CN212698896U - 生物电信号处理系统 - Google Patents
生物电信号处理系统 Download PDFInfo
- Publication number
- CN212698896U CN212698896U CN201922365329.9U CN201922365329U CN212698896U CN 212698896 U CN212698896 U CN 212698896U CN 201922365329 U CN201922365329 U CN 201922365329U CN 212698896 U CN212698896 U CN 212698896U
- Authority
- CN
- China
- Prior art keywords
- chip
- processing system
- signal processing
- bioelectrical signal
- embedded chip
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本实用新型公开了一种生物电信号处理系统,属于数据处理技术领域,所述生物电信号处理系统包括:嵌入式芯片、ESP32芯片和信号采集设备。本实用新型通过嵌入式芯片、ESP32芯片和信号采集设备之间的配合,能够在不增加过多硬件设备的前提下实现生物电信号处理,便于携带,并且可以穿戴,成本低廉。
Description
技术领域
本实用新型涉及数据处理技术领域,特别涉及一种生物电信号处理系统。
背景技术
Brain Computer Interface(BCI)又称脑机接口,是一种连通人类大脑与计算机和机械设备的交互方式。脑机接口一般是通过使用算法分析EEG(脑电波)/EMG(肌电)等生物电信号来识别出人的精神/心理/生理状态,从而识别人的意图/想法/命令。BCI技术对与残疾人辅助、康复系统、人机交互等领域具有重要意义。然而目前的脑机接口系统一般分为软件和硬件两部分,两者分离。相互独立,通过一定的数据接口连接。
目前市场上有许多方案,如Emotive公司的Epoc头盔、NeuroSky公司的Mindset头戴检测器、g.Tec公司的gUSBamp系列脑电信号放大器、开源社区OpenBCI开发的硬件OpenBCI Ganglion Board头盔等。这些方案都是通过蓝牙或WiFi等无线传输或USB连接线等有线传输方式将硬件采集到的生物电信号传输到电脑上,在电脑端运行配套的软件和算法,对数据进行分析,但这些设备普遍存在硬件设备体积庞大而沉重、不便携带、不可穿戴、以及成本高等问题。
实用新型内容
为解决上述的全部或部分的技术问题,本实用新型提供了一种生物电信号处理系统,所述生物电信号处理系统包括:嵌入式芯片、ESP32芯片和信号采集设备;
所述信号采集设备,用于采集待处理生物电信号,并对所述待处理生物电信号进行放大;
所述ESP32芯片,用于读取并缓存放大后的待处理生物电信号,并将缓存的待处理生物电信号一次性传输至所述嵌入式芯片;
所述嵌入式芯片,用于对所述ESP32芯片发送的待处理生物电信号进行时域特征提取和频域特征提取,获得时域特征和频域特征;
所述嵌入式芯片,还用于通过神经网络模型对所述时域特征和频域特征进行模式识别,获得模式识别结果。
优选地,所述时域特征提取包括:均方根、脉冲因子、峰值因子、裕度、峭度、偏度、协方差、自相关函数、上下包络线、帕金森震颤系数、僵直系数、运动系数、脑电精神力和专注度中的至少一种。
优选地,所述频域特征提取包括:快速傅里叶变换、短时傅里叶变换、小波变换、小波包变换、经验模态分解和希尔伯特黄变换中的至少一种。
优选地,所述嵌入式芯片,还用于对所述ESP32芯片发送的待处理生物电信号进行预处理。
优选地,所述预处理包括:基线矫正、去除伪迹、降噪、陷波、带通滤波和平滑中的至少一种。
优选地,所述生物电信号处理系统还包括:与所述嵌入式芯片相连的SPI屏幕;
所述SPI屏幕,用于对所述待处理生物电信号和模式识别结果进行展示。
优选地,所述嵌入式芯片为多处理核芯片;
所述嵌入式芯片,还用于将当前需要执行的任务分配至不同的处理核,由各处理核并行执行对应的任务。
优选地,所述嵌入式芯片,还用于通过python lab流媒体层建立本地数据流,从而实现进程间共享数据。
优选地,所述神经网络模型由Tensorflow搭建。
优选地,所述生物电信号处理系统还包括:与所述嵌入式芯片相连的WiFi驱动芯片;
所述WiFi驱动芯片,用于将所述模式识别结果发送至外部设备。
本实用新型通过嵌入式芯片、ESP32芯片和信号采集设备之间的配合,能够在不增加过多硬件设备的前提下实现生物电信号处理,便于携带,并且可以穿戴,成本低廉。
附图说明
图1是本实用新型一种实施方式的生物电信号处理系统的结构框图。
具体实施方式
下面结合附图和实施例,对本实用新型的具体实施方式作进一步详细描述。以下实施例用于说明本实用新型,但不用来限制本实用新型的范围。
图1是本实用新型一种实施方式的生物电信号处理系统的结构框图;参照图1,所述生物电信号处理系统包括:嵌入式芯片100、ESP32芯片200和信号采集设备300。
所述信号采集设备300,用于采集待处理生物电信号,并对所述待处理生物电信号进行放大。
