抗癫痫电刺激硬件在环仿真系统
阅读说明：本技术 抗癫痫电刺激硬件在环仿真系统 (Anti-epileptic electrical stimulation hardware-in-loop simulation system ) 是由 魏熙乐 赵美佳 周易非 常思远 伊国胜 王江 卢梅丽 于 2020-12-23 设计创作，主要内容包括：本发明为抗癫痫电刺激硬件在环仿真系统,其中：该仿真系统包括癫痫脑电实时发生器、信号采集模块、电刺激控制器以及上位机四个部分。癫痫脑电实时发生器将输入的癫痫患者脑电信号通过数据驱动辨识策略和模型的嵌入式实现,转化为癫痫样放电信号,并进行信号采集与处理,通过基于无迹卡尔曼滤波器的PI闭环控制策略抑制个性化神经集群模型的癫痫样放电,各模块的程序流程采用C语言编程实现,编译下载到DSP中,并通过LabVIEW平台完成上位机与电刺激控制器的通讯,上位机主要用于数据通信与波形显示,实现显示控制效果。该仿真系统的有益效果是该系统实现了电刺激闭环控制策略的实时仿真验证,对癫痫闭环控制临床化具有重要推动作用。(The invention relates to an anti-epileptic electrical stimulation hardware-in-loop simulation system, wherein: the simulation system comprises an epilepsia electroencephalogram real-time generator, a signal acquisition module, an electrical stimulation controller and an upper computer. The epilepsy electroencephalogram real-time generator converts an input electroencephalogram signal of an epileptic patient into an epilepsy sample discharge signal through a data drive identification strategy and embedded realization of a model, acquires and processes the signal, inhibits the epilepsy sample discharge of an individualized nerve cluster model through a PI closed-loop control strategy based on an unscented Kalman filter, adopts C language programming to realize the program flow of each module, compiles and downloads the program flow into a DSP, and finishes the communication between an upper computer and an electrical stimulation controller through a LabVIEW platform, and the upper computer is mainly used for data communication and waveform display to realize the display control effect. The simulation system has the advantages that the system realizes real-time simulation verification of an electrostimulation closed-loop control strategy, and has an important promotion effect on clinics of epilepsy closed-loop control.)
