脑机接口中的I/Q下变频器和时间交错ADC的干扰平衡技术

医学信息学解锁18（2020）100276脑-机接口应用中的I/Q下变频器和时间交错ADCShams Al Ajrawia，*，Walid Al-Hussaibib，Ramesh Rao a，Mahasweta Sarkar ca美国加州大学圣地亚哥分校电气与计算机工程系b伊拉克巴士拉南方技术大学巴士拉技术学院电气技术系c圣地亚哥州立大学电气和计算机工程系，圣地亚哥，CA，92182，美国A R T I C L EI N FO保留字：BCI通信IoTI/Q下变频LMS算法时间交错ADCA B S T R A C T随着物联网的普及，需要各种创新工具来控制附近的智能设备。在这场比赛中，脑机接口（BCI）技术可以使个人通过他们的思想直接控制各种电子设备，如智能家居/办公室和联想机器人中使用的设备。该过程需要将皮层电图（ECoG）信号从脑内的植入电极有效地传输到位于头皮外部的外部接收器。然而，由于所采用的无线BCI通信系统的可靠性有限，实现这一愿景仍然是具有挑战性的任务。特别地，由于所利用的下变频器和时间交织模数转换器（ADC）的同相/正交（I/Q）不平衡而产生的伪像可能导致对期望信号的显著干扰，这影响检测性能。本文提出了一种基于自适应最小均方（LMS）算法的脑机接口（BCI）通信干扰平衡技术。近现实的幻影人脑模型上进行的实验的性能结果表明，验证设计的平衡BCI（BBCI）计划相比，现有的BCI方法。1. 介绍在过去的十年中，已经对用于各种健康应用的有前途的脑-机接口（BCI）技术进行了深入的研究。它主要用于促进人类中枢神经系统与外部电子设备之间的直接通信联系。该方法可被视为BCI初始目标的新扩展，以实现大脑和嵌入式设备之间的即时通信环境为代表，以帮助患有脊髓损伤、瘫痪情况和肌萎缩性侧索硬化症的患者[1在实践中，脑机接口方案的效果，以减少对典型的信息传递方法的需要，然后改善残疾人的生活方式。另一方面，大量的设备/机器可以连接到互联网，通常被称为物联网（IoT），允许个人与周围物体交互的方式发生根本性转变[6]。因此，物联网和BCI方案的集成代表了一种新兴技术，用于控制各种个人电话和计算机、电子和可穿戴设备、智能机器和其他现代智能家居应用。这将使家庭/办公室环境对残疾人和正常用户更容易接近和舒适，只需使用他们的神经信号（即大脑反应和思想）[71.1. 技术背景大多数四肢瘫痪的人都有完美的大脑工作，但由于一些影响脊髓的损伤/感染而无法移动。因此，开发了不同的BCI方案来避开受损的神经，并在大脑信号和嵌入式设备之间建立替代连接，以重新建立肌肉例如，图1（a）示出了旁路无线信道如何能够通过BCI处理作为编码数据的大脑消息的无线传输，以通过外部控制器（脑脊柱接口，BSI）或植入设备激活和控制瘫痪手臂的运动。所利用的BCI的实现需要用于与大脑皮层中的神经元的信号接口的生物兼容电极和头皮上的外部收发器设备以接收皮层电图（ECoG）信号，* 通讯作者。电子邮件地址：salajraw@eng.ucsd.edu（S. Al Ajrawi），alhussaibi@stu.edu.iq（W.Al-Hussaibi），rrao@ucsd.edu（R. Rao），msarkar2@mail.sdsu.edu（M.Sarkar）。https://doi.org/10.1016/j.imu.2019.100276接收日期：2019年10月27日;接收日期：2019年11月26日;接受日期：2019年11月29日在线预订2019年2352-9148/© 2019由Elsevier Ltd.