导读:本文包含了脑电采集论文开题报告文献综述及选题提纲参考文献，主要关键词:脑电信号,情绪识别,便携式脑电采集系统,眼电伪迹去除
脑电采集论文文献综述
周季冬[1]（2019）在《基于便携式单导脑电采集系统的情绪识别研究》一文中研究指出情绪识别是运用信号的分析处理方法对人的不同情绪状态进行识别,在情绪识别领域中脑电信号逐渐成为了研究人情绪的最为可靠的生理信号之一,基于脑电的情绪识别技术的研究能够促进人机交互、产品设计以及医疗护理等多个领域的发展,具有十分重要的社会价值及应用价值。随着半导体领域和干电极领域的快速发展,便携式脑电采集技术已经发展地较为成熟,将便携式脑电采集装置与情绪识别技术相结合,能够快速推动情绪识别技术的推广化应用,具有重要的研究意义。本文依据携带方便操作简单的设计原则,基于美国NeuroSky公司研发的TGAM模块搭建了便携式单导脑电采集系统,实现了对脑电信号的采集、显示和存储等功能。然后,在单导脑电信号的预处理过程中,提出了一种将经验小波变换(EWT)、典型相关分析(CCA)以及瑞利熵(RE)相结合的自动去眼电伪迹算法,以快速有效去除单通道脑电中的眼电伪迹,从而满足便携式单通道脑机接口的需求。其次,设计实验利用视频刺激素材激发受试者产生正性情绪、中性情绪和负性情绪等叁种不同的情绪,得到不同人在不同情绪下的脑电信号进行情绪识别研究。再次,对脑电信号的小波能量、小波熵以及多尺度熵(MSE)进行了分析,提出了一种将离散小波变换(DWT)、MSE和主成分分析(PCA)相结合的特征提取算法,对脑电信号中蕴含的情绪相关信息进行表征。之后,研究k近邻算法(KNN)、径向基(RBF)神经网络分类算法及支持向量机(SVM)分类算法,将特征值放入叁种分类算法中进行分类,结果表明相较于KNN与RBF算法,基于蚁群寻优的支持向量机(GA-SVM)分类算法的识别准确率最高,为75.42%。最后,为了进一步验证自采数据集和所提算法的效果,本文利用公开的情感脑电数据库DEAP与自采数据集做了对比分析实验。本文搭建便携式单导脑电采集系统,采集情绪相关脑电信号,提出了一种适用于单通道脑电的自动去眼电伪迹算法和一种融合特征提取算法,建立情绪识别模型进行情绪分类研究,实验结果表明设计的便携式单导脑电采集系统能够较准确地对情绪进行分类识别,研究成果对后续实际应用具有一定的参考价值。(本文来源于《河南工业大学》期刊2019-05-01）
郑骏翔[2]（2019）在《应用于脑电采集的低功耗低噪声斩波放大器芯片设计》一文中研究指出近年来,随着微电子技术在生物医学领域的应用不断发展,这一交叉领域在学术界得到了越来越多的关注。在诸如生物电信号采集、脑机接口等重要应用中,对信号采集设备的体积、功耗、噪声等性能提出了非常高的要求。作为生物电信号采集系统中关键模块的模拟前端放大器,对系统整体性能有着决定性的影响,从而引起了研究人员的极大关注。目前,低功耗、低噪声、高输入阻抗、高共模抑制比、高电源电压抑制比以及面积小是模拟前端放大器的主要关注点。本文主要针对植入式多通道脑电信号采集的应用,对相应的前端放大器电路模块进行了研究、分析与设计。主要工作包括:(1)针对植入式多通道脑电信号采集的应用场景进行了分析,从系统的角度出发,探讨了模拟前端放大电路的整体性能需求。基于闭环电容反馈结构设计了采用斩波稳定技术的多通道放大器系统,该放大器由两级放大电路、斩波开关构成。(2)针对植入式设备对于低噪声、低功耗的需求,在现有的用于优化NEF的电流复用结构的基础上,提出了一种新型的反相器堆迭电流复用结构。基于四级反相器堆迭,实现了一种具有低复杂度、低噪声效率因子等特点的四通道脑电信号采集的前端放大器芯片。