基于脑电信号的硬件设计方案

Hardware Design Scheme Based on EEG Signals

摘要: 本研究旨在设计一种基于脑电信号的硬件系统，以实现对脑电信号的准确检测和分析。脑电信号作为一种重要的生理信号，对于研究人类大脑功能和疾病诊断具有重要意义。然而，脑电信号的微弱特性和易受干扰的特点，使得其检测和放大成为一项具有挑战性的任务。在总体设计中，采用了模块化设计思想，将硬件系统分为前置放大电路、滤波器和信号处理模块，设计了一种适用于脑电信号的前置级电路。介绍了滤波器，并设计了一种带通滤波器，能够有效地保留脑电信号的频带范围内的信号，并去除其他频率的干扰。实验结果显示，设计的硬件系统能够准确地检测和放大脑电信号，并且具有较好的抗干扰性能。通过对实验数据的分析，验证了硬件系统的有效性和可靠性。

Abstract: This study aims to design a hardware system based on electroencephalogram (EEG) signals to achieve accurate detection and analysis of EEG signals. EEG signals, as an important physiological signal, are crucial for researching human brain function and diagnosing diseases. However, the weak nature and susceptibility to interference of EEG signals make their detection and amplifica-tion a challenging task. In the overall design, a modular design approach is adopted, dividing the hardware system into preamplifier circuits, filters, and signal processing modules. A preamplifier circuit suitable for EEG signals is designed. Filters are introduced, and a band-pass filter is designed to effectively retain signals within the frequency range of EEG signals while removing interference from other frequencies. Experimental results demonstrate that the designed hardware system can accurately detect and amplify EEG signals, and exhibits good anti-interference performance. Through analysis of experimental data, the effectiveness and reliability of the hardware system are validated.

1. 引言

脑电信号(Electroencephalogram, EEG)是大脑神经元活动在头皮表面的电生理表现，它反映了大脑皮层的生物电活动。由于其非侵入性和较高的时间分辨率，脑电信号在神经科学、认知科学、临床医学以及脑机接口等领域有着广泛的应用。然而，脑电信号通常非常微弱，其幅度一般在1~100 μV之间，且容易受到各种生理和环境的干扰 [1] - [9] 。因此，设计一种能够准确、稳定地检测和放大脑电信号的硬件系统，对于提高脑电信号研究的准确性和可靠性至关重要 [10] - [15] 。

本文旨在提出一种基于脑电信号的硬件设计方案，重点在于脑电信号放大器的设计。通过对前置放大电路、滤波器等关键部分的设计和优化，旨在实现对脑电信号的精确检测和高信噪比放大。本研究的目标是为脑电信号的研究和应用提供一种稳定、可靠的硬件平台，从而推动脑电信号相关领域的发展。详细介绍了脑电信号放大器的总体设计，并分别对前置放大电路和滤波器的设计进行了深入探讨。然后展示了实验结果，并对数据进行了分析，以验证所设计硬件系统的性能。最后，总结了本文的主要工作，并提出了未来研究的方向。

2. 脑电信号放大器的设计

2.1. 总体设计

Figure 1. Circuit schematic diagram

图1. 电路原理图

该体系的核心组件：前端处理器、增强放大模块和精密滤波器。前端单元特别设计为双端输入放大器 [16] - [22] ，选用了具备卓越性能的精密仪表放大器，它以其极低的噪声水平、稳定的性能、高输入阻抗以及杰出的共模抑制能力见长。为了有效抵制人体活动引发的共模干扰，我们在此阶段引入了创新的信号处理策略。后级放大器使用了高精度的斩波稳零运算放大器，并采用反相比例放大器来进一步放大信号，同时可以依据需求调整放大倍数。滤波部分则由两个级联的二阶压控式低通滤波器和两个50 Hz的陷波器组成，用于滤除信号中的高频噪声和工频干扰。整体电路的放大倍数超过60,000倍，足以满足脑电图(EEG)检测的信号放大需求，如图1所示。