发布这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect医学信息学期刊主页：http://www.elsevier.com/locate/imuS. Al Ajrawi等人医学信息学解锁18（2020）1002762将其放置在残疾人身体缺陷部位的预期控制器上另一方面，BCI可以被认为是支持IoT对象和个体之间交互的新兴替代方案，如图1（b）所示。在这种情况下，轮椅使用者的ECoG信号以高数据速率传输到头皮上植入的外部收发器，然后传输到分析仪设备（如计算机，平板电脑和智能手机）进行数据分析和检查，并提供预先描述的示例。然后，通过IoT网络将所确定的人的订单发送到预期的智能设备/应用程序以进行所需的操作。在任何上述BCI应用中，使用诸如正交相移键控（QPSK）的公知信号调制方法之一来以高数据速率向接收器侧发送信息消息[11-13 ]。此外，当实现从大脑内部的无线发射器到头皮上的接收器端的无失真传输时，通常可以确定有效的BCI通信系统。然而，由于在接收机处理器处所采用的下变频器和时间交织模数转换器（TI-ADC）中的同相/正交（I/Q）不平衡的影响，该目标的实现是困难的。特别是，模拟处理器的两个路径中的增益和相位不平衡可能导致这些路径所承载的信号的正频率分量和负频率分量之间的不期望耦合[14这可能会导致相当大 干扰 水平 到 期望 信号 这 影响检测性能，以及因此所需的响应。因此，控制这种失配在所利用的接收器中是非常重要的，所述接收器检测跨越宽范围电平的信号，在多通道滤波器组中提取一个或多个通道时发现。这将对脑机接口系统性能的提高产生直接的影响。1.2. 目标和贡献在各种电气、电子和通信系统中，采用信号处理技术来消除模拟I/Q不平衡引起的信号退化是一种有效的解决方案[15这与普遍认为这种扭曲是具有挑战性和不可逆转的观点背道而驰[14]。本文旨在利用低复杂度的均衡技术来缓解BCI通信系统中固有的I/Q不平衡，以达到目标性能，并开发这一重要技术。这项工作的主要贡献归纳如下：提出了一种基于自适应最小均方（LMS）算法的脑机接口（BCI）通信中I/Q不平衡干扰抑制技术。这些具有成本效益的方法的集成是非常重要的可行的BCI应用程序，以广泛采用这项技术。对于所考虑的技术，我们提出了BCI中I/Q失配的时间模型和所采用的自适应抵消器来校正DC偏移和下变频器和QPSK信令的不平衡缺陷。一个平衡的模型被证明然后取消 由该对TI-ADC产生的DC偏移和频谱伪影图1.一、 BCI应用：（a）使用旁路无线通道的脊髓;（b）智能设备和物联网网络的大脑控制。��S. Al Ajrawi等人医学信息学解锁18（2020）1002763ð Þ¼Bbð Þ ðþ Þ我是说，在一个接近真实的人脑模型上进行的测试结果表明，设计的平衡BCI（BBCI）方案与文献中的通用BCI相比是有效的。[3、11]。本文的其余部分组织如下：在第2节中，BCI通信的系统模型进行了描述。第三节提出了脑机接口应用中的平衡技术.第4节涉及进行的实验和性能结果。第5节中给出了对所获得结果的讨论。最后，第6节对本文进行了总结。2. 脑机接口通信在这项工作中，我们考虑一个无线BCI通信系统的健康应用，如图2所示。它由植入式BCI发射器单元、无线通道和接收器设备组成。通过QPSK调制技术对植入电极的脑皮层电信号进行调制，产生的射频信号通过脑组织通过无线信道传输到头皮上的固定接收器。接收到的具有加性高斯白噪声分量的RF信号如典型通信系统中那样被预滤波以消除噪声效应[23]。然后，它将被下变频和采样使用ADC单元进行信号解调。解调后的脑信号被处理以准备用于响应/分析器设备的信息和控制消息，而参数估计和平衡单元用于解决BCI系统中I/Q不平衡的问题注意，由于无线信号传播而引起的传播延迟可以使用多个脑内发射器和参考文献[3]中的相关多路访问技术来缓解植入电极和头皮上读取器之间通过人体组织的干扰。这对满足所需的用户体验具有直接影响。