使用UMC 0.18μm CMOS工艺对所提出的新型反相器堆迭电流复用结构前端放大器芯片进行设计,仿真结果表明所设计的放大器芯片在1.8V电源电压下,小号的总电流为198nA,-3dB带宽为5.41kHz,输入噪声功率谱密度为76.6nV/√Hz,增益为25.6dB,噪声效率因子和功耗效率因子分别为0.888和1.419。此外,与传统的正交电流复用结构相比,该反相器堆迭结构还具有无需电流重组电路,通道间串扰低,输出支路数目随堆迭层数线性增长的优势。这些优点使得反相器堆迭结构具有更低的复杂度、更好的性能以及实现更高阶的电流复用的可能性,令其成为一种更适合实现超低噪声效率因子的新一代多通道脑电信号放大器结构。(本文来源于《华南理工大学》期刊2019-04-01）
黄龙,颜卓程,薛苗苗,夏阳,高敏[3]（2018）在《基于容性电极的多通道皮层脑电采集系统》一文中研究指出初级视皮层ECo G信号利用植入的容性阵列微电极耦合大鼠皮层进行脑电信号采集,为了设计一款针对容性阵列微电极特性的皮层脑电采集系统,在模拟放大电路模块前端需要选择适配容性电极的前置阻抗变换模块。脑电信号经过模拟放大和A/D高速转换后在主控芯片中进行第一次梳状滤波处理,最后将数据传输到上位机中进行第二次梳状滤波处理并显示实时波形。该采集系统具有对大鼠刺激小、采集信号空间分辨率高的特性,可实现多通道并行高精度采集。该系统共模抑制比达到110 d B,噪声低至2μV。生物实验证明其能够完整提取皮层脑电信号。(本文来源于《电子科技》期刊2018年12期）
王桂英,王艳娟[4]（2018）在《脑电采集用电极制造技术研究进展》一文中研究指出脑电图作为录制脑部神经生理反应产生的电化学活动的有效成像手段,诞生于20世纪20年代。脑电采集用电极作为一种能够有效地将脑部电化学活动产生的离子电位转换成测量系统电子电位的传感器,被广泛应用于临床检测、诊断和康复等研究领域。近年来,由于脑电采集用电极在脑电图采集领域的迫切应用需求,各种脑电采集用电极结构及制造方法不断涌现。通过对现有的脑电采集用电极进行分类(包括传统银/氯化银电极、微针电极、半干电极、电容/非接触电极、杂类电极),对其制造工艺、结构和使用方法进行了全面的综述;最后分析了脑电采集用电极在使用中存在的问题并对应用前景进行了展望。(本文来源于《科学技术与工程》期刊2018年25期）
赵明剑,陈梓庆,詹艺宇,周哲[5]（2018）在《基于FPGA与千兆网的多通道高精度脑电采集与传输系统设计》一文中研究指出目的:针对现有脑电采集系统受限于传输速率低而导致的采集通道数少、采样频率及有效位低等问题,设计一种多通道高性能脑电信号采集与传输系统。方法:该系统在传统"右腿"驱动放大链路中,加入基于RC零极点补偿技术的前馈电路,提高整体链路的环路稳定性;基于高速现场可编程门阵列芯片(field programmable gate array,FPGA)与4片DDR3,设计了2条实时并行处理的"乒乓"交替数据吞吐机制,以提升系统可承载的实时采集通道数。结果:该系统增加了前端模拟链路的相位裕度、增益、稳定性及工频抑制能力,实现了吞吐率达千兆比特的数据整合与高效传输,大幅提高了系统所能承载的通道数量、采样频率及有效位。最终系统实现性能指标为:链路共模抑制比130 dB,有效位24 bit,单通道采样频率500 kHz,传输速率3.125 Gbit/s。结论:该系统可承载256通道大规模采集,尤其可为在非开颅情况下脑部病灶的精确定位诊断提供一套解决方案,为生物学及脑机接口等前沿研究提供有力支撑。(本文来源于《医疗卫生装备》期刊2018年07期）
