【摘要】：隨著微電子、生物醫(yī)學(xué)、腦機(jī)接口等領(lǐng)域的發(fā)展,以無線體域網(wǎng)為中心,對目標(biāo)對象進(jìn)行遠(yuǎn)程生理信號監(jiān)測,包括腦電信號、心電信號等逐漸成為常態(tài)。而在無線體域網(wǎng)中對多通道腦電信號的長時(shí)間監(jiān)測會受到數(shù)據(jù)傳輸節(jié)點(diǎn)的帶寬、系統(tǒng)功耗的限制。傳統(tǒng)數(shù)據(jù)壓縮方法計(jì)算復(fù)雜,難以在計(jì)算能力薄弱的傳感節(jié)點(diǎn)上實(shí)現(xiàn)。壓縮感知理論前端壓縮編碼計(jì)算簡單,復(fù)雜計(jì)算主要集中在后端重構(gòu),適合于前端多傳感節(jié)點(diǎn)計(jì)算能力弱且對系統(tǒng)功耗和實(shí)時(shí)性要求高的場景。因此研究多通道腦電信號壓縮感知技術(shù)具有重要意義。本文的研究目的是在分析壓縮感知理論的基礎(chǔ)上,結(jié)合腦電信號的特點(diǎn),設(shè)計(jì)基于FPGA的腦電信號壓縮采集系統(tǒng),實(shí)現(xiàn)對多通道腦電信號的實(shí)時(shí)采集壓縮,以解決目前腦電信號壓縮感知方法中存在的重構(gòu)精度低、硬件實(shí)現(xiàn)占用存儲空間大、通道擴(kuò)展性差等問題。首先,研究多通道腦電信號的壓縮感知方法,分析壓縮感知原理和特性,分析腦電信號的稀疏性以及設(shè)計(jì)模擬隨機(jī)解調(diào)AIC模型和數(shù)字測量矩陣模型,分析驗(yàn)證OMP及SOMP重構(gòu)算法。其次,設(shè)計(jì)實(shí)現(xiàn)基于FPGA的壓縮采集系統(tǒng),硬件采集模塊采用ADS1299腦電采集電路,固件設(shè)計(jì)包括采集、存儲、壓縮、傳輸?shù)葐卧?實(shí)現(xiàn)對多通道腦電信號的實(shí)時(shí)采集壓縮功能。再次,設(shè)計(jì)實(shí)現(xiàn)多通道腦電信號重構(gòu)軟件,采用Lab VIEW與MATLAB混合編程的方法,重構(gòu)軟件包括數(shù)據(jù)的接收和重構(gòu)兩大功能模塊,可以實(shí)現(xiàn)實(shí)時(shí)的讀取FPGA壓縮數(shù)據(jù),上位機(jī)重構(gòu)信號的功能。最后,完成了對系統(tǒng)各功能模塊的驗(yàn)證和調(diào)試,評價(jià)腦電壓縮系統(tǒng)的性能和精度,并設(shè)計(jì)實(shí)驗(yàn)探討數(shù)據(jù)壓縮對情感識別率的影響。實(shí)驗(yàn)測試結(jié)果表明,本文設(shè)計(jì)的多通道腦電信號壓縮感知系統(tǒng)可以實(shí)現(xiàn)對腦電信號的實(shí)時(shí)壓縮采集,2倍壓縮率SOMP重構(gòu)平均SNDR為21.74d B,對于腦電情感分類,原始腦電信號情感識別平均分類結(jié)果為52.2%,2倍壓縮重構(gòu)數(shù)據(jù)平均分類結(jié)果52.1%,2倍壓縮重構(gòu)對分類結(jié)果影響不大。
[Abstract]:With the development of microelectronics, biomedicine and brain-computer interface, remote monitoring of physiological signals, including EEG and ECG signals, has gradually become the norm with the wireless body area network as the center. The long time monitoring of multichannel EEG in wireless body area network is limited by the bandwidth of data transmission node and the power consumption of the system. The traditional data compression method is complex and difficult to be implemented on sensor nodes with weak computing power. Compression sensing theory in front compression coding calculation is simple, complex computing is mainly focused on the back-end reconstruction, suitable for the front-end multi-sensor node computing capacity is weak and the system power consumption and real-time requirements are high. Therefore, it is of great significance to study the multi-channel EEG compression sensing technology. The purpose of this paper is to design an EEG compression acquisition system based on FPGA on the basis of analyzing the theory of compression perception and combining with the characteristics of EEG, so as to realize the real-time acquisition and compression of multichannel EEG signals. In order to solve the problems of low reconstruction precision, large storage space and poor channel expansibility in the current EEG compression and sensing methods, etc. Firstly, the compression sensing method of multichannel EEG signal is studied, the principle and characteristics of compression sensing are analyzed, the sparsity of EEG signal is analyzed, the AIC model of analog random demodulation and the digital measurement matrix model are designed, and the algorithms of OMP and SOMP reconstruction are analyzed and verified. Secondly, the compression acquisition system based on FPGA is designed and implemented. The hardware acquisition module uses ADS1299 EEG acquisition circuit, and the firmware design includes acquisition, storage, compression, transmission and other units to realize the real-time acquisition and compression of multi-channel EEG signals. Thirdly, the multi-channel EEG signal reconstruction software is designed and implemented. The software includes two function modules of data receiving and reconstructing, which can read FPGA compressed data in real time by using the mixed programming method of Lab VIEW and MATLAB. The function of the upper computer to reconstruct the signal. Finally, the function modules of the system are verified and debugged, the performance and accuracy of EEG compression system are evaluated, and the influence of data compression on emotion recognition rate is discussed by designing experiments. The experimental results show that the multi-channel EEG compression sensing system designed in this paper can realize the real-time compression and acquisition of EEG signals. The average SNDR of SOMP reconstruction with 2 times compression ratio is 21.74 dB. The average classification result of original EEG emotion recognition is 52.2 times compression reconstruction data average classification result 52.1 times compression reconstruction has little effect on classification result.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R318;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魯強(qiáng);劉玉軍;徐建蘭;張進(jìn)祿;;一種適用于清醒動物腦電信號采集的固定裝置[J];首都醫(yī)科大學(xué)學(xué)報(bào);2011年06期

