低功耗生物信号采集前端研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:ck2112
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着微电子技术、通信技术和信号处理技术的快速发展,可穿戴生理信号采集系统成为可能,并逐渐成为研究热点。一方面,如心电(electrocardiograph,ECG)、脑电(electroencephalograph,EEG)、肌电(electromyography,EMG)等生理信号的实时采集,实现了对心血管疾病、癫痫等患者的长期监护,达到了及时治疗和预防的目的,缩短了医患交互的时间和空间,降低了医疗成本,释放了紧张的医疗资源。另一方面,可穿戴生理信号采集被广泛应用于游戏娱乐、健康教育等交叉新兴产业。例如,脑机接口建立了人脑与其它设备之间的交流与控制通道,从而衍生出无限的可能:与虚拟现实(virtual reality,VR)、EMG采集等技术的结合,促进了沉浸式娱乐产业的发展;与机械电子、外骨骼机器等技术的结合,减轻了人类负重,提升了人类体能极限,甚至使得科幻电影中的超级人类成为可能。本文主要研究了非侵入条件下的生理电信号采集前端电路设计。其存在的主要困难是在强环境干扰下的小信号读取。强干扰包括来自环境的电磁干扰,例如电力线导致的50/60 Hz干扰,以及各种伪影干扰。由于目标信号非常微弱,因此要求电路具有系统层次的强的抗干扰能力,这要求电路具有高共模抑制比、高输入阻抗和低噪声。同时还要求低功耗的电路设计以增加设备续航时间。本文首先给出了论文的研究背景与意义,介绍了生物电信号采集基础,主要包括生物电信号的产生机理、分类和信号特征、生物电极的工作原理和分类,以及生物电信号采集过程中的非理想因素。接着分析研究了生物电信号采集前端的主要电路结构和技术,并且针对性的介绍了关于功耗优化、阻抗提升、共模抑制比(common-mode rejection ratio,CMRR)、伪电阻设计、电极失调电压抑制、输出纹波抑制和输入共模范围提升等方面的技术。由于相对简单的结构和较低的功耗,电容耦合仪表放大器(capacitively-coupled instrumentation amplifiers,CCIA)目前被广泛应用于生理电信号采集前端电路。然而,该结构的缺点是抗干扰能力较弱,CMRR通常只有60-90 dB。在该结构的基础上,本文提出了以下技术用于提高CCIA的共模抑制能力:1)包含伪电阻的虚地点斩波结构:通过将用于共模偏置和确定高通角频率的伪电阻置于斩波回路中,缓解了虚地点斩波放大器由于伪电阻失配引入的低频CMRR降低的问题。2)基于逐次逼近的电容失配校正回路:在提出的新虚地点斩波放大器结构的基础上,提出了基于逐次逼近的电容失配校正回路。回路进一步降低了电容器的失配,将CCIA的CMRR从传统的60-90dB提升到了110 dB左右。3)共模复制技术:在深入分析了影响CMRR性能的因素后,提出了共模复制技术。通过将输入共模复制到CCIA的输出端,极大抑制了信号支路中的共模电流流动,从而显著提升了CMRR。测试结果显示,采用该技术的CCIA具有在50 Hz大于130 dB的CMRR,比目前学术界采用该结构放大器的最高指标提升了20 dB。4)自调节偏置:通过共模复制和自调节偏置,差分支路上晶体管的所有节点都跟随输入共模变化。这保证了晶体管的所有端电压之差保持稳定,从而增加了放大器的输入共模范围。测试结果显示,在900 mV的共模输入范围内,放大器能提供大于110 dB的共模抑制能力。5)共模电流中和技术:通过使用共模复制技术,芯片的共模输入阻抗只受限于输入管脚的寄生,尤其是静电保护器件的寄生。本论文提出了共模电流中和技术,等效出一个与输入管脚共模寄生电容容值相仿的负电容,从而抵消了输入管脚的共模寄生。测试结果显示,芯片具有50 GΩ的共模输入阻抗,从而实现了在1 MΩ|10 nF电极阻抗失配条件下大于102 dB的整体CMRR。其中,第1、2点是博士期间第一个流片项目的主要创新点,第3、4点是博士期间第二个流片项目的主要创新点,分别将在第四、五章详述。通过与其它相似设计的比较,本论文的两个仪表放大器的性能指标均达到领先水平。
其他文献
