一、基于光纤隔离与通讯的生物电信号放大方法研究(论文文献综述)
蔺雨露[1](2021)在《人体肌肉力量测量系统的设计》文中提出肌肉力量作为人体运动能力的最重要组成部分,其状态对于人体健康是极为重要的,肌肉力量状态的低下会引发神经性疾病,然而对于很多人来说,肌肉的疲态甚至是病态常因生活节奏快而被忽略。针对以上问题,本文设计了一套方便进行肌力状态自测的肌肉力量测量系统。测量人体肌肉力量状态的一个重要指标就是检测人体表面所产生的可检测的肌电信号。本文基于肌肉力量和肌电信号之间的关系,以健康人体作为主要研究对象,以测量骨骼肌中的肱二头肌的肌肉力量状态作为研究目的,主要的研究内容有:1.硬件方面,设计并制作了肌电信号采集系统,系统电路包括信号调理电路、微控制器和蓝牙发射电路。肌电信号由于信号微弱易受干扰,采用AD8226和OP07芯片实现信号放大、用隔离与滤波电路来保证人体安全及去噪。以STM32F103VET6微处理器内部A/D转换器完成信号模数转换,为了实现系统便捷通信,使用蓝牙模块完成下位机至上位机的通信。通过对硬件电路的仿真、制板以及实测表明,电路系统达到预期要求。2.软件方面,设计了基于LabVIEW软件的人机交互界面。针对用户信息与测试数据无法通过不同时期对比来反映阶段性肌力状态的问题,系统采用LabVIEW软件编写G语言完成了用户重要信息的注册和保存,结合肌力与肌电信号时域特征参数的关系,实时监测肌力幅值以及参数变化,并即时保存数据。实验表明,该软件部分各参数值可靠,具有实时性及准确性。3.数据分析方面,提出了一种基于时域特征值和肌力之间的关系的肌力分析方法,并对肌力等级标准探索性划分。在静态环境下,基于肌肉等长收缩至乏力的实验过程,针对11名实验对象的不同测试强度进行肌力状态实时分析。将人体主观意识和数字化结合,离线对肌力进行0级、Ⅰ级和Ⅱ级三类等级划分,并使用贝叶斯、K-近邻、Fisher、小波神经分类器对肌力状态进行分类比较,经验证,K-近邻分类准确率达98.5%,效果更佳。结合系统便捷测量的特点,在K-近邻算法的基础上设计GUI界面一键测试肌力等级,效果良好。
许海龙[2](2021)在《子宫肌电及胎心电信息提取研究》文中进行了进一步梳理子宫肌电和胎儿心电信号检测对孕妇及腹中胎儿具有非常重要的作用。当前,医学广泛应用胎儿心电监护仪和肌电生物反馈仪,这些设备只能单独进行子宫肌电检测或胎儿心电信号检测。本项研究可以为孕妇及腹中胎儿提供全方位检查,精确度更高,操作更便利,功能性更强。子宫肌电信号可以指示产妇的疼痛,从而可以为产妇及时提供镇痛。胎儿心电信号检测还可以用于早期胎儿心脏疾病的诊断,这对于优生具有重要的临床意义。本文设计一种新型人体电信号放大器,高精度一体化检测装置;本系统采用了共用信号通道,三导联六路信号同步采集子宫肌电和胎儿心电信号。系统硬件由信号调理电路、单片机控制电路、开关电源电路与USART通信接口电路共同构成。其中信号调理电路是其关键部分,主要涵盖了前置放大电路、滤波电路、程控放大电路和模数转换(ADC)模块,完成对子宫肌电和胎心电信号的获取、放大和模数转换并滤除干扰信号。前置放大电路采用先进的仪表放大器AD8422,它具有低功耗、低噪声、低失真等优点;程控放大电路和ADC模块采用生物电信号放大器ADS1298,可以进行多通道同步采样,实现孕妇腹部电信号可编程增益放大及24位模数转换。单片机控制电路选用了STM32F103VET作为系统的主控芯片,负责系统运行、各模块功能控制与数据传送。系统软件部分采用子模块设计,包括STM32模块、ADS1298模数转换模块和上位机软件,将子宫肌电与胎儿心电模拟信号转换成数字信号,然后利用SPI和串口通信传输将数字信号至PC上位机显示。软件处理过程中采用匹配滤波算法,实现子宫肌电和胎儿心电信号的精确提取。最后是系统性能指标测试,对输入阻抗、共模抑制比等主要性能指标测试,测试结果表明所有技术指标均已达到设计要求。
屈胜平[3](2020)在《多导睡眠生物电信号监测与评估系统的设计与实现》文中认为随着人们生活节奏的加快和生活压力的增大,睡眠问题逐渐成为社会关注的热点话题,因此高效高质量地采集睡眠生物电信号对睡眠监测及治愈相关睡眠疾病十分重要。但是国外多导睡眠监测设备性能良好但价格较为昂贵,而国内设备价格相对较低但性能难以保证,这就为高质量地获取睡眠生理信号提高了难度;同时,数据采集者难以精准获取采集设备的稳定运行状态和环境噪声的影响程度,使得数据采集效率和质量难以得到保证。结合美国睡眠医学会标准和设计需求指标,自主设计开发的多导睡眠生物电信号监测及评估系统有效提升了多导睡眠生物电信号采集实验的效率和可靠性。下面将详细阐述主要研究工作:首先,针对多导睡眠生理信号监测系统,为了采集幅值微弱的脑电信号,依托脑电噪声抑制技术,本文重点设计了模拟前端电路和右腿驱动电路,并分析了电路的工作特性和共模抑制比改善特性;为了精准获取人体生物阻抗,基于人体生物电学模型,进行了仿真设计,给出了合适激励输入和阻抗检测方案;另外从电源噪声抑制和安全角度出发,给出了低噪声电源和接口安全保护解决方案。其次,为了满足信号源有标准测试信号输出模式、共模抑制比测试模式、真实生物电信号回放模式的三种输出模式,依托直接数字频率合成技术、人体生物电学模型和FPGA技术,完成了高精度生物电信号源的硬件和软件设计。然后,有机联动睡眠监测系统和高精度生物电信号源完成系统整体测试和性能验证。设计信号源测试实验,保证了信号源输出信号的高精度特性和稳定可靠性;进一步利用信号源作为测试评估平台,对多导睡眠监测系统的性能参数进行验证;上述测试完成后,最后完成了真实多导睡眠监测实验。最后,经过整理测试数据和数据处理分析,和商业化产品比较,自主研发的系统具备高采样精度(24bit)、高采样频率(1kSPS)、在满足睡眠采集需求的前提下(连续监测10小时)便携性更好这些优良特点,同时创新性地给出了高精度生物电测试评估平台,使得本系统在生物电信号数据采集更加高效和可靠。
