集成端側AI的可穿戴多模態生理參數

采集設備系統概述

隨著對實時生理監測與人機交互需求的增長，傳統可穿戴設備在多模態同步采集與端側智能處理方面存在不足。BioGAP-Ultra 應運而生，作為一個模塊化、低功耗、支持邊緣AI的可穿戴多模態生理信號采集與處理系統，其在原有 BioGAP 基礎上顯著擴展了存儲容量、無線帶寬、信號通道數與模態種類。系統支持 EEG、EMG、ECG、PPG、加速度、QVAR 和音頻信號的同步采集，并集成了 GAP9 處理器與 nRF5340 通信模塊，具備強大的端側AI推理能力。如圖1所示，系統已成功集成于三種可穿戴形態中：EEG-PPG 頭帶（32.8 mW）、EMG 臂帶（26.7 mW） 和 ECG-PPG 胸帶（9.3 mW），展現了其在真實場景下的適用性與靈活性。

圖1：系統形態因子與集成示意圖

圖1左上角為一個人體素描，示意了三種設備（頭帶、胸帶、臂帶）在身體上的佩戴位置，直觀展示了系統的可穿戴性與多部位監測理念。

右側分為三個部分：圖1A頭帶：展示了集成有BioGAP-Ultra主板和ExG傳感板的紡織品頭帶。它配備了16個SoftPulse干腦電（EEG）主動電極，并可同時在耳垂連接一個緊湊的光電容積描記（PPG）傳感板，實現了腦活動與心血管信號的同步采集。圖1B胸帶：展示了集成在胸帶中的平臺，使用扁平干電極進行心電圖（ECG）測量，形態舒適隱蔽。圖1C臂帶：展示了平臺與EMG傳感板集成于一個紡織臂套內，在前臂布置了12通道、在上臂布置了4通道的扁平全干EMG電極，用于監測復雜的肌肉活動。

HUIYING

系統設計關鍵

BioGAP-Ultra 的設計核心在于其模塊化硬件架構、實時軟件棧與高效邊緣AI算法。硬件上，主板集成 GAP9 SoC 與 nRF5340 BLE模塊，支持多路傳感器擴展與精確電源管理（圖2、圖3、圖4）；軟件方面，基于 Zephyr RTOS 的固件支持數據流與邊緣AI兩種模式，Android 應用提供實時可視化與配置界面（圖5）；算法上，系統利用 GAP9 的神經網絡加速器實現實時 FFT 與 CNN 推理，如圖6所示的 SSVEP 頻率分析即為典型邊緣AI任務。

圖2：主板實物圖

圖3：主板系統框圖

圖3以框圖形式描繪了主板的系統架構和數據/控制流。核心組件：清晰地標出了兩個SoC（GAP9和nRF5340）、PMIC、各類存儲器（PSRAM, Flash）、IMU和麥克風。互連總線：展示了連接這些組件的共享總線（如I2C, SPI）和專用接口（如Octal-SPI, MIPI CSI-2），說明了系統內部如何進行通信和數據交換。控制邏輯：顯示了nRF5340如何通過開關（TMUX）控制GAP9的IO隔離，以實現靈活的功耗管理。

圖4：電源管理框圖

圖4詳細闡述了主板的電源管理架構。核心：MAX77654 PMIC，它從電池或USB取電，通過SIMO架構生成多個可編程電壓軌。電源樹：展示了PMIC輸出的電壓（V_SYS, V_D1等）如何通過降壓轉換器（MAX38643）和負載開關（TPS22916）為各個子系統（nRF5340, GAP9, 存儲器, IMU等）獨立供電。控制路徑：標明這些負載開關分別由nRF5340和GAP9的GPIO控制，實現了對每個電源域的精細化管理，是系統實現超低功耗的關鍵。

圖5：Android應用軟件界面截圖

圖5由多個手機屏幕截圖組成，展示了配套Android應用“BioApp”的主要功能界面。圖5A 主屏幕：用戶可以選擇跳過或查看使用教程，并選擇語言。圖5B 使用說明：展示了一頁具體的設備使用指導。圖5C 阻抗以及脫落檢測：以圖形化方式（如顏色或數值）顯示每個電極的接觸狀態，幫助用戶在實驗前確保信號質量。圖5D 數據流可視化：實時顯示采集到的生物信號波形，并提供縮放、濾波（帶通、低通、高通、陷波）和ADC增益調節等控制選項。

