生物电信号处理系统技术方案

本实用新型专利技术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。本实用新型专利技术通过嵌入式芯片、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。

【技术实现步骤摘要】
生物电信号处理系统
本技术涉及数据处理
，特别涉及一种生物电信号处理系统。
技术介绍
BrainComputerInterface(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OpenBCIGanglionBoard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。
技术实现思路
为解决上述的全部或部分的技术问题，本技术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pythonlab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。本技术通过嵌入式芯片、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是本技术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，对本技术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技术，但不用来限制本技术的范围。图1是本技术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，EmbeddedBrainComputerInterface)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(SerialPeripheralInterface，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ARMCortexA53CPU)，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pythonlab流媒体层(Pylsl，pythonlabStreamingla本文档来自技高网...

【技术保护点】
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；/n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；/n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；/n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；/n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。/n

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：魏彦兆，宋天成，郭玉柱，黄盼，葛君，韩宗昌，王立鹏，张璇，
申请(专利权)人：杭州航弈生物科技有限责任公司，
类型：新型
国别省市：浙江;33