张乾坤[4](2020)在《无人机操控的脑力负荷评估系统》文中指出脑力负荷(Mental Workload,MWL)表征工作状态下脑力资源占用率,是影响作业绩效的重要因素,合适的脑力负荷会显着提高作业人员在工作中的效率。脑电可以敏感的反应大脑中脑力负荷变化带来的神经电响应,是当下研究的热点,该技术的突破有助于脑力负荷与实际功效系统(比如自适应自动化)的融合。本文基于无人机模拟平台研究无人机操控任务中作业人员脑力负荷与脑电的关系,从前端的多模态生理信号同步采集平台的搭建、实验设计、脑电信号的处理、脑负评估模型与平台的构建4个方向开展研究建立一套完整的脑力负荷评估系统。多模态生理信号同步采集平台针对如何同步采集到高质量的心电、肌电、脑电信号的问题进行设计。模拟电路建立了一种新的放大滤波结构,增加了生理信号的信噪比,解决了基线漂移、极化电压等问题,是整个系统的核心部分;电源电路除解决供电问题外特殊考虑了安全问题,保障信号采集的安全性;数字电路、上位机、下位机设计解决了信号同步问题。该平台的搭建为研究开展提供可靠的数据。实验设计分为两个部分,脑负荷实验以主观量表法与任务绩效法为辅助,基于Phoenix RC无人机模拟仿真系统,设计实验诱发不同等级的脑力负荷。经过统计计算,不同脑负荷实验下的任务绩效与主观量表评分均存在显着差异,实验设计合理有效。噪声实验设计基于已有研究确定脑电主要的干扰源信号,通过引导被试完成特定动作诱发噪声,采集噪声源信号以及噪声传播到头皮上的信号,进行分析研究开发出一套针对少通道(数量小于16)的完全自动化的脑电噪声处理算法。对实验数据处理分析,探究脑电活动与脑力负荷之间的关系,并建立跨时间段、跨个体的脑力负荷识别模型,其中基于功率谱、互信息特征的支持向量机(support vector machine,SVM)模型脑力负荷识别准确率可达到92.6%,该算法计算时间短、实时性强,应用于脑负荷的实时评估。基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与递归图的迁移学习模型脑力负荷识别准确率可以达到92.8%,该算法准确率高、稳定,应用于脑力负荷的离线评估。综上,本研究完整的搭建了一套无人机操控任务中脑力负荷的自动化评估系统。
魏旭辉[5](2020)在《高密度脑电/肌电无线采集系统研究》文中提出生命体的生理活动会产生多样、复杂的生物电信号。通过采集并分析生物电信号来获取其中蕴含的生理信息,是研究生命活动、机理的有效手段。因此,生物电采集被广泛应用于科学研究、临床诊断、疾病监控和机械控制等诸多领域。脑电,肌电和心电是人体生物电中应用最广泛的三种电信号。临床上,通过脑电图仪、肌电图仪和心电图仪进行相应的生物电采集已经成为疾病诊断的重要手段之一;在科学研究上,由脑电控制假肢、机械的应用,以及由肌电识别姿势、动作的应用层出不穷。采集到的脑电、肌电信号越丰富,对于诊断、控制与识别来说就越准确。为了获取更丰富的信息,高密度采集成为近几年来生物电采集的研究热点,需要采集设备提高采样率以获得更高的时间分辨率,还需要采集设备提高通道数以获得更高的空间分辨率。除此之外,将功能磁共振成像与脑电相结合的成像融合技术应用愈发广泛,可以实现高时空分辨率。这对于采集设备提出了磁兼容的要求。本文研发了高密度脑电/肌电采集系统,可以兼容脑电和肌电的采集,并实现数据的无线传输。根据脑电、肌电信号的特征,分析了兼容脑电、肌电采集的可行性,并为其设计了单、双电极切换功能。为了实现高密度,采用菊花链级联和独立SPI级联混合使用的级联方式,兼顾了数据延时和器件I/O引脚数目的限制。最后为系统开发了GUI程序,实现数据的基本处理和实时显示。进一步地,本文研发了磁兼容的脑电/肌电采集系统,能够在核磁共振扫描的同时进行信号的采集。通过测试与实验,验证了所设计采集系统的可行性。论文主要研究工作和创新性成果如下:1.高密度脑电/肌电采集系统研发。系统实现了最高256个通道的高密度采集以及数据无线传输,并兼容了脑电和肌电采集的特点。采样率随通道数变化,最高可达16k SPS,输入噪声小于1u Vrms,分辨率为0.268u V。系统同时配备有电极脱落检测、单双电极切换以及共模驱动输出功能。配套的上位机程序能够实时显示、处理脑电/肌电信号。2.磁兼容的采集系统研发。针对诸如f MRI-EEG的混合采集技术的需求,本文以所设计的高密度脑电/肌电无线采集系统为基础,进一步地设计了核磁共振兼容的采集系统。通过特殊的元器件选择,实现磁兼容的硬件组成;自制了碳纤维采集电极以遏制涡流发热问题;增加高速串口-光纤的传输方式;针对核磁共振环境下的各种干扰源,采用了硬件屏蔽、软件滤波以及算法去除的方式,获得了干净的目标信号。最终实现在7T核磁共振环境中,与核磁共振扫描同步采集信号。3.验证采集系统的可行性。通过一系列的测试,测得系统的底噪小于1u Vrms,频率误差小于1%,幅度误差小于2%;通过人体实验分别验证了系统采集脑电信号和肌电信号的可行性;通过在7T核磁共振环境中的采集实验,验证了系统的磁兼容性能,并取得了预期效果。
赵泽明[6](2020)在《高密度表面肌电采集系统的设计与开发》文中提出表面肌电信号作为肌群控制接口中信息量最为全面、研究最为广泛的信号源,其研究水平直接影响到截肢患者的生活质量。近些年来,随着对其研究的深入,人们也开始关注高密度表面肌电信号,以获得更为全面的空间分布特征的表面肌电信号与高通量的生理学信号,目前全球仅有少数几家公司具有生产具备高密度肌电采集能力的采集设备的能力。此类设备最大的问题就是虽然具备高密度信号采集能力,但是便携性不足,而且价格昂贵,对于需要在体测量的大批量实验友好度较低。本文基于以上的现状,提出并设计开发了一套成本较低、模块化、高性能、便携式高密度表面肌电采集系统。本文在对高密度表面肌电采集系统开展了详细需求分析后,设计完成一套分层模块化采集系统。该系统包含一个可拓展的、模块化的高密度表面肌电采集设备和与其适配的支持跨平台、多功能的上位机软件。本文在对硬件设备、上位机软件以及各设备间通信以及同步性进行了测试验证,并进一步开展了优化工作。同时本文还基于对表面肌电信号常见噪声特征的分析,改造了实时数字滤波器算法,对需要的实时的数字滤波器算法进行改良,以实现在仅使用ARM Cortex-M4系列的MCU的情况下,完成128通道4k Hz采样频率16位精度的s EMG信号的实时采集处理。在对单通道和多通道数据进行测试之后,还使用该设备实现并测试了运动单元动作电位序列的反解算法,并进而对人手手指动作进行分类、对握力进行分级估计。实验表明,该套系统实现了高密度表面肌电信号采集的同类设备可比的性能指标,满足运动单元动作电位反解的要求。