但是，通过室内无线信道在头皮上安装的设备与计算机/智能设备之间的信号传播延迟对BCI的性能没有显著影响，如在现有无线系统中那样[24]。此外，基于数字信号处理芯片的进步，可以忽略其他信号处理延迟[4]。如在我们先前的工作[3]中，无线识别感测平台5（WISP 5）用于所采用的BCI系统。它基于无源射频识别（RFID）标签，该标签在超低功耗和微控制器上工作，用于传感，处理和通信[25]。头皮上的接收器使用RFID读取器实现，例如Impinj该RFID型号用于检测WISP信号，并发射RF信号（频率范围为908-928 MHz），以向植入的WISP标签发送命令和功率。的阅读器支持天线和以太网连接，用于将数据传输到预期的控制器，如笔记本电脑/智能手机。3. BCI的拟议平衡技术对于QPSK信令，需要平衡调制器，其可以包括两个匹配的幅度调制模块。然而，在BCI通信系统中，在RF载波上保持这些调制模块之间的完美平衡不是一个容易的过程。I/Q通道之间的这种不平衡可能导致信号失真，从而导致不期望的通道间干扰（ICI）和增加的误差率性能[12]。例如，当目标误码率为10- 6所需的幅度不平衡和相位不平衡水平分别不应超过1 dB和5o [15，16]。因此，本文提出了一种有效的低复杂度平衡方法.3.1. IQ下变频器BCI中接收到的QPSK ECoG信号使用IQ下变频器进行处理，IQ下变频器由两个分支的乘法器、低通滤波器（LPF）和ADC组成，如图所示。 3（a）. 同相和正交用于下变频的分量分别由I/4余弦ωt ω tω和Q/4表示sin ωt，其中ω2 πf，f表示载波频率。IQ下变频器中的失配导致ICI，如第二条路径所示，原因是相位失真α和增益失真1ε元件。I/Q失配的时域模型如图所示。 3（b）. 该模型还显示了由于使用ADC而在同相和正交路径中插入的DC分量这可以在数学上解释，而不需要将时间索引n显示为IQjQ12IDCQ（2）其中αη sin φ; εη cos φ1;η和φ分别表示失真信号的幅度和相位元素。因此，正交分量可以被简化并重写为：Q可以看出，由于增益和相位不平衡以及两个信号路径中的DC插入，I和Q信号分量不是正交的因此，α和ε元素应该被估计为α和ε，用于利用DC消除的可能的信号校正。图二、一个通用的 无线BCI通信系统模型。�S. Al Ajrawi等人医学信息学解锁18（2020）1002764Bb�B�系我��Bb.流动成本函数bbb图三. IQ下变频器：（a）I/Q失配表示;（b）I/Q失配的时域模型。3.2. TI-ADC在所使用的接收器中，ADC用于将调制的RF信号转换成数字形式。随后是使用数字信号处理单元进行信号检测以提取所传输的ECoG消息。在这种情况下，ADC需要将大带宽的模拟信号转换为具有高处理速度和足够转换精度的数字形式。为了避免混叠效应，采样速率fs必须至少满足奈奎斯特速率（即fs2 f）。通常，可以使用具有不同采样时间点的并行ADC来增加采样速率，并且可以通过使用TI-ADC方法来交错每个ADC的输出来获得更高的数字化速率。然而，ADC中的时间交织可能会在信号频谱中产生不需要的伪像（由于DC I和DC Q分量），并最终导致性能损失和精度下降。因此，去除/校正TI-ADC中不需要的伪影对于实现高系统性能非常重要[16]。3.3. BBCI的自适应抵消器模型为了减轻下变频器和TI-ADC的缺点，基于众所周知的LMS算法[27]的自适应消除器模型被设计用于BBCI方案，如图4所示。DC消除单元用于分别从期望的I和Q信号中去除DCI和DCQ分量此外，采用LMS技术的α和ε估计单元分别为期望信号的校正提供α和ε元素LMS算法是典型地用于估计期望的滤波器系数的自适应滤波器方法之一，期望的滤波器系数具有产生最小均方误差信号（即，的差异见图4。 