来源：网络
脑电传感器并不复杂，只是精度很难保证。
本质上就是一个金属电极加上一个放大器（前置保护），主要是防止传输过程中电压发生改变。
一、介绍
脑电波（EEG）检测其实和在医院常见的心电图（ECG）原理很类似，都是利用电极来检测电压的变化。
先来一张心电图的图片：
正常心电图
电极涂上导电的胶状物（电解质，含有丰富的导电离子）后与贴在胸部就能测量心脏搏动引起的微弱电压变化（毫伏级），然后就能绘制出上面的心电图了。
对于脑电波（Electroencephalography）而言，大脑的神经元活动通过离子传导到达大脑皮层，固定在头上导电电极感应到这种微弱的电压变化，通过差分放大，滤波，数模转换等一系列手段最终将电信号变成脑电波的原始数据。下图是标准的10-20系统，不同位置表示不同的区域，比如O1，O2能够测量视觉神经的反应。
但是脑电波相对于心电波以及肌电波来说，检测上更加困难，原因如下：
1.不像心电波，脑电波引起的电压变化是微伏数量级，如此微小的电压变化自然更加难以检测。
2.信噪比超低，干扰信号比有效数据的幅值更大，使得信号基本被噪声湮没，分离难度很大。这里的噪声主要有：头部运动，面部肌肉运动造成的干扰。接触问题引发的干扰，信号传送过程产生的噪声，电源波动引发的干扰等等，甚至空气湿度都可能会造成干扰。
说了这么多可能还有人有疑问，这个电极是什么？让我用人话告诉你好了，电极就是金属片！有没有觉得很低端？几十年了为毛还是金属片难道没有什么高大上的新型传感器么？什么纳米材料啊，MEMS啊都没有么？
抱歉都没有，不像一般的传感器，光线传感器通过光敏电阻将光信号变成电信号，压力传感器通过压敏电阻测量压力。因为本来就有电压变化，所以脑电波传感器仅仅需要一个金属片固定在你的脑袋上。
核心的检测电路早在30年前就已经被设计出来，之说以最近很热门，主要是因为相关的去噪算法越来越完善以及数据处理能力越来越强大。在基本硬件设计方面并没有很大的创新。
二、电极分类
1.湿电极（Ag/AgCl）一般用于医学研究，科学研究
一般都和上图的类似，这个帽子按照10-20系统固定有若干电极（Ag/AgCl），带上头套之后电极就贴在头皮上了。
然后连接上一根根的导线，在每一个电极上灌上黏黏的导电胶，导电胶中离子与电极之间发生化学反应，构成原电池，使得接触电阻非常低通过软件确认每个触点的是否与头皮充分接触后就可以开始进行相关实验了。
优点是接触电阻小，干扰小，得到数据更加准确。但是也带来了很多麻烦，答主当小白鼠那次戴帽子上导电胶用了半个小时，测试了半个小时，然后洗头洗了2个小时，做完一次实验打死也不去那个实验室了。
2.干性电极：一般用于健康监测，玩具等非医学领域
像Emotiv（Emotiv | EEG System）和神念科技NeuroSky | Body and Mind. Quantified.这些商用的脑电波产品都是选用的干电极，原因是舒适，使用方便，做成耳机模样，设置几个电极，用的时候带上就好了。
学校购买了神念的这款mindwave，额头前端采用的是金属触点，左边的夹子夹在耳朵上作为电压的reference，实际体现的效果是测试精准度远远不如用湿性电极的那套仪器。当然2者售价也相差了几百倍。。。
Emotiv的产品没有见到过实物，看了他们早年的TED演讲以及去年在kickstarter上的众筹如果真如视频所说那应该是挺不错的产品。之前有一位从事植入式脑电波芯片设计的教授猜想Emotiv的传感器是用的一种导电塑料取代的金属电极，本质上还是传统的硬件设计，并没有引入新颖的传感器。
然后这是我用的电极：EEG-AE - Open Source Hardware Board
电路图链接里面有这里就不贴了
3.植入式电极阵列
目前植入式算是比较前沿的东西，因为直接埋入头皮中捕获神经元的电信号，避免了绝大多数干扰，在精确度上都优势明显。电极部分都做成下图这种恐怖的针状整列。
并且一般做成专门的芯片，包含无线供电，无线通讯，数据处理等等。
三、电路结构
脑电信号是由脑神经活动产生并且始终存在于中枢神经系统的自发性电位活动，是一种重要的生物电信号。在进行大脑疾病诊断的过程中需要对脑电信号进行记录，以提供临床数据和诊断的依据。因此脑电信号采集系统具有非常重要的临床意义。
脑电图（EEG）是反映大脑的电活动，它是用放在头皮表面的电极检测并经方大的与大脑神经活动有关的生物电位。
头皮表面的EEG信号范围为1～100μV（峰－峰），频率范围0.5～100HZ，头质电位约1mV。而在头皮表面测量的脑干信号的峰－峰值却不大于0.25μV，频率在100～3000HZ之间。
显然，脑电图的特征与大脑皮质的活动程度有很大的关系，如脑电在觉醒和睡眠状态有明显的变化；通常脑电图是不规则的，但在异常场合却会表现出特殊的形式，如癫痫脑电表现有特异的棘波。