廖伦军[7](2019)在《等离子体微环生物电传感器的研究》文中进行了进一步梳理生物电传感器是生物电检测技术的核心传感器件,它的灵敏度与抗电磁干扰能力对生物电信号的高保真记录至关重要。相比传统电学传感器,光学传感器具有灵敏度高、体积小及抗电磁干扰能力强等特征,在生物电检测领域更有优势。因此,为了提高生物电传感器的灵敏度与集成度,本论文基于光学传感原理,仿真设计一种等离子体微环生物电传感器和一种双支节援助型等离子体生物电传感器,并对其传感性能进行分析。本论文的主要工作:1.理论分析表面等离子体在生物电传感上的工作机理,建立一种金属-绝缘体-金属(Metal-Insulator-Metal,MIM)微环谐振腔的等离子体生物电传感模型,以实现mV量级及以上的生物电信号检测。2.设计一种由锥形模式转换器和MIM微环谐振腔构成的等离子体生物电传感器,以实现等离子体微环生物电传感器在低损耗硅光子芯片上的应用。利用频域耦合模理论,推导锥形模式转换器的功率传递函数,并采用有限元方法优化锥形波导的结构参数。在此基础上,进一步分析等离子体微环生物电传感器的性能。结果表明:当工作波长为1.2μm~1.6μm时,锥形模式转换器的转换效率在93%以上;传感器的波长灵敏度为7600 pm/V,能实现mV量级及以上的生物电信号感测。3.提出一种双支节援助型等离子体微环生物电传感结构,以提高等离子体微环生物电传感器的灵敏度。建立传感器的理论模型,并分析该传感器的法诺共振机理。优化双支节-微环谐振器(DS-MRR)的结构参数,并研究其电光传感性能。结果表明:双支节援助型等离子体生物电传感器的波长灵敏度为11740 pm/V,能实现亚mV量级及以上的生物电信号感测。
孙瀚[8](2019)在《基于多模态生物电信号人机交互技术研究》文中研究表明基于生物电信号的人机接口是一种新型的人机交互技术,使用人体自身的生物电信号构建与外部设备直接相连的通道。目前主要采用的生物电信号有脑电信号(EEG)及表面肌电信号(sEMG)。EEG信号记录了头皮脑电信号,不依赖肌肉组织,具有响应速度快、使用安全方便、无创性等优点;sEMG信号可以直接反映肌肉活动情况和运动意图,操作方便自然,信号相对较稳定、幅值较大。本研究对基于多模态生物电信号的人机接口进行了深入研究,并充分分析了单模态信号处理方法。本研究提出了少量电极共空间模式算法及基于所有样本对信息的相关性距离度量算法,这两种算法的组合可以用于电极/特征提取及选择;还结合深度度量学习,创新性地提出了基于二分图最大权完美匹配的多模态信号处理算法MWP-EMG-EEGNet。将这些算法用于多种任务,可以测试分类性能,其中,论文重点分析了ERP范式诱发的多模态生物电信号的单试次识别,并将相关结论运用于研究基于生物电信号的反应时间缩短程度。算法结果验证了生物电信号可以在更短的时间内得到更高的反应动作识别准确率。在这些算法研究基础上,本论文工作还搭建了在线人机接口系统,实现在线测试及应用。本论文工作设计了可穿戴式设备,该设备可以记录进行四种腕部活动时上臂肌肉组织诱发的sEMG信号。信号的时域、频域和时频域可提取共42维特征向量。本研究提出的DM算法利用所有样本对信息重新定义了类间距离和类内距离,将二者的比值作为可分性度量标准。四种不同分类器算法用于评价通过DM算法得到的普适性最优特征子集。在线任务是通过可穿戴式设备采集实时sEMG信号,并在有简单障碍物的环境下通过四种不同范式操纵改装设计的遥控车完成指定路径。任务完成时间和动作识别正确率是在线测试的两个性能评估指标。硬件测试结果说明采集系统SNR指标达到68.91 dB。特征选择结果表明DM算法可以使用23维特征达到96.77%的分类性能。在线测试结果表明,信号窗口长度为125 ms的状态机范式最接近实际控制情况,在线任务完成时间为48.08 s。将脑机接口系统应用在日常生活中的一个关键难点是如何减少电极数量,因此本研究提出了少量电极共空间模式算法(Fewer-channel Common Spatial Patterns,FCSP)及基于模拟退火策略的相关性距离度量(Corr-DM)算法来选取普适性最优化电极组合。采集被试者进行心算任务和想象空间旋转任务时的认知行为EEG信号验证算法性能。本论文研究提出的算法组合平均仅需7个电极就可以区分上述两种认知行为任务,达到90%的二分类正确率阈值,并结合截断加权算法确定了普适性的最优化电极组合。通过相关性和可分性分析验证最优化电极组合在训练组被试者数据上的有效性,相关性分析表明该电极组合与全部电极组合有显着性相关关系,可分性分析表明当使用最优化电极组合时,两种认知行为任务的信号有显着性差异。对测试集被试者进行跨被试分析,结果说明使用普适性电极组合的平均分类正确率可达到93.18%。基于上述生物电信号处理算法及结果,本论文还研究了生物电信号对于反应时间的缩短情况。本文设计了基于反应时间的实验范式,使用Corr-DM算法选取10个电极,并通过滑动窗及拓展时间窗方法分别分析EEG和sEMG信号。结果表明两种模态的反应时间相对于实际鼠标反应时间分别缩短了159.04 ms和75.22 ms。生物电信号可以在较短的反应时间内得到较高的反应动作识别准确率。本研究使用人工神经网络分析0400 ms的EEG信号,反应动作识别准确率(单试次ERP信号分类正确率)可以达到93.39%;使用手工特征工程结合SVM算法分析0400 ms的sEMG信号,反应动作识别准确率为88.65%;两种生物电信号的反应准确率相对于真实鼠标点击准确率的提升幅度分别为60.2%及55.46%。基于单模态反应时间的分析结果,本论文研究提出了基于最大权完美匹配(Maximum-Weight Perfect,MWP)的多模态生物电处理算法MWP-EMG-EEGNet,算法的核心思想是在加权完备二分图中找到最大权完美匹配,这样可以为批量数据中的每个样本找到最优匹配的同类/异类难样本,从而缓解训练过程中的过训练及样本不平衡问题。在此基础上,本论文将MWP匹配引入深度度量学习框架,研究设计了一种新型的损失目标函数,联合该损失函数与二值交叉熵损失实现端到端训练。多模态处理算法可以结合单模态分析的优势,保证了生物电信号反应时间(307.22 ms)的同时,可以获得较优的反应动作识别准确率,具体实验结果说明:在0400 ms时段多模态处理算法可以达到96.38%的识别准确率,高于实际反应动作准确率63.19%;联合训练MWP匹配和交叉熵损失优化目标可以同时考虑异类样本可分性及同类样本紧凑性,优化试次样本在特征空间中的分布;基于MWP匹配可以完成难样本加权,提升神经网络模型的收敛速度和分类精度。在上述离线数据分析的基础上,本论文工作设计了两种多模态生物电信号的在线人机接口系统。第一种联合了NeuroScan、BCI2000及FieldTrip工具箱,邀请与离线实验中相同的被试组进行了两次在线实验,第一次在线实验(仅使用离线实验数据训练的模型)及第二次在线实验(使用离线实验数据和第一次有反馈在线实验数据联合训练)得到的平均分类正确率分别为94.62%和97.16%。但是该系统还存在便携性问题,因此本论文还设计了一种便携式多模态生物电信号采集系统,实现多操作系统及多编程环境下的实时数据采集及图形可视化界面设计;本研究还将该系统应用于虚拟轮椅控制,设计的系统和算法能够准确识别出转向和前进状态,转向状态中还可以具体识别出左转和右转状态。
