1. 项目概述为什么我们需要一个微型化的EEG-fNIRS混合采集系统在神经科学和脑机接口BCI领域我们一直在追求更自然、更鲁棒、更贴近真实生活场景的交互方式。传统的实验室研究受限于庞大的台式设备和复杂的线缆往往将人“绑”在椅子上这与我们最终希望实现的“无感”或“增强”式人机交互愿景相去甚远。我自己在实验室里调试过不少系统深知当被试者头上顶着几十根线、身后拖着沉重的放大器时任何“自然”的行为都无从谈起。因此移动化、微型化是BCI走出实验室、走向应用的必然趋势。然而移动化不仅仅是把设备变小、去掉线缆那么简单。单一模态的信号例如脑电图EEG在移动场景下极其脆弱。肌肉活动EMG、眼球运动EOG、心跳ECG乃至身体的晃动都会在EEG信号中产生强烈的伪迹这些噪声有时甚至比我们想提取的神经活动信号还要强几个数量级。这就好比在一个嘈杂的菜市场里试图听清远处一个人的耳语。单纯依靠算法去噪往往事倍功半。这时多模态融合的思路就显得尤为重要。功能性近红外光谱fNIRS技术通过测量大脑皮层血氧浓度的变化来反映神经活动它与EEG形成了绝佳的互补。EEG捕捉的是毫秒级的电生理活动速度快但空间分辨率有限且易受电磁干扰fNIRS反映的是秒级的血氧代谢变化速度慢但空间定位更准且对运动伪迹的敏感度与EEG不同。将两者结合就像同时拥有了高速摄像机和高清数码相机既能捕捉快速动态又能获得清晰的细节。更重要的是一些在EEG中难以区分的伪迹如心跳在fNIRS信号中会呈现出独特的节律性特征脉搏波这为后续的信号分离和融合处理提供了宝贵的“线索”。但问题来了市面上有成熟的移动EEG设备也有少数便携式fNIRS设备但将两者深度集成、真正做到同步、高精度、无线化采集的商用设备在2017年这篇论文发表时几乎是空白。研究者要么背负沉重的背包系统要么自己动手搭建这需要跨电子工程、光学、信号处理等多个领域的深厚知识门槛极高。M3BAMobile, Modular, Multimodal Biosignal Acquisition Architecture架构的提出正是为了填补这一空白。它的目标非常明确设计一个高度微型化、模块化、可定制、无线的EEG-fNIRS混合生物信号采集平台为移动混合BCI和神经工效学研究提供“开箱即用”的硬件基础。这个项目的核心价值在于它不仅仅是一个设备更是一套可复用的架构。它基于德州仪器TI的高性能生物电模拟前端AFEADS1299和开源的openNIRS技术通过精心的混合电路设计将EEG和fNIRS的采集链路深度融合共享时钟和参考地从硬件层面保证了信号同步性和低串扰。其模块化设计允许用户像搭积木一样组合多个单元灵活扩展通道数适应从局部脑区监测到全身多模态信号采集的不同需求。接下来我将深入拆解这套架构的设计精髓、实现细节并分享在类似硬件开发中可能遇到的“坑”和应对技巧。2. 核心设计思路与架构解析如何实现高性能与微型化的统一设计一个混合信号采集系统尤其是涉及微弱生物电信号微伏级EEG和微弱光信号皮瓦级fNIRS的系统最大的挑战在于如何避免相互干扰同时保证各自的性能指标。M3BA的解决方案体现了一种“分而治之共享核心”的智慧。2.1 共享模拟前端融合的基石传统上EEG和fNIRS使用两套独立的模拟信号链EEG走高阻抗、高共模抑制比的仪表放大器fNIRS则走光电转换和跨阻放大器。M3BA一个关键创新是复用同一颗超低噪声、24位Δ-Σ ADC的模拟前端芯片——ADS1299。为什么选择ADS1299首先它是专为生物电测量如EEG、ECG设计的其输入参考噪声低至1μVpp70Hz带宽共模抑制比高达-110dB性能足以满足科研级EEG采集需求。