得高的共模抑制比(大于120 dB),且能够获取DC~1 000 Hz的全频段脑电信号,从而为大脑相关信息的研究提供更加全面的数据。此外,具有高共模抑制比的仪用运算放大器也能够简化后端的电路设计,从而为可穿戴的发展提供了技术基础。

1 方法

1.1 系统总体方案

脑电采集系统整体框图如图1所示,主要包含前级输入级、仪表运算放大器和滤波级、数字信号处理级以及直流校正级。

图1 脑电采集系统整体功能框图Fig.1 EEG acquisition system function block diagram

图1中连接人脑的活动电极或参考电极获取到信号后,经过高输入阻抗电压跟随器后输入至高精度仪用运放的输入端进行放大,同时实现对共模噪声(如50 Hz)的抑制,为了进一步抑制共模噪声,右腿驱动电路将从高精度仪用运算放大器中获取共模噪声,并将其放大20倍左右反相反馈到人体。由于电极获取的信号包含了直流成分,而且它们的幅值可能高达几十mV,从而限制高精度仪用运算放大器的放大倍数,无法实现高的共模抑制比,将减弱对共模噪声的抑制能力。传统的方法是通过加入高通滤波器滤除直流成分,但这种方法将会造成信号的丢失。为解决这一问题,本研究采用图1中低功耗微处理器(MCU)实时的读取经过放大滤波之后的数字信号,并提取信号中的直流成分,同时将该值反馈到实时直流校正系统,经过实时直流校正系统运算之后输出反相的直流信号到高精度仪用运算放大器的参考端,从而实现直流成分的消除。此外,高性能DSP数据处理器在读取去除直流成分的信号时,还能够通过MCU读取被消除的直流成分,将其通过USB传输至上位机,从而保证了数据的完整性[10-11]。

1.2 实时直流校正系统设计

为了实时消除信号采集过程中的直流成分,提高系统的共模抑制比,且避免因使用高通滤波器滤除直流成分而造成的DC-0.5 Hz之间的信号丢失,采用低功耗微处理器(MCU)和实时直流校正电路(由模数转换器和电压跟随器(U3)构成的减法器组成)提取直流成分,并反馈至高性能仪用运算放大器的参考端(REF),实现对直流成分的抵消,如图2所示。

图2 硬件电路原理图Fig.2 The hardware circuit schematic diagram

图2中的实时直流校正系统采用的数模转化器(DAC)为16位高精度的电阻阵列式DAC,它与从处理器采用SPI高速接口通信。DAC具有8个独立配置的输出通道,便于多通道的同步与异步校正[12];片内自带高精度电压参考源,输出模拟信号线性度高、噪声小,芯片外围硬件电路简洁。

根据图2可知,高性能仪用运算放大器输出的信号VO包含了交流成分(设为VAC)和直流成分(设为VDC),则当直流校正反馈值VO1为-VDC时,即可实现对直流成分的消除。

U3和电阻R1、R2、R3、R4构成减法器,若设R4=R2=2R,R1=R3=R,则

(1)

由于DAC的输出值为0~5 V,则根据式(1)可知,VO1的输出范围为-5~5 V。高精度仪用运算放大器的为±5 V供电,因此VO的最大输出为-5~5 V,所以当直流成分VDC的幅值在-10~10 V以内时,可以被抑制在VO的输出范围之内。

1.3 系统软件设计

图1中的主处理器(高性能DSP数据处理器)和从处理器(低功耗微处理器MCU)采用协同工作模式。二者每次同步读取24位高精度ADC输出的数字信号。接着从处理器提取数字信号中的直流偏移分量,然后将结果输出至直流分量校正系统实现动态的直流校正,同时从处理器将提取出的原始直流分量传输至主处理器。主处理器对读取到的数字信号进行数据拼接,并采用梳妆滤波器进一步滤除50 Hz及其倍频噪声,然后将滤波后的数字信号和从处理器输出的直流分量传输至上位机,具体流程如图3所示。

图3 软件框图Fig.3 The software block diagram

为了保证数据的完整性,本系统的MCU在获取直流偏移成分之后,要实时的将其传输至DSP,而DSP要记录MCU获取直流成分的时间点,以便完成数据的整合,获得真正意义的全频段脑电信号。

1.4 硬件性能参数测试方法

脑电采集系统的硬件性能测试参考JJG 954—2000中华人民共和国国家计量检定规程中的相关方法进行,测量设备采用JJG954—2000推荐的智能化心、脑电图机检定仪EGC-2011。