人类对于世界的探索已经不仅仅局限于陆地和海洋,而是将探索的方向转向了更为广袤的天空和宇宙,因此对各个国家在航空航天领域的技术实力提出了更高的挑战,国家在空气动力学领域的研究与进步也就显得尤为重要。空气动力学中在获取气动数据时仍依赖较为传统的方法,但此类方法的局限性较大,通常具有较高的时间或经济成本。而当前人工智能技术的蓬勃发展为空气动力学领域气动数据的获取方式的发展提供了新的契机。空气动力学领域传
人体动作识别作为视频分析中一个非常重要的组成部分,其已经在多个重要领域发挥至关重要的作用,包括视频监控、人机交互、自动驾驶等等。传统的人体动作识别主要基于RGB图像或视频,但由于尺度、光照变化以及背景噪声等因素的影响,效果不尽如人意。近年来,得益于深度传感器的发展以及人体骨骼关键点检测算法的成熟,越来越多的研究聚焦在基于骨骼关键点的动作识别算法上,并且开始使用图卷积对人体骨骼进行建模并加以分析。本
人工智能技术如今在诸多领域已经取得了巨大的突破,得到了非常广泛的应用,例如目标检测、图像识别和自然语言处理等。目前由于“数据孤岛”问题和愈发严格的隐私安全管控,人工智能技术面临着缺乏高质量训练数据的困境。由于联邦学习支持用户在不分享原始数据的条件下联合训练模型,能够汇聚更多分散的数据共同建模,因此逐渐成为人工智能研究领域的热点。然而,联邦学习环境中存在的数据异质性和系统异质性因素会导致模型训练效率
在多目标优化问题(multi-objective optimization problems,MOP)中,一个子目标的改善可能会引起另一个或者另几个子目标的性能降低。因此不存在同时优化所有目标的全局最优方法,而是存在一组能够权衡冲突目标之间的解决方案。演化算法(evolutionary algorithms,EA)由于其基于种群的特征已被广泛认为对多目标优化有效,算法以尽可能权衡各个优化目标来保持
得益于互联网和移动设备的广泛应用,以信息流形式为基础的电子商务平台和短视频平台正在占用更多的流量和用户时长。为了解决“信息过载”问题,个性化推荐系统成为了互联网厂商重点发展的核心技术。本文以多媒体推荐系统为研究课题,主要关注大规推荐排序算法中普遍存在的挑战,重点研究了利用深度学习和多模态学习解决用户冷启动,物品冷启动,小样本量等问题。主要内容分为三部分。第一,物品冷启动。物品冷启动指的是新的物品加
自动求解数学题是机器智能推理领域的一个重要子问题,用于解决这该问题的自动求解器通常为一种特定的机器智能系统。广义的来说,在推理任务中,机器智能体需要依据给予的信息(如事实描述或观测信号)和已有的先验(如模型结构和常识知识),在特定的限制下来解决特定的问题或者给出总结。更具体地,对于自动求解数学题系统,求解器需要依据给定的问题描述和数学先验知识,生成符合规范可计算的解题等式。该任务基于检测机器智能体
随着深度学习的兴起,越来越多领域开始使用深度神经网络和循环神经网络构建性能卓越的数据驱动的模型结构。比如在自动驾驶和智能安防等场景下,深度模型的出现使得这些技术出现了较大的进展,因为基于大规模数据的深度模型在自然情况下可以对图片进行高效、高准确性的计算和判断。但是有部分研究员们却发现深度模型存在一个比较严重的隐患,即通过对图片添加一些很小的扰动便可以导致模型做出错误的判断。在高性能要求的应用场景中
文本检测与识别的相关工作在我们的日常生活中随处可见,如身份证识别、停车场的车牌识别等,极大地方便了人们的生活。不同应用场景下文本内容形态多样,尺度差异较大,语义背景也往往不同,需针对性地设计检测与识别算法以取得更好的实操效果。本文基于民国报纸标题检测与识别这一具体中文场景任务展开,该工作有利于将纸质报纸转化成能检索能查询的数字馆藏,进而挖掘其史料价值。我们对基于深度学习的文本检测与识别工作进行研究
自主装修机器人在执行各种任务时需要在装修环境中来回移动。自主路径规划能力是一个移动机器人智能化的重要衡量因素。这要求移动机器人能够主动感知环境信息,然后利用环境信息做出导航决策。在动态环境中,移动机器人对于环境全局信息的认知是不足的,其通过传感器主动感知环境局部信息来规划自己的路径。因此,对环境信息理解和利用的能力是移动机器人实现自主路径规划的关键。本文主要的工作如下:1.使用ROS和Gazebo
微博、微信等网络社交媒体的兴起标志着自媒体时代的到来,自媒体新闻有着广阔的传播覆盖面,对自媒体新闻进行情感分析有利于了解社会公众对公共事件的整体态度和看法。目前,得益于众多电商平台完备的评价体系,商品、电影评论等领域已经有很多规范的中文情感数据集。然而对于其他非特定领域,由于缺乏相应的评价体系,数据标签的获得只能依赖成本高昂的人工标注,这就导致大量深度学习任务都普遍面临着小数据和非平衡的问题,而且