其次它拥有8个差分输入通道和灵活的内部多路复用器MUX。M3BA巧妙地将这8个通道进行分配其中2个通道用于采集单端的光学信号fNIRS探测器输出以系统地GND为参考另外42个通道用于采集差分生物电信号。这里的“42”设计很精妙4个通道固定使用一个公共参考电极另外2个通道可以通过微型开关选择使用同一个公共参考或另一个独立参考。这使得单个模块既能完成标准的EEG记录又能同步采集需要独立参考的ECG或EMG信号。注意复用AFE的最大好处是同步性。两路信号由同一个ADC芯片在同一时钟下采样从根本上消除了因设备间时钟漂移导致的时间同步难题。这对于后续需要严格对齐EEG和fNIRS信号进行融合分析如跨模态相关性分析至关重要。2.2 光学子系统的优化从模拟锁相放大到数字锁相放大fNIRS子系统基于团队之前开发的openNIRS设计但做了关键改进。它采用双波长LED750nm和850nm作为光源硅光电二极管Si-PDOPT101作为探测器。光源驱动采用基于运放和FET的定制高精度恒流电路来驱动和调制LED。这比简单的电阻限流方式稳定得多能有效对抗电源电压波动和温度变化导致的发光强度起伏并为实现方波调制用于锁相检测奠定了基础。信号检测openNIRS使用的是模拟锁相放大电路。虽然有效但模拟电路会引入相位偏移导致信号衰减论文中提到衰减因子A0.874并且增加了元件数量和潜在的噪声源。M3BA将其改为数字锁相放大。具体做法是微控制器Cortex-M4控制LED以特定频率33.33Hz开关并对光电二极管输出的、已被调制的光强信号进行同步数字解调。这样做的好处是a) 消除了模拟相位偏移带来的信号损失信噪比SNR提升了约1.16 dBb) 减少了模拟元件简化了电路有利于微型化c) 在数字域处理灵活性和可重复性更高。2.3 混合采集时序与TDMA控制这是系统设计的核心调度逻辑。ADS1299以固定的1 kSPS每秒1000次采样速率进行模数转换每次转换完成会产生一个“数据就绪”DRDY信号通知微控制器。微控制器以这个DRDY信号为节拍协调整个采集流程。论文中给出的典型时序是一个完整的fNIRS测量周期占用60个DRDY事件即60毫秒。在这个周期内微控制器会按时间片TDMA依次点亮两个LED的两种波长750nm和850nm并插入一个全暗的测量周期用于扣除暗电流和环境背景光。每个LED状态持续期间ADC会对所有激活的光电探测器进行多次采样前几次丢弃以等待信号稳定并保存最后一次采样值。与此同时EEG数据被连续采集、保存并在微控制器内部进行指数平均和降采样最终输出用户可配置的500或250 SPS的数据流。fNIRS的每个测量周期结束时微控制器会执行一次数字锁相解算将不同时间片测得的信号进行组合相减最终得到以16.66 Hz1/60ms采样率输出的、与EEG信号时间锁定的fNIRS浓度变化数据。这种设计确保了在有限的硬件资源下两种模态的数据在时间上严格对齐且fNIRS的开关调制噪声能被有效管理。2.4 低噪声与抗干扰设计魔鬼在细中对于混合信号系统噪声和串扰控制是成败的关键。M3BA在这方面做了大量细致的工作电源隔离系统由单节3.7V锂离子电池供电。但内部为LED发射单元、模拟探测器/AFE电路、数字部分MCU、加速度计等分别提供了由超低噪声、高电源抑制比PSRR的低压差稳压器LDO独立生成的电源轨并用LC滤波器和磁珠进行额外缓冲。这有效防止了数字电路的开关噪声通过电源耦合到敏感的模拟前端。