技术领域
本发明涉及生物医学工程技术，特别是一种抗癫痫电刺激硬件在环仿真系统。
背景技术
癫痫是世界上最常见的神经系统疾病之一，癫痫发作的特征是一大群神经元异常同步放电导致的脑电活动异常，可在患者脑电图中捕捉得到，并据此进行癫痫检测、定位和诊断。如今在全球有5千万癫痫患者，其中约1/4不能通过药物或外科手术得到有效治疗，这些癫痫称为难治性癫痫。抗癫痫药物在治疗过程中易产生耐药性、依赖性和副作用。手术切除局部病灶区虽然对局部癫痫有治疗效果，但手术治疗过程不可逆，还可能产生记忆损失、语言障碍等风险，也不适用于全脑发作癫痫。
针对难治性癫痫，电磁刺激疗法具有明显优势，其不会对特定脑区造成损毁，破坏性比手术治疗小，且没有抗癫痫药物和手术的副作用。目前，现有的电磁刺激方案多为开环刺激，在开环策略下，无法根据个体特异性以及病程发展实时调整参数，刺激优化十分困难。相比开环刺激而言，将能够反映癫痫状态且可观测的电生理信号作为反馈构建闭环的控制策略，对患者间个性化差异(脑结构、电极植入位置及脑状态等)具有鲁棒性，有助于提升临床抗癫痫发作的成功率。近年来，如何建立针对患者的个体化刺激-脑响应计算模型刻画刺激信号对神经活动的影响，在此基础上设计合适的闭环控制策略成为抗癫痫电刺激优化的重要科学问题。若将癫痫的闭环控制算法应用在患者身上，需要一种能模拟临床真实环境的硬件在环仿真系统，该系统的各项性能指标应与临床实验相同，从而广泛实时验证抗癫痫发作闭环控制器的控制效果。
硬件在环仿真技术是指在进行系统测试时，控制器是真实的，其余部分尽量模拟实际，无法模拟时采用实时的数字化模型来模拟控制器的外部环境，进行整个系统的测试及性能验证。目前用于神经控制工程领域里的硬件在环仿真平台较为罕见。
发明内容
针对上述需要解决的问题，本发明的目的是提供一种抗癫痫电刺激硬件在环仿真系统，相比直接对患者进行实验而言，硬件在环仿真可模拟接近真实环境下的实验条件，能反复进行控制算法的验证工作，大大降低了临床实验的风险，对临床前优化电刺激具有重要推动作用。
为实现上述目的，本发明采用的技术方案是，提供一种抗癫痫电刺激硬件在环仿真系统，其特征是：该仿真系统还包括癫痫脑电实时发生器(2)、信号采集模块(18)、电刺激控制器(25)和上位机(38)，
癫痫脑电实时发生器(2)用于通过癫痫患者脑电数据驱动辨识得到该癫痫脑电患者的生理模型中的个性化模型参数，进而将个性化模型参数加载到神经集群模型中，复现癫痫样放电信号(17)；
信号采集模块(18)用于将癫痫脑电实时发生器(2)产生的放电信号(17)转换为与真实癫痫患者脑电信号具有相同幅频特性的模拟脑电信号，并将实时采集的模拟脑电信号转换为离散的数字信号，输出给电刺激控制器(25)；
电刺激控制器(25)用于获取信号采集模块输出的数字信号，并对该数字信号进行滤波处理后，使用无迹卡尔曼滤波器进行个性化神经集群模型参数辨识与估计，通过PI控制律计算出抗癫痫刺激信号，施加给癫痫脑电实时发生器(2)，完成复现临床癫痫患者受到电刺激后的真实响应；
上位机(38)包括人机交互界面(39)，上位机(38)通过LabVIEW编程实现人机交互界面(39)，并通过SCI串口通信模块(37)与电刺激控制器(25)进行数据交互，完成数据通信与波形显示。
所述癫痫脑电实时发生器(2)采用多个DSP芯片构成，每个DSP芯片负责两路癫痫脑电信号的复现，在每个DSP芯片内嵌入两路个性化神经集群模型(9)，癫痫脑电实时发生器(2)输出的通道数与待研究的癫痫脑电导数对应，每个个性化神经集群模型均由一个无迹卡尔曼滤波器进行相应的脑电信号参数辨识。
癫痫脑电实时发生器(2)共有八个输出通道，产生8路表现癫痫患者个体特异性的复现癫痫样放电信号(17)，并通过相应的DSP芯片的AD模块，实时采集电刺激控制器(25)产生的抗癫痫刺激信号，复现临床患者受到电刺激后的真实响应。
信号采集模块(18)包括信号转换模块(19)和信号实时采集放大模块(24)，信号转换模块使用四级分压跟随电路，采用四个低噪声双通道AD8606放大器作为电压跟随器，对癫痫脑电实时发生器(2)输出的模拟信号的幅值进行压缩，完成信号转换；
