[消费电子]

一种巧妙的皮肤电导率软硬件设计方案

2018-6-13 09:57:41 5746 ADC转换 ADP151

0 本帖最后由 liuyongwangzi 于 2018-6-13 10:01 编辑硬件设计本节描述电路拓扑结构、测量范围和分辨率的确定方式。关键决定：确定电路的拓扑结构基本而言，测量阻抗的方法有两种。系统可以施加电流并测量阻抗范围内的电压，也可以施加电压并测量阻抗范围内的电流。另外，这些施加信号既可以是直流信号，也可以是交流信号。重要的是要分析每种方法的优势和不足。有多种电路可以测量交流信号，每种都有自己的优势和劣势。然而，为了达到性能、成本和面积方面的限制要求，我们认为最佳选择是以下解决方案。用一个交流电压源作为激励源，测量通过患者身体的电流，由此确定皮肤电导率。该解决方案可以避免在单个汗腺上施加高压，从而避免了汗腺受损的危险，并且符合 IEC6060-1 标准的要求。交流信号消除了电极极化问题。我们需要数字化、存储和分析要测量的电流。意味着电路需要一个模数转换器 (ADC)。由于多数ADC转换的是电压而不是电流，所以，我们需要先把通过患者身体的电流转换成电压。这可以通过一个跨阻放大器 (tiA) 来实现的。在选择最佳运算放大器时，要考虑的三个关键指标是噪声规格、尺寸和功耗；在实现TIA时要用到这些指标。必须确定：测量范围和分辨率 EDA信号放大方面的问题主要源于其宽范围和高分辨率要求。一般地，皮肤电导设备必须覆盖的范围为0 μS至100 μS，还要能检测0.05 μS的波动。分辨率可以通过12位分辨率以上的ADC实现。对于分辨率，本项目的目标是0.01 μS，因此需要采用14位或16位分辨率的ADC。为了在100 μS的范围内获得0.05 μS的分辨率并达到安全法规的要求，需要采用下列模块。一个交流电压源确保符合IEC6060-1规范的保护元件用于测量通过患者身体的电流的电路环境温度和皮肤温度的变化会导致EDA信号变化。因此，也有必要取得环境温度和皮肤温度。这可以通过一个简单的热敏电阻和几个分立元件以及一个ADC来实现。功耗功耗功耗，重要的参数说三遍为了降低功耗，确保仅在需要进行新的测量时激活系统，必须同时集成一个电源管理单元。该模块必须能由主微控制器轻松控制，并且必须为整个 EDA 测量电路供电。图1所示为完整的功能框图。图1. 系统框图最佳组件电源管理单元 ADP151系列实现电源管理单元，因为该系列具有多个不错的特性，其封装和噪声水平也非常适合本应用的需要。电平转换器有多种方式和广泛的集成电路可以用来形成电平转换器。然而，这些集成电路的面积和价格却无法满足本项目的限制要求。因此，本电路中的电平转换器是用分立元件实现的。基本地，电平转换器由一个晶体管DMN2990UFZ，和一个电阻构成。低通滤波器和TIA 为了实现低通滤波器和TIA，我们选用了ADA4505-2ACBZ，因为它具有优秀低功耗水平、小尺寸和输入偏置电流超低等特点。 ADC 符合所有系统要求的ADC是AD7689BCBZ。这款强大的ADC集成了可以在不使用时关闭的基准电压源，因而可以降低功耗。最后，为了确保达到面积限制要求，我们将使用的组件和功能数量降至最低，并且为所有组件选择了最小的封装。图2所示为该系统的布局和尺寸。图2. EDA 分立式电路布局软件设计系统需要生成一个激励信号，用于测量皮肤的电导率。该激励信号是一个交流信号，从交流测量值抽取的两个参数是信号幅度和激励信号与获取的信号之间的相位延迟。最重要的参数是幅度，可以通过多种方式从交流信号中获取该参数。然而，在本系统中，获取幅度的最佳方法是实现离散傅里叶变换 (DFT)。也可以将DFT视为滤波器组，其衰减水平与样本数成正比，最大值的位置取决于激励信号在这里，有理由采用较大的样本数 (N) 来实现DFT，因为这样做可以改善SNR。然而，DFT的功耗（如果直接实现）与样本数成比例，采集的样本越多，功耗越大。