基于主动干电极传感器的无线可穿戴脑电采集系统*

黄 涌， 郭旭宏， 姚兆林， 裴为华， 王毅军， 陈弘达

(中国科学院 半导体研究所 集成光电子学国家重点联合实验室 脑科学与智能技术卓越创新中心，北京 100083)

基于主动干电极传感器的无线可穿戴脑电采集系统*

黄 涌， 郭旭宏， 姚兆林， 裴为华， 王毅军， 陈弘达

(中国科学院 半导体研究所 集成光电子学国家重点联合实验室 脑科学与智能技术卓越创新中心，北京 100083)

为了减少脑电信号(EEG)采集系统的复杂性、实验前长时间繁琐的准备过程，以及改善采集系统的抗干扰性、可穿戴性和舒适性，设计了一种带有8通道主动干电极传感器的无线可穿戴脑电采集系统，具有24位ADC，109 dB信噪比，±500 mV/10 Hz的交流输入范围。实验结果表明：该系统和商业系统记录的脑电图波形之间的相关系数为0.89，增加了可穿戴无线采集系统的可靠性，改善穿戴的舒适性。采用该系统可实现脑电的静态记录和基于稳态视觉诱发(SSVEP)的脑—机接口(BCI)应用。

脑—机接口(BCI); 主动干电极; 脑电(EEG); 可穿戴; 生物传感器

0 引 言

脑电信号(EEG)的采集和分析在许多领域起着重要的作用，例如，帕金森氏病，癫痫和其它生理疾病的监测、诊断[1]，抑郁，失眠等心理障碍、疲劳程度的评估、认知状态的评估[2]。此外，它能够在人机交互和智能控制[3]中应用。因为EEG信号弱，容易受到周围环境和其他电生理信号的干扰，通常情况下，在采集过程中，需要受试者保持静止，以减少环境和运动的干扰[4]。通常，多通道湿电极脑电帽、连接线和台式的采集器是脑电信号采集的标配设备[5]。虽然在传统采集中台式设备和湿电极传感器在一定程度上确保了采集到的EEG的可靠性，具有良好的记录性能。但这些脑电记录系统由于体积较大、湿电极安放步骤繁琐，不能满足便携或可穿戴脑电采集的要求。

为了简化EEG记录设备以及满足上述需求，本文提出并实现了一种可穿戴的无线脑电采集传感器系统。采集系统包括脑电帽、主动干电极传感器和采集电路。为了评估采集系统的性能，对系统的输入参考噪声、共模抑制比(CMRR)和AC输入范围等性能进行了测试，同时，在脑—机接口(brain computer interface,BCI)实验应用中对脑电采集系统的实用性进行了整体测试。结果表明，该传感器系统满足穿戴式BCI的应用需求。

1 系统描述

所提出的可穿戴EEG采集系统由两部分组成：脑电帽和采集电路。

1.1 带有主动干电极的脑电帽

如图1，本设计的脑电帽确保了干电极传感器稳定地与头皮接触，并且用户体验较为舒适。

图1 带有主动干电极的可穿戴脑电帽

设计的主动干电极传感器[6]，形状像鸟的爪子。与梳状干电极传感器[7]不同，爪状电极的骨架材料是尼龙。骨架上涂覆着导电聚合物材料(PEDOT)。电极整体具有良好的弹性，爪状结构使得它可以轻松穿过头发，与头皮有良好稳定的接触。

干电极传感器通常具有较高的接触电阻。为了减少高接触阻抗对系统的影响，在脑电帽上设置了前置放大器，位置与爪状干电极传感器紧邻。这样电极就变成了带有前方的干电极器件，成为主动式干电极传感器。这样，从等效电路上看，减少了输入阻抗，增加了电极抗干扰的能力及系统抗干扰能力，有效抵抗外界工频的干扰。通过主动干电极获得的工频干扰大约只有被动干电极(无前置放大器)的1/4。设计的主动干电极传感器与商业的湿电极采集到的EEG之间的相关系数为0.89。

1.2 采集电路

采集电路由信号预处理滤波电路，采集前端，数字和模拟隔离电路，微控制器单元(MCU)，高精密电源和无线模块所组成，见图2系统框架图。

图2 采集系统总体结构图

预处理滤波电路由静电放电(ESD)二极管、瞬态电压抑制器(TVS)和一阶低通滤波器所组成。由于脑电信号频率主要存在于0.5～100 Hz，因此，该滤波器的高频截止频率设置在100 Hz。预处理滤波的电路如图3所示。