王晓青[9](2019)在《基于有机光子晶体逻辑器件的生物探测器的研究》文中进行了进一步梳理经济发展和技术进步为人类带来诸多方便的同时,也对人类的生存环境造成一定的负面影响,而造成这些负面影响的物质多数都是微量的。在环境治理与保护中,我们需要对这些微量物质进行定性或定量的检测,因此研制出灵敏、准确、易读的生物探测装置十分必要。研究表明,用光合细菌分泌物等生物探针修饰过的电极与待测溶液接触时,生物识别过程中的电信号通过探针收集和放大,形成能被识别测量的生物电信号。另外有机半导体材料具有较强的电光效应。由此,本论文将以光子晶体为平台,结合原位诱发光合细菌分泌物在识别硫离子时产生的生物电信号和有机半导体的普克尔斯(Pockels)电光效应,通过多波导中传输信号干涉,实现各种形式的逻辑计算,为实现生物电的测量提供了 一类快捷高效的检测方法。基于有机光子晶体逻辑功能的生物探测器包含被生物探针修饰的电极、电信号放大装置、有机光子晶体逻辑器件以及信号检测装置构成。以多模干涉结构(MMI)为基础,我们首先设计了可应用于硫离子浓度检测的2×2通道的有机光子晶体光开关。该器件的工作波长为1.55 μm。我们通过分析路径折射率变化及电光系数对输出性能的影响,确定了光子晶体结构的基本参数,并优化了光子晶体波导性能。在此基础上,通过在某一输入波导端上加载不同硫离子浓度产生的生物电信号,利用波导耦合效应、自映像效应和普克尔斯电光效应,在多模干涉区实现了光束干涉,进而获得输出波导端的光开关控制。该开关器件传输效率达到80%,开关对比度达到8.71 dB。在有机光子晶体光开关的基础上,我们设计了 2×3通道有机光子晶体逻辑器件,实现了 OR、XOR、XNOR等逻辑运算功能。该器件中多模干涉区的长宽分别为58μm与6.5μm,整体输出效率超过70%,且逻辑1与逻辑0输出功率对比度均在10 dB以上。通过分析输出波导工作状态与生物电信号之间的关系,我们实现了对硫离子浓度变化的监测。本文研究结果在环境污染物探测以及提高检测精度和速度、减小能量损耗方面具有参考价值和实际意义。
张怡[10](2019)在《一种有线音频传输的无电池ECG监测系统》文中认为随着社会的发展以及人口老龄化趋势进一步加快,人们对健康和医疗的需求也逐渐提升,微型化、便携化、智能化成为新型医疗电子设备的发展方向。3.5mm耳机线接口是一种低成本,通用性强的信号传输途径,适用于便携式医疗设备。本文采用耳机接口传输信号,提出一种有线音频传输的无电池ECG监测芯片及智能系统。本文提出的系统利用3.5mm有线耳机中的麦克风通道传输ECG信号,左右声道分别为系统提供精准稳定的电源电压和本振信号。本文提出的系统利用智能终端内部的高精度音频ADC对传输的ECG信号进行采样,并通过终端软件实现信号的分析和处理。由于充分利用了智能终端内部的元器件,提出的系统不需要重复设计高精度的ADC、DSP和无线收发机等模块,同时也不需要外接电池和时钟信号,具有体积小,结构简单,方便携带的优点。前端芯片将声道输出的正弦信号转换为电源电压(直流)和本振信号(方波),并且实现ECG信号的调制与放大。提出的芯片采用SMIC 0.18μm标准CMOS工艺实现,芯片面积为1.72×1.59mm2。根据音频传输的特点,本文提出了一种斩波/AM复用混频放大器,将斩波与AM调制相结合,同时实现本振信号的复用。混频放大器包括前置放大器,自动增益控制放大器,带通滤波器和输出接口电路。为了提高电路的鲁棒性,本文提出一种新型伪电阻结构作为前置放大器的直流反馈电阻。自动增益控制的前端放大器的增益变化范围为2047dB,根据输出信号的幅度自动调整增益。带通滤波器中心频率为5kHz,带宽为4.25~5.8kHz,输出信号的三次谐波抑制能力为-45dB。能量获取电路对左声道输出的正弦信号进行倍压整流,输出1.5V直流电压为系统供电,在连接耳机线工作时系统功耗为156μW;本振信号产生电路将右声道输出的正弦信号整形为方波信号(5kHz),作为调制的时钟信号。本文利用PC端Matlab实现了麦克风输入信号的采样和解调与声道输出信号的产生。音频信号通过智能终端内部的音频ADC进行量化,转变为数字信号,再利用软件解调信号,实现了信号的还原。为了降低积分噪声,对解调信号进行数字滤波处理,低通截止频率设置为200Hz。测试结果验证了系统功能,解调信号三次谐波抑制能力为-46dB,0.1~200Hz的输入参考噪声水平为150nV/√Hz,带内等效积分噪声为2.12μrms。
二、基于光纤隔离与通讯的生物电信号放大方法研究(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、基于光纤隔离与通讯的生物电信号放大方法研究(论文提纲范文)
(1)人体肌肉力量测量系统的设计(论文提纲范文)
摘要 |
abstract |
第一章 引言 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.3 论文研究的主要内容 |
第二章 相关性原理与系统概述 |
2.1 测量肌肉力量的信号特征 |
2.1.1 肌电信号的产生 |
2.1.2 肌电信号的特点 |
2.1.3 信号噪声来源 |
2.2 信号分析方法 |
2.2.1 时域分析方法 |
2.2.2 频域分析方法 |
2.2.3 时频域分析方法 |
2.3 分类器设计基础理论 |
2.3.1 基于最小错误率的贝叶斯分类器 |
2.3.2 K-近邻法数据分类器 |
2.3.3 基于Fisher的分类器 |
2.3.4 小波神经网络分类器 |
2.4 系统整体设计结构 |
2.5 本章小结 |
第三章 人体肌肉力量测量系统硬件电路设计与综合搭建 |
3.1 元器件选型 |
3.1.1 传感器选型 |
3.1.2 调理电路芯片选型 |