2.2. 前置放大电路设计

2.2.1. 前置级电路分析

当构建基于INA128运算放大器的生物电信号预处理放大模块时，其工作原理独特且精密 [23] [24] [25] 。第五脚接地，差分输入通过第三脚和第二脚连接，而第八脚和第一脚则分别接上精密电阻，以精细调控放大系数，理论上可达惊人的10,000倍放大。INA128的内部结构确保了激光调谐下的高电阻精确度和运放的完美对称性。

然而，现实中的脑电采集过程中，电极与电解质介质(如导电膏、汗液或组织液)的交互并非无损。金属电极与液体间的界面上会产生电荷分布，形成显著的极化电压，其幅度可能在毫伏至数百毫伏之间。理想状态下，若电极对称，极化电压可相互抵消。但在实际操作中，由于极化电压受电流强度、电极皮肤接触阻抗的不对称性影响，以及电极贴合质量的差异，完全抵消并不易实现。尤其当电极贴合不佳时，极化电压带来的干扰会显著升级。

若未经适当处理，这些极化电压在高放大倍数下会被放大，可能导致信号饱和，对电路设计构成严峻挑战。因此，为了保护信号在后续滤波环节的完整性，前置放大级电路的设计目标是尽可能提升放大能力，以有效抑制这类干扰。

Figure 2. Internal structure of the circuit

图2. 电路内部结构图

在仪表放大器前端集成有高通RC滤波模块，如图2所示，其目标是为了拦截低于0.5赫兹的低端噪音，因为极性电压主要由直流组成，这种设计能有效消除它。然而，这种方法并非无瑕：首先，它降低了放大器的输入电阻，这在面对脑电活动的高源内阻时可能成为挑战；其次，由于两个输入端的不对称性，高通网络中的耦合电容可能会意外地将共模噪声转化为差模噪声；值得注意的是，50 Hz的工业交流干扰作为潜在的干扰源，若未能妥善隔离，将极大地干扰电路的稳定性和精确度。

2.2.2. 脑电信号前置级电路设计

在现代生物医学研究中，脑电信号(EEG)分析因其能够直接反映大脑活动状态而受到广泛关注 [26] 。脑电信号通常非常微弱，易受到各种噪声的干扰，因此在信号处理过程中，预处理步骤显得尤为重要。为了解决这一问题，实验设计中采用了创新的脑电信号预处理单元，该单元独特之处在于采用了由两个独立运作但协同工作的仪表放大器构建的级联架构。

仪表放大器是一种高输入阻抗、低输出阻抗的放大器，非常适合用于微弱信号的放大。在脑电信号预处理中，仪表放大器用于放大经过电极收集的微弱脑电信号，以便后续处理和分析。

本研究提出了一种新型的信号预处理单元设计，其核心在于采用级联结构的仪表放大器，以实现信号的初步放大和进一步处理。这种结构不仅显著提高了信号的放大倍数，而且通过两级放大器的协同作用，增强了信号的抗干扰能力。然而，设计过程中面临的主要挑战是直流阻断电容与电阻Rt的结合使用，限制了第一级放大器的增益设定。

为了解决这一问题，本研究采用了INA121作为基础放大模块。尽管与INA128相比，INA121在可调增益和共模抑制性能方面稍显不足，但其较高的经济性更符合设计需求。为了弥补性能差距，本研究巧妙地设计了一个浮动地追踪系统，该系统的主要功能是增强第一级电路对共模信号的抑制能力。共模信号，即所有电极上同时出现的信号，通常是噪声的主要来源。通过浮动地追踪系统，我们能够有效地抑制共模信号，从而提高信号的纯度。此外，本研究对放大器的一些关键性能参数进行了详细的研究和优化，包括增益带宽积、输入阻抗和输出阻抗。这些参数对放大器的性能有着直接的影响，因此需要精确调整。通过优化这些参数，我们能够确保预处理单元具有高放大倍数、高抗干扰能力和高信号纯度。

本文创新点不仅提高了信号预处理单元的性能，还考虑了成本效益和实用性，为信号预处理领域提供了新的思路和方法。

从理论推导的角度来看，如公式(1)所示，整个电路系统的共模抑制比预期表现为：

$\text{CMRR}={\text{CMRR}}_1\times {\text{CMRR}}_2=\frac{A_{1d}}{A_{1c}}\times \frac{A_{2d}}{A_{2c}}$ (1)