需要说明的是,所述待处理生物电信号即为EEG(脑电波)信号和/或EMG(肌电)信号,当然,还可为其他具有类似特征的信息,本实施例对此不加以限制。
可理解的是,所述信号采集设备可通过植入式脑机接口(EmBCI,Embedded BrainComputer Interface)中的传感器来进行采集,所述信号采集设备的软件部分有部分C语言底层支持,提高运算速度。
所述ESP32芯片200,用于读取并缓存放大后的待处理生物电信号,并将缓存的待处理生物电信号一次性传输至所述嵌入式芯片。
在具体实现中,ESP32芯片200具有精准时钟高采样率,故而,可通过精准时钟高采样率读取放大后的待处理生物电信号,并在嵌入式芯片100对放大后的待处理生物电信号进行数据预处理后,再缓存至缓存器中,也就是说,所述嵌入式芯片100,还用于对所述ESP32芯片发送的待处理生物电信号进行预处理,具体实现中,所述预处理包括:基线矫正、去除伪迹、降噪、陷波、带通滤波和平滑等预处理中的至少一种。
所述嵌入式芯片100,用于对所述ESP32芯片发送的待处理生物电信号进行时域特征提取和频域特征提取,获得时域特征和频域特征。
在具体实现中,所述时域特征提取包括:均方根、脉冲因子、峰值因子、裕度、峭度、偏度、协方差、自相关函数、上下包络线、帕金森震颤系数、僵直系数、运动系数、脑电精神力和专注度中的至少一种。
需要说明的是,所述频域特征提取包括:快速傅里叶变换、短时傅里叶变换、小波变换(离散和连续)、小波包变换、经验模态分解和希尔伯特黄变换中的至少一种。
所述嵌入式芯片100,还用于通过神经网络模型对所述时域特征和频域特征进行模式识别,获得模式识别结果。
为便于对所述模式识别结果进行展示,本实施例中,所述生物电信号处理系统还包括:与所述嵌入式芯片相连的串行外设接口(Serial Peripheral Interface,SPI)屏幕;
所述SPI屏幕,用于对所述待处理生物电信号和模式识别结果进行展示,具体地,所述SPI屏幕可选用2.3寸SPI屏幕,使设备更加易用,为便于驱动SPI屏幕,本实施例中,可选用ILI9341芯片进行驱动。
对于嵌入式芯片而言,其通常需要执行多个任务,例如:数据采集、界面显示、模型训练等任务,这些任务都需要占用系统资源,假设依次执行会导致识别效率过低,故而,所述嵌入式芯片100为多处理核芯片,具体地,可选用全志高计算力四核64位芯片H5(具体可为四核64位ARM Cortex A53 CPU),运行Python程序读取ESP32芯片200发送的数据;
所述嵌入式芯片100,还用于将当前需要执行的任务分配至不同的处理核,由各处理核并行执行对应的任务,也就是说,将数据采集、界面显示、模型训练等任务分配到不同的处理核,从而实现任务并行执行,实时在线识别时延短。
在具体实现中,所述嵌入式芯片100,还用于通过python lab流媒体层(Pylsl,python lab Streaming layer)建立本地数据流,一端发送多端接受,数据复用,从而实现进程间共享数据。
在具体实现中,所述神经网络模型由Tensorflow搭建,通过迁移学习方法对神经网络后几层实时再训练,实现迁移性较好的特征分类,即模式识别。
为便于与外部设备进行互动,实现识别结果输出,本实施例中,所述生物电信号处理系统还包括:与所述嵌入式芯片相连的WiFi驱动芯片;
所述WiFi驱动芯片,用于将所述模式识别结果发送至外部设备,具体地,所述WiFi驱动芯片可选用AP6212芯片。
本实施例通过嵌入式芯片、ESP32芯片和信号采集设备之间的配合,能够在不增加过多硬件设备的前提下实现生物电信号处理,便于携带,并且可以穿戴,成本低廉。
对于现有技术而言,接口繁多,软硬件分离意味着两者之间通信必须通过一定的有线或者无线接口。实时系统的生物电信号数据传输对传输方式的稳定性要求很高,如果有线连接接触不良或无线连接信号受干扰,就很可能丢包,这也限制了数据传输速度。众多接口标准不一、数据无法共享、都需要专属的驱动,臃肿冗余,而本实施例的系统能够避免涉及过多的接口,避免驱动冗余。
另外,对于现有技术而言,算法和软件的开发困难,为兼容不同架构、不同平台、不同系统,软件的维护和更新要求较高的时间成本和人力成本,而本实施例的系统能够保持较好的兼容性,避免浪费时间成本和人力成本。
通过附图和具体实施方式的描述,从系统组成、结构、系数计算原理、上位机显示界面、使用流程等几个方面详细说明了本实用新型的技术方案。上述方式只是本实用新型优选的实施方式,对于本领域内的普通技术人员而言,在本实用新型公开的基础上,很容易想到将其进行修改或者等同替换,应用于各种医疗仪器系统,而不仅限于本实用新型具体实施方式所描述的系统结构,因此前面描述的方式只是优选的,而并不具有限制性的意义。
以上所述仅为本实用新型的几种具体实施例,以上实施例仅用于对本实用新型的技术方案和构思做说明而非限制本实用新型的权利要求范围。凡本技术领域中技术人员在本专利的构思基础上结合现有技术,通过逻辑分析、推理或有限实验可以得到的其他技术方案,也应该被认为落在本实用新型的权利要求保护范围之内。