1.4.1 放大倍数测试

将检定仪ECG-2011设置为输出Uid=100 μV的差模正弦波信号,频率设置为10 Hz,输出阻抗调至最小档,连接至脑电采集系统输入端并运行系统,采集10 s数据,使用Matlab进行数字高通滤波,截止频率设置为0.5 Hz,取滤波峰峰值Uod,根据下式计算增益,有

(2)

式中,Uid为检定仪输出的差模信号,Uod为上位机读取到的数据经过滤波后的数据。

1.4.2 共模抑制比测试

将脑电放大器信号输入端的活动电极和参考电极短接,通过检定仪ECG-2011输出共模信号Uic=5 V(峰峰值)到脑电采集系统输入端(共模信号输入不能超过芯片的供电电压),运行脑电采集系统,并通过上位机软件读取共模信号输出的最大峰峰值Uoc,根据式(2)计算出共模衰减倍数,然后代入下式计算共模抑制比,有

(3)

式中,CMRR为系统共模抑制比,Ad为差模放大倍数,Ac为共模放大倍数。

1.4.3 带宽测试

调节检定仪输出信号Ui的频率范围,从0 Hz开始,在(0~0.1)Hz之间以0.001 Hz为步长递增,0.1~1 Hz之间以0.1 Hz为步长递增,1~100 Hz以2 Hz为步长递增,100~500 Hz以5 Hz为步长递增,500 Hz以上以10 Hz为步长递增。

当检定仪输出信号的频率为f1时,脑电采集系统输出信号Uo的幅度首次大于或等于U1(0.707Ad×Ui),该频率f1为脑电放大器的低频截至频率;继续增大信号发生器的输入频率,当输入频率为f2时,输出信号Uo的幅度首次小于或等于U2(0.707Ad×Ui),该频率f2为脑电放大器的高频截至频率。则系统的带宽为f2-f1。

S1.4.4 输入阻抗测量方法

输入阻抗测量时,按照图4的方式连接。设置信号发生器输出频率在脑电采集系统的带宽频率范围之内(如10 Hz),幅度为1 mV的正弦信号。然后,调节电位器Rw,直到脑电采集系统模拟输出端输出电压的幅值降低到电位器为0 Ω时输出电压的1/2为止。此时,电位器的阻值就等于测试信号频率下脑电采集系统的输入阻抗。重复该过程,获得脑电采集系统带宽频率范围内多个不同频率下的阻抗数据之后,即可计算出输入阻抗中所包含的容抗。

图4 输入阻抗测量电路Fig.4 The input impedance measurement circuit

1.4.5 脑电信号采集

所设计的放大器为了和其他商业放大器作进一步的对比,将通过同步采集人脑α波,通过功率谱评判本课题所设计放大器在实际应用中的性能。α波可在头颅枕部检测到,频率为8~13 Hz,它是节律脑电波中最明显的波,整个皮层均可产生α波。采用国际EEG学会标准10-20安放法,采用单极导联,即选用放在耳垂处的电极作为参考电极,主电极放置在枕部区域,两种脑电放大器同步采集被试闭眼安静状态下的脑电信号。

2 实验结果

2.1 性能参数对比

为了对脑电采集系统动态去除直流偏置电压技术的效果进行评估,对比不同脑电采集系统的性能参数。即用未使用直流偏置电压补偿的放大器、使用积分电路去直流偏置电压方法的放大器,所设计的具有动态去直流技术放大器进行对比测试,结果见下表1。从表1中可以看出,在采用动态直流校正的方法之后,不仅能够明显的提高前级放大倍数,提升共模抑制比,而且能够反映全频段的脑电信号。未使用此技术的脑电放大器无法同时获得极低频的脑电的信号(小于0.5 Hz)和较高的前级放大倍数。如果脑电采集系统包含DC信号,而设置过高的放大倍数,则前级输出必将产生饱和或者失真。因此动态直流校正的方法很好地解决了提升前级放大倍数和保留极低频信号之间的矛盾。

表1 普通与动态直流校正的脑电采集系统参数对比

2.2 脑电信号测试对比结果

为了进一步说明带动态直流校正的脑电采集系统的高共模抑制比,高放大倍数和高信噪比。使用普通的脑电采集系统和文章中设计的系统同时采集被试闭眼状态下的脑电信号,并进行功率谱分析对比,试验结果如图5所示。