杨勇[6]（2018）在《脑电—肌电—惯性信息同步采集系统设计》一文中研究指出随着科学技术的发展,多生理信号检测技术在各个科学领域以及生活中的应用研究逐渐普及,而新型惯性传感技术的加入为生理电信号采集过程中运动模式识别及运动功能评价提供了参考,使采集信息更加全面。为此,本文基于脑电-肌电-惯性信息同步采集思路,通过高性能采集电路、嵌入式硬件集成、Wi-Fi节点化同步组网、数据应用终端等设计,对脑电-肌电-惯性信息同步采集系统进行开发。并且针对系统设计实验,通过脑电-肌电-惯性信息分析方法进行参数测试比对,验证系统的有效性及先进性。本文具体工作如下:(1)研究了生理电研究的发展历程,针对当前市面上的采集设备的特点与不足,提出脑电-肌电-惯性信息同步采集的设计方案,分析了脑电、肌电信号及惯性信息采集原理、系统组成结构、系统设计参数以及系统开发流程,详细分析了采集系统的技术参数和设计要求。(2)设计了脑电-肌电-惯性信息同步采集系统的硬件部分,以高输入阻抗、高共模抑制比、低噪声、低漂移等性能指标为出发点,从多参量生理信号调理电路、惯性信息捕获电路、电源系统、嵌入式硬件集成方面进行硬件系统的开发。通过仿真分析和示波器硬件电路测试,验证了硬件电路的参数性能。(3)设计了脑电-肌电-惯性信息同步采集系统的软件部分。开发了采集节点嵌入式程序,数据同步传输网络,数据应用平台。并利用信号预处理算法对多参量信号进行信号优化。(4)基于脑电-肌电-惯性信息同步采集系统,设计多参量生理信号同步采集实验,通过多参量设备节点获取前额表面脑电、手臂、肌电及惯性信息,以此对系统进行功能性测试并与同类设备对比分析,进一步验证了脑电-肌电-惯性信息同步采集系统的有效性。(本文来源于《燕山大学》期刊2018-05-01）
贺龙[7]（2018）在《基于STM32和ADS1298的24导脑电采集系统研究》一文中研究指出随着社会的发展,人类对脑科学研究日益重视,科学家纷纷将21世纪称为“脑的世纪”,渴望能够尽快揭开脑的奥秘。近年来,虽然我国在该领域已取得部分成就,出现了几款脑电采集设备,但其性能指标和技术水平还远不如国外产品,并且核心部件主要依靠海外进口,导致设备价格昂贵,限制国内脑电研究,因此开发具有自主产权的脑电采集设备具有重大实际意义和应用价值。首先,分析了课题的研究背景、意义以及国内外的研究现状,分析了脑电采集的工作机理,详细探讨了脑电信号的分类和脑电极的使用方法,分析得出了脑电采集系统的功能需求和性能需求,进而提出系统整体的设计方案。其次,在Altium Designer Release10开发环境下,分别对STM32微控制器的外围电路如电源电路、串口通信电路、JTAG电路以及阻抗检测电路进行了设计;对本文替代分立元件所用的集成芯片ADS1298的外围电路进行搭建,包括模拟前端部分、右腿驱动电路还有信号预处理部分。再次,在IAR Embedded Workbench开发环境下,分别对下位机STM32主程序、A/D转换程序、串口通信程序、SPI程序和ADS1298的初始化部分以及寄存器模块进行了编译;在集成开发环境Microsoft Visual Studio帮助下编译了上位机软件的程序以及它的采集和存储过程。最后,文中对设计的采集系统进行了初步验证,包括按照数字脑电图仪标准JJG1043-2008进行了部分关键性能测试及按照国家标准GB9706.1进行关键安全性测试,同时采用实验采集脑电信号验证系统可行性。测试结果说明本文设计的24导脑电采集系统性能指标较好,以用于脑功能研究和临床诊断中。(本文来源于《燕山大学》期刊2018-05-01）