3.1.3 主控芯片选型 |
3.2 调理电路设计 |
3.2.1 电源隔离电路 |
3.2.2 前置放大电路 |
3.2.3 信号隔离电路 |
3.2.4 高、低通滤波电路 |
3.2.5 带阻滤波电路 |
3.2.6 增益放大电路 |
3.3 微控制器设计 |
3.3.1 微控制器硬件电路设计 |
3.3.2 微控制器程序设计 |
3.4 硬件电路PCB设计 |
3.5 硬件电路综合搭建 |
3.6 本章小结 |
第四章 人体肌肉力量测量系统人机交互设计与测试 |
4.1 开发环境及总体结构 |
4.1.1 开发环境 |
4.1.2 总体结构 |
4.2 LabVIEW程序设计 |
4.2.1 用户注册、登录模块 |
4.2.2 管理员修改模块 |
4.2.3 数据传输模块 |
4.2.4 波形显示、滤波模块 |
4.2.5 数据存储模块 |
4.3 软件测试 |
4.4 本章总结 |
第五章 肌力分析及测试结果 |
5.1 实时在线分析 |
5.2 肌力识别分类器测试 |
5.2.1 最小错误率贝叶斯分类器 |
5.2.2 K-近邻法数据分类器 |
5.2.3 Fisher分类器 |
5.2.4 小波神经网络分类器 |
5.3 GUI界面显示测试 |
5.4 本章总结 |
第六章 总结与讨论 |
6.1 全文工作总结 |
6.2 课题讨论 |
参考文献 |
致谢 |
作者在校期间获奖情况 |
(2)子宫肌电及胎心电信息提取研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题的背景和意义 |
1.2 国内外研究现状 |
1.3 本文的主要研究内容和结构 |
2 子宫肌电和胎心电提取系统设计方案 |
2.1 拟解决的关键问题 |
2.2 研究方法、技术路线 |
2.3 系统设计方案 |
2.4 系统原理分析 |
2.4.1 子宫肌电提取原理分析 |
2.4.2 胎儿心电提取原理分析 |
2.5 技术要求 |
2.6 本章总结 |
3 子宫肌电和胎心电提取硬件系统设计与实现 |
3.1 系统设计 |
3.2 信号调理电路设计 |
3.2.1 电极和导联体系的选择 |
3.2.2 精密前置放大电路 |
3.2.3 滤波电路 |
3.2.4 程控放大电路及模数转换器(ADC) |
3.3 单片机控制电路 |
3.3.1 微处理器STM32的特点 |
3.3.2 单片机最小系统 |
3.4 串口通信接口电路 |
3.5 开关电源电路 |
3.6 电路板设计与实物展示 |
3.7 本章总结 |
4 子宫肌电和胎心电提取软件系统设计与实现 |
4.1 软件开发平台 |
4.2 软件系统整体设计 |
4.3 系统子模块软件设计 |
4.3.1 STM32 模块 |
4.3.2 ADS1298模数转换 |
4.3.3 上位机软件设计 |
4.4 子宫肌电和胎儿心电信号提取算法简介 |
4.4.1 基于匹配滤波法提取子宫肌电 |
4.4.2 基于匹配滤波提取胎儿心电 |
4.5 本章小结 |
5 系统性能指标测试与结果分析 |
5.1 系统性能指标测试 |
5.1.1 输入阻抗 |
5.1.2 共模抑制比 |
5.1.3 最小分辨率 |
5.1.4 输入动态范围 |
5.1.5 放大倍数 |
5.1.6 最大采样率 |
5.1.7 最小带宽 |
5.1.8 噪音电平 |
5.1.9 增益温度系数 |
5.1.10 功耗 |
5.2 系统性能指标测试结果分析 |
5.3 本章小结 |
6 总结与展望 |
6.1 本文总结 |
6.2 未来工作展望 |
参考文献 |
系统原理图1 |
系统原理图2 |
致谢 |
学位论文数据集表 |
(3)多导睡眠生物电信号监测与评估系统的设计与实现(论文提纲范文)
摘要 |
Absrtact |
第1章 绪论 |
1.1 课题背景及其研究意义 |
1.2 多导睡眠生物电信号监测与评估系统国内外研究现状 |
1.3 本文的主要研究内容和结构安排 |
第2章 系统总体设计方案分析 |
2.1 系统需求分析 |
2.2 系统总体设计及实施方案 |
2.2.1 多导睡眠生物电信号监测系统的总体方案 |
2.2.2 高精度生物电信号源的总体设计方案 |
2.3 应用的关键技术 |
2.3.1 人体生物电信号模型 |
2.3.2 脑电信号噪声抑制技术 |
2.3.3 DDS技术 |
2.4 本章小结 |
第3章 多导睡眠生物电信号监测系统设计 |
3.1 电源管理部分 |
3.2 模拟设计部分 |
3.2.1 噪声分析及低噪声设计 |
3.2.2 模拟前端电路 |
3.2.3 ADC采集电路 |
3.2.4 右腿驱动电路 |
3.2.5 阻抗检测电路 |
3.3 数字设计部分 |
3.4 接口安全保护 |
3.5 本章小结 |
第4章 高精度生物电信号源设计 |
4.1 高精度生物电信号源的硬件部分 |
4.1.1 电源模块电路 |
4.1.2 FPGA配置电路及时钟复位电路 |
4.1.3 DDR3模块 |
4.1.4 D/A转换模块 |
4.1.5 滤波模块 |
4.1.6 程控人体阻抗网络模块 |
4.2 高精度生物电信号源的软件部分 |
4.2.1 基于Quartus软件实现的数字接口平台 |
4.2.2 基于Eclipse软件实现的软核平台 |
4.3 本章小结 |
第5章 系统测试和验证 |
5.1 系统开发和调试 |
5.1.1 系统开发 |
5.1.2 系统调试 |
5.2 信号源性能测试和验证 |
5.2.1 输出信号一致性测试 |
5.2.2 输出信号幅度平坦度测试 |
5.2.3 生物电信号回放测试 |
5.2.4 热成像测试 |
5.3 监测系统性能测试和验证 |
5.3.1 噪声水平测试 |
5.3.2 共模抑制比测试 |
5.3.3 输入阻抗测试 |
5.3.4 通频带宽测试 |
5.3.5 耐极化电压测试 |
5.4 睡眠生物电信号采集实验及结果分析 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(4)无人机操控的脑力负荷评估系统(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及其研究意义 |
1.1.1 脑力负荷概念 |
1.1.2 脑力负荷的研究手段 |
1.2 基于生理参数法的脑力负荷识别研究进展 |
1.3 本文研究内容 |
第2章 多模态生理数据同步采集平台 |