圖6：SSVEP分析結果圖

圖6通過頭帶實驗驗證了EEG信號的采集與分析能力。圖6（a） NCCA分析：顯示了在不同頻率（7.5, 11.5, 13.5, 15.5 Hz）視覺刺激下，隨著分析窗口時間的增加，NCCA值的變化曲線。所有目標頻率的曲線均顯著高于基線（灰色虛線），表明在3秒窗口內即可可靠檢測到SSVEP響應。圖6（b）CCA頻譜響應：展示了各刺激頻率在EEG信號中引發的特定頻率功率峰值，這些峰值在目標頻率處明顯高于相鄰頻率和靜息狀態，證明了信號的信噪比和質量足夠高。

HUIYING

系統電極設計說明

系統的電極設計注重靈活性、信號質量與穿戴舒適性。ExG 與 EMG 傳感板采用 ADS1298 模擬前端，支持單極/雙極配置，并通過外部接觸檢測電路提升信號可靠性（圖7、圖8）。頭帶采用 16通道干電極（SoftPulse），分布均勻，參考電極置于前額；EMG 臂帶使用干扁平電極與可拉伸電纜，覆蓋前臂與上臂多個肌群；胸帶則采用被動干片電極，貼附于胸骨兩側。這種多樣化的電極設計滿足了不同信號類型與身體部位的采集需求。

圖7：ExG傳感板實物圖

圖8：ExG傳感板系統框圖

圖8是ExG傳感板的電路原理框圖。核心：兩個ADS1298 AFE，負責16通道信號的調理和模數轉換。配置選項：圖示了板子支持單電源和雙電源兩種供電配置，以適應主動式和被動式電極。附加功能：包含了外部接觸質量檢測電路，用于在使用主動電極時檢查電極-皮膚接觸阻抗。

HUIYING

臨床研究：方法與結果

研究方法：

頭帶實驗：采用穩態視覺誘發電位（SSVEP）范式，受試者觀看不同頻率閃爍屏幕，記錄EEG信號并使用NCCA方法分析。

臂帶實驗：執行“取瓶-喝水-放回”動作序列，同步采集EMG與加速度信號。

胸帶實驗：同步記錄ECG與PPG信號，計算脈搏傳導時間（PTT）。

研究結果：

頭帶：在3秒窗口內可穩定檢測SSVEP響應，各頻率峰值明顯高于基線（圖6）。

臂帶：EMG信號清晰捕捉到不同肌群在動作序列中的激活模式，加速度數據準確反映肢體運動（圖9）。

圖9：EMG臂帶運動序列測量圖

圖9呈現了受試者執行“取瓶-喝水-放回”動作序列時，EMG臂帶采集到的數據。上部：多條EMG通道的信號曲線，清晰顯示了在不同動作階段（如伸手、抓握、舉起、放回），前臂和上臂不同肌肉群的激活與松弛模式。下部：同步記錄的加速度信號，準確地捕捉到了肢體運動的動態，特別是在舉起和放下瓶子時的加速度變化。

胸帶：ECG與PPG信號同步性好，PTT約為220 ms，可用于無創血壓估計（圖10）。

圖10：ECG與PPG同步測量圖

圖10展示了胸帶同步采集的心電圖（ECG）和光電容積圖（PPG）。ECG信號：清晰顯示了QRS波群，特別是明顯的R波。PPG信號：顯示了典型的脈搏波波形。時間關聯：圖中標明了從ECG的R波到PPG波形特定點（如峰值）的脈沖傳導時間（PTT），約為220ms。這種同步測量為無創血壓估計等應用提供了基礎。

HUIYING

總結

BioGAP-Ultra 是一款高度模塊化、低功耗、支持邊緣AI的多模態生理信號采集平臺，其在硬件擴展性、信號同步性、端側處理能力與穿戴舒適性方面均優于現有系統。通過三種可穿戴形態的實證研究，系統在神經監測、肌電識別與心血管參數估計等任務中表現出色。所有硬件與軟件均開源，為科研社區提供了可復現、可擴展的研究平臺。未來可進一步集成超聲、fNIRS等新型傳感器，拓展其在醫療健康與人機交互中的應用邊界。