熊馨,伏云发,张夏冰,李松,徐保磊[8]（2018）在《一种多模态脑电和近红外光谱联合采集头盔设计及实验研究》一文中研究指出多模式脑—机接口和多模式脑功能成像是目前和未来的发展趋势。本研究针对基于脑电-近红外光谱(EEG-NIRS)的多模态脑—机接口,为同时采集运动区的脑活动,设计了一种EEG和NIRS联合采集的头盔并进行实验验证。根据10-20系统或10-20扩展系统、NIRS探头和EEG电极直径和间距,以C3或C4为基准电极对近红外探头进行对准,把EEG电极置于NIRS电极之间,同时测量同一功能脑区NIRS变化和与之对应的EEG变化;采用螺纹旋紧的方式耦合近红外探头夹持器和近红外探头。为验证该多模态EEG-NIRS联合采集头盔的可行性和有效性,在涉及右手握力和握速运动想象共6个任务期间,采集了6个健康被试运动区的NIRS和EEG信号。这些信号在一定程度上可能反映了握力和握速运动想象相关的脑活动。实验表明本文设计的EEG和NIRS联合采集头盔可行并有效,不仅能够为基于EEG-NIRS的多模态运动想象脑—机接口提供支持,也可望为EEG-NIRS多模态脑功能成像研究提供支持。(本文来源于《生物医学工程学杂志》期刊2018年02期）
韦胜昌[9]（2018）在《基于微控制器的低功耗脑电采集控制策略研究与实现》一文中研究指出脑电信号采集对癫痫等神经疾病的病理研究、病症诊断、手术定位具有重要作用。传统上的脑电采集设备研发重点是提高通道数量和采样精度。目前,脑电采集设备的研究重点发生了较大变化:逐步提高信号采样率研究脑电高频振荡信号;通过无线传输技术使脑电采集设备变成可植入的,移动的和穿戴的;集成一些信号识别的算法,减少人工的分析和判断。这叁个方面都将对功耗带来挑战,所以迫切需要发展低功耗技术。目前典型的脑电采集系统可分为叁个部分,模拟前端,数字控制及数据处理电路和无线发射机。其中数字控制及数据处理电路可用专用集成电路(ASIC)或微控制器实现。本文提出低功耗策略,适用于基于微控制器的数字控制及数据处理电路。该策略主要分为叁个方面。第一,改良的多路开关切换模式,双循环转换模式。该模式能够让小部分通道分配较高的采样率,其余大部分通道分配较低的采样率,这样可以深入研究这小部分通道脑电信号的生理学特征,其余大部分通道脑电信号仍处于一般的监测状态,最终达到降低脑电采集系统对带宽的需求。采集测试中,双循环转换模式在采样率较低的条件下,能完好地记录波形。在中等参数下,双循环转换模式估计功耗比连续转换模式减少约33%。第二,优化DMA的功能,提高硬件对多通道脑电采集系统数据传输能力。首先增加DMA与数据存储器的快速通道,减少50%或100%DMA访问数据存储器造成的处理器等待周期。其次增加DMA通道数据筛选功能,即利用DMA从包含多个通道的数据块中快速筛选出某一个通道的数据,消耗时钟数量大约变为软件操作的1/8。第叁,实现基于生理信号检测的软硬件结合反馈控制结构。首先检测有效信号的活跃程度并反馈到生理信号检测模块,然后软件根据情况动态调节微控制器的工作状态及ADC控制器的采样率及转换模式,最终使系统处于最佳的功耗状态。本文提出的低功耗策略在基于openMSP430微控制器内核的SOPC系统中实现,该系统能够容易地接入模拟前端及无线发射机组成完整的脑电采集系统。本低功耗策略适用于基于微控制器的低功耗脑电采集系统。(本文来源于《华南理工大学》期刊2018-04-01）
林德伟[10]（2018）在《基于ADS1298与FPGA的脑电采集系统设计》一文中研究指出脑电信号是一种重要的生物电信号,内部包含了丰富的生理信息与病理信息。脑电信号的研究已经引起世界的广泛关注,越来越多的科研工作者投身于脑电信号的研究。脑电信号的获取一般是通过专用电极,电极输出的微弱脑电信号经过放大、隔离、滤波之后,再进行记录和处理分析。本文首先分析了脑电信号研究现状及发展趋势,在此基础上设计了一套基于ADS1298与FPGA的脑电信号采集系统。该系统具有集成度高、速度快、灵活性好、实用性强的特点,符合现代脑电研究的发展趋势,满足现代脑电信号研究提出的新要求。脑电信号微弱,有效的脑电信号频率主要集中在0.5-50Hz,幅值在10-l00uV之间,且极易受到人体自身和外界信号的干扰。为了能够采集到准确的脑电信号,系统采用ADS1298作为A/D芯片,FPGA作为系统处理器,设计了模拟滤波电路。该系统在生物电极与皮肤接触良好的条件下,将采集到的脑电信号经过模拟滤波电路处理,利用24位A/D将处理后的信号转换为数字量,在处理器FPGA上实现了 FIR滤波器和EMD算法。再将读取到的脑电数据进行算法分析和处理,然后在FPGA的控制下将数据通过WIFI模块发送到上位机,最终实现了脑电信号的采集与发送。经过实验测试,本脑电采集系统能够准确的采集脑电信号并实现对信号的处理。(本文来源于《天津工业大学》期刊2018-01-20）