BBCI方案的自适应抵消器模型。期望信号和实际信号之间）。该方法基于随机梯度下降，其中滤波器系数基于当前时刻的实现误差进行调整（更多细节可参见参考文献[27]）。因此，为了减轻ICI，在我们的模型中使用自适应LMS算法来估计相位和增益参数α_n和ε<$n<$，在当前时间，通过使Cαn<$Enjeαnj2o<$Enjαbn-αnj2o（4）Cεn<$Eneεnj2o<$Enεn-εnj2o（5）其中Ef：g是期望（平均）算子，而eαn和eεn表示当前时间样本n处的误差。参数αn和然后分别使用εn来找到In和Qn信号4. BBCI的实验装置和结果为了证明BBCI的有效性，我们在体模脑模型上进行了不同的实验。我们用盐水模拟血液，用甘油模拟组织，用塑料面包机模拟头骨，来复制近乎真实的大脑环境。这些采用的材料由于其与大脑的介电特性接近而被使用。使用单个无线传感器（WISP5）将从脑组织中2cm深度处植入的电极收集的信号传输到头皮上的BBCI接收器。图5显示了本工作所考虑的实验装置。据我们所知，这项工作是同类中的第一项，没有密切的参考公平的比较。因此，我们已经比较了所取得的结果，从一般BCI方案产生的参考文献中没有平衡技术。[3，11]以验证所提出的BBCI设计。BBCI中 的直流消除器的 性 能 如图所示 。 6其示出了轨迹曲线作为时间采样的函数（对于同相和正交分量）以及然后对于系统DC偏移的有效消除过程可以学习得有多快。类似地，图7展示了基于LMS算法的相位和增益估计的快速收敛，以检测信号而不失真。图五. 使用接近真实的体模脑模型的BBCI的EXS. Al Ajrawi等人医学信息学解锁18（2020）1002765图六、BBCI的同相和正交直流分量（振幅，单位为伏）随时间采样变化的学习曲线。图7.第一次会议。 基于LMS算法的参数估计：（a）作为样本的函数的以弧度为单位的相位估计;（b）作为样本 的函数的以伏特为单位的增益估计。图8中通过检测到的信号的利萨如图案和星座图示出了具有QPSK信令的BBCI方案中ICI的影响。从Lissajous模式的图8（a）可以清楚地看出，相位和增益分量（失真的BCI信号）都在使用BBCI方案的平衡过程结束时被校正。这也在图8（b）中示出，其中在消除DC偏移、相位误差和增益不平衡之后，针对BBCI系统实现了清晰的QPSK星座。TI-ADC的频谱（对数幅值）如图所示。 9此后DC消除作为接收时间实例的数量的函数，用于：（a）前2000个样本和（b）后2000个样本。平衡模型的输出信号的频谱也在（c）中针对前2000个样本和（d）中针对最后2000个样本进行了展示。这些数字demonstrate，第一个样本将遭受可能的信号失真，由于不完善的系统参数的估计。但是，随着时间样本的增长，系统将收敛到最佳估计并产生可靠的性能。S. Al Ajrawi等人医学信息学解锁18（2020）1002766图8.第八条。 失真（BCI信号）和非失真信号分量（BBCI信号）的QPSK：（a）Lisasajous模式;（b）信号星座。5. 讨论信号处理技术被广泛用于显著减轻各种电气、电子和通信系统中I/Q不平衡所产生的可能信号降级[15因此，本研究利用现有的I/Q下变频器和LMS技术来克服传统BCI通信方案中I/Q不平衡的问题，从而大大影响系统的性能。据我们所知，这些现有的方法集成到BCI系统是第一次，并证明了可行的无线BCI应用的成本效益的解决方案所提出的平衡技术在接近真实环境下的实现结果证明了所设计的BBCI通信系统具有近似无失真QPSK传输的有效性。这已经通过不同的性能测量，如参数估计的轨迹，I/Q分量的Lissajous模式和信号星座图进行了验证。