朱龍飛

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

基于LABVIEW的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)

朱龍飛

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

在神經(jīng)科學(xué)研究領(lǐng)域，對(duì)大腦的觀察主要來(lái)源于對(duì)腦電信號(hào)的收集與分析；當(dāng)前對(duì)腦電信號(hào)收集的方法是通過(guò)專(zhuān)業(yè)腦電設(shè)備將信號(hào)收集保存，再由專(zhuān)業(yè)軟件處理;由于這類(lèi)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(xué)研究上，根本無(wú)法用于有規(guī)模的實(shí)驗(yàn)教學(xué)，更不可能一人一機(jī);為此，提出了一種基于LABVIEW的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法，使腦電收集與分析可以廣泛地應(yīng)用于教學(xué);該方法首先對(duì)腦電信號(hào)虛擬采集系統(tǒng)的硬件進(jìn)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(jì)對(duì)腦電信號(hào)進(jìn)行特征提取，在特征提取過(guò)程中，對(duì)模型類(lèi)型與模型系數(shù)算法以及模型最佳階數(shù)進(jìn)行分析，最后通過(guò)將二階低通濾波器與二階高通濾波器進(jìn)行串聯(lián)，形成4階Bessel帶通濾波器，實(shí)現(xiàn)腦電信號(hào)的濾波，并以腦電信號(hào)傳輸電路的設(shè)計(jì)完成腦電信號(hào)虛擬采集系統(tǒng)的設(shè)計(jì)；實(shí)驗(yàn)結(jié)果證明，所提方法可以快速地對(duì)腦電信號(hào)虛擬采集系統(tǒng)進(jìn)行設(shè)計(jì)，并為該領(lǐng)域的研究發(fā)展提供支撐。

LABVIEW；腦電信號(hào)；虛擬采集系統(tǒng)

0 引言

在神經(jīng)科學(xué)研究領(lǐng)域，對(duì)大腦的觀察主要來(lái)源于對(duì)腦電信號(hào)的收集與分析[1]。當(dāng)前對(duì)腦電信號(hào)收集的方法是通過(guò)專(zhuān)業(yè)腦電設(shè)備將信號(hào)收集保存，再由專(zhuān)業(yè)軟件處理。由于這類(lèi)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(xué)研究上，根本無(wú)法用于有規(guī)模的實(shí)驗(yàn)教學(xué)，更不可能一人一機(jī)[2]。因此腦電信號(hào)虛擬采集系統(tǒng)的設(shè)計(jì)顯得尤為重要，受到了有關(guān)專(zhuān)家學(xué)者的高度重視[3]。大多數(shù)腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法無(wú)法對(duì)其進(jìn)行高效地設(shè)計(jì)，導(dǎo)致該系統(tǒng)在運(yùn)行時(shí)經(jīng)常出現(xiàn)遲緩的現(xiàn)象，難以描述出腦電信號(hào)的具體波狀[4]。在這種情況下，如何快速地對(duì)腦電信號(hào)虛擬采集系統(tǒng)進(jìn)行設(shè)計(jì)，成為了當(dāng)前亟待解決的問(wèn)題[5]。而基于LABVIEW的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法，可以對(duì)腦電信號(hào)虛擬采集系統(tǒng)進(jìn)行高效率、低誤差、便攜式地設(shè)計(jì)，是解決上述問(wèn)題的有效途徑[6]。腦電信號(hào)虛擬采集系統(tǒng)的重要性使其成為了當(dāng)今社會(huì)的熱點(diǎn)話題，成為了該領(lǐng)域?qū)嶒?yàn)教學(xué)的重要研究課題，同時(shí)也出現(xiàn)了很多優(yōu)秀的方法[7]。