PCB布局采用了六层板设计严格区分模拟地、数字地和电源平面采用星型接地策略优化回流路径并使用过孔缝合和屏蔽技术。这些都是在高速、高精度混合电路设计中必须遵循的“金科玉律”目的是最小化数字信号对模拟信号的辐射干扰和传导干扰。串扰评估与抑制一个特别需要关注的问题是fNIRS的LED以33.33Hz的频率开关其电流的快速变化可能通过空间耦合或PCB上的共阻抗串扰到EEG输入通道中在EEG频谱上产生固定的干扰峰。M3BA通过优化的布局和接地设计成功将这种串扰压制到了极低的水平。论文中的对比实验显示在相同的电阻网络 phantom 上使用独立的商用EEG放大器与fNIRS设备组合时EEG频谱中出现了明显的33.33Hz及其谐波峰而使用M3BA一体化采集时这些峰几乎完全淹没在本底噪声中其归一化噪声功率比非一体化系统低了一个数量级。3. 硬件实现与性能实测数据不说谎光有好的设计还不够必须用硬核的测试数据来证明其性能。M3BA论文中提供了详尽的性能表征这些指标是评估一个生物信号采集系统能否用于严肃科研的硬性标准。3.1 核心性能指标一览我们先看一张汇总表对M3BA模块的能力有个整体认识模块/指标EEG/ECG/EMGfNIRS加速度计通用特性通道数4 2 (差分)4 2 (光通道)x, y, z 三轴模块化最多可同步4个模块分辨率24 位24 位10-13 位尺寸4.2 x 4.2 x 0.6 cm³采样率500 / 250 Hz16.66 Hz0.1 - 1 kHz功耗360 mW输入噪声1.39 / 0.98 μVpp (500 SPS)噪声等效功率(NEP): 5.92 / 4.77 pWpp量程±2,4,8,16 g无线蓝牙室内约5米输入带宽210 / 100 Hz (由指数平均设置)波长750 / 850 nm-电池可更换锂电300mAh可用3小时其他共模抑制比-110 dB可编程增益G1-24可配置驱动右腿DRL光源强度可调(I5-10)数字锁相放大光极距离35mm或可配置-硬件触发精度±1个样本3.2 光学性能深度解读fNIRS的性能直接决定了能否检测到微弱的脑血流变化。M3BA使用标准化的光学仿体进行测试。线性度这是仪器的基础。在跨越近7个数量级光学损耗OL从10⁻²到10⁻⁷的光强范围内M3BA的输出电压与输入光强保持了完美的线性关系R² 0.999。这意味着在不同深度、不同个体的大脑中其测量结果都是可靠且可定量比较的。信噪比与变异系数在低衰减OL 5×10⁻⁴时信号变异系数CV保持在0.1%以下信噪比SNR高于60 dB性能优异。当光强极弱OL 5×10⁻⁴时CV开始线性上升SNR下降。这反映了噪声来源的转变在信号较强时噪声主要来自光源本身散粒噪声与信号成正比在信号极弱时噪声主要来自探测器本身的热噪声与信号无关。即使在OL高达10⁻⁷相当于光强衰减了1千万倍的极端情况下SNR仍有约20 dB表明其仍能探测到微小的光强变化这对应了fNIRS实验中可能遇到的深层脑区或高吸收情况。噪声等效功率NEP是衡量探测器灵敏度的关键指标指信噪比为1时所需的入射光功率。M3BA在750nm和850nm的NEP分别达到了5.92 pWpp和4.77 pWpppp指峰峰值。这个水平比之前的openNIRS设计纳瓦级提升了三个数量级主要归功于数字锁相放大和整体噪声控制的优化。稳定性与漂移仪器开机后需要约5分钟的预热时间之后光信号的漂移小于27.5 nV/s。相对于在40 dB OL即光强衰减100倍下的信号幅度这相当于每小时漂移小于0.6%对于通常持续几十分钟的脑功能实验来说这个漂移是可以接受的可以通过基线校正等手段去除。