依年龄不同其基本波的频率也不同，如3岁以下小儿以δ波为主，3-6岁以θ波为主，随年龄增长，α波逐渐增多，到成年人时以α波为主，但年龄之间无明确的严格界限，如有的儿童4、5岁枕部α波已很明显。
正常成年人在清醒、安静、闭眼时，脑波的基本节律是枕部α波为主，其他部位则是以α波间有少量慢波为主。判断脑波是否正常，主要是根据其年龄，对脑波的频率、波幅、两侧的对称性以及慢波的数量、部位、出现方式及有无病理波等进行分析。
脑电信号频率范围：DC～100HZ；诊断得主要成分在0.5～100HZ范围
正常信号范围：15～100μV
因为脑电正常信号范围：15～100μv，要放大到v的量级上，应放大10000～50000，取其中，放大10000倍，放大后0.45～3v。
分配至流程图中：前置放大器：500倍；后置放大器：20倍。
（原本放大30000倍，但是信号幅度太大，示波器显示截止，故缩小放大倍数为10000倍）。
输入级特性：低输入噪声（≦3μvP－P）；高增益（ 104～5×104）；高共模抑制比（KCMR≧80dB）；低漂移和高输入阻抗（≧10MΩ）；还有低频交流耦合工作（1HZ或更低）等。
脑电信号检测中噪声及其抑制方法的探讨：
首先是电极噪声，由于电极极化产生的噪声，对此干扰采用银—氯化银电极，是一种不易极化的电极，极化电压仅数毫伏，而选用的前置仪用放大器AD620输入失调电压仅为50μV，再加上对共模信号有较好的抑制作用只有各输入端的极化电压的不对称部分才会放大电路产生不利影响（使放大器进入非线性区），所以前置放大器的增益可以做到尽量大。
同时我们还应考虑到前置放大对整个放大电路的噪声贡献，放大器噪声一般随第一级增益的提高而明显变差，又考虑到提高放大器的增益有利于提高共模抑制比，综合各种有利和不利因素，最终确定前置放大器的增益为100倍。高通滤波电路的设计：由于人体存在极化电位，这些电信号是直流信号，因此需要设计一个高通滤波器将这些直流滤除，电路采取RC有源二阶。
对环境中的高频信号，主要采取低通滤波的方法，用截止频率为60Hz的二阶巴特沃兹滤波电路进行滤波，同时还可以对心电和肌电干扰进行有效的衰减。对50Hz电场干扰的抑制主要采取在电路中加一级50Hz陷波电路来实现，此外隔离放大器和高共模抑制比的前置放大电路也在一定程度上对50Hz电场和泄露电流干扰也起到了抑制作用。
由于在芯片的选用过程中注意到都选用低噪声的芯片，尤其是前级放大电路，选用AD620，因此也可以最大限度地抑制电子器件的噪声。
电路结构大体设计为前置放大电路，高通滤波，隔离放大，低通滤波及陷波电路，后置放大电路。具体框图如下：
前置放大器：
选用低噪声的集成仪器放大器AD620作为放大器的核心元件。（MAX4194商店没有卖）。
AD620，根据增益计算公式AG＝1＋50KΩ/RG可得RG＝100.2Ω，取RG＝100Ω。增益误差为0.2％。
保护电路要求在输入出现5000v高压时不会损坏电路，二极管D选用低漏电的微型二极管1N4148，其最大允许通过的瞬时电流为100mA，因此，极限保护电阻R1＝R2＝50KΩ。
无源低通滤波器的截至频率为100HZ，由此可以计算得到C1＝C2＝（2ΠfR）-1＝0.0318μv。考虑到存在电极与人体接触阻抗等信号源内阻和电容取系列值等因素，实际取C1＝C2＝0.033μv。
光电隔离电路与高通滤波器：
提高系统的抗干扰性能、安全性能和可靠性，使前级放大器和后级放大器没有电的联系，而是通过光或磁来耦合信号。
其中R2＝R3＝1KΩ，C1＝0.22μF，为了减小信号漂移，在光电耦合后面，用C1组建乐一个无源高通滤波器，再接葛跟随器。R1＝1/2ΠfC1，其中f＝0.5HZ，得R1＝910 KΩ。
低通滤波器：
根据实验，2阶低通滤波效果不理想，于是改成6阶。
根据归一化算其参数：截止频率f＝100HZ，电阻都选用10 KΩ，C1＝0.15μF，C2＝0.15μF ，C3＝0.1μF，C4＝0.22μF ，C5＝0.047μF，C6＝0.56μF。
后置放大器：
为了达到10000倍放大，后面加一个增益为20的负反馈放大器，取R1＝10KΩ，R2＝200KΩ。
陷波器：
50HZ陷波器可以采用上图所示正反馈的有源双T带阻滤波器，改电路的Q值随着反馈系数 的增高而增大，式 给出了电路中Q值与 （0<β<1）的关系。但是，随着β的增高，电路将会出现不稳定甚至自激，因此一般将Q值选在十至几十的范围内。图中Rw是10k电位器，调节Rw可以改变Q值大小。C的电容值由表选取，然后用式 计算R的阻值。
陷波器的中心频率f＝50HZ，根据电容值初选参照表取C＝0.1μF，根据R＝（2ΠfC）-1得R＝30KΩ。Rw是10K的电位器。
交流直流转换：