2.1 系统方案设计 |
2.2 前端信号采集模块 |
2.3 模拟电路设计 |
2.4 数字电路设计 |
2.5 电源与电气隔离模块 |
2.5.1 电源模块 |
2.5.2 电气隔离模块 |
2.6 系统软件设计 |
2.6.1 下位机设计 |
2.6.2 上位机设计 |
2.7 本章小结 |
第3章 实验设计与数据预处理 |
3.1 脑力负荷实验设计 |
3.1.1 实验环境及任务 |
3.1.2 主观量表设计 |
3.1.3 实验流程及被试信息 |
3.2 噪声实验设计 |
3.2.1 实验基本任务 |
3.2.2 实验流程及被试信息 |
3.3 噪声识别与去除 |
3.3.1 皱眉与咬牙噪声 |
3.3.2 眨眼噪声 |
3.3.3 眼动噪声 |
3.3.4 头动以及其他噪声 |
3.4 脑电自动预处理流程 |
3.5 本章小结 |
第4章 自发脑电与ERP对脑力负荷变化的响应研究 |
4.1 主观量表与任务绩效 |
4.2 自发脑电功率谱与脑力负荷关系研究 |
4.3 自发脑电小波熵特征与脑力负荷关系研究 |
4.4 脑连接特征与脑力负荷关系分析 |
4.4.1 脑连接特征 |
4.4.2 结果分析及讨论 |
4.5 ERP特征分析与脑力负荷关系研究 |
4.6 本章小结 |
第5章 脑负荷评估模型与平台 |
5.1 基于自发脑电特征ERP特征的SVM脑负荷识别模型 |
5.2 基于EEMD与递归图的迁移学习脑力负荷识别模型 |
5.2.1 集合经验模态分解(EEMD) |
5.2.2 基于脑电信号的递归图 |
5.2.3 迁移学习模型构建 |
5.2.4 结果分析与讨论 |
5.3 脑力负荷评估平台 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(5)高密度脑电/肌电无线采集系统研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩略词表 |
第1章 绪论 |
1.1 课题研究背景 |
1.2 脑电、肌电信号产生原理与特征 |
1.3 国内外研究现况 |
1.3.1 脑电/肌电采集技术 |
1.3.2 脑电/肌电采集设备 |
1.4 论文的研究意义 |
1.5 论文的研究内容和章节安排 |
第2章 高密度脑电/肌电无线采集系统设计 |
2.1 整体系统设计 |
2.2 电极选择 |
2.3 硬件设计 |
2.3.1 整体硬件设计 |
2.3.2 采集模块设计 |
2.3.3 主控模块设计 |
2.3.4 传输模块设计 |
2.3.5 电源管理模块设计 |
2.3.6 PCB降噪设计 |
2.4 软件设计 |
2.4.1 主控芯片程序设计 |
2.4.2 数据帧结构设计 |
2.4.3 上位机GUI程序设计 |
2.5 性能测试 |
2.5.1 底噪测试 |
2.5.2 采集精度测试 |
2.5.3 传输性能测试 |
2.6 人体实验 |
2.6.1 手臂肌电采集实验 |
2.6.2 眼电实验 |
2.6.3 睁、闭眼状态下阿尔法波测试 |
2.7 本章小结 |
第3章 核磁共振兼容的采集系统设计 |
3.1 硬件设计 |
3.1.1 核磁共振兼容的电极与电极导联设计 |
3.1.2 核磁共振兼容的PCB与电源设计 |
3.1.3 磁屏蔽与电屏蔽 |
3.1.4 高速串口-光纤设计 |
3.2 软件设计 |
3.2.1 GUI串口设计 |
3.2.2 梯度伪影去除 |
3.3 性能测试 |
3.3.1 串口速率测试 |
3.3.2 系统底噪测试 |
3.4 核磁共振实验 |
3.4.1 梯度伪影特征 |
3.4.2 7T核磁共振实验 |
3.5 本章小结 |
第4章 总结与展望 |
4.1 论文主要研究内容和成果 |
4.2 论文的不足之处及进一步工作 |
参考文献 |
作者简历及在学期间所取得的科研成果 |
(6)高密度表面肌电采集系统的设计与开发(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 对肢体功能重建的需求 |
1.1.2 仿人灵巧手信号源的选择 |
1.1.3 表面肌电采集的发展概述 |
1.1.4 研究对象与意义 |
1.2 研究现状与存在问题 |
1.2.1 现有高密度肌电设备的现状 |
1.2.2 现有高密度肌电设备的问题 |
1.3 本文的研究内容 |
第二章 高密度表面肌电采集设备 |
2.1 系统构架 |
2.2 硬件设计 |
2.2.1 主控模块与电源模块设计 |
2.2.2 采集模块设计 |
2.2.3 前置放大模块设计 |
2.2.4 指示灯模块设计 |
2.2.5 测试模块设计 |
2.3 固件设计 |
2.3.1 数据采集模块 |
2.3.2 以太网通信模块 |
2.3.3 数据预处理模块 |
2.4 小结 |
第三章 高密度表面肌电采集系统的控制策略与实现方法 |
3.1 高密度表面肌电采集软件 |
3.1.1 设备驱动层和接口抽象层设计 |
3.1.2 应用层设计 |
3.2 高密度表面肌电采集系统的通讯机制 |
3.2.1 通信机制设计 |
3.2.2 设备间通信 |
3.2.3 进程间通信 |
3.3 高密度表面肌电采集系统的同步性和实时性设计 |
3.4 小结 |
第四章 系统测试 |
4.1 单通道信号测试 |
4.1.1 系统相关阻抗匹配测试 |
4.1.2 采集设备的参考噪声和信噪比测试 |
4.1.3 采集肌电信号的时频特性测试 |
4.2 多通道信号测试 |
4.2.1 系统通信速度与可靠性测试 |
4.2.2 系统多通道延时测试 |
4.3 高密度表面肌电实验测试 |
4.3.1 基于模式识别的手势动作预测实验 |
4.3.2 基于高密度肌电信号的运动神经元反解 |
4.4 小结 |
全文总结 |
参考文献 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
攻读硕士学位期间参与的项目 |
攻读硕士学位期间申请的专利 |
(7)等离子体微环生物电传感器的研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 生物电光学检测基础 |
1.2.1 生物电信号概述 |
1.2.2 生物电光学传感器的研究现状 |
1.3 表面等离子体波的产生机制及传感应用 |
1.4 本章小结 |
第2章 等离子体微环生物电传感器的基本理论 |
