基于LABVIEW的腦電信號虛擬采集系統(tǒng)設(shè)計

朱龍飛

(浙江工業(yè)大學 經(jīng)貿(mào)管理學院，杭州 330014)

基于LABVIEW的腦電信號虛擬采集系統(tǒng)設(shè)計

朱龍飛

(浙江工業(yè)大學 經(jīng)貿(mào)管理學院，杭州 330014)

在神經(jīng)科學研究領(lǐng)域，對大腦的觀察主要來源于對腦電信號的收集與分析；當前對腦電信號收集的方法是通過專業(yè)腦電設(shè)備將信號收集保存，再由專業(yè)軟件處理;由于這類儀器非常昂貴，系統(tǒng)體積也比較大，軟件更新快，現(xiàn)在只能用在科學研究上，根本無法用于有規(guī)模的實驗教學，更不可能一人一機;為此，提出了一種基于LABVIEW的腦電信號虛擬采集系統(tǒng)設(shè)計方法，使腦電收集與分析可以廣泛地應(yīng)用于教學;該方法首先對腦電信號虛擬采集系統(tǒng)的硬件進行構(gòu)造，然后以硬件構(gòu)造為依據(jù)，利用AR模型功率譜估計對腦電信號進行特征提取，在特征提取過程中，對模型類型與模型系數(shù)算法以及模型最佳階數(shù)進行分析，最后通過將二階低通濾波器與二階高通濾波器進行串聯(lián)，形成4階Bessel帶通濾波器，實現(xiàn)腦電信號的濾波，并以腦電信號傳輸電路的設(shè)計完成腦電信號虛擬采集系統(tǒng)的設(shè)計；實驗結(jié)果證明，所提方法可以快速地對腦電信號虛擬采集系統(tǒng)進行設(shè)計，并為該領(lǐng)域的研究發(fā)展提供支撐。

LABVIEW；腦電信號；虛擬采集系統(tǒng)

0 引言

在神經(jīng)科學研究領(lǐng)域，對大腦的觀察主要來源于對腦電信號的收集與分析[1]。當前對腦電信號收集的方法是通過專業(yè)腦電設(shè)備將信號收集保存，再由專業(yè)軟件處理。由于這類儀器非常昂貴，系統(tǒng)體積也比較大，軟件更新快，現(xiàn)在只能用在科學研究上，根本無法用于有規(guī)模的實驗教學，更不可能一人一機[2]。因此腦電信號虛擬采集系統(tǒng)的設(shè)計顯得尤為重要，受到了有關(guān)專家學者的高度重視[3]。大多數(shù)腦電信號虛擬采集系統(tǒng)設(shè)計方法無法對其進行高效地設(shè)計，導致該系統(tǒng)在運行時經(jīng)常出現(xiàn)遲緩的現(xiàn)象，難以描述出腦電信號的具體波狀[4]。在這種情況下，如何快速地對腦電信號虛擬采集系統(tǒng)進行設(shè)計，成為了當前亟待解決的問題[5]。而基于LABVIEW的腦電信號虛擬采集系統(tǒng)設(shè)計方法，可以對腦電信號虛擬采集系統(tǒng)進行高效率、低誤差、便攜式地設(shè)計，是解決上述問題的有效途徑[6]。腦電信號虛擬采集系統(tǒng)的重要性使其成為了當今社會的熱點話題，成為了該領(lǐng)域?qū)嶒灲虒W的重要研究課題，同時也出現(xiàn)了很多優(yōu)秀的方法[7]。

文獻[8]提出了一種基于FPGA的腦電信號虛擬采集系統(tǒng)設(shè)計方法。該方法首先利用放置在頭皮上的電極獲取腦電信號，然后采用電極導聯(lián)耦合將其傳送至差動放大器的輸入端并放大，最后依據(jù)腦電信號記錄設(shè)備，記錄腦電信號波形，以便于對腦電信號做出進一步分析處理。該設(shè)計方法主要是對腦電信號進行獲取并放大、采集的過程，具有實時性，但是實施過程比較復雜。文獻[9]提出了一種基于DSP的腦電信號虛擬采集系統(tǒng)設(shè)計方法。該方法首先對當前腦電信號的基本信息進行了分類，并對腦電電極的安裝方法與腦電圖導聯(lián)法進行分析。其次將腦電信號比較完整地采集至計算機中，該步驟為腦電信號虛擬采集系統(tǒng)的硬件設(shè)計，最后對采集系統(tǒng)中的電路進行放大，并去除采集過程中的噪聲。該方法在對腦電信號虛擬采集系統(tǒng)進行設(shè)計時用時較短，但是在去除采集過程中噪聲時效率很低。文獻[10]提出了一種基于STM32和USB的腦電信號虛擬采集系統(tǒng)設(shè)計方法。該方法首先利用三級放大器將腦電信號放大千倍，將儀表放大芯片INA129當作前置放大器，然后將32路EEG信號放大并進行濾波與同步采集操作，將STM32微處理器當作核心，根據(jù)基于USB的虛擬串口將原始數(shù)據(jù)傳輸至計算機，在計算機上采用MATLAB對信號進行濾波，最后將波形實時地顯示于GUI中。該方法成本低，但是過程繁瑣。