用变压器先把220V转换成12V，通过“桥式整流”（4支二极管）把交流电转换成直流。再用4支电解电容来滤波，这样可以消除交流噪声 。
测试部分：
一 前置放大部分
（1）静态工作点 将放大器两输入端对地短路，测量输出电压V=10.9mV
（2）输入噪声 按(1)测出电压，计算输入噪声Vin==0.094mV
（3）输入阻抗 将输出接地，用万用表电阻档测量两个输入端Rin=22.2M
在输入端串联一个电阻，测量串联电阻后的输出电压Vo1然后再测出不串联该电阻时的输出电压Vo2，根据该电阻所分得的电压，计算输入电阻
（4）输出阻抗 Rout=6.4K
（5）差模增益 将电压接到一个输入端，另一端接地，测量输出电压，计算差模增益
Vi=18.45mV,Vo=8.3V
Ad==450
（6）共模增益 将放大器输入端共同接同一电压，记入输出电压，计算共模增益
Vi=2V Voc=0.035V
Ac==0.0175
（7）计算共模抑制比 CMRR=20lg（Ad/Ac）＝88.2
由于共模抑制比不够高，所以波形的噪声较大，信噪比不高。
（8）零点漂移 将放大器的输入对地短接，相隔10分钟，用示波器两次观察输出电压的变化并计算
零点漂移＝30MV
二 光电耦合
Vi=2.38V Vo=2.15V
三 低通滤波器
理想截止频率为100HZ
输入电压为10V，测量的电压数据列表
频率 | 70.54HZ | 83.32HZ | 90.04HZ | 94.2HZ | 96.53HZ |
峰峰值 | 10V | 9.8V | 8.5V | 7.07V（0.707） | 6.54V |
频率 | 100HZ | 109.1HZ | 115.9HZ | 120.4HZ | 148.8HZ |
峰峰值 | 4.30V | 3.50V | 1.20V | 0.60V | 0.184V |
带宽有些大了，所以引入了一些肌电信号，加大了干扰。
四 50HZ陷波
输入电压5V,测量电压数据列表
频率 | 13.75HZ | 26.32HZ | 30.08HZ | 35.32HZ | 39.96HZ | 42.65HZ |
峰峰值 | 5V | 4.85V | 4.56V | 4.20V | 4.02V | 3.85V(0.707) |
频率 | 47HZ | 50.12HZ | 54.65HZ | 57.71HZ | 60.69HZ | 76.65HZ |
峰峰值 | 1.08V | 0.520V（中心频率） | 1.20V | 3.85V(0.707) | 4.53V | 4.86V |
A recording. You can clearly see the (in my case very slow) alpha rythm.
Three eye blinks and tooth grinding.
神念科技，脑电模块介绍：
此TGAM模块可以处理并输出脑波频率谱，脑电信号质量，原始脑电波和三个Neurosky的eSense参数：专注度，放松度和眨眼侦测。和人体的界面只需一个简单的干接触点，所以可以很容易的运用于玩具，视频游戏和健康设备中，又由于能耗小，适合用在以电池供电的便携式消费产品的应用上。
TGAM模块的特点及优势
• 能直接连接干接触点，不像传统医学用的湿传感器使用时需要上导电胶
• 单EEG脑电通道有3个接触点：EEG（脑电采集点）REF（参考点）GND（地线点）
• 上电后若接触点连续四秒没有采集到脑电或连续七秒收到差的脑电信号，
本智慧模块会通过“信号质量强度”发出信号差的警告，提醒用户调整传感器
• 先进的噪音过滤技术，能抗拒日常生活中环境里的各种干扰
• 低能耗，适合便携式消费产品的电池供电的设备
• 3.3伏供电下最大消耗为15毫安
• 原始脑电数据以512 Hz输出
测量
• 原始脑波信号
• 处理和输出α,β等脑波波段数据
• 处理和输出Neurosky（神念科技）获得专利技术的eSense专注度和放松度指数以及未来开发的其他数据
• 嵌入式的信号质量分析功能能警告接触不良或是完全没接触的异常状态
• 眨眼侦测
物理规格
• 规模尺寸（最大）2.79cm x 1.52cm x 0.25cm
• 重量（最大）130mg
规格说明
• 采样率：512Hz
• 频率范围：3Hz-100Hz
• 静电保护：4kV接触放电; 8kV隔空放电
• 最大消耗功率：15毫安 @ 3.3伏
• 运行电压：2.97~3.63伏
UART（串口）标准输出接口
• 1200, 9600, 57600 输出波特率
• 8 bits
• No parity
• 1 stop bit
AC交流噪音滤波器的配置选项
• 50Hz
• 60Hz
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