2.1 金属-绝缘体-金属型等离子体波导 |
2.1.1 金属的杜德色散模型 |
2.1.2 金属-绝缘体-金属波导的传输原理 |
2.1.3 金属-绝缘体-金属波导的弯曲耦合特性 |
2.2 金属-绝缘体-金属型微环谐振腔 |
2.2.1 传输特性分析 |
2.2.2 灵敏度分析 |
2.3 等离子体微环生物电传感器 |
2.3.1 聚合物的电光效应 |
2.3.2 生物电传感原理 |
2.4 本章小节 |
第3章 锥形模式转换器的理论与仿真研究 |
3.1 锥形模式转换器理论模型 |
3.1.1 锥形模式转换器的结构 |
3.1.2 锥形模式转换器的理论分析 |
3.2 条形-槽波导的优化设计 |
3.2.1 硅带波导的单模传输 |
3.2.2 锥形-槽波导的端面耦合 |
3.2.3 锥形-槽波导的转换效率分析 |
3.3 基于锥形模式转换的等离子体微环生物电传感器 |
3.4 本章小结 |
第4章 双支节援助型等离子体微环生物电传感器的研究 |
4.1 法诺共振产生原理 |
4.2 双支节-微环生物电传感器模型 |
4.2.1 器件结构 |
4.2.2 模型分析 |
4.3 双支节-微环生物电传感器的结构优化与参数分析 |
4.3.1 法诺共振的形成 |
4.3.2 结构参数对输出谱的影响 |
4.4 双支节-微环生物电传感器性能 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 本文研究工作总结 |
5.2 未来研究工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(8)基于多模态生物电信号人机交互技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 脑机接口研究背景与现状 |
1.1.1 脑机接口研究背景 |
1.1.2 脑机接口研究现状 |
1.2 基于肌电的人机接口研究背景和现状 |
1.2.1 基于肌电的人机接口研究背景 |
1.2.2 基于肌电的人机接口研究现状 |
1.3 多模态生物电人机接口研究背景和现状 |
1.3.1 多模态生物电人机接口研究背景 |
1.3.2 多模态生物电人机接口研究现状 |
1.4 生物电人机接口存在的问题及课题研究思路 |
1.4.1 系统的问题 |
1.4.2 课题研究思路 |
1.5 论文内容安排 |
第二章 基于生物电信号人机接口的研究基础 |
2.1 人机接口系统构成 |
2.2 脑机接口研究基础 |
2.2.1 EEG信号采集 |
2.2.2 脑电节律 |
2.2.3 基于EEG信号的BCI系统类型 |
2.2.4 信号处理算法 |
2.3 基于sEMG人机接口研究基础 |
2.3.1 EMG信号的产生 |
2.3.2 sEMG信号采集与处理 |
2.4 本章小结 |
第三章 基于新型特征优化技术的可穿戴式表面肌电信号人机接口 |
3.1 引言 |
3.2 采集系统电路结构 |
3.2.1 离线sEMG信号采集系统 |
3.2.2 可穿戴式sEMG信号采集系统 |
3.2.3 采集系统硬件测试结果分析 |
3.3 实验方案设计 |
3.4 信号预处理 |
3.4.1 预处理算法 |
3.4.2 预处理算法结果分析 |
3.5 特征选择及分析结果 |
3.5.1 特征提取 |
3.5.2 特征选择 |
3.5.3 特征分类 |
3.5.4 电极和特征选择算法结果分析 |
3.5.5 特征分类算法结果分析 |
3.6 基于sEMG信号的人机接口控制范式 |
3.6.1 控制范式 |
3.6.2 基于s EMG信号的可穿戴式HCI系统在线性能评估 |
3.7 讨论 |
3.7.1 基于s EMG信号的可穿戴式HCI系统设计 |
3.7.2 特征选择和分类 |
3.7.3 实时控制性能 |
3.7.4 系统局限性及未来工作 |
3.8 本章小结 |
第四章 基于最优化少量电极的认知行为想象脑机接口 |
4.1 引言 |
4.2 样本量确定及实验数据集描述 |
4.2.1 样本量确定 |
4.2.2 BCI系统被试者数量确定 |
4.2.3 实验范式设计 |
4.2.4 数据采集与数据集描述 |
4.3 信号预处理 |
4.3.1 信号预处理算法 |
4.3.2 特征可视化 |
4.3.3 信号预处理及可视化结果分析 |
4.3.4 ERD/S结果分析 |
4.4 实验方案及算法 |
4.4.1 CSP算法 |
4.4.2 传统CSP算法在EEG信号分析中的应用 |
4.4.3 改进的CSP算法在EEG信号分析中的应用 |
4.4.4 通用电极选择算法 |
4.4.5 基于相关性的新型DM电极选择方法 |
4.5 算法结果分析 |
4.5.1 特征提取算法结果分析 |
4.5.2 电极选择算法分析 |
4.5.3 最优电极组合选择 |
4.5.4 最优电极组合普适性与有效性验证 |
4.5.5 跨被试者普适性及鲁棒性分析 |
4.6 讨论 |
4.7 本章小结 |
第五章 多模态生物电信号对反应时间缩短情况的研究 |
5.1 引言 |
5.2 事件相关电位物理意义 |
5.3 实验范式设计与数据采集 |
5.4 EEG信号整体评估及范式选择实验结果 |
5.4.1 真实反应时间分析 |
5.4.2 ERP信号可视化结果分析 |
5.4.3 ERP波形分类性能评估 |
5.4.4 浅层神经网络分类结果 |
5.5 基于EEG信号的反应时间分析 |
5.5.1 基于滑动窗算法的反应时间确定 |
5.5.2 普适性最优电极组合选择 |
5.5.3 与实际鼠标点击反应时间对比 |
5.5.4 基于滑动窗金字塔加权修正的无约束识别 |
5.6 sEMG信号分析及结果 |
5.6.1 可视化结果 |
5.6.2 不同特征向量提取方式比较 |
5.6.3 基于拓展时间窗的反应时间分析 |
5.7 讨论与本章小结 |
第六章 基于最大权完美匹配的多模态生物电信号人机接口 |
6.1 引言 |
6.2 深层卷积神经网络架构背景介绍 |
6.2.1 深层卷积神经网络架构基本组件 |
6.2.2 CNN的改进优化方法 |
6.2.3 损失目标函数 |
6.3 数据集描述 |
6.4 算法流程 |
6.4.1 处理ERP波形的CNN网络结构 |
6.4.2 基于最大权完美匹配的难样本选择 |
6.4.3 关于MWP匹配方法及损失函数对比讨论 |
6.5 实验结果分析 |