脑电采集论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着微电子技术在生物医学领域的应用不断发展,这一交叉领域在学术界得到了越来越多的关注。在诸如生物电信号采集、脑机接口等重要应用中,对信号采集设备的体积、功耗、噪声等性能提出了非常高的要求。作为生物电信号采集系统中关键模块的模拟前端放大器,对系统整体性能有着决定性的影响,从而引起了研究人员的极大关注。目前,低功耗、低噪声、高输入阻抗、高共模抑制比、高电源电压抑制比以及面积小是模拟前端放大器的主要关注点。本文主要针对植入式多通道脑电信号采集的应用,对相应的前端放大器电路模块进行了研究、分析与设计。主要工作包括:(1)针对植入式多通道脑电信号采集的应用场景进行了分析,从系统的角度出发,探讨了模拟前端放大电路的整体性能需求。基于闭环电容反馈结构设计了采用斩波稳定技术的多通道放大器系统,该放大器由两级放大电路、斩波开关构成。(2)针对植入式设备对于低噪声、低功耗的需求,在现有的用于优化NEF的电流复用结构的基础上,提出了一种新型的反相器堆迭电流复用结构。基于四级反相器堆迭,实现了一种具有低复杂度、低噪声效率因子等特点的四通道脑电信号采集的前端放大器芯片。使用UMC 0.18μm CMOS工艺对所提出的新型反相器堆迭电流复用结构前端放大器芯片进行设计,仿真结果表明所设计的放大器芯片在1.8V电源电压下,小号的总电流为198nA,-3dB带宽为5.41kHz,输入噪声功率谱密度为76.6nV/√Hz,增益为25.6dB,噪声效率因子和功耗效率因子分别为0.888和1.419。此外,与传统的正交电流复用结构相比,该反相器堆迭结构还具有无需电流重组电路,通道间串扰低,输出支路数目随堆迭层数线性增长的优势。这些优点使得反相器堆迭结构具有更低的复杂度、更好的性能以及实现更高阶的电流复用的可能性,令其成为一种更适合实现超低噪声效率因子的新一代多通道脑电信号放大器结构。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
脑电采集论文参考文献
[1].周季冬.基于便携式单导脑电采集系统的情绪识别研究[D].河南工业大学.2019
[2].郑骏翔.应用于脑电采集的低功耗低噪声斩波放大器芯片设计[D].华南理工大学.2019
[3].黄龙,颜卓程,薛苗苗,夏阳,高敏.基于容性电极的多通道皮层脑电采集系统[J].电子科技.2018
[4].王桂英,王艳娟.脑电采集用电极制造技术研究进展[J].科学技术与工程.2018
[5].赵明剑,陈梓庆,詹艺宇,周哲.基于FPGA与千兆网的多通道高精度脑电采集与传输系统设计[J].医疗卫生装备.2018
[6].杨勇.脑电—肌电—惯性信息同步采集系统设计[D].燕山大学.2018
[7].贺龙.基于STM32和ADS1298的24导脑电采集系统研究[D].燕山大学.2018
[8].熊馨,伏云发,张夏冰,李松,徐保磊.一种多模态脑电和近红外光谱联合采集头盔设计及实验研究[J].生物医学工程学杂志.2018
[9].韦胜昌.基于微控制器的低功耗脑电采集控制策略研究与实现[D].华南理工大学.2018
[10].林德伟.基于ADS1298与FPGA的脑电采集系统设计[D].天津工业大学.2018