所述脑电信号实时采集模块(24)采用ADS1299作为采集芯片，并选择ADS1299-FE套件作为信号实时采集放大模块(24)，完成8路模拟信号的采集、放大、模数转换及与信号处理模块(26)的通信。
与现有技术相比，本发明的有益效果是：
该仿真系统实现了针对癫痫患者进行电刺激闭环控制策略的实时仿真验证。基于数据驱动辨识了癫痫患者的个性化神经集群模型，结合硬件在环的思想设计了癫痫脑电实时发生器以及信号转换模块，复现了具有与患者脑电信号物理特性(幅值、时间尺度、噪声)相匹配的实时癫痫脑电，并设计了在环实时的电刺激控制器，实现了基于无迹卡尔曼滤波器在线辨识的PI控制策略，对癫痫闭环控制临床化具有重要推动作用。本研究创新的提出了一种抗癫痫电刺激硬件在环仿真系统，其具有以下几点优势：
1、系统能够复现与癫痫患者脑电信号在时域和频域上具有相同特性的模拟信号，并进行实时闭环控制；
2、系统采用DSP芯片进行数据处理及传输，在实验过程中确保可靠的数据传输机制，满足大量数据交互的实时性和稳定性；
3、癫痫脑电实时发生器和电刺激控制器中，使用的高速存储器均为DSP中的flash模块，该模块读写速度快，内部程序不会因重新上电而擦除，实现高速存储，系统具有存储大量数据与指令的内存空间、高性能易扩展的硬件资源(多功能外设接口、数字信号处理资源)，保证算法的可实现性与执行效率。
4.本发明采用模拟不同神经元集群间相互作用的集总参数模型。集总参数模型以“平均场近似”的思想对神经集群网络建模，神经集群模型中的子集群状态由兴奋性或抑制性平均膜电位及平均放电率描述；子集群之间的连接系数表示平均突触连接数；调整模型参数能够改变兴奋性神经元子集群和抑制性神经元子集群的相互作用，从而使模型产生节律振荡；神经集群模型的优势在于通过集群的节律变化模拟癫痫活动的节律特性，因此避免了微观模型中过大的计算量和较高的维度，适用于癫痫脑电状态的描述。避免使用微观层面的详细生物物理参数研究而带来的复杂、维度高，不能模拟更大规模电活动的难题。
神经集群模型的结构可以根据解剖学和电生理基础建立，本发明采用数据驱动策略从包含噪声的脑电信号中获取相应的模型参数。本发明将无迹卡尔曼滤波用于癫痫模型的参数辨识问题上，无迹卡尔曼滤波通过在线计算状态估计值，观测估计值，更新卡尔曼增益，完成对关键参数的估计过程。相比于最小二乘估计来辨识脑电信号来说，适用于辨识复杂的电生理活动，相对于粒子群算法辨识脑电信号来说，在数值仿真中不会消耗大量内存，本申请系统实现了硬件在环仿真平台的初步验证。
本发明完全利用癫痫患者的真实临床脑电数据驱动，使用数据驱动辨识策略——无迹卡尔曼滤波器辨识出个性化神经集群模型，建立反映不同患者个体差异的模型，搭建抗癫痫发作硬件在环仿真系统，完成抗癫痫电刺激硬件在环实验，对后期治疗癫痫具有重要意义。
基于数据驱动辨识策略得到了癫痫患者的个性化神经集群模型，结合硬件在环的思想设计了癫痫脑电实时发生器以及信号转换模块(数模转换、四级分压跟随电路)，复现了具有与患者脑电信号物理特性(幅值、时间尺度、噪声)相匹配的实时癫痫脑电。
本发明使用多个DSP，DSP是串行运算，DSP可以进行复杂的非线性运算，且可以完成高精度浮点运算，使用为C语言编程，开发效率更快。本发明根据系统计算性能和实时性方面对核心器件进行选型及各模块间接口的设计和搭建(DSP中DAC、ADC、SCI模块的使用)，信号转换模块的PCB设计。由于信号处理模块(26)接收到信号实时采集放大模块(24)通过SPI传输的数字信号是微伏级脑电信号，信号中夹杂大量高频噪声及工频干扰，为保证信号的准确性，需要在信号处理模块(26)里设计实时数字滤波器去除高频干扰，选用巴特沃斯低通IIR数字滤波器进行滤波，提高系统的准确性。
附图说明
图1为本发明的仿真系统结构示意图；
图2为本发明的癫痫患者脑电数据驱动辨识策略；
图3为本发明的个性化神经集群模型的嵌入式实现；
图4为本发明的信号转换模块的降压电路；
图5为本发明的基于无迹卡尔曼滤波器的PI闭环控制策略框图；
图6为本发明的人机交互界面。
图中：