2 ;腦電信號處理的研究取得階段性成果[J];河北師范大學(xué)學(xué)報(bào);1987年01期

3 李志瑞;張文杰;;通用腦電信號處理——微機(jī)系統(tǒng)初探[J];河北師范大學(xué)學(xué)報(bào);1988年Z1期

4 孟欣，，歐陽楷;腦電信號的幾個(gè)非線性動力學(xué)分析方法[J];北京生物醫(yī)學(xué)工程;1997年03期

5 吳小培,馮煥清,周荷琴,王濤;獨(dú)立分量分析及其在腦電信號預(yù)處理中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2001年01期

6 李英遠(yuǎn),周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在腦電信號建模中的應(yīng)用[J];山東生物醫(yī)學(xué)工程;2002年02期

7 劉大路,江朝暉,馮煥清,王聰;基于腦電信號時(shí)空分布信息的思維特征研究[J];北京生物醫(yī)學(xué)工程;2004年02期

8 許崇濤,沈民奮,李慧,朱國平;雙譜分析方法在腦電信號分析中的應(yīng)用[J];中國行為醫(yī)學(xué)科學(xué);2004年03期

9 湯曉軍,宋卓,楊卓,張濤;雙任務(wù)事件中腦電信號的熵計(jì)算(英文)[J];生物物理學(xué)報(bào);2005年05期

10 蔣辰偉;章悅;曹洋;朱國行;顧凡及;王斌;;腦死亡與腦昏迷腦電信號的復(fù)雜度研究[J];生物物理學(xué)報(bào);2008年02期

相關(guān)會議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號的動態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學(xué)會第21屆全國代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2002年

3 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

4 許濤;朱林劍;包海濤;;基于思維腦電信號的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

5 李愛新;孫鐵;郭炎峰;;基于人工神經(jīng)網(wǎng)絡(luò)的腦電信號模式分類[A];自動化技術(shù)與冶金流程節(jié)能減排——全國冶金自動化信息網(wǎng)2008年會論文集[C];2008年

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號分析中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時(shí);;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運(yùn)動想象的腦電信號特征提取與分類[A];中國儀器儀表學(xué)會醫(yī)療儀器分會2010兩岸四地生物醫(yī)學(xué)工程學(xué)術(shù)年會論文集[C];2010年

10 葛家怡;周鵬;王明時(shí);;睡眠腦電信號樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 張文清　記者 王春;意念控制車速及左右轉(zhuǎn)彎前行[N];科技日報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 彭宏;普適化腦電信息感知關(guān)鍵問題的研究[D];蘭州大學(xué);2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號分析應(yīng)用[D];河北醫(yī)科大學(xué);2015年

3 馬小飛;認(rèn)知任務(wù)下的腦電動力學(xué)分析[D];南京大學(xué);2017年

4 吳畏;基于統(tǒng)計(jì)建模的多導(dǎo)聯(lián)腦電信號時(shí)空建模方法研究[D];清華大學(xué);2012年

5 孫宇舸;腦—機(jī)接口系統(tǒng)中腦電信號處理方法的研究[D];東北大學(xué);2012年

6 周群;腦電信號同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

7 趙麗;基于腦電信號的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

8 李春勝;腦電信號混沌特性的研究與應(yīng)用[D];東北大學(xué);2011年

9 歐陽高翔;癲癇腦電信號的非線性特征識別與分析[D];燕山大學(xué);2010年

10 繆曉波;基于腦電信號的認(rèn)知動力學(xué)系統(tǒng)研究——線性/非線性方法及動態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 于洪;基于腦電信號的警覺度估計(jì)[D];上海交通大學(xué);2007年

2 蔣潔;基于高性能計(jì)算的腦電信號分析[D];燕山大學(xué);2010年

3 張志琴;腦電信號的復(fù)雜性分析[D];中南大學(xué);2009年

4 許鳳娟;腦電信號采集與分析系統(tǒng)的設(shè)計(jì)[D];長春理工大學(xué);2011年

5 曹銘;意識障礙患者腦電信號的非線性動力學(xué)評價(jià)分析[D];杭州電子科技大學(xué);2012年

6 薛吉星;多通道腦電信號采集與處理系統(tǒng)研究[D];華南理工大學(xué);2015年

7 劉靜;基于加權(quán)排序熵的多通道腦電信號同步算法研究[D];燕山大學(xué);2015年

8 陳澤濤;基于腦電信號分析的AD早期評估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2015年

9 王歡;基于非平穩(wěn)時(shí)間序列分析方法的腦電信號模式識別[D];蘇州大學(xué);2015年

10 王瓊穎;腦電信號的非線性動力學(xué)分析及其在睡眠分期中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

本文編號：2361305