由于闭眼安静状态下,在人脑枕部存在α波,其频率一般为8~13 Hz。从图5的结果中可看出,两种放大器都在10 Hz处有尖峰,说明都采集到了α波,但图5(a)中有明显的50 Hz工频噪声,10 Hz信号附近有明显的噪声扰动,而图5(b)中的50 Hz工频噪声基本被滤除,而且在10 Hz信号附近的噪声波动也很小,说明所设计的脑电采集系统具有较高的共模抑制比和信噪比。此外,由于普通脑电采集系统一般使用高通滤波器滤除0.5 Hz以下的信号,因此图5(a)的结果显示0.5 Hz 以下的信号丢失,而图5(b)则完整的保留DC~0.5 Hz 之间的信号。

图5 安静闭眼状态下EEG功率谱图。(a)普通商业放大器采集的脑电信号功率谱;(b)所设计脑电放大器所采集脑电功率谱Fig.5 Power spectrum of EEG signal in the condition of quiet and close the eyes. (a) Power spectrum of EEG signal which was acquired by commercial amplifier; (b) Power spectrum of EEG signal which was acquired by the new amplifier of the paper

3 讨论

脑电采集系统具有无创、高时间分辨率等特点,在医疗和认知科学研究中具有很重要的应用。传统的脑电研究中认为,人类脑电信号的频率范围主要分布在0.5~50 Hz,在这个范围外的信号基本都是无用信号或者干扰信号[13],而且由于在脑电采集过程中有很大的直流漂移存在,很难真正将放大器的带宽做到低端为直流,因为如果不滤除直流漂移,很容易使放大器工作在饱和状态,因此市场上多数的脑电采集系统信号采集范围为0.5~100 Hz。随着科学的发展,人们发现在一些生理或病理信号频率范围可以低至0.01 Hz,高至数百赫兹[5-6]。而这些频段是传统脑电采集系统无法采集的。因此,本研究设计开发了一款高共模抑制比的全频段脑电采集系统。该系统的目的是采集DC~1 000 Hz频段内的脑电信号,为医学和认知科学的研究人员在研究未成熟脑、癫痫发作和各种认知作业下的脑状态提供新的技术帮助。

在脑电采集过程中,直流偏移电压的存在限制了脑电放大器前端仪用运放的差分放大倍数。而差分放大倍数是与共模抑制比有直接关系的。传统的抑制直流偏移电压的做法是通过加入0.5 Hz高通滤波电路,但该方法限制了系统的采样带宽和放大倍数。表1的结果显示,所设计的具有动态去直流能力的脑电采集系统能够有效抑制直流,不仅能够提高放大倍数(800~1 000),提高共模抑制比(大于120 dB),而且可以获取全频段的脑电信号(DC~1 000 Hz),而且其他的商业放大器无法同时获得高共模抑制和极低频的脑电信号(小于0.5 Hz),从而无法采集完整的脑电信号。此外,在测量脑电采集系统的输入阻抗时,由于目前的商业测量设备的测量能力有限,因此无法测量出它们的最大值,但从结果上看,3种脑电采集系统的输入阻抗都大于600 MΩ,满足测量的要求。

图5的结果显示,由于所设计的脑电采集系统具有高的共模抑制比,因此闭眼脑电信号的功率谱中基本没有50 Hz工频噪声,而且闭眼α波信号的信噪比明显高于普通脑电采集系统。由于普通脑电采集系统的共模抑制比较低,一般低于100 dB,抑制共模噪声的能力有限,因此从功率谱上体现出了较大的工频噪声。普通脑电采集系统为了滤除直流成分,采用高通滤波器滤波时也滤除了极低频以下的信号,因此造成了信号的丢失(见图5(a));而本系统具有动态直流校正功能,而且校正后又保留了所消除的直流成分,并通过USB传输到上位机进行存储,因此该系统能够完整的显示DC~1 000 Hz之间的信号,这样有助于科研人员更加全面的研究大脑的相关信息。

另外,由于本系统具有较高的共模抑制比,因此可以省去传统的工频陷波电路。它不仅减小电路体积、降低功耗,而且可以降低系统噪声,提高信号的信噪比。另外,该系统可以集成到柔性电路板中,制作成可穿戴的医疗设备,可以在不影响使用者活动的前提下实时监测使用者脑部活动信息,同时当患有突然性脑部疾病的患者(如癫痫)发病时能够远程报警,提醒家属或医生及时救助。

4 结论

本研究所开发的全频段脑电采集系统的共模抑制比高于120 dB,采样频段为DC~1 000 Hz,能够很好抑制工频噪声的干扰,而且可以采集极低频(小于0.5 Hz)脑电信号以及高频脑电波(如癫痫信号),从而为推动脑科学的发展提供帮助。

[1] 尧德中. 脑功能探测的电学理论与方法 [M]. 北京:科学出版社, 2003: 3-14.