采集前端选择ADS1299作为电路的核心。该芯片运行功耗低(8通道工作功耗仅为40 mW)，包含8个低噪声可编程增益放大器和同步采样24位模拟数字转换器ADS1299在采样频率不超过8 kHz时，A/D转换精度达到24位等，非常适合用来作为该采集前端的核心芯片。

图3 预处理滤波电路原理图

为了进一步减少信号干扰，更好地抑制共模噪声，提高信噪比，设计了偏置驱动电路(如图4所示)。

图4 偏置电路设计

偏置驱动电路由电阻Rf，Rs和一个电容Cf。Rf作为反馈电阻。Rs作为保护电阻。Cf作为补偿电容。选择合适的电阻值，防止器件对人体造成电击的危险(IEC规定流经人体的最大电流不得超过50 μA)。CHANNEL，REFERRENCE和BIAS(如图4中显示)是指这些端口将被连接到工作电极，参考和接地电极。共模信号Vc可由反馈电压Vcf抵消或减小。通过选择适当的Rf和Cf值，可以进一步减少共模信号干扰。

数字及模拟隔离电路和MCU电路是为了避免数字和模拟信号之间的干扰。选择的芯片为Si8462，数字带宽150 M，功耗小(1.4 mA，1M)。为了抵抗工频干扰，有必要增加陷波滤波器。考虑到系统的功耗和尺寸，设计了MCU自适应软件滤波器程序。

在无线模块的设计中，采用透明传输模式。通过商用无线模块将数据直接发送到计算机。

DC-DC电源设计是为了进一步地减少了电源干扰。直流电源的噪声为60 μVrms，的电源抑制比为55 dB/120 Hz。这些特性满足高精度放大器的需求。

2 实验结果

对系统进行了两方面的测试:1)脑电采集系统本身的特性；2)系统在BCI实验中的应用表现。

2.1 系统特性

等效输入噪声的测试方法是短路所有通道，参考电极以及地电极；采集系统的输出数据，经无线模块发送给电脑。Matlab记录10 s长的数据来计算平均输入等效噪声。结果如表1。最小交流输入电压为1.43 μV。

设备的CMRR分3步进行测试:1)测试并计算等效输入噪声(V1);2)所有的通道和参考通道，输入50 Hz峰峰值20 mV的正弦波信号，测试输出峰峰值(V2);3)计算CMRR值

(1)

计算结果如表1。

表1 等效输入噪声和CMRR

表2为输入10 Hz频率且不同幅值下，通道1总谐波失真程度(THD)。于是，通常下最大交流输入范围约为500 mV/1 %THD。

表2 通道1不同输入幅值下的THD

综上，采集系统的交流输入动态范围为1.43 μV～500 mV。

2.2 EEG采集能力测试

为了测试脑电信号采集系统的性能，设计用于收集自发脑电波(α波)和稳态视觉诱发电位(SSVEP)[8]的实验。实验中，8个电极被放置在O1，O2，P3，P4，CZ，F0，F3，F4同时获取脑电图。电极固定在所制作的脑电帽上。参考电极和接地电极(商业的湿电极)被分别放置在左耳垂和右耳垂上。受试者是3名健康的20～25岁的男性。

1)记录α波。每个受试者在采集EEG过程中被要求始终保持闭眼状态。采集系统一旦建立无线连接，将开始记录EEG，并上传数据；计算机Matlab接收到传输的数据后，将数据保存并绘制波形于图形用户界面(GUI)上。Matlab实时采集并处理所获取的EEG信号。

图5(a)显示了在不同的通道时，受试者闭眼时的脑电信号。α波清楚可见，尤其是放置在枕区的电极采集到的信号。图5(b)显示出了一个详细的时域波形，α波清晰可见。频谱是由快速傅立叶变换(FFT)方法计算，该结果显示如图5(c)。

图5 采集到的脑电原始信号图及其幅频图

2)SSVEPs被记录，实验环境与闭眼实验一致。受试者的眼睛和屏幕之间的距离为50 cm左右。实验包含了4种不同的刺激频率(10,12,15,20 Hz)的测试。用于刺激的方形块在屏幕中心分别以刺激频率黑白交替闪烁。每次实验开始，指示目标刺激的视觉提示时间是1 s，然后方形块开始以刺激频率闪烁20 s。通道1的电极放置在受试者的枕区(O1)。图6是在10，12 Hz的频率下，采集的信号由FFT计算出来的SSEVP频谱图。基波分量和二次谐波分量都很清晰地显示于对应的刺激频率上。