文獻(xiàn)[8]提出了一種基于FPGA的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法。該方法首先利用放置在頭皮上的電極獲取腦電信號(hào)，然后采用電極導(dǎo)聯(lián)耦合將其傳送至差動(dòng)放大器的輸入端并放大，最后依據(jù)腦電信號(hào)記錄設(shè)備，記錄腦電信號(hào)波形，以便于對(duì)腦電信號(hào)做出進(jìn)一步分析處理。該設(shè)計(jì)方法主要是對(duì)腦電信號(hào)進(jìn)行獲取并放大、采集的過(guò)程，具有實(shí)時(shí)性，但是實(shí)施過(guò)程比較復(fù)雜。文獻(xiàn)[9]提出了一種基于DSP的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法。該方法首先對(duì)當(dāng)前腦電信號(hào)的基本信息進(jìn)行了分類(lèi)，并對(duì)腦電電極的安裝方法與腦電圖導(dǎo)聯(lián)法進(jìn)行分析。其次將腦電信號(hào)比較完整地采集至計(jì)算機(jī)中，該步驟為腦電信號(hào)虛擬采集系統(tǒng)的硬件設(shè)計(jì)，最后對(duì)采集系統(tǒng)中的電路進(jìn)行放大，并去除采集過(guò)程中的噪聲。該方法在對(duì)腦電信號(hào)虛擬采集系統(tǒng)進(jìn)行設(shè)計(jì)時(shí)用時(shí)較短，但是在去除采集過(guò)程中噪聲時(shí)效率很低。文獻(xiàn)[10]提出了一種基于STM32和USB的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法。該方法首先利用三級(jí)放大器將腦電信號(hào)放大千倍，將儀表放大芯片INA129當(dāng)作前置放大器，然后將32路EEG信號(hào)放大并進(jìn)行濾波與同步采集操作，將STM32微處理器當(dāng)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(jì)算機(jī)，在計(jì)算機(jī)上采用MATLAB對(duì)信號(hào)進(jìn)行濾波，最后將波形實(shí)時(shí)地顯示于GUI中。該方法成本低，但是過(guò)程繁瑣。

針對(duì)上述產(chǎn)生的問(wèn)題，提出一種基于LABVIEW的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法。仿真實(shí)驗(yàn)證明，所提方法可以快速地對(duì)腦電信號(hào)虛擬采集系統(tǒng)進(jìn)行設(shè)計(jì)。

1 問(wèn)題描述與分析

實(shí)際上，腦電信號(hào)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(jī)生理信號(hào)，只有在大量數(shù)據(jù)中獲得的統(tǒng)計(jì)結(jié)果才有診斷價(jià)值，目前腦電信號(hào)檢測(cè)儀器的體積龐大且價(jià)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(dòng)物神經(jīng)以及植物神經(jīng)對(duì)我們身體各個(gè)部分進(jìn)行直接控制，一旦出現(xiàn)問(wèn)題，將會(huì)引出非常嚴(yán)重的后果。但腦電的變化我們自身是感覺(jué)不到的，因此可以隨時(shí)對(duì)腦電進(jìn)行檢測(cè)和腦電的再現(xiàn)是我們迫切期望實(shí)現(xiàn)的事，綜上所述，腦電信號(hào)的采集變得尤為重要。

腦電信號(hào)采集系統(tǒng)就是將腦電信號(hào)進(jìn)行放大并記錄下來(lái)的一個(gè)裝置。要得到一個(gè)較為完善的腦電信號(hào)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(duì)腦電信號(hào)的虛擬采集系統(tǒng)硬件進(jìn)行設(shè)計(jì)，然后對(duì)腦電信號(hào)的特征進(jìn)行提取，實(shí)現(xiàn)腦電信號(hào)濾波的設(shè)計(jì)，最后以腦電信號(hào)的傳輸電路構(gòu)建完成對(duì)腦電信號(hào)虛擬采集系統(tǒng)的設(shè)計(jì)。

2 基于LABVIEW的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法

2.1 腦電信號(hào)虛擬采集系統(tǒng)硬件構(gòu)造

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

圖1 腦電信號(hào)虛擬采集系統(tǒng)硬件構(gòu)架

圖1中顯示的是腦電信號(hào)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(hào)的采集效率，對(duì)腦電信號(hào)的特征進(jìn)行提取并過(guò)濾，將過(guò)濾后的腦電信號(hào)進(jìn)行放大和轉(zhuǎn)換，最終將腦電信號(hào)傳輸至計(jì)算機(jī)完成腦電信號(hào)的采集。

