针对脑电检测的研究需要,研发了微弱EEG脑电信号采集专用芯片系统。该芯片使用斩波稳定去噪声技术,首先利用2 k Hz的斩波频率对100 Hz以下的EEG信号进行频域隔离,然后利用RRL纹波抑制环路反馈进行调制后位于chopper频率处的主要由失调...针对脑电检测的研究需要,研发了微弱EEG脑电信号采集专用芯片系统。该芯片使用斩波稳定去噪声技术,首先利用2 k Hz的斩波频率对100 Hz以下的EEG信号进行频域隔离,然后利用RRL纹波抑制环路反馈进行调制后位于chopper频率处的主要由失调与低频1/f闪烁噪声引起的纹波电压的抑制;单级斩波放大使用电流复用、亚阈值跨导增强技术对来自EEG传感器的低频（〈100 Hz）小信号（5~100μV）进行40 d B增益的稳定中频放大;级联S/H电路进行去累积毛刺滤波,配合前面斩波技术,达到整体低噪声性能;VGA/LPF通过改变输入、反馈/负载电容,分别进行增益/带宽的数字调整。EEG-DSP加速芯片实现对多通道采集的控制以及信号处理编码。设计使用SMICRF 180 nm混合工艺,使用Cadence的Spectre软件进行功能前/后仿真,使用Caliber工具进行DRC/LVS的版图验收。最后,对设计芯片进行实际测试,结果表明放大芯片关键性能为：8.1μW/通道、面积6.3 mm2/8通道、0.8μVrms（BW=100 Hz）等效输入噪声;该款自主研发的脑电斩波放大芯片性能达到国内外前列的水平,可进行正确的脑电EEG采集,可应用于可穿戴领域、对后续脑电数据分析具有重要的使用价值。展开更多
文摘由于具有高时间分辨率、无创性,脑电(Electroencephalogram,EEG)信号被广泛应用于航空航天任务操作员的疲劳、脑力负荷分析等。针对EEG信号多通道且各通道内信息不完全相同的特性,提出了一种基于最小冗余最大相关性(Minimum redundancy maximum relevance,mRMR)算法的EEG特征评价技术。通过设置目标变量,计算各通道内EEG特征与目标变量的互信息量、特征在通道内部的冗余度,可对EEG特征的性能做出评价。进一步,获取管制员在不同脑力负荷下的EEG数据,对一系列EEG特征做出评价并与已有研究、特征在不同分类方式下的可分性进行对比,验证了该特征评价技术的有效性。与现有的技术相比,该技术避免了灰色关联分析法确定权重参数和灰色关联度的主观性、避免了分类器评价法的差异性。相较于已有的特征选择算法,考虑了通道内部信息的冗余,使得评价结果更为准确。相较于基于统计学的相关技术,该方法可对特征的性能做出定量的评价,以便对不同指标进行比较。最后,阐述了该评价方式疲劳程度分析、情绪识别等方面的应用。