这意味着在样本数与功耗之间存在一个重要的折衷点。另一个重要参数是采样频率与激励频率之比。如果采样频率为激励频率的4倍，则用于实现DFT的等式会非常简单。这种情况下，涉及浮点乘法的复杂等式会成为加法。如果可用处理器为DSP 或Cortex®-M4，则乘法也是可行的。然而，如果必须在Cortex-M0 中进行计算，则这可能会成为一个重要问题。不妨比较如下等式和 100 Hz频率窗口 (FCENTER) 的单点DFT计算滤波器表达式，其中，采样频率 (FS) 为400 Hz和500 Hz。明确要采用的技术以及激励频率与采样频率之比之后，下一步就是确定激励频率。激励频率必须尽可能低，以确保电流会流过患者的皮肤，但不会渗入身体。因此，激励频率必须小于1 kHz。同时需要指出的是，本应用的主要噪声源是市电产生的50 Hz/60 Hz噪声。如上等式所示，DFT的各个组分X (k) 抵消了n × FS/N形式的频谱组分的贡献，其中，n = 0, 1, 2... N – 1，N = k时除外。通过正确定义激励频率，我们可以抵消50 Hz噪声源的贡献。然而，不能使用高频率的原因如前所述。所以，不错的折衷点是100 Hz，虽然我们可能会捕捉到市电干扰源的谐波。如果激励信号为100 Hz，采样频率为400 Hz，则在50 Hz下，当N等于 8、16和32时，会出现零。我们同时要记住的是，样本数必须尽可能小，以尽量降低功耗。因此，一种不错的折衷选项是用16个样本实现DFT。必要时，为了改善SNR，可以增加样本数。当然，如果噪声为60 Hz而非50 Hz，则采样频率应为480 Hz，激励频率应为120 Hz。频率响应如图3所示，只涉及加法的数学公式如等式所示。图3. 可以把DFT视为滤波器组。这是16个样本条件下的DFT频率响应，其中，采样频率为400 Hz，中心频率为100 Hz，频率窗口为矩形机械设计我们开发了一个评估系统，用于测试和证明以上提出的解决方案。该平台由 EDA 测量需要的主传感器以及其它必要特性构成。移动和温度可能会影响皮肤阻抗测量结果。因此，同时我们也测量了含有移动和温度的信号。系统还包括一个电池充电器，用于对平台中使用的LIPO电池充电。该设备需要采用高容量电池，因为我们希望能实现24小时信号采集。阻抗、温度和加速度测量值被保存到存储于微型SD卡上的文件中，也可以通过低功耗的蓝牙®把数据发送到平板电脑或个人电脑上。图4所示为评估平台。图4. EDA 评估平台。ADI watch GEN II。结果SNR研究我们进行了数学分析，确保能在所选组件的噪声水平以及系统带宽条件下，实现要求的分辨率。然而，该特性需要用实际测量值检验。为此，我们用原型系统测量了多个电阻网络，以便检验功能。研究涉及对同一电阻网络进行多次测量，以检查可重复性，从而获得系统的精度数据。在这项测试中，我们对每个网络进行了100次测量，通过从取得的结果中的最大值减去最小值，取得了最大误差。误差值始终等于或小于0.01 μS。在验证系统精度以后，下一步是检查系统的线性度。为了进行此项实验，我们将原型接入可编程电阻替代器，以1 kΩ的步进对 10 kΩ- 500 kΩ的范围进行了评估。系统的R2为0.9999992。功耗研究 EDA 系统由一个有不同状态的状态机构成，用于获取患者皮肤电导率，确保使功耗维持于最低水平。开始时，在状态1 (S1)下，我们关闭了 EDA 的AFE，只有微控制器和加速度计处于开启状态。平均功耗为 139 μA。大约150 ms后，我们打开 EDA AFE，由 MCU 生成方波信号，然后交由LPF滤波。在该阶段 (S2)，我们关闭了ADC基准电压源，因为信号还不稳定。确保信号稳定需要6个周期，在最差情况下，S2下的平均功耗为230 μA。我们在S3下打开了ADC基准电压源，系统等待10 ms，确保基准电压源稳定下来——本阶段的平均功耗为730 μA。