針對上述產(chǎn)生的問題，提出一種基于LABVIEW的腦電信號虛擬采集系統(tǒng)設(shè)計方法。仿真實驗證明，所提方法可以快速地對腦電信號虛擬采集系統(tǒng)進行設(shè)計。

1 問題描述與分析

實際上，腦電信號是非常微弱的，而且背景噪聲也十分的大，是一種非平穩(wěn)性很突出的隨機生理信號，只有在大量數(shù)據(jù)中獲得的統(tǒng)計結(jié)果才有診斷價值，目前腦電信號檢測儀器的體積龐大且價格昂貴，難以獲得良好的臨床診斷結(jié)果。

大腦作為我們?nèi)梭w中最重要的器官，依據(jù)動物神經(jīng)以及植物神經(jīng)對我們身體各個部分進行直接控制，一旦出現(xiàn)問題，將會引出非常嚴重的后果。但腦電的變化我們自身是感覺不到的，因此可以隨時對腦電進行檢測和腦電的再現(xiàn)是我們迫切期望實現(xiàn)的事，綜上所述，腦電信號的采集變得尤為重要。

腦電信號采集系統(tǒng)就是將腦電信號進行放大并記錄下來的一個裝置。要得到一個較為完善的腦電信號虛擬采集系統(tǒng)，要求該系統(tǒng)具有完整的硬件體系以及具體的軟件相互配合。本文將對腦電信號的虛擬采集系統(tǒng)硬件進行設(shè)計，然后對腦電信號的特征進行提取，實現(xiàn)腦電信號濾波的設(shè)計，最后以腦電信號的傳輸電路構(gòu)建完成對腦電信號虛擬采集系統(tǒng)的設(shè)計。

2 基于LABVIEW的腦電信號虛擬采集系統(tǒng)設(shè)計方法

2.1 腦電信號虛擬采集系統(tǒng)硬件構(gòu)造

腦電信號的虛擬采集系統(tǒng)設(shè)計中，硬件的構(gòu)建尤為重要，圖1是腦電信號虛擬采集系統(tǒng)的硬件構(gòu)造。

圖1 腦電信號虛擬采集系統(tǒng)硬件構(gòu)架

圖1中顯示的是腦電信號虛擬采集系統(tǒng)中的硬件構(gòu)造。在該構(gòu)造中，為了提高腦電信號的采集效率，對腦電信號的特征進行提取并過濾，將過濾后的腦電信號進行放大和轉(zhuǎn)換，最終將腦電信號傳輸至計算機完成腦電信號的采集。

2.2 腦電信號特征提取

本文將利用功率譜估計對腦電信號的特征進行提取。AR模型是腦電信號特征提取工作中高頻使用方法。功率譜估計為現(xiàn)階段腦電信號常見頻域分析法之一，為數(shù)字信號處理工作中重要方法，此處的腦電信號是由專業(yè)腦電采集器獲取的，且進行了相應(yīng)的預處理，可直接對其進行特征提取。

2.2.1 AR模型功率

腦電信號構(gòu)建模型：腦電信號x(n)是通過白噪聲ω(n)刺激摸個確定系統(tǒng)產(chǎn)生的反應(yīng)。得知白噪聲參數(shù)，隨機腦電信號的研究就變成了生成隨機腦電信號系統(tǒng)的研究。

其中，AR模型表達式為：

(1)

其中:u(n)代表系統(tǒng)當前的激勵，為一白噪聲序列，其方差為σ2，ak代表白噪聲中一參數(shù)，x(n-k)代表響應(yīng)函數(shù)。因為系統(tǒng)函數(shù)內(nèi)只存在極點，無零點，所以AR模型也被稱作全極點模型(AR(p)模型)。模型系統(tǒng)函數(shù)表達式為：

(2)

模型輸出功率譜為：

(3)

也可寫成：

(4)

下面是獲得參數(shù)的方法及過程。

AR模型函數(shù)的自相關(guān)函數(shù)表達式為：

Rxx(m)=E[x(n)u(m+n)]