电路放大倍数如公式(2)所示：

$A_d=A_{1d}\times A_{2d}=\left(1+\frac{50}{R_{g1}}\right)\times \left(1+\frac{50}{R_{g2}}\right)$ (2)

CMRR代表整体电路的共模抑制比，CMRR₁则是第一级电路的这一特性指标，而CMRR₂对应于第二级电路。 $A_{1d}$ ， $A_{1c}$ ， $A_{2d}$ ， $A_{2c}$ 分别为它们的差异–增益和共模增益。根据电阻配置，计算得出，该电路的放大系数高达25,000倍，理论上可实现的共模抑制比理论上可以达到惊人的200分贝。由于脑电波源的特性，其高阻抗特性使得外部干扰容易渗入，导致输入端的阻抗动态失衡，使得共模噪声得以转化为差模信号。

为了抵消这种影响，采用了一种策略：通过使输入端的地线浮动并同步共模电压，即让设备的偏置电压与共模输入电压保持一致。这样，共模电压在信号放大过程中几乎不受影响，从而显著降低了放大器输出端的共模误差电压，提升了其共模抑制性能。第二级电路的放大增益理想情况下可以设定为10,000倍，然而，在实际操作中，过高的增益可能会牺牲信号的线性度。因此，一般选择将增益设置在相对适中的几百倍范围内。

为了优化电压平衡，本创新设计将隔直电容器与可调增益电阻巧妙结合，这种策略有效地避开了在输入端并联阻容元件，进而保护了放大器的原始输入阻抗不受显著影响。

2.3. 滤波器

在前置放大器的应用中，虽然其设计通常能够有效地对抗共模噪声，但在实际应用中，发现仍有部分工频干扰以差分信号形式侵入系统。这种干扰的频率特性与脑电信号的频率范围存在交集，因此无法通过传统的方法完全消除。此外，电极的稳定性和输入路径的不确定性也加剧了这个问题，使得前级输出的脑电信号不可避免地带有一些强效的工频干扰元素。

EEG信号的有效频率范围通常被认为是0.5到30赫兹，需要通过低通滤波器来去除高于这个范围的频率信号 [27] 。为了使低通滤波器的频率响应尽可能接近理想的直线特性，通常会级联多个二阶低通滤波器来构建一个更高阶的滤波器。由于EEG信号非常容易受到外部环境的干扰，传统的集成运算放大器，无论是采用参数补偿的直接耦合放大器还是阻容耦合放大器，它们的初始偏置参数通常不为零，因此需要通过调零电位器或精密校正技术来调整和补偿这些偏置参数 [28] [29] 。在本设计中，使用了ICL7650芯片，通过级联两个二阶压控式低通滤波器来构成后续的放大和滤波电路，

为此设计一个滤波解决方案。这个解决方案需要能够有效地抑制工频干扰，同时尽可能地保留脑电信号的原始信息。为此，采用了多个滤波器级联的设计，以形成一个复合滤波器。

使用一个低通滤波器来去除高频噪声。这个滤波器的截止频率设置在脑电信号的频率范围内，以确保脑电信号能够被有效地保留。然后，使用一个带通滤波器来进一步隔离脑电信号的频率范围，以减少其他非脑电信号的干扰。

接下来，为了抑制工频干扰，专门针对工频干扰的频率特性。这个滤波器能够有效地抑制工频干扰，将其滤除，从而减少对脑电信号的影响。为了进一步提高滤波效果，采用了自适应滤波技术。这种滤波技术能够根据信号的特性和干扰的特性自动调整滤波器的参数，以达到最佳的滤波效果。

此外还考虑了电极的稳定性和输入路径的不确定性对信号的影响。为了减少这些不确定性对信号的影响，采用了差分信号处理技术。差分信号处理技术能够有效地抑制共模噪声和电极稳定性问题，从而提高信号的质量和稳定性。