6.5.1 运行环境及参数设置 |
6.5.2 EEGNet与传统方法对比结果 |
6.5.3 MWP-EEGNet对系统性能的提升 |
6.5.4 基于MWP-EMG-EEGNet多模态融合结果分析 |
6.6 本章小结 |
第七章 基于多模态生物电信号的在线人机接口系统 |
7.1 引言 |
7.2 基于NeuroScan的在线人机接口系统设计 |
7.2.1 基础模块 |
7.2.2 在线系统整体框架 |
7.2.3 在线实验方法 |
7.2.4 在线信号处理及结果分析 |
7.3 便携式多功能生物电采集系统 |
7.3.1 硬件电路设计 |
7.3.2 硬件采集系统测试结果 |
7.3.3 软件平台设计 |
7.3.4 数据分析算法 |
7.3.5 软件平台结果测试 |
7.3.6 基于PSUEEG平台的虚拟智能轮椅系统 |
7.4 本章小结 |
第八章 总结与展望 |
8.1 总结 |
8.2 展望 |
参考文献 |
附录 A 主要代码流程及执行结果 |
致谢 |
作者简介 |
(9)基于有机光子晶体逻辑器件的生物探测器的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 光子晶体简介 |
1.3 基于生物探测的光子晶体器件的研究现状 |
1.4 光子晶体全光逻辑器件的研究现状 |
1.5 研究问题与研究思路 |
第二章 有机聚合物光子晶体全光逻辑器件的物理基础 |
2.1 光子晶体的分析方法-时域有限差分法 |
2.2 基本逻辑运算 |
2.3 有机聚合物的电光效应 |
第三章 基于有机光子晶体全光开关的硫离子生物检测器的设计 |
3.1 生物识别中电信号的产生 |
3.2 应用于生物检测的有机光子晶体关开关的设计 |
3.2.1 作为生物探测器的光子晶体光开关基本参数的确定 |
3.2.2 光子晶体波导设计 |
3.2.3 多模干涉区的设计 |
3.3 基于有机光子晶体光开关的硫离子生物探测器 |
3.3.1 工作原理 |
3.3.2 基于电光效应的光开关 |
3.3.3 硫离子浓度的检测 |
3.4 应用于生物检测的正方晶格光开关 |
3.4.1 应用于生物检测的正方晶格光开关的设计 |
3.4.2 应用于生物检测的正方晶格光开关的功能 |
3.5 小结 |
第四章 应用于生物监测的有机光子晶体逻辑器件 |
4.1 应用于生物监测的有机光子晶体逻辑器件的设计 |
4.2 有机光子晶体逻辑门 |
4.2.1 工作原理 |
4.2.2 生物监测功能的实现 |
4.2.3 异或门(XOR) |
4.2.4 同或门(XNOR) |
4.2.5 或门(OR) |
4.3 小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录与参与项目 |
(10)一种有线音频传输的无电池ECG监测系统(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及研究意义 |
1.2 国内外研究现状以及发展趋势 |
1.3 论文的主要内容和章节安排 |
第二章 生物信号及耳机接口特征 |
2.1 生物信号采集 |
2.1.1 生物信号特征 |
2.1.2 生物信号采集的噪声干扰源 |
2.1.3 ECG信号采集系统简介 |
2.2 耳机接口特征 |
2.2.1 3.5mm耳机接口标准 |
2.2.2 麦克风接口电路原理 |
第三章 ECG信号采集与音频传输系统整体方案 |
3.1 ECG信号采集与音频传输方案 |
3.2 AM调制与斩波技术结合方案 |
3.2.1 AM调制方案 |
3.2.2 AM调制结合斩波技术整体方案 |
3.2.3 斩波/AM复用原理分析 |
3.3 能量获取原理 |
3.4 智能终端信号处理 |
第四章 ECG信号采集前端芯片及电路 |
4.1 混频放大器 |
4.1.1 混频放大器结构框图 |
4.1.2 低噪声前置放大器 |
4.1.3 低噪声特性 |
4.1.4 伪电阻的改进方案 |
4.1.5 直流失调消除环路 |
4.1.6 输入阻抗提升技术 |
4.1.7 自动增益控制放大器 |
4.1.8 带通滤波器 |
4.1.9 输出缓冲器及接口电路 |
4.2 能量获取电路 |
4.2.1 整流器 |
4.2.2 衬底选择电路 |
4.2.3 源极输入比较器 |
4.2.4 低压差线性稳压器 |
4.3 本振信号产生电路 |
第五章 系统功能验证 |
5.1 XDMA18ZY芯片介绍 |
5.2 前置放大器仿真与测试 |
5.2.1 前置放大器交流特性 |
5.2.2 直流偏置伪电阻 |
5.2.3 直流失调校准功能验证 |
5.2.4 前置放大器的噪声性能与谐波抑制能力 |
5.3 带通滤波器仿真与测试 |
5.4 混频放大器输出端信号测试 |
5.5 智能终端信号采集与处理 |
5.5.1 智能手机音频信号采集 |
5.5.2 PC端音频信号采集与处理 |
5.6 左/右声道输出信号测试 |
5.6.1 智能终端声道输出信号的实现 |
5.6.2 能量获取电路测试 |
5.6.3 本振信号产生电路测试 |
5.7 性能对比 |
第六章 总结与展望 |
附录A |
参考文献 |
致谢 |
作者简介 |
四、基于光纤隔离与通讯的生物电信号放大方法研究(论文参考文献)
- [1]人体肌肉力量测量系统的设计[D]. 蔺雨露. 内蒙古大学, 2021(12)
- [2]子宫肌电及胎心电信息提取研究[D]. 许海龙. 广东技术师范大学, 2021(09)
- [3]多导睡眠生物电信号监测与评估系统的设计与实现[D]. 屈胜平. 燕山大学, 2020(01)
- [4]无人机操控的脑力负荷评估系统[D]. 张乾坤. 燕山大学, 2020(01)
- [5]高密度脑电/肌电无线采集系统研究[D]. 魏旭辉. 浙江大学, 2020(02)
- [6]高密度表面肌电采集系统的设计与开发[D]. 赵泽明. 上海交通大学, 2020(01)
- [7]等离子体微环生物电传感器的研究[D]. 廖伦军. 天津大学, 2019(01)
- [8]基于多模态生物电信号人机交互技术研究[D]. 孙瀚. 东南大学, 2019(01)
- [9]基于有机光子晶体逻辑器件的生物探测器的研究[D]. 王晓青. 中央民族大学, 2019(04)
- [10]一种有线音频传输的无电池ECG监测系统[D]. 张怡. 西安电子科技大学, 2019(05)