波形采集 时间_BCIduino脑肌电放大器采集数据与抗干扰演示

脑电信号的获取

脑电信号(EEG) 是大脑皮层和头皮表面上大脑神经细胞中的电活动的总体效应所表现出来的一种反映。 大脑皮层约由1011个神经元组成，每个神经元通过突触与其他1000个左右的神经元相连。当神经元发出神经脉冲，即动作电位(AP)时，其突触后电位在其产生的部位附近按空间总和规律叠加起来，形成一种由大量神经元共同产生的可探测的脑电活动。 将这种脑电活动以时间为横轴，电位为纵轴记录下来，就形成了脑电图。 将脑电帽的导联线按照各个通道的对应顺序，分别将导联线连接到放大器的各个输入端，并将放大器USB端通过USB连接线连接到电脑，从而实现脑电信号数据的放大及采集。

脑电获取——显示与处理

经过放大后的信号传输到计算机中，进行呈现以及后处理。此时需要相应的软件程序配合前述的硬件系统来完成这个操作。在Openbci的基础上，我们通过改进硬件设计，大大增强了原有放大器的性能，通过改进算法增强了脑电信号的处理能力。

本文主要介绍该BCI系统的初始化操作和数据呈现。

b站视频链接

(https://b23.tv/av52442039)。

操作之前需要下载软件：

https://pan.baidu.com/s/16L4SZx9WuuJ7SkskVc4Z8g  密码:w9vw

(补充说明：openbcihub和openbci_GUI是openbci官方提供的软件，我们做了对bciduino的兼容修改之后上传至上述网盘，特此说明，使用过程已符合和遵守openbci官方开源协议)

processing(https://www.processing.org/download/)

安装python2或3(建议下载python3，因为python2即将被官方弃用，停止维护，https://www.python.org/downloads/)，及相应的pylsl库(pip install pylsl，第10步有简单介绍)。

1、打开开关

2、连接USB(蓝牙无线版本无需连接)

3、找到相应COM口

4、打开openbciHub

5、 打开Openbci_GUI

6、选择相应COM口及采样频率等参数

7、开始采集数据，GUI与绘图，实现如图所示用户界面

8、选择通过lsl输出timeserials数据(时间序列数据)

9、可以看到手触碰电极时会有数据变化，悬空时数据稳定，而openbci官方提供放大器会有一定的紊乱，原因在于openbci输入阻抗小。

我们在此基础上修改了放大电路和滤波电路，并加入了一些滤波算法，因此自带较好的干扰屏蔽性能，参见下述对比图。

(bciduino悬空数据如上，每个通道的数据都在0.2微伏左右，已经屏蔽和滤除空气中的绝大部分杂波)

(Openbci数据如上，4、6通道几乎超出量程范围，7通道已经超出量程范围，其他通道在0-4微伏之间，数据值也较大，受空气中杂波干扰较大，从而加大了数据处理的难度，也导致数据采集时，实验操作人员难以判定放大器信号是否干净，给被试者打导电膏和佩戴脑电帽等时间延长，影响实验效率)

10、通过pylsl接收lsl传出的eeg/emg数据

包含时间戳和一个数组(8个浮点数)，每秒接收1000组(数组+时间戳)。

读者需要熟悉一下pylsl的用法，github上可以找到pylsl的示例代码(https://github.com/chkothe/pylsl)，安装也很简单(pip install pylsl)。

11. 结束后关闭软件、硬件等

           

脑电数据是一种包含了大量信息的数据，其后处理也根据需求不同有着多种不同的方法，同时也根据想要研究的问题的不同，脑电采集的方法和实验步骤也有所不同。

“ 嘘！悄悄插播一条小广告 ”

BCIduino 8通道脑电放大器具体参数如下： 输入阻抗：1TΩ     输入偏置电流： 300pA 输入参考噪声：1μVpp    采样速率： 250 Hz/500Hz 共模抑制比：-110dB     可调增益放大倍数： 1、2、4、6、8、12、24 分辨率：24 位 ADC，精度最高可达 0.1μV 功耗：正常工作时 39mW，待机时低至仅 10μW 采用可充电锂电池供电，进一步降低来自外部的干扰。 尺寸：50mm*50mm(实物测量，存在细微误差) 图1 BCIduino实物图 图2 BCIduino在普通嘈杂环境下、悬空状态的数据波形，可以观测到并无其他干扰出现 图3 OpenBCI在普通嘈杂环境下、悬空状态的数据波形(测量环境、测量时间、软件滤波器设置参数与图2BCIduino相同)

往期精彩

山西航弈生物脑电采集信号放大器拿下欧盟CE认证、通过国家标准检测

OpenBCI_GUI部件指南

脑电信号伪影去除方法研究进展

添加管理获取更多

BCIduino脑机接口社区

关注我们

了解更多信息

本篇由BCIduino脑机接口开源社区整理或撰写。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫码加入社群，备注"BCI"，也欢迎采购BCIduino脑电模块(某宝搜索即可)