1.癫痫患者脑电信号 2.癫痫脑电实时发生器 3.数据预处理 4.数据截取 5.去除伪迹 6.消去均值 7.神经集群模型 8.无迹卡尔曼滤波器 9.个性化神经集群模型 10.模型的嵌入式实现 11.个性化神经集群模型参数初始化 12.生成高斯白噪声 13.AD模块14.模型微分方程求解 15.生成模拟癫痫样放电信号 16.循环计算 17.复现癫痫样放电信号 18.信号采集模块 19.信号转换模块 20.一级分压跟随电路 21.二级分压跟随电路22.三级分压跟随电路 23.四级分压跟随电路 24.信号实时采集放大模块 25.电刺激控制器 26.信号处理模块 27.控制器模块 28.参数期望值 29.误差信号 30.PI控制律 31.系统噪声 32.测量噪声 33.脑电信号测量值 34.模型输入 35.输入噪声 36.参数估计值37.SCI串口通信模块 38.上位机 39.人机交互界面 40.串口参数配置界面 41.VISA资源配置界面 42.波形显示界面
具体实施方式
下面结合附图对本发明的一种抗癫痫电刺激硬件在环仿真系统做进一步详细描述。
本发明的抗癫痫电刺激硬件在环仿真系统的设计思想是首先通过癫痫患者脑电信号(1)数据驱动，基于数据驱动辨识建立个性化神经集群模型，在DSP中使用四阶龙格库塔算法求解模型的微分方程，模拟出癫痫样放电信号，完成模型的嵌入式实现(10)，输出复现癫痫样放电信号(17)；然后信号转换模块(19)将癫痫脑电实时发生器(2)产生的复现癫痫样放电信号进行降压，转换为与真实脑电信号具有相同幅频特性的模拟脑电信号，复现临床采集的真实脑电信号；利用信号实时采集放大模块(24)实时采集微弱的模拟脑电信号，将连续变化的模拟脑电信号转换为离散的数字信号，使用高速数字通信接口完成与信号处理模块(26)的通信，信号处理模块(26)对采集的信号进行滤波消除高频干扰；控制器模块(27)通过基于关键生理参数——平均兴奋性突触增益反馈的PI控制律(30)计算出抗癫痫刺激信号，施加给癫痫脑电实时发生器(2)；最后设计上位机的人机交互界面(39)，控制器模块(27)中接收的多通道放电信号同时传输给上位机(38)，并通过不同的波形图表显示在人机交互界面(39)上。
本申请中的个性化是指根据癫痫患者脑电信号数据驱动，辨识出了对应癫痫患者的生理模型中的个性化模型参数——平均兴奋性突触增益，把辨识出的平均兴奋性突触增益代入到DSP(癫痫脑电实时发生器)中的神经集群模型里，构建得到个性化神经集群模型(9)，这里个性化模型参数的辨识也是用无迹卡尔曼滤波器进行，本申请中共两种无迹卡尔曼滤波器，一种用于个性化神经集群模型构建，一种用于闭环控制。
本发明抗癫痫电刺激硬件在环仿真系统包括癫痫脑电实时发生器2、信号采集模块18、电刺激控制器25以及上位机38，癫痫脑电实时发生器2将输入的癫痫患者脑电信号通过数据驱动辨识策略和模型的嵌入式实现，转化为复现癫痫样放电信号，并进行放电信号采集与处理，通过基于无迹卡尔曼滤波器的PI闭环控制策略(图5)抑制个性化神经集群模型的癫痫样放电，各模块的程序流程采用C语言编程实现，并编译下载到DSP中，通过LabVIEW平台完成上位机与电刺激控制器25的通讯，上位机主要用于数据通信与波形显示，实时显示控制效果。
所述癫痫脑电实时发生器(2)包括个性化神经集群模型9、模型的嵌入式实现10、复现癫痫样放电信号17，癫痫脑电实时发生器(2)使用DSP——TMS320F28377DPTP作为微型控制单元(Micro Control Unit，MCU)，复现患者在癫痫发作时大脑内神经元集群的生理活动，得到个性化神经集群模型(9)，模型的嵌入式实现(10)通过在DSP中采用四阶龙格-库塔(Runge-Kutta)算法将非线性常微分方程——个性化神经集群模型的求解过程转化为差分方程的迭代计算，并通过4个DSP的8个DAC(Digital-to-Analog Converter，DAC)作为输出通道，产生8路表现癫痫患者个体特异性的复现癫痫样放电信号(17)，输出到信号转换模块(19)，并通过DSP芯片的ADC(Analog-to-Digital Converter，ADC)——AD模块，实时采集电刺激控制器(25)产生的抗癫痫刺激信号，复现临床患者受到电刺激后的真实响应。癫痫脑电实时发生器中有四个独立的DSP，同时进行工作，每个DSP用到2个DAC输出通道，每个DSP中均嵌入两个个性化神经集群模型，每个DSP负责两导脑电信号(癫痫信号)的个性化神经集群模型的构建，每个个性化神经集群模型均通过一个无迹卡尔曼滤波器进行相应的脑电信号参数辨识，复现出相应的癫痫样放电信号，癫痫脑电实时发生器共输出八路癫痫样放电信号，每路癫痫样放电信号均连接一个信号采集模块18，所有信号采集模块的输出信号均给到电刺激控制器中。