(5)

將式(1)代入至自相關(guān)函數(shù)，則可以得到：

(6)

E[x(n)u(m+n)]=σ2h(-n)

(7)

假設(shè)h(n)具有因果關(guān)系，即m>0時，h(-m)=0，則上式可表達為：

(8)

根據(jù)z變換的初值定理，h(0)=limH(z)=1，則可將上式簡化為：

(9)

將上式代入至相關(guān)函數(shù)，可以獲得一系列方程式：

(10)

上式就是AR模型的Yule-Walker方程。為了獲得AR模型的參數(shù)，從Yule-Walker方程中選取m>0的m個方程將{a1,a2…,ap}解出，然后將其代入第一個方程計算出方差σ2。自相關(guān)函數(shù)前p+1個值為{R(0),R(1),…R(p)}，將Yule-Walker方程轉(zhuǎn)換成矩陣形式：

(11)

上式便為AR(p)模型的Yule-Walker方程。只要已知或者估計得到p+1個自相關(guān)函數(shù)值，便可由此方程解出包括白噪聲方差在內(nèi)的p+1個AR(p)模型參數(shù)。獲得這p+1個參數(shù)之后，按照式(4)估計功率譜。可以將自相關(guān)函數(shù)外推，這便是AR估計分辨率比較高的原因。

2.2.2 基于AR模型功率譜估計的腦電信號特征提取

當通過模型法對腦電信號進行譜研究分析時，部分參數(shù)的設(shè)置能夠直接影響其結(jié)果。如模型系數(shù)的算法、模型類型、腦電信號的點數(shù)和模型的階數(shù)。以下是對上述參數(shù)的詳細分析。

階數(shù)：為了得到模型最合適的階數(shù)，研究模型不同階數(shù)和腦電信號數(shù)據(jù)變化關(guān)系，需要在保證其他模型參數(shù)統(tǒng)一的情況下變換階數(shù)，觀察研究其變化。并且通過其效果對比，提取最合適的模型階數(shù)范圍標準。

模型類型與模型系數(shù)算法：針對穩(wěn)態(tài)視覺電位建模研究選擇了AR模型，得到模型系數(shù)的方法選取常用的Walk-yule算子。

2.3 腦電信號濾波

因為腦電信號對相頻特性很敏感，所以選擇群延時特性比較好的Bessel低通函數(shù)對腦電信號進行濾波。

對于濾波階數(shù)的選擇：因為存在波與SMR波的干擾，要求腦電信號濾波器具有較好的銳截止特性，所以選取由二階高通電路與二階低通電路構(gòu)成的四階帶通濾波器對腦電信號進行濾波處理。

對于腦電信號濾波電路的完成，選擇單端正反饋形式，二階低通電路，則其傳遞函數(shù)為：

(12)

其中:C代表電容，R代表電阻，K代表單端正反饋值。與二階低通濾波函數(shù)歸一化S域形式相比，可獲得：

(13)

(14)

其中:P代表影響兩個電容比值大小的參數(shù)。通過電容的確定，可由式(15)確定電阻：

(15)

對于腦電信號，選擇k=2，3 dB截止的頻率是8 Hz。通過查表得到Bessel低通函數(shù)系數(shù)是：ai=1.3617，bi=0.6180。因為腦電信號濾波器的電阻取值比較靈活，所以要先選取電容，利用電容計算電阻：

C5=1.5 μF

(16)

C3=1 μF

(17)

計算出電阻為：

R2=14.24 kΩ

(18)

R1=289.2 kΩ

(19)

對于腦電信號高通濾波器，選擇單端正反饋形式，二階高通電路，則其傳遞函數(shù)為：

(20)

取C1=C2=C，與二階高通濾波函數(shù)歸一化S域形式相比，可獲得：

(21)

為了增強腦電信號濾波器電路的穩(wěn)定性，其增益k需滿足：

(22)

當電容C確定后，可獲得電阻為：

(23)

對于腦電信號，選擇k=5，3 dB截止的頻率是12 Hz。通過查表得到Bessel低通函數(shù)系數(shù)是：ai=1.3617，bi=0.6180。電容選擇C1=C2=1 μF，計算出電阻為：

R3=32.2 kΩ

(24)

R5=8.82 kΩ

(25)

至此，也就完成了腦電信號的濾波電路設(shè)計，將二階低通濾波器與二階高通濾波器進行串聯(lián)，并形成4階Bessel帶通濾波器，對腦電信號進行濾波。

2.4 腦電信號傳輸

以2.1～2.3中各項數(shù)據(jù)為基礎(chǔ)，將腦電信號傳輸至計算機中，完成腦電信號的采集。

假設(shè)，s1與s2分別為兩個現(xiàn)實環(huán)境中的電極記錄腦電信號，工頻干擾在兩個電極位置的幅度是q，而且相位相同，理想狀況下，通過放大G倍的差分放大器輸出的腦電信號為：