2.2 腦電信號(hào)特征提取

本文將利用功率譜估計(jì)對(duì)腦電信號(hào)的特征進(jìn)行提取。AR模型是腦電信號(hào)特征提取工作中高頻使用方法。功率譜估計(jì)為現(xiàn)階段腦電信號(hào)常見(jiàn)頻域分析法之一，為數(shù)字信號(hào)處理工作中重要方法，此處的腦電信號(hào)是由專(zhuān)業(yè)腦電采集器獲取的，且進(jìn)行了相應(yīng)的預(yù)處理，可直接對(duì)其進(jìn)行特征提取。

2.2.1 AR模型功率

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

其中，AR模型表達(dá)式為：

(1)

其中:u(n)代表系統(tǒng)當(dāng)前的激勵(lì)，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?yàn)橄到y(tǒng)函數(shù)內(nèi)只存在極點(diǎn)，無(wú)零點(diǎn)，所以AR模型也被稱(chēng)作全極點(diǎn)模型(AR(p)模型)。模型系統(tǒng)函數(shù)表達(dá)式為：

(2)

模型輸出功率譜為：

(3)

也可寫(xiě)成：

(4)

下面是獲得參數(shù)的方法及過(guò)程。

AR模型函數(shù)的自相關(guān)函數(shù)表達(dá)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(shí)，h(-m)=0，則上式可表達(dá)為：

(8)

根據(jù)z變換的初值定理，h(0)=limH(z)=1，則可將上式簡(jiǎn)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(gè)方程將{a1,a2…,ap}解出，然后將其代入第一個(gè)方程計(jì)算出方差σ2。自相關(guān)函數(shù)前p+1個(gè)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(jì)得到p+1個(gè)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(gè)AR(p)模型參數(shù)。獲得這p+1個(gè)參數(shù)之后，按照式(4)估計(jì)功率譜?？梢詫⒆韵嚓P(guān)函數(shù)外推，這便是AR估計(jì)分辨率比較高的原因。

2.2.2 基于AR模型功率譜估計(jì)的腦電信號(hào)特征提取

當(dāng)通過(guò)模型法對(duì)腦電信號(hào)進(jìn)行譜研究分析時(shí)，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(lèi)型、腦電信號(hào)的點(diǎn)數(shù)和模型的階數(shù)。以下是對(duì)上述參數(shù)的詳細(xì)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(hào)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(guò)其效果對(duì)比，提取最合適的模型階數(shù)范圍標(biāo)準(zhǔn)。

模型類(lèi)型與模型系數(shù)算法：針對(duì)穩(wěn)態(tài)視覺(jué)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(hào)濾波

因?yàn)槟X電信號(hào)對(duì)相頻特性很敏感，所以選擇群延時(shí)特性比較好的Bessel低通函數(shù)對(duì)腦電信號(hào)進(jìn)行濾波。

對(duì)于濾波階數(shù)的選擇：因?yàn)榇嬖诓ㄅcSMR波的干擾，要求腦電信號(hào)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(duì)腦電信號(hào)進(jìn)行濾波處理。

對(duì)于腦電信號(hào)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(gè)電容比值大小的參數(shù)。通過(guò)電容的確定，可由式(15)確定電阻：

(15)

對(duì)于腦電信號(hào)，選擇k=2，3 dB截止的頻率是8 Hz。通過(guò)查表得到Bessel低通函數(shù)系數(shù)是：ai=1.3617，bi=0.6180。因?yàn)槟X電信號(hào)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(jì)算電阻：

C5=1.5 μF

(16)

C3=1 μF

(17)

計(jì)算出電阻為：

R2=14.24 kΩ

(18)

R1=289.2 kΩ

(19)

對(duì)于腦電信號(hào)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(qiáng)腦電信號(hào)濾波器電路的穩(wěn)定性，其增益k需滿(mǎn)足：

(22)

當(dāng)電容C確定后，可獲得電阻為：

(23)

對(duì)于腦電信號(hào)，選擇k=5，3 dB截止的頻率是12 Hz。通過(guò)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(jì)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(hào)的濾波電路設(shè)計(jì)，將二階低通濾波器與二階高通濾波器進(jìn)行串聯(lián)，并形成4階Bessel帶通濾波器，對(duì)腦電信號(hào)進(jìn)行濾波。