所述信号转换模块(19)，使用四级分压跟随电路，采用四个低噪声双通道AD8606放大器作为电压跟随器，对癫痫脑电实时发生器的输出通道DAC输出的模拟癫痫样放电信号的幅值进行压缩，完成信号转换，满足设计需要。
所述信号实时采集放大模块(24)的芯片型号为ADS1299，包括ADS1299芯片及TI公司的ADS1299-FE套件，可完成8路模拟信号的采集、放大、模数转换及与信号处理模块(26)的通信，满足设计需要。本实施例中癫痫患者脑电信号(1)的脑电数据来源于PhysioNet，Ali Shoeb在波士顿儿童医院采集了22个癫痫患者的头皮脑电图，并将数据集上传至PhysioNet，采集的脑电信号为23导数据，采集频率是256Hz。
本发明在环仿真系统构建中使用的真实癫痫患者脑电数据来自23导数据中有较为规律癫痫样放电的8导脑电信号，需要复现8路癫痫样放电信号。此外8路的设置能够满足DSP芯片的实时性要求，保证电刺激控制器在一个采样周期4ms(ADS1299)内能完成计算出一个控制周期内的控制信号(抗癫痫刺激信号)。
所述电刺激控制器(25)也采用一个DSP实现，芯片型号为TMS320F28377DPTP，TMS320F28377DPTP的DAC输出模拟信号，通过SCI串口通信模块(37)与上位机(38)进行数据交互，满足设计需要。所述电刺激控制器(25)包括信号处理模块(26)与控制器模块(27)，
所述信号处理模块(26)接收到信号实时采集放大模块(24)通过SPI传输的数字信号，采集到的信号为微伏级脑电信号，信号中夹杂大量高频噪声及工频干扰，设计巴特沃斯低通无限长单位脉冲响应(Infinite Impulse Response，IIR)数字滤波器去除高频干扰，完成与信号采集模块(18)的通信以及对数据进行信号处理。
所述控制器模块(27)包含无迹卡尔曼滤波器(8)和PI控制律(30)，通过无迹卡尔曼滤波参数估计算法完成对关键生理参数——平均兴奋性突触增益的辨识；由参数估计值和期望值的偏差，通过增量式PI控制律实时调整刺激信号，输出抗癫痫刺激信号到向控制对象——癫痫脑电实时发生器(2)，PI控制律(30)计算出控制信号，通过电刺激控制器的DAC输出抗癫痫刺激信号施加给个性化神经集群模型。
所述人机交互界面(39)使用LabVIEW平台实现，通过VISA(Virtual InstrumentSoftware Architecture，虚拟仪器软件体系结构)库实现上位机(38)与DSP的SCI串口通信模块(37)进行数据交互，主要应用VISA串口配置、VISA读取、VISA写入等函数。在串口发送数据的最高位前加入数据标识位，上位机(38)通过识别数据标识位对8通道数据进行波形显示，实现与控制器模块(27)的实时通讯。
以下对本发明的抗癫痫电刺激硬件在环仿真系统的整体实现加以说明：
如图1所示，对本发明的仿真系统结构进行设计，选用TI公司的DSP——TMS320F28377DPTP芯片作为癫痫脑电实时发生器的MCU，癫痫患者脑电信号(1)通过数据驱动辨识策略建立个性化神经集群模型(9)，并在DSP中采用四阶Runge-Kutta算法完成模型的嵌入式实现(10)，复现癫痫样放电信号(17)，信号转换模块(19)将癫痫脑电实时发生器(2)产生的模拟癫痫样放电信号进行降压，转换为与真实脑电信号具有相同幅频特性的模拟脑电信号，复现临床采集的真实脑电信号，利用信号实时采集放大模块(24)采集微弱的模拟脑电信号，并转换为离散的数字信号，使用DSP的高速数字通信接口完成与信号处理模块(26)的通信，并对采集的信号进行放大和滤波消除，控制器模块(27)通过基于平均兴奋性突触增益这一关键生理参数反馈的PI控制计算出抗癫痫刺激信号，施加给癫痫脑电实时发生器(2)，并将接收的8通道放电信号通过SCI串口通信模块(37)传输给上位机(38)，并通过不同的波形图表显示在人机交互界面(39)。本发明在环仿真系统构建后，可以用于后期的癫痫治疗，真实癫痫患者脑电信号直接输入到信号实时采集放大模块24中，再进入电刺激控制器25处理后直接作用于癫痫患者脑电，能将电刺激控制器用在临床实验上。