W0=G[(s1+q)-(s2+q)]=G(s1-s2)

(26)

工頻干擾看似已經(jīng)消除，其實差分放大器永遠不能達到理想值，因此無法徹底消除共模干擾。解決方法只有盡可能提高腦電信號傳輸電路共模抑制比。傳輸電路中，由U1與U2兩個高輸入阻抗的低失調(diào)放大器組建的差分放大電路，因為兩個阻抗運用相同芯片，使其最大限度地避免了由于電氣特征不一致，導致的共模抑制比降低現(xiàn)象在由并聯(lián)型差動放大器構(gòu)建的前級放大器和由儀器放大器所構(gòu)建的后級放大器中間設(shè)置阻容網(wǎng)絡(luò)。這種設(shè)置方式能夠大規(guī)模提升后級儀器放大器的效益，以此為提升腦電信號傳輸電路的共模抑制比提供便利條件。將共模信號輸入腦電信號能夠保證信號平穩(wěn)地經(jīng)過電纜傳輸至放大器輸入端，繼而消除共模電壓經(jīng)過電纜傳送時產(chǎn)生的干擾。通常增強驅(qū)動能力的方法是增加加一級緩沖放大器，這種模式下的高共模抑制比的高輸入阻抗差分結(jié)構(gòu)電路，能夠最大化提升腦電信號傳輸?shù)目垢蓴_能力。

3 仿真實驗結(jié)果與分析

為了證明基于LABVIEW的腦電信號虛擬采集系統(tǒng)設(shè)計方法的整體有效性，需要進行一次仿真實驗。在Windows的環(huán)境下搭建腦電信號虛擬采集實驗仿真平臺。實驗數(shù)據(jù)取自于本單位腦電實驗收集數(shù)據(jù)，以此為依據(jù)進行實驗，利用本文方法對實驗數(shù)據(jù)進行采集，觀察本文方法的可行性。表1是當腦電信號頻率分別為10 Hz、20 Hz、30 Hz、40 Hz、50 Hz時，不同方法腦電信號采集效率(%)對比。下面給出了腦電信號采集效率(%)計算公式。

g=×100% (27)

分析表1可知，文獻[8]所提方法的腦電信號采集效率最低，因為該方法在采用電極導聯(lián)耦合將腦電信號傳送至差動放大器的輸入端并放大的過程中，沒有設(shè)定放大指標，導致腦電信號傳輸效率低，其采集效率就會變得很低。文獻[9]所提方法比文獻[8]所提方法的采集效率要高，因為文獻[9]所提方法對腦電信號采集系統(tǒng)中的電路進行了放大，并去除了采集過程中的噪聲。本文所提方法在對腦電信號采集過程中，首先對腦電信號特征進行了提取，其次對腦電信號進行濾波操作，最后以腦電信號傳輸電路的設(shè)計，完成了腦電信號的采集。由此提高了腦電信號的采集效率。表2是不同方法腦電信號特征提取所用時間(s)對比。

表2 不同方法腦電信號特征提取所用時間對比

由表2可知，本文所提方法腦電信號特征提取所用時間，明顯少于文獻[9]所提方法的腦電信號特征提取所用時間。主要是因為在利用本文所提方法進行腦電信號特征提取時，利用了功率譜估計對腦電信號的特征進行提取。而且進行特征提取的腦電信號由腦電采集器獲得的，并且完成了相關(guān)預處理，能夠直接完成特征提取。該步驟加快了特征提取速度，節(jié)省了特征提取時間。證明了本文所提方法具有可實踐性。圖2是不同方法采集到的腦電信號占采集系統(tǒng)存儲空間(GB)對比。

圖2 不同方法腦電信號占采集系統(tǒng)存儲空間對比

分析圖2得知，文獻[9]所提方法與文獻[10]所提方法腦電信號占采集系統(tǒng)存儲空間曲線比較接近。由于文獻[9]所提方法對當前腦電信號的基本知識分類占用了大量的存儲空間，導致腦電信號的采集系統(tǒng)存儲空間變小，本文所提方法腦電信號占采集系統(tǒng)的存儲空間相對較小，主要是本文方法對腦電信號傳輸電路進行了完善，降低了腦電信號存儲對采集系統(tǒng)空間的要求。進一步證明了本文所提方法的整體可行性和適用性。圖3是不同方法腦電信號濾波延時(s)對比。