3.3 电学性能与串扰验证EEG的性能同样出色。输入参考噪声在500 SPS下为1.39 μVpp这与ADS1299芯片的理论性能一致证明了外围电路设计没有引入额外噪声。输入频响在通带内平坦波动0.1 dB截止频率由设置的采样率决定500 SPS对应210 Hz250 SPS对应100 Hz满足EEG分析通常需要的带宽0.1-100 Hz。最值得称道的是其抗串扰能力。如前所述通过精心的混合电路设计成功将fNIRS LED开关产生的高频噪声与EEG信号隔离开。在电气仿体测试中即使向网络中注入标准的正弦测试信号在M3BA采集的EEG频谱中也几乎看不到33.33Hz的干扰峰。而使用独立的商用EEG放大器与fNIRS设备组合时干扰峰清晰可见。这充分证明了一体化、共享AFE和优化PCB布局的设计在抑制模态间串扰方面具有显著优势。3.4 生理数据验证从仿体到真人硬件指标再好最终也要看能否测到“真信号”。听觉诱发电位这是检验EEG系统灵敏度和时间精度的经典范式。研究者让4名受试者聆听1kHz的纯音同时用M3BA和一台商用g.USBamp EEG放大器记录脑电。结果显示两者记录到的听觉诱发电位特别是N100-P200复合波在波形、幅值和潜伏期上高度一致与文献报道相符。这表明M3BA在捕捉时间锁定的神经电活动方面与专业EEG设备性能相当。多模态原始数据示例这是最能体现M3BA价值的演示。研究者用一个模块同时记录了站立受试者的EEG枕叶O1/O2中央顶叶Cz前额Fp2、单导联ECG、三轴加速度计以及4通道fNIRS信号。从原始数据图中可以清晰地看到EEG闭眼时10-20秒枕叶通道O1/O2出现了典型的α波8-13Hz功率升高。ECG清晰的心跳R波。fNIRS在氧合血红蛋白O2Hb信号中可以看到与ECG R波同步的脉搏波。多模态关联受试者在12秒时进行深呼吸加速度计信号清晰地显示了胸腹部的起伏。这个呼吸动作同时调制了ECG中的R波幅度和心率也在fNIRS信号中引起了缓慢的波动。这些raw data中肉眼可见的关联正是后续进行多模态信号融合、伪迹识别与剔除的宝贵基础。实操心得在评估这类微型化设备时生理验证和对比实验至关重要。硬件指标噪声、线性度是“及格线”而能否在真实、复杂的生理环境中稳定采集到具有明确生理意义的信号才是“生命线”。M3BA团队不仅做了严谨的仿体测试还用经典的AEP范式和多模态同步记录证明了其实际可用性这种验证链条非常完整值得借鉴。4. 系统集成、应用场景与未来展望M3BA不仅仅是一个采集板它是一个完整的、面向应用的系统架构。4.1 模块化与无线体域网单个M3BA模块尺寸仅4.2 x 4.2 x 0.6 cm³比一张SD卡还小重量极轻。这使其可以灵活地集成到各种头戴式或身体佩戴的装置中。论文图1展示了一个典型的WBAN应用场景三个模块协同工作一个模块负责采集胸部的ECG和颈部的EMG另外两个模块共享参考电极共同覆盖左侧体感皮层采集8通道EEG和13通道fNIRS通过共享光极实现。所有模块通过蓝牙与主机如笔记本电脑或智能手机通信。模块之间可以通过一个8线的物理接口同步共享采样时钟和fNIRS通道控制信号确保所有数据在时间上完全对齐。这种模块化设计提供了极大的灵活性研究者可以根据实验需求像拼乐高一样组合不同数量的模块部署在头、身、肢体的不同部位构建一个真正的、同步的多模态身体传感器网络。4.2 潜在应用与优势移动混合BCI在户外或移动场景下利用EEG的快速响应和fNIRS的鲁棒性实现更稳定、更多控制维度的脑机接口。