本发明实施例中用到的DSP均为TMS320F28377DPTP，癫痫脑电实时发生器用了4个TMS320F28377DPTP，电刺激控制器用了1个TMS320F28377DPTP。
如图2所示为癫痫患者脑电数据驱动辨识策略，首先为去除癫痫患者脑电信号(1)的噪声和伪迹，需要对脑电信号进行数据预处理(3)，分别为数据截取(4)、去除伪迹(5)、消去均值(6)，得到经过预处理的癫痫患者脑电数据。神经集群模型(7)可用于产生癫痫发作与不发作等多种状态的模拟脑电信号，其由锥体神经元子集群、抑制性中间神经元子集群与兴奋性中间神经元子集群组成，每个子集群由二阶线性传递函数和非线性Sigmoid函数(S(·))两个基本算子组成，神经集群模型(7)的动态特性由以下微分方程表示：
式中：x(t)表示二阶线性传递函数的输出信号，x表示六个状态变量，六个状态变量满足式(1)的关系，“.”表示导数；C1，C2，C3，C4表示锥体神经元子集群与中间神经元子集群之间的平均突触连接数；A表示平均兴奋性突触增益，为神经集群模型(7)中具有生理意义的参数；a表示平均兴奋性时间常数；B表示平均抑制性突触增益；b表示平均抑制性时间常数。模型的输出方程为：
y(t)＝x1(t)-x2(t) (2)
式中：y(t)表示模拟脑电信号的锥体神经元子集群突触后膜电位。
其次使用无迹卡尔曼滤波器(8)整合患者脑电数据与神经集群模型(7)，实时完成状态辨识和参数估计，在估计前需要对脑电数据进行线性变换，使脑电数据与神经集群模型输出信号的范围保持一致，最终得到个性化神经集群模型(9)。
无迹卡尔曼滤波器(8)对参数A的估计步骤如下：
(1)对滤波器进行初始化：状态矢量估计的初始值为可以设为0；状态协方差矩阵的初始化如下所示：
式中：Qr表示参数不确定性；Q表示过程噪声。
(2)状态矢量预测：为了解决求解状态协方差矩阵平方根中，矩阵存在非正定情况，对前一时刻状态协方差矩阵做SVD分解，计算Sigma点X，如下所示：
式中：X是(nx+nq)×2(nx+nq)的矩阵；nX为模型状态个数；nq为待估计参数的个数；n表示模型状态个数与待估计参数的个数之和。将Sigma点X代入神经集群模型(7)的非线性状态方程f(即公式(1))中，经过加权，新的矢量点集Zn-1|n-1如下所示：
式中：un为系统的输入。状态矢量预测值如下所示：
状态协方差矩阵预测值如下所示：
(3)观测矢量预测：
式中：H表示观测矩阵；R为观测噪声。
(4)卡尔曼滤波器更新：对卡尔曼增益Kn进行更新：
对状态矢量估计值-进行更新：
对状态协方差矩阵进行更新：
(5)返回步骤(2)。
如图3所示为个性化神经集群模型的嵌入式实现，在癫痫脑电实时发生器(2)的DSP中使用四阶Runge-Kutta算法在线求解微分方程，并通过DSP的DAC实时输出模拟癫痫样放电信号，分为五部分：首先设定个性化神经集群模型中平均兴奋性突触增益值，将所有变量(高斯白噪声均值方差、模型中各参数)进行初始化，完成个性化神经集群模型参数初始化(11)，然后为了模拟个性化神经集群模型中的外部输入，生成高斯白噪声(12)，将DSP中AD模块(13)采集的刺激信号代入个性化神经集群模型的微分方程中，通过四阶Runge-Kutta数值积分算法进行模型微分方程求解(14)，获得对应时刻的输出解，最后经循环计算(16)(随时间推移的计算)，完成利用癫痫脑电实时发生器(2)的DSP中DAC将模型输出转换为表现节律性癫痫样放电的电压信号，即生成模拟癫痫样放电信号(15)。