圖3 不同方法腦電信號濾波延時對比

分析圖3，文獻所提方法的腦電信號濾波延時普遍較長，本文所提方法的腦電信號濾波延時相對較穩(wěn)定，由于本文所提方法將二階低通濾波器與二階高通濾波器進行串聯(lián)對腦電信號進行濾波處理，減少了腦電信號的濾波延時。說明了本文所提方法具有很強的拓展性。

4 結(jié)束語

采用當前方法對腦電信號虛擬采集系統(tǒng)進行設(shè)計時，存在系統(tǒng)設(shè)計效率低的問題。提出一種基于LABVIEW的腦電信號虛擬采集系統(tǒng)設(shè)計方法。并通過仿真實驗證明，所提方法可以快速地對腦電信號虛擬采集系統(tǒng)進行設(shè)計，具有較高的應(yīng)用價值，為該領(lǐng)域的研究發(fā)展提供了有力依據(jù)。

[1] 馬慶國,王小毅.從神經(jīng)經(jīng)濟學和神經(jīng)營銷學到神經(jīng)管理學.管理工程學報[J],2006,3(29):129-132.

[2] 孫繼江,何曉彬,步巖生. 3.0T高場強核磁共振設(shè)備機房布局及施工準備[J].中國醫(yī)學裝備,2013,10(10):53-55.

[3] 莊 瑋,段鎖林,徐亭婷,等.基于支持向量機的腦電信號分類方法研究[J].科學技術(shù)與工程,2014,14(9):73-77.

[4] 陳世瑜,倪 莉,呂 釗,等.結(jié)合眼電和腦電的人-機交互系統(tǒng)設(shè)計與實現(xiàn)[J].計算機應(yīng)用,2014,34(5):1529-1532.

[5] 張少白,曾 又,劉友誼.基于DIVA模型的腦電信號識別方法[J].系統(tǒng)科學與數(shù)學,2015,35(5):489-498.

[6] 譚發(fā)江,趙德春,孫齊峰,等.便攜式腦電信號采集與處理系統(tǒng)[J].航天醫(yī)學與醫(yī)學工程,2016,29(3):157-162.

[7] 徐乃昊,姜漢鈞,王 灣,等.一種用于心電/腦電采集的電流反饋放大器[J].微電子學,2016,46(1):25-28.

[8] 張亞莉,吳澤濤,張智剛.基于虛擬儀器技術(shù)的GPS信息采集系統(tǒng)的設(shè)計與試驗研究[J].江蘇農(nóng)業(yè)科學,2016,44(4):415-418.

[9] 張 黎,劉國忠.基于小波熵的數(shù)學認知下的腦電信號特性研究[J].電子設(shè)計工程,2016,24(23):65-67.

[10] 王建賓.基于北斗GNSS技術(shù)的智慧城管數(shù)據(jù)采集系統(tǒng)架構(gòu)與實現(xiàn)[J].科技通報,2016,32(1):179-182.

Based on LABVIEW’s Brain Electrical Signal Virtual Collection System Design

Zhu Longfei

(College of Economincs and Management,Zhejiang University of Technology,Hangzhou 330014, China)

In the field of neuroscience, the observation of the brain mainly comes from the collection and analysis of EEG signals. At present, the method of collecting EEG signals is to collect and save the signals through the professional brain electrical equipment. Because of this kind of instrument is very expensive, the system volume is relatively large, the software update fast, and now can only be used in scientific research, can not be used for large-scale experimental teaching, it is impossible for a person. For this reason, this paper presents a design method of EEG signal acquisition system based on LABVIEW. Firstly, the EEG acquisition system of virtual hardware structure, then the hardware structure based on EEG feature extraction using AR model power spectrum estimation, the feature extraction process, the model type and model coefficient algorithm and the model of optimal order analysis, finally through the two order low pass filter and two order high pass filter in series, the formation of the 4 order Bessel bandpass filter, the EEG signal filtering, to design and design of EEG signal transmission circuit to complete the EEG virtual acquisition system. The experimental results show that the proposed method can be used to design the EEG acquisition system and provide support for the research and development in this field.

LABVIEW; EEG signal; virtual acquisition system

2017-05-08；

2017-05-19。

浙江工業(yè)大學創(chuàng)新性實驗項目(CXSYXM1617)。

朱龍飛(1978-)，男，江西南康人，碩士生，講師，主要從事腦科學、網(wǎng)絡(luò)信息化及實驗室建設(shè)方向的研究。

1671-4598(2017)08-0206-04

10.16526/j.cnki.11-4762/tp.2017.08.053

TP274

A