以上实施方式仅用于说明本实用新型,而并非对本实用新型的限制,有关技术领域的普通技术人员,在不脱离本实用新型的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本实用新型的范畴,本实用新型的专利保护范围应由权利要求限定。
Claims (10)
1.一种生物电信号处理系统,其特征在于,所述生物电信号处理系统包括:嵌入式芯片、ESP32芯片和信号采集设备;
所述信号采集设备,用于采集待处理生物电信号,并对所述待处理生物电信号进行放大;
所述ESP32芯片,用于读取并缓存放大后的待处理生物电信号,并将缓存的待处理生物电信号一次性传输至所述嵌入式芯片;
所述嵌入式芯片,用于对所述ESP32芯片发送的待处理生物电信号进行时域特征提取和频域特征提取,获得时域特征和频域特征;
所述嵌入式芯片,还用于通过神经网络模型对所述时域特征和频域特征进行模式识别,获得模式识别结果。
2.如权利要求1所述的生物电信号处理系统,其特征在于,所述时域特征提取包括:均方根、脉冲因子、峰值因子、裕度、峭度、偏度、协方差、自相关函数、上下包络线、帕金森震颤系数、僵直系数、运动系数、脑电精神力和专注度中的至少一种。
3.如权利要求1所述的生物电信号处理系统,其特征在于,所述频域特征提取包括:快速傅里叶变换、短时傅里叶变换、小波变换、小波包变换、经验模态分解和希尔伯特黄变换中的至少一种。
4.如权利要求1所述的生物电信号处理系统,其特征在于,所述嵌入式芯片,还用于对所述ESP32芯片发送的待处理生物电信号进行预处理。
5.如权利要求4所述的生物电信号处理系统,其特征在于,所述预处理包括:基线矫正、去除伪迹、降噪、陷波、带通滤波和平滑中的至少一种。
6.如权利要求1所述的生物电信号处理系统,其特征在于,所述生物电信号处理系统还包括:与所述嵌入式芯片相连的SPI屏幕;
所述SPI屏幕,用于对所述待处理生物电信号和模式识别结果进行展示。
7.如权利要求1~6中任一项所述的生物电信号处理系统,其特征在于,所述嵌入式芯片为多处理核芯片;
所述嵌入式芯片,还用于将当前需要执行的任务分配至不同的处理核,由各处理核并行执行对应的任务。
8.如权利要求1~6中任一项所述的生物电信号处理系统,其特征在于,所述嵌入式芯片,还用于通过python lab流媒体层建立本地数据流,从而实现进程间共享数据。
9.如权利要求1~6中任一项所述的生物电信号处理系统,其特征在于,所述神经网络模型由Tensorflow搭建。
10.如权利要求1~6中任一项所述的生物电信号处理系统,其特征在于,所述生物电信号处理系统还包括:与所述嵌入式芯片相连的WiFi驱动芯片;
所述WiFi驱动芯片,用于将所述模式识别结果发送至外部设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201922365329.9U CN212698896U (zh) | 2019-12-25 | 2019-12-25 | 生物电信号处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201922365329.9U CN212698896U (zh) | 2019-12-25 | 2019-12-25 | 生物电信号处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN212698896U true CN212698896U (zh) | 2021-03-16 |
Family
ID=74903992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201922365329.9U Active CN212698896U (zh) | 2019-12-25 | 2019-12-25 | 生物电信号处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN212698896U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111084617A (zh) * | 2019-12-25 | 2020-05-01 | 杭州航弈生物科技有限责任公司 | 生物电信号处理系统 |
CN113080971A (zh) * | 2021-04-12 | 2021-07-09 | 北京交通大学 | 一种通过检测眨眼信号判断疲劳状态的方法和系统 |
-
2019
- 2019-12-25 CN CN201922365329.9U patent/CN212698896U/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111084617A (zh) * | 2019-12-25 | 2020-05-01 | 杭州航弈生物科技有限责任公司 | 生物电信号处理系统 |
CN113080971A (zh) * | 2021-04-12 | 2021-07-09 | 北京交通大学 | 一种通过检测眨眼信号判断疲劳状态的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khan et al. | Multiclass EEG motor-imagery classification with sub-band common spatial patterns | |