总之，滤波解决方案在脑电信号的预处理中起着至关重要的作用。通过多个滤波器级联的设计，能够形成一个复合滤波器，有效地抑制工频干扰，同时保留脑电信号的原始信息。此外，采用差分信号处理技术和自适应滤波技术，如图3所示，能够进一步提高滤波效果，减少电极稳定性和输入路径不确定性对信号的影响。通过这些设计，能够获得高质量的脑电信号，为后续的信号处理和分析提供良好的基础。

Figure 3. Filter circuit

图3. 滤波电路

3. 实验结果显示

在没有屏蔽室的条件下，采集受试者头皮表面的EEG信号，通过正确的采集和处理技术，可以获得初步满足EEG信号特征的数据。在采集过程中，电极被放置在受试者的头皮上，以监测大脑的电活动。用于确保在不同受试者之间的一致性和可比性。在平静闭眼的状态下，受试者的大脑活动通常表现出较慢的节律性变化，这些变化在EEG信号中以特定的频率分布。为了抑制共模信号干扰，通常会连接一个电极到左耳垂，这样可以提供一个共同的参考点，减少由于电极间差异引起的干扰。这种技术被称为共模抑制，它有助于提高信号的清晰度。

采集到的EEG信号随后被连接到计算机，并通过Matlab软件进行处理和显示。Matlab是一个强大的数学计算和工程仿真软件，它提供了丰富的工具箱来处理EEG数据，包括信号处理、数据可视化和统计分析等功能。

在Matlab中，EEG信号可以被放大、滤波、切割到特定的频率范围，并进行可视化。图4中所示的EEG信号具有小于100 μV的幅值，这符合EEG信号的一般特性。总之，即使在没有屏蔽室的情况下，通过适当的信号采集和处理技术，也可以获得高质量的EEG数据，这些数据可以用于进一步的研究和分析。

Figure 4. EEG signal

图4. EEG信号

在信号预处理领域，传统的仪表放大器设计往往侧重于单一的放大器模块，这可能限制了信号的放大倍数和抗干扰能力。相比之下，本研究的创新设计通过级联两个仪表放大器，实现了信号的高倍数放大和更强的抗干扰性能。这种结构不仅提高了信号的放大倍数，而且通过两级放大器的协同工作，提高了信号的整体质量。

在现有的设计中，放大器的选择往往偏向于高性能但成本较高的模块，如INA128。虽然这些模块提供了优秀的可调增益和共模抑制能力，但它们的价格可能限制了在某些应用场景中的使用。本研究的设计选择了一种经济型的放大器INA121，通过巧妙的系统设计弥补了性能上的微小差距，同时大大降低了成本，使得该设计更加适用于成本敏感的应用。

传统的信号预处理单元可能没有充分考虑共模信号的抑制，这可能导致信号质量的下降。本研究的浮动地追踪系统是一个创新点，它专门针对共模信号进行抑制，从而提高了信号的纯度。这种系统设计在现有的文献中较为罕见，体现了本研究的创新性和实用性。在性能参数的优化方面，本研究对放大器的关键参数进行了详细的研究和调整，确保了预处理单元的高性能。这与现有的设计相比，更加强调了性能参数的精确控制和优化，从而提高了信号的放大倍数和抗干扰能力。

总体而言，本研究的创新设计与现有的信号预处理单元相比，在结构、成本效益、共模信号抑制和性能优化等方面都展现了明显的优势。这些优势使得该设计在信号预处理领域具有更高的实用价值和广泛的应用潜力。

4. 结论

本系统电路的设计能够稳定地采集和处理脑电信号，电路采用了高精度的运算放大器，配合精心设计的滤波网络，确保了信号在传输过程中的保真度。同时，电路的抗干扰能力得到了显著增强，尤其对50 Hz的工频干扰，电路采用了专门的滤波技术，有效地减少了这种常见干扰对脑电信号的影响。

通过这样的处理，本系统能够获取到高质量的脑电信号，这些信号真实地反映了大脑的电活动特征及其随时间的变化规律。这对于脑电图的诊断、脑功能的研究以及神经调控技术的开发等方面都具有重要意义 [30] 。此外，系统的设计还考虑到了便携性和实用性，使得脑电信号的采集和分析能够更加方便地在临床、实验室和研究环境中进行。