例如用fNIRS识别用户的意图状态如心理负荷、疲劳用EEG执行快速的选择或确认命令。神经工效学在真实的工作环境如驾驶舱、控制室中同步监测操作员的脑活动EEG/fNIRS、心电ECG、肌电EMG和身体运动加速度计全面评估其认知负荷、注意力分配和疲劳状态为人机界面优化提供数据支持。临床监测与康复用于卒中患者康复训练中的神经功能评估或对特殊疾病如癫痫患者进行长期、在家的多模态监测。认知科学研究在更自然的环境下研究大脑活动打破实验室的束缚探索真实世界中的认知过程。4.3 局限性与挑战当然没有完美的系统M3BA架构也有其 trade-off 和挑战fNIRS采样率的限制由于采用TDMA轮流点亮LED当多个模块互联时总的fNIRS采样率会随着模块增加而降低。单个模块为16.66 Hz两个模块共享时仍能维持但模块更多就需要降低速率。未来可以考虑采用不同频率正弦波调制、同时点亮多个LED的方案但这会大幅增加功耗和系统复杂度。蓝牙传输的局限在多人、多模块密集部署的WBAN场景下大量蓝牙设备可能造成信道拥堵和数据包丢失。论文中提到未来可考虑ZigBeeIEEE 802.15.4或专为体域网设计的IEEE 802.15.6等协议它们在多设备、低功耗组网方面更有优势。佩戴与信号质量硬件微型化只是第一步如何设计舒适、稳定、信号质量高的头戴装置特别是针对有头发的脑区部署fNIRS光极是另一个工程挑战。论文提到后续工作包括开发具有弹簧加载机构的机械头戴装置和光极。在线处理能力M3BA搭载了120MHz的Cortex-M4微控制器具备较强的本地处理能力。未来可以探索在设备端实现简单的在线特征提取、伪迹检测甚至初步的解码算法实现边缘计算减少无线传输的数据量为实时性要求更高的“触觉互联网”应用铺路。5. 从论文到实践开发类似系统的经验与避坑指南基于M3BA的设计思路和我个人在生物信号采集硬件开发中的经验如果你想着手开发类似的微型化混合采集系统以下几点至关重要5.1 选型与核心器件AFE是心脏ADS1299系列至今仍是生物电采集的黄金标准。除了8通道的ADS1299TI还有4通道ADS1294/6和更多通道的版本。选型时需权衡通道数、功耗和尺寸。其高输入阻抗1TΩ使其能兼容干电极和湿电极增加了应用灵活性。微控制器是关键需要选择一款性能足够、外设丰富的MCU。Cortex-M4内核带FPU适合进行数字锁相放大等数学运算。需确保有足够的SPI接口与AFE和加速度计通信足够的定时器/PWM用于精确控制LED时序以及充足的RAM/Flash存储程序和缓存数据。光学器件LED和光电二极管的选择决定了fNIRS的性能上限。要关注LED的发光功率、光谱半高宽FWHM的稳定性以及光电二极管的响应度、暗电流和噪声特性。M3BA选择的Epitex LED和Burr-Brown OPT101是一个经过验证的组合。电源管理这是低噪声设计的生命线。必须为模拟、数字、LED驱动部分分别提供独立的、低噪声的LDO电源。要仔细计算各部分的功耗特别是LED的驱动电流较大要确保LDO和电源路径能提供足够的电流且发热可控。5.2 PCB设计混合信号的战场这是最容易出问题、也最体现功力的地方。分层与分区强烈建议使用至少4层板最好6层。明确划分模拟区、数字区、电源区。模拟地和数字地单点连接通常在ADC芯片下方。电源平面分割要清晰避免数字电源噪声串入模拟电源。去耦与滤波每个芯片的电源引脚附近都必须放置一个0.1μF的陶瓷去耦电容并尽可能靠近引脚。