2.4 腦電信號(hào)傳輸

以2.1～2.3中各項(xiàng)數(shù)據(jù)為基礎(chǔ)，將腦電信號(hào)傳輸至計(jì)算機(jī)中，完成腦電信號(hào)的采集。

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

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

(26)

工頻干擾看似已經(jīng)消除，其實(shí)差分放大器永遠(yuǎn)不能達(dá)到理想值，因此無(wú)法徹底消除共模干擾。解決方法只有盡可能提高腦電信號(hào)傳輸電路共模抑制比。傳輸電路中，由U1與U2兩個(gè)高輸入阻抗的低失調(diào)放大器組建的差分放大電路，因?yàn)閮蓚€(gè)阻抗運(yùn)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(dǎo)致的共模抑制比降低現(xiàn)象在由并聯(lián)型差動(dòng)放大器構(gòu)建的前級(jí)放大器和由儀器放大器所構(gòu)建的后級(jí)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(jí)儀器放大器的效益，以此為提升腦電信號(hào)傳輸電路的共模抑制比提供便利條件。將共模信號(hào)輸入腦電信號(hào)能夠保證信號(hào)平穩(wěn)地經(jīng)過(guò)電纜傳輸至放大器輸入端，繼而消除共模電壓經(jīng)過(guò)電纜傳送時(shí)產(chǎn)生的干擾。通常增強(qiáng)驅(qū)動(dòng)能力的方法是增加加一級(jí)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(hào)傳輸?shù)目垢蓴_能力。

3 仿真實(shí)驗(yàn)結(jié)果與分析

為了證明基于LABVIEW的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法的整體有效性，需要進(jìn)行一次仿真實(shí)驗(yàn)。在Windows的環(huán)境下搭建腦電信號(hào)虛擬采集實(shí)驗(yàn)仿真平臺(tái)。實(shí)驗(yàn)數(shù)據(jù)取自于本單位腦電實(shí)驗(yàn)收集數(shù)據(jù)，以此為依據(jù)進(jìn)行實(shí)驗(yàn)，利用本文方法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行采集，觀察本文方法的可行性。表1是當(dāng)腦電信號(hào)頻率分別為10 Hz、20 Hz、30 Hz、40 Hz、50 Hz時(shí)，不同方法腦電信號(hào)采集效率(%)對(duì)比。下面給出了腦電信號(hào)采集效率(%)計(jì)算公式。

g=×100% (27)

分析表1可知，文獻(xiàn)[8]所提方法的腦電信號(hào)采集效率最低，因?yàn)樵摲椒ㄔ诓捎秒姌O導(dǎo)聯(lián)耦合將腦電信號(hào)傳送至差動(dòng)放大器的輸入端并放大的過(guò)程中，沒(méi)有設(shè)定放大指標(biāo)，導(dǎo)致腦電信號(hào)傳輸效率低，其采集效率就會(huì)變得很低。文獻(xiàn)[9]所提方法比文獻(xiàn)[8]所提方法的采集效率要高，因?yàn)槲墨I(xiàn)[9]所提方法對(duì)腦電信號(hào)采集系統(tǒng)中的電路進(jìn)行了放大，并去除了采集過(guò)程中的噪聲。本文所提方法在對(duì)腦電信號(hào)采集過(guò)程中，首先對(duì)腦電信號(hào)特征進(jìn)行了提取，其次對(duì)腦電信號(hào)進(jìn)行濾波操作，最后以腦電信號(hào)傳輸電路的設(shè)計(jì)，完成了腦電信號(hào)的采集。由此提高了腦電信號(hào)的采集效率。表2是不同方法腦電信號(hào)特征提取所用時(shí)間(s)對(duì)比。

表2 不同方法腦電信號(hào)特征提取所用時(shí)間對(duì)比

由表2可知，本文所提方法腦電信號(hào)特征提取所用時(shí)間，明顯少于文獻(xiàn)[9]所提方法的腦電信號(hào)特征提取所用時(shí)間。主要是因?yàn)樵诶帽疚乃岱椒ㄟM(jìn)行腦電信號(hào)特征提取時(shí)，利用了功率譜估計(jì)對(duì)腦電信號(hào)的特征進(jìn)行提取。而且進(jìn)行特征提取的腦電信號(hào)由腦電采集器獲得的，并且完成了相關(guān)預(yù)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(shí)間。證明了本文所提方法具有可實(shí)踐性。圖2是不同方法采集到的腦電信號(hào)占采集系統(tǒng)存儲(chǔ)空間(GB)對(duì)比。