US20210217419A1 (en) | Lip-language recognition aac system based on surface electromyography | |
Lee et al. | A brain-wave-actuated small robot car using ensemble empirical mode decomposition-based approach | |
CN110123314B (zh) | 基于脑电信号判断大脑专注放松状态的方法 | |
CN212698896U (zh) | 生物电信号处理系统 | |
Norani et al. | A review of signal processing in brain computer interface system | |
CN103793058A (zh) | 一种主动式脑机交互系统运动想象任务分类方法及装置 | |
CN108968952A (zh) | 一种脑肌电及惯性信息同步采集装置 | |
Hamedi et al. | Human facial neural activities and gesture recognition for machine-interfacing applications | |
CN104267807A (zh) | 基于手部动作肌音信号的人机交互方法及交互系统 | |
CN111584032B (zh) | 基于胶囊网络的新型脑控智能康复方法及应用 | |
CN102846317A (zh) | 佩戴式肌电信号采集系统 | |
CN109497988A (zh) | 用于家庭睡眠监测领域的多模态生理电信号监护系统 | |
CN111616681A (zh) | 基于便携式脑电采集设备和深度学习的麻醉状态监测系统 | |
Aydemir et al. | Classifying various EMG and EOG artifacts in EEG signals | |
Thanawattano et al. | Temporal fluctuation analysis of tremor signal in Parkinson's disease and Essential tremor subjects | |
Salvaro et al. | A minimally invasive low-power platform for real-time brain computer interaction based on canonical correlation analysis | |
CN105892676A (zh) | 一种血管介入手术送丝机构的人机交互装置、系统及方法 | |
KR101527273B1 (ko) | 전두엽 부착형 뇌파신호 검출 및 뇌파기반 집중력 분석 방법 및 장치 | |
Tripathi et al. | SurfMyoAiR: A surface electromyography-based framework for airwriting recognition | |
Rajashekhar et al. | Electroencephalogram (EEG) signal classification for brain–computer interface using discrete wavelet transform (DWT) | |
CN105686827B (zh) | 一种基于微控制器的肌电信号处理及特征提取方法 | |
CN111084617A (zh) | 生物电信号处理系统 | |
CN2753290Y (zh) | 一种用于采集人体神经生物电信号的事件相关电位仪 | |
CN1778272A (zh) | 便携式事件相关电位仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211108 Address after: 045000 No. 411, incubation building, high tech entrepreneurship service center, No. 61, Dalian Road, Yangquan economic and Technological Development Zone, Shanxi Province Patentee after: Shanxi Hangyi Biotechnology Co.,Ltd. Address before: 311100 301n, 22 Xinyan Road, Yuhang Economic and Technological Development Zone, Yuhang District, Hangzhou City, Zhejiang Province Patentee before: HANGZHOU HANGYI BIOTECHNOLOGY Co.,Ltd. |