如图4所示为信号转换模块(19)的降压电路，癫痫患者脑电信号的幅值范围是0-1600μV，为使平台复现癫痫患者真实的脑电信号，需要对信号幅值进行压缩。若直接对DSP中个性化神经集群模型的数字输出信号进行数字缩放，由于DAC输出的模拟信号范围是0-3.3V，数字量的范围是0-4095，缩小1000倍将严重影响数据精度，因此使用一级分压跟随电路(20)、二级分压跟随电路(21)、三级分压跟随电路(22)以及四级分压跟随电路(23)，四个分压跟随电路完全一样且依次连接，其中，R1、R2、R3、R4、R5、R6、R7、R8为每一级分压跟随电路的电阻，Vin为输入电压，Vout为输出电压，它们的关系如下：
为了提高电路的驱动能力并增强抗干扰特性，芯片选用ADI公司的低噪声双通道AD8606放大器，使用四个运算放大器作为电压跟随器完成信号转换。
如图5所示为基于无迹卡尔曼滤波器的PI闭环控制策略框图，为了完成对不可直接观测的平均兴奋性突触增益这一参数进行控制，在控制前对由测量噪声(32)和个性化神经集群模型输出信号构成的脑电信号测量值(33)，并考虑系统中可能出现的输入噪声(35)的干扰，使用无迹卡尔曼滤波器(8)计算参数估计值(36)，
控制器模块(27)采用PI控制律(30)，根据参数期望值(28)和无迹卡尔曼滤波器(8)的参数估计值(36)间的误差信号(29)调整控制信号。在闭环控制策略中，控制器模块(27)的输出信号(也就是PI控制律的输出信号)作为抑制性外部输入输入到个性化神经集群模型中，同时将来自邻近或远处集群的传入动作电位的平均突触前脉冲密度作为模型输入(34)，将抑制性外部输入和模型输入共同施加到个性化神经集群模型(9)中，无迹卡尔曼滤波器的输入是随机信号，因此，需要在个性化神经集群模型(9)加入系统噪声(31)，才能让无迹卡尔曼滤波器有一个很好的辨识效果。
如图6所示的人机交互界面(39)使用NI公司的LabVIEW平台完成上位机(38)与控制器模块(27)间的数据通信以及数据的波形显示。人机交互界面(39)包括串口参数配置界面(40)、VISA资源配置界面(41)和波形显示界面(42)，在串口参数配置界面(40)进行串口波特率、数据位和停止位的配置；VISA资源配置界面(41)，读取控制器模块(27)通过SCI串口通信模块(37)输出给人机交互界面的信号，完成数据的读取与转化，图6中该界面包括：
端口号(com7，用来配置上位机和电刺激控制器25通信的端口，固定不变的)
停止按钮(停止通信，停止读取通道数据)
读数窗口(当前时刻，接收的8位无符号整型数据(串口传输，一次传输8位数据，十进制表示，一个通道传8次，图中显示为单通道的数据，根据数据中的第一位判断类型，从0开始编号，0代表第一通道，1代表第二通道，依次类推，采样周期4ms，处理快，在4ms内完成所有八通道的采集)，
读取缓冲区(采集数据的64位浮点型数据(十六进制表示)，在采集数据过程中数据时刻在变)
结果显示区(采集数据的模拟信号值，单位V))；
上位机(38)通过数据标识位判断数据类别(8通道，包括通道1～通道8，8通道分别对应选择的8导真实癫痫患者脑电数据对应的控制效果)，将数据传至波形显示界面(42)，完成对8通道数据进行波形显示，最后借助VISA库中的清零函数清除读取缓冲区中的数据。人机交互界面能实时显示，观察控制效果。
本发明仿真系统具有以下优点：
(1)本发明为模拟接近真实环境下针对癫痫患者的电刺激优化实验，反复验证控制算法并降低人体实验的风险，提出了基于硬件在环的实时仿真方案，开发了一套抗癫痫电刺激控制策略的验证和优化系统；
(2)基于数据驱动辨识了癫痫患者的个性化神经集群模型，结合硬件在环的思想设计了癫痫脑电实时发生器以及信号转换模块(数模转换、降压电路)，复现了具有与患者脑电信号物理特性(幅值、时间尺度、噪声)相匹配的实时癫痫脑电；
(3)设计了在环实时的电刺激控制器，实现了基于无迹卡尔曼滤波器在线辨识的PI控制策略，该系统提供了抗癫痫闭环控制的实时仿真验证平台。
本发明为述及之处适用于现有技术。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种盆底肌肉训练器及训练方法