圖2 不同方法腦電信號(hào)占采集系統(tǒng)存儲(chǔ)空間對(duì)比

分析圖2得知，文獻(xiàn)[9]所提方法與文獻(xiàn)[10]所提方法腦電信號(hào)占采集系統(tǒng)存儲(chǔ)空間曲線比較接近。由于文獻(xiàn)[9]所提方法對(duì)當(dāng)前腦電信號(hào)的基本知識(shí)分類(lèi)占用了大量的存儲(chǔ)空間，導(dǎo)致腦電信號(hào)的采集系統(tǒng)存儲(chǔ)空間變小，本文所提方法腦電信號(hào)占采集系統(tǒng)的存儲(chǔ)空間相對(duì)較小，主要是本文方法對(duì)腦電信號(hào)傳輸電路進(jìn)行了完善，降低了腦電信號(hào)存儲(chǔ)對(duì)采集系統(tǒng)空間的要求。進(jìn)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(hào)濾波延時(shí)(s)對(duì)比。

圖3 不同方法腦電信號(hào)濾波延時(shí)對(duì)比

分析圖3，文獻(xiàn)所提方法的腦電信號(hào)濾波延時(shí)普遍較長(zhǎng)，本文所提方法的腦電信號(hào)濾波延時(shí)相對(duì)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(jìn)行串聯(lián)對(duì)腦電信號(hào)進(jìn)行濾波處理，減少了腦電信號(hào)的濾波延時(shí)。說(shuō)明了本文所提方法具有很強(qiáng)的拓展性。

4 結(jié)束語(yǔ)

采用當(dāng)前方法對(duì)腦電信號(hào)虛擬采集系統(tǒng)進(jìn)行設(shè)計(jì)時(shí)，存在系統(tǒng)設(shè)計(jì)效率低的問(wèn)題。提出一種基于LABVIEW的腦電信號(hào)虛擬采集系統(tǒng)設(shè)計(jì)方法。并通過(guò)仿真實(shí)驗(yàn)證明，所提方法可以快速地對(duì)腦電信號(hào)虛擬采集系統(tǒng)進(jìn)行設(shè)計(jì)，具有較高的應(yīng)用價(jià)值，為該領(lǐng)域的研究發(fā)展提供了有力依據(jù)。

[1] 馬慶國(guó),王小毅.從神經(jīng)經(jīng)濟(jì)學(xué)和神經(jīng)營(yíng)銷(xiāo)學(xué)到神經(jīng)管理學(xué).管理工程學(xué)報(bào)[J],2006,3(29):129-132.

[2] 孫繼江,何曉彬,步巖生. 3.0T高場(chǎng)強(qiáng)核磁共振設(shè)備機(jī)房布局及施工準(zhǔn)備[J].中國(guó)醫(yī)學(xué)裝備,2013,10(10):53-55.

[3] 莊 瑋,段鎖林,徐亭婷,等.基于支持向量機(jī)的腦電信號(hào)分類(lèi)方法研究[J].科學(xué)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(jī)交互系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)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(hào)識(shí)別方法[J].系統(tǒng)科學(xué)與數(shù)學(xué),2015,35(5):489-498.

[6] 譚發(fā)江,趙德春,孫齊峰,等.便攜式腦電信號(hào)采集與處理系統(tǒng)[J].航天醫(yī)學(xué)與醫(yī)學(xué)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(xué),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(jì)與試驗(yàn)研究[J].江蘇農(nóng)業(yè)科學(xué),2016,44(4):415-418.

[9] 張 黎,劉國(guó)忠.基于小波熵的數(shù)學(xué)認(rèn)知下的腦電信號(hào)特性研究[J].電子設(shè)計(jì)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(shí)現(xiàn)[J].科技通報(bào),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(xué)創(chuàng)新性實(shí)驗(yàn)項(xiàng)目(CXSYXM1617)。

朱龍飛(1978-)，男，江西南康人，碩士生，講師，主要從事腦科學(xué)、網(wǎng)絡(luò)信息化及實(shí)驗(yàn)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