系统在四个周期中获取4个样本，以取得用于在S4中实现DFT的16个样本点。本阶段的功耗为880 μA。DFT在阶段S5中实现的。同时在该状态下取得了加速度计数据，本阶段的功耗为8 mA左右。图5所示为系统功耗。本研究证明，EDA AFE的平均功耗要低于170 μA。图5. 功耗分析实验检验现在，我们已经对系统进行过电子验证——因此，下一步是比较 EDA 电路与基准系统的性能。在本例中，我们以Empatica的E4平台作为基准系统，因为它具有良好的性能。确定基准以后，我们要确定能看到 EDA 信号的变化的测试。选择的是“放松—压力”测试。该测试分为两步：第一步是放松练习，第二步是压力练习。放松练习由10分钟的控制呼吸组成，目的是达到放松状态。压力状态是通过“颜色-词语-声音”游戏实现的。在该应用中，用户会听到一种颜色，看到一种颜色的文字，该文字是用一种颜色展示出来的。听到的颜色、用文字描述的颜色和展示的颜色可能相同，也可能不同。正如读者在图6中观察到的那样，可能有一个下面这样的句子：选择颜色选择声音选择词语图6. “颜色—词语—声音”测试应用根据句子传递的信息和声音、文字或颜色，受试者需要按下正确的按钮。用户必须在进度条走完之前做出反应。如果在这段时间内用户没有反应，或者如果反应是错误的，则会减去相应的分值。如果正确，则会增加相应的分值。最后，交换按钮位置。在该应用中，有多种设置可以修改，以改变实验等级（压力水平）。理论上，在放松任务中，皮肤电导率应该会下降，在压力活动中，应该增加。在压力活动中，应该能观察到峰值或尖峰。直流电平的变化对应于压力源的强直性反应。在压力活动中观察到的峰值被认定为形势反应，在放松任务中不会出现。在明确用于取得 EDA 信号显著变化和预期响应的程序之后，下一步是进行实验，对我们的 EDA 解决方案与Empatica E4平台进行性能比较。为了进行比较，受试在进行测试时同时戴上两款设备。Empatica解决方案戴在右手上，测试系统则戴在左手上。这意味着预期信号必须相似，但不完全相同，因为设备是戴在不同的手臂上，测量部位不完全相同；Empatica从腕关节底部获取 EDA 信号，我们的解决方案则从腕关节顶部获取信号。两台设备获取的信号非常相似，如图7所示。在不同患者身上重复了多次本实验，以便验证系统。图7. “放松—压力”测试（左侧为测试系统，右侧为基准设备）结论本 EDA 电路是一种巧妙的皮肤电导率获取方案。得益于平均功耗和尺寸优势，可以将其集成到任何智能手表或类似平台中。设备取得了预期性能效果，可以在较宽的范围内，以高分辨率测量皮肤电导率。EDA 电路采用特殊设计，避免了极化和半电池电位效应，可以兼容任何类型的电极。另外，还达到了 IEC6060-1 的要求。为了评估和测试电路的特性，我们设计了一个原型。系统设计用以可以在不充电的情况下，24小时持续获取 EDA 信号以及皮肤温度、环境温度和移动数据，并把信息存储起来或者以无线方式实时发射出去。因此，可以用该平台从处于不同状况的不同人身上采集 EDA 数据，不受时间限制。最后，可以利用这些信息开发算法，以便检测、估测或预测人的压力水平。 0 ADP151参考设计.pdf 779.63 KB , 下载次数: 24
2018-6-13 09:57:41　　评论淘帖0 举报相关推荐 • 一种基于双MCU的安全光幕软硬件设计方案介绍 2487 • 求一种嵌入式Linux平台的软硬件的设计方案 1415 • 一种野外探测车设计方案，提供完整软硬件实现流程 665 • 12种逆变器的软硬件设计方案 155 • 全自动电导率测量系统设计方案 3102 • Android软硬件巧妙整合的开发技巧 2528 • 智能电导率仪整体设计方案与电路详解 8570 • 什么海思电导率，电导率原理解析 1497 • 什么是电导率 5850 • 电导率的测量原理 6545 1 个讨论