[2] Barry H, David P. How can EEG/MEG and fMRI/PET data be combined? [J]. Human Brain Mapping, 2002, 17: 1-3.

[3] Laufs H, Daunizeau J, Daunizeau DW,etal. Recent advances in recordingelectrophysiological data simultaneously with magnetic resonance imaging [J]. Human Brain Mapping, 2008, 40(2): 515-528.

[4] 魏景汉,罗跃嘉.认知事件相关电位教程 [M]. 北京:经济日报出版社, 2002: 93-128.

[5] Fox M, Raichle M. Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging [J]. Nature Neuroscience, 2007, 8: 700-711.

[6] Raichle ME. The brain’s dark energy [J]. Science Magazine, 2006, 314(5803): 1249-1250.

[7] 朱丽君, 朱元贵, 曹河圻,等. 全球脑研究计划与展望[J]. 中国科学基金, 2013, 27(6): 359-362.

[8] Niedermeyer E, Sherman DL. Ultrafast frequencies: a new challenge for electroencephalography, with remarks on ultraslow frequencies [J]. Clin Electroencephalogr, 2001, 32:119-21.

[9] Gobbele R, Waberski TD, Dieckhofer A,etal. Patterns of disturbed impulse propagation in multiple sclerosis identified by low and high frequency somatosensory evoked potential components [J]. J Clin Neurophysiol, 2003, 20:283-290.

[10] 蔡佳. 16导脑电采集系统硬件设计 [D]. 成都:电子科技大学,2013.

[11] 史迅. 八导脑电放大器 [D]. 成都:电子科技大学,2012.

[12] Chae CS, Kwon JH, Kim YH. Ka-band total power radiometer and temperature control system for calibration of spatial temperature distribution [J]. IEEE Sensors Journal, 2010, 10(10): 1555-1556.

[13] Degen T, Jackel H. A pseudodifferential amplifier for bioelectric events with dc-offset compensation using two-wired amplifying electrodes [J]. IEEE Transations on Biomedical Engineering, 2006, 53(2):300-310.

High CMRR Full Spectrum EEG Acquisition System

Gao Dongrui†Li Pengxiao†Chen Qiyou Yao Dezhong Liu Tiejun*

(SchoolofLifeScienceandTechnology,KeyLaboratoryforNeuroInformation,MinistryofEducation,Chengdu610054,China)

In order to suppress DC voltage of the raw EEG, and improve common-mode rejection ratio (CMRR) and broaden bandwidth of the EEG, a full spectrum EEG acquisition system that can dynamically eliminating DC voltage was designed in this paper. DC voltage was acquired by microprocessor, and then the DC voltage was translated into analog signal by digital-to-analogue conversion (DAC) and fed back to the dynamical eliminating system of DC voltage. The DC voltage was handled by the system, and then DC components were exported to REF of the instrumentation amplifier, and the DC voltage can be eliminated. Test results showed that not only the DC voltage of the EEG acquisition system could suppress dynamically, but also CMRR could be increased up to more than 120 dB, and the full spectrum EEG (DC-1000Hz) could be acquired. Therefore the EEG acquisition system could acquire more precise EEG signals and be used for research in cognitive science and medical diagnosis to promote development of brain science. Besides that, because of the simple circuit structure, it could be integrated into flexible printed circuit, and made into wearable medical monitoring device, which can help people monitor their physiological status.

EEG; dynamic DC compensation; high gain; high CMRR

10.3969/j.issn.0258-8021. 2015. 06.010

2015-05-14, 录用日期:2015-08-19

国家重大科学仪器开发专项(2012YQ120046);国家高技术研究发展计划(863计划)(2015AA020510)

R318

A

0258-8021(2015) 06-0708-06

# 中国生物医学工程学会会员(Member, Chinese Society of Biomedical Engineering)

†共同第一作者

*通信作者(Corresponding author), E-mail:liutiejun@uestc.edu.cn

猜你喜欢

共模脑电电信号
非隔离逆变器交直流侧共模干扰耦合抑制
基于联合聚类分析的单通道腹部心电信号的胎心率提取
云南GNSS时间序列共模分量提取分析
共模电感的建模方法及验证
基于脑电的意识障碍重复经颅磁刺激调控评估
基于Code Composer Studio3.3完成对心电信号的去噪
基于随机森林的航天器电信号多分类识别方法
基于脑电情绪识别的研究现状
Bagging RCSP脑电特征提取算法
脑电逆问题在运动康复领域中的应用