图6 10 Hz和12 Hz的SSVEP频谱图

总体来说，测试结果表明，该系统可以采集自发的脑电，也可以采集诱发脑电。且在视觉诱发脑电的采集中，具有很高的辨识度，图6所示频谱图中，处于刺激频率的频谱能量高出背景噪声7倍以上。

3 结 论

本文设计并实现了一种基于干电极传感器的无线脑电采集系统。该系统主要由可佩戴EEG脑电帽和采集电路两部分组成。与传统的EEG脑电帽不同，干电极传感器极大地大简化了电极的准备时间，并避免了使用湿电极后需要洗头发的繁琐，改善了用户体验。主动干电极传感器的设计则在很大程度上改善了干电极传感器高阻抗带来的信号干扰。该系统的整体特性为：AC输入范围在1.43 μV～500 mV/10 Hz，平均CMRR 111 dB，平均输入噪声为3.89 μV。该系统在BCI中的应用结果显示，其具有良好的信号辨识度。

[1] Cavallari R,Martelli F,Rosini R,et al.A survey on wireless body area networks:Technologies and design challenges[J].Communications Surveys and Tutorials,2014,16(3):1635-1657.

[2] Mihajlovic V,Grundlehner B,Vullers R,et al.Wearable, wireless EEG Solutions in daily life applications:What are we missing[J].Biomedical and Health Informatics,2015,19(1):6-21.

[3] Francine T.It’s all up in your head[EB/OL].http:∥www.ieee.org/about/news/2015/8_april_2015.html:IEEE,2015.

[4] Liberati G,Federici S,Pasqualotto E.Extracting neurophysiological signals refecting users' emotional and affective responses to BCI use:A systematic literature review[J].Neuro Rehabilitation,2015,37(3):341-358.

[5] Ramos-Murguialday A,Broetz D,Rea M,et al.Brain-machine interface in chronic stroke rehabilitation:A controlled study[J].Annals of Neurology,2013,74(1):100-108.

[6] Chi Y M,Wang Y T,Wang Y,et al.Dry and noncontact EEG sensors for mobile brain-computer interfaces[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering:A Publication of the IEEE Engineering in Medicine and Biology Society,2012,20(2):228-235.

[7] Huang Y J,Wu C Y,Wong A M K,et al.Novel active comb-shaped dry electrode for EEG measurement in hairy site[J].IEEE Transactions on Biomedical Engineering,2015,62(1):256-263.

[8] Wang Y,Wang R,Gao X,et al.A practical VEP-based brain-computer interface[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering,2006,14(2):234-240.

Wearable wireless EEG acquisition system with active dry electrode sensor*

HUANG Yong, GUO Xu-hong, YAO Zhao-lin, PEI Wei-hua, WANG Yi-jun, CHEN Hong-da

(State Key Laboratory of Integrated Optoelectronics,Center for Excellence in Brain Science and Intelligence Technology,Institute of Semiconductors,Chinese Academy of Sciences,Beijing 100083,China)

In order to reduce complexity of Electrophysiological signal collection system and long complicated preparation process before experiment,present a wireless wearable EEG acquisition system with 8-channel,active dry electrode sensor,24-bit ADC,109 dB SNR,±500 mV/10 Hz AC input range,which improves anti-interference performance,increases comfort of wearing,and makes it suitable for wearable applications.Experimental results show that the correlation coefficient between the EEG waveform recorded by proposed systems and that by commercial systems is 0.89.This system can be used for BCI applications based on the EEG recording and static steady-state visual evoked(SSVEP).

brain-computer interface(BCI); active dry electrode; electroencephalography(EEG); wearable; biosensor

10.13873/J.1000—9787(2017)04—0080—04

2016—04—29

国家自然科学基金资助项目(61335010,61275200,61275145)；国家“863”计划资助项目(2012AA030308)；第十一批“千人计划”青年基金资助项目；中科院脑先导交叉项目(KJZD—EW—L11—01)

TP 212.3

A

1000—9787(2017)04—0080—04

黄 涌(1989-)，男，硕士研究生，研究方向为微电子学与固体电子学，生物传感器材料、脑电器件与脑机接口应用系统相关。