对于噪声敏感的模拟部分可以额外增加一个10μF的钽电容或陶瓷电容。在电源入口和各个功能区块的电源入口处使用π型滤波器电感/磁珠电容进行滤波。信号走线模拟信号线特别是EEG输入和光电探测器输出要尽量短、粗并用地线包围guard ring进行保护。避免数字信号线如时钟、数据线平行靠近模拟信号线。如果必须交叉应垂直交叉。参考电极与驱动右腿EEG的参考电极和驱动右腿DRL电路设计对共模抑制至关重要。ADS1299内部集成了偏置驱动放大器要合理利用。参考电极的走线也要当作敏感模拟信号来处理。5.3 固件开发精确的时序与控制中断驱动以ADS1299的DRDY中断作为整个采集时序的主时钟。在中断服务程序ISR中要高效地读取ADC数据、更新LED控制状态。避免在ISR中进行复杂计算可以通过设置标志位在主循环中处理数据打包、滤波、通信等任务。精确计时LED的开关、采样点的取舍都需要微秒级的精确控制。充分利用MCU的硬件定时器和PWM输出。数字锁相解调的算法同步累加等要仔细验证确保在整数个周期内进行避免计算误差。数据流与通信蓝牙SPP协议的传输速率有限且不稳定。必须在MCU端开辟足够大的环形缓冲区ring buffer并实现流控机制如XON/XOFF防止数据丢失。数据包格式要设计合理包含时间戳、模块ID、通道数据、校验等信息。5.4 校准与测试电气测试制作一个如图4(b)所示的电阻网络仿体用于初步测试EEG通道的增益、噪声、共模抑制比和串扰。用信号发生器注入已知频率和幅度的正弦波验证系统的频率响应和线性度。光学测试搭建一个类似图4(a)的光学测试平台至关重要。你需要一个光学仿体可以购买或按配方自制、一系列已知衰减系数的中性密度滤光片、一个精密光快门和一个光功率计。通过测量不同衰减下的系统响应来标定系统的线性度、动态范围、信噪比和NEP。串扰测试这是混合系统特有的测试。在EEG仿体上施加标准测试信号同时让fNIRS LED全功率工作分析EEG信号的频谱重点观察LED开关频率如33.33Hz及其谐波处是否有峰值。这个测试能最直观地反映你的PCB布局和电源设计是否成功。5.5 常见问题排查EEG信号工频干扰50/60Hz大首先检查驱动右腿DRL电极是否接触良好并正确连接。检查所有EEG电极的阻抗是否均衡且足够低通常要求10kΩ。检查系统是否良好接地单点接地。尝试在屏蔽室或远离大型电器的地方测试。fNIRS信号漂移严重确保LED驱动是恒流源而非恒压源以对抗电源电压变化。给系统足够长的预热时间如10分钟。检查光学探头与被测物或仿体的耦合是否稳定压力是否恒定。蓝牙连接不稳定或数据丢失检查天线周围是否有金属遮挡。缩短蓝牙模块与主机之间的距离。降低数据传输率如降低采样率或减少发送数据量。优化固件中的缓冲区管理和流控机制。在代码中加入重发和校验机制。电池续航远低于预期用电流表测量系统在不同工作模式全功能、仅EEG、休眠下的整机电流。重点检查LED驱动电流是否过大可通过PWM占空比调节。检查是否有外围器件如未使用的传感器未进入低功耗模式。优化软件让MCU在采集间隙进入睡眠模式。M3BA架构为我们展示了一条通往高性能、微型化、多模态生物信号采集系统的清晰路径。它不仅仅是几个芯片的堆砌更是对噪声、功耗、尺寸、同步性等多重约束的精心权衡与工程实现。对于有志于进入移动BCI、神经工效学或可穿戴健康监测领域的研究者和工程师来说深入理解这套架构的设计哲学和实现细节无疑能让你在开发自己的系统时少走很多弯路。硬件是基石当你能稳定、可靠地采集到高质量的多模态信号时后面那些激动人心的算法和应用创新才有了坚实的舞台。