人體智能檢測設計
內容簡介
1、人體智能檢測
2、採集設計環節
一、人體智能檢測
1、檢測流程:信號源-信號特徵-信號採集-數據庫-格式轉換-算法實現;
2、腦電，心電，肌電，眼電等，都是身體上兩點的電壓差，隨便在頭上兩個位置放
兩個電極，一正一負，放大 uV信號（其他腦電信號特徵，如頻段，干擾源等）,測量其電勢
差;
但通常需要加一個右腿驅動電極，比如在乳突，因為共模輸入電壓會影響輸入差分對的偏
置點,由於輸入電路固有的不匹配，偏置點的改變會引起輸入失調電壓改變，進而引起輸出
電壓的改變;
以心電為例，腦電原理一樣,假設共模干擾是圖中的 A，有用的 ECG信號為 B，則我們很有
可能採到的是 A+B,所以我們要把 A抵消掉，反饋到身體上一個負 A的信號。這樣我們抑制
了大部分的共模信號，就得到 B了。
二、採集設計環節
1、AgCl電極-ESD-儀表放大-高通去 DC-低通(限制噪聲帶寬)-ADC模數轉換
2、設計參考
心電圖（ECG）是將心臟離子去極後轉換為分析用可測量電信號;
模擬電子接口到電極/患者設計中最為常見的難題之一便是優化右腿驅動 （RLD） ，其目
的是實現較高的共模性能和穩定性。
在 ECG 前端中，RLD 放大器具有 Vref 的共模電極偏置，並反饋經過反相處理的共
模噪聲信號 （enoise_cm），以降低測量放大器增益級輸入端總噪聲。圖 1 中，源 ECGp 和
ECGn 被分離開，目的是表明 RLD 放大器如何為一部分 ECG信 號提供共模參考點，而這
一部分 ECG 信號可在測量放大器 （INA） 的正負輸入端看到。左臂、右 臂和右腿的並聯
RC 組合，代表了集總無源電極連接阻抗（本文後面部分以 52k? 和 47nf 表示）。假設 enoise
以寄生方式耦合至輸入，則 enoise_cm 的反饋會降低每個輸入端的總噪聲信號，並使用外
部方法過濾剩餘噪聲，或者利用測量放大器的共模抑制比 （CMRR） 來對其進行抑制。
2、3 和 4 中，我們可以看到共模抑制變化情況，表明共模測試電路具有不同的 RLD 放
大器增益。這些圖表明，無反饋電阻器（即增益無限）時達到最佳低頻 CMRR；但是，在現
實世界中，對於那些要求在某條輸入放大器引線被拔掉後 RLD 放大器仍能線性運行的應用
來說，去除 DC 通路和/或將 RF 設置為某個高值或許並不實際。
一旦確定 RLD 放大器的增益，便可使用圖 5 所示測試電路，並在環路中注入一個
小信號階躍，然後監視輸出響應情況。這時，響應（圖 6 所示）顯示出強輸出振盪，表明
環路中出現不穩定性。引起這種不穩定的主要反饋通路是 RLD 放大器周圍的身體/電極/測
量放大器反饋通路。圖 7 所示測試電路，允許在一個波特圖上單獨分析 RLD 放大器的反
饋 和 開 環 增 益 （ AOL ） 曲 線 圖 。
圖 7 電極/測量放大器反饋測試電路
圖 9所示 1/β（反饋）曲線圖代表了圖 7 模擬結果。請注意，在沒有外部補償網絡
時，1/β 曲線接近 AOL 曲線，且接近速率 （ROC） 》20dB/dec，其表明存在不穩定性（證
明過程，在此不作討論）。要解決這個問題，需在 RLD 放大器的局部反饋中添加一個串聯
Rc 和 Cc（圖 9 所示 Zc），這樣總 1/β 便與 AOL 曲線交叉，其接近速率 （ROC） ≤
20dB/dec，且環路增益相補角》 45°（圖 12）。之後，Zc 成為 20k-30kHz 之間的主要反
饋通路。圖 11 顯示了這種新的、經過補償之後的 1/β 圖（基於 Rc 和 Cc 差異）。
總之，SPICE 是一種有效的工具，可幫助快速分析和優化 RLD 前端電路的性能和穩
定性。請記住，模型的好壞決定了模擬的質量，因此對一些重要規格建模就十分重要，例如：
噪聲、AOL、開環 Zout 以及 CMRR 與頻率關係等。另外，這項工作應在開始分析和設計以
前就完成。
閱讀更多 科洛德西河 的文章