结果表明，在所采用的下变频器和TI-ADC中， I/Q不平衡的遗传效应（即，DC偏移和频谱伪影），如参考文献中现有的[3，11]，可以使用低复杂度和成本效益的平衡技术，包括参数估计和平衡电路。在这种情况下，I/Q信号的频率分量之间的不想要的耦合以有效的方式被去除。这反映在接收信号星座上，因此反映在BBCI系统用于现代和未来专用无线应用的性能上。6. 结论本文提出了一种自适应的低复杂度平衡技术， 针对下变频器和TI-ADC的I/Q不平衡所带来的固有干扰，设计了一种基于LMS算法的无线BCI通信系统。在一个近似真实的仿真人脑模型上进行的实验结果表明，与现有的BCI相比，该方案是有效的。它示出了估计的相位和增益参数的快速收敛以及精确的DC偏移消除，其允许改进的QPSK性能。在未来的工作中，盲均衡技术将被用来证明复杂性和性能的权衡。此外，还对实际人脑环境S. Al Ajrawi等人医学信息学解锁18（2020）1002767见图9。直流消除后TI-ADC的频谱（对数幅度）随时间的变化：（a）前2000个样本和（b）后2000个样本。（c）前2000个样本和（d）后2000个样本的平衡模型输出信号将被考虑。竞合利益所有作者均无利益冲突报告。确认作 者 的 贡 献 Shams AL AJRAWI ， Walid AL-HUSSAIBI ， RameshRAO，and Mahasweta Sarkar：提供研究的概念和设计、数据采集、数据分析和解释、起草文章、对重要知识内容进行关键性修订、最终批准提交的版本、起草手稿、对重要知识内容的文章进行关键性修订的责任，对重要的知识性内容提出了批评性的修改意见，并最终批准了提交的版本。附录A. 补充数据本 文 的 补 充 数 据 可 在 https ： //doi 网 站 上 找 到 。org/10.1016/j.imu.2019.100276。引用[1] 张文辉，张文辉.通过同时进行的外显空间注意和运动想象任务的三维brian-计算机接口控制IEEE Trans Biomed Eng2018;65（11）：2417-27.[2] [10]张文龙，张文龙，张文龙.用于多维脑机接口的同时双侧手部运动的神经磁解码。IEEE跨神经系统康复工程。2018;26（6）：1301-10。[3] Al Ajrawi S，Bialek H，Sarkar M，Rao R，Ahmed S. BCI应用中植入式UHF-RFID收发器的双向通道建模。未来一代计算机系统。2018;88：683-92.[4] 张文，张文忠.用于植入式脑机接口的128-Mbps UWB发射器的无线多通道神经记录。IEEE跨生物医学电路系统2016年12月;10（6）：1068-78。[5] Nagaraj S，Rassam F.用于植入式生物医学设备的改进的非相干UWB接收机。IEEE Trans Biomed Eng 10月2016 ;63（10）：2220-5。[6] 放大图片作者：Yelamarthi K，Aman Md S，Abdelgawad A.应用驱动的模块化物联网架构。Wirel Commun Mob Comput May 2017;vol.2017：16. ID.1350929[7] Andreu-PerezJ，Leff D，Ip H，Yang G-Z.“从可穿戴传感器到智能植入物，再到普及和个性化的医疗保健。IEEE Trans Biomed Eng Dec. 2015;62（12）：2750[8] Zhang X，Yao L，Zhang S，Kanhere S，Sheng M，Liu Y.物联网满足脑机接口：一个统一的深度学习框架，用于实现人与物的认知交互。IEEE InternetThingsJApr. 2019 ;6（2）：2084-92。[9] Yong P，Ho E.用于物联网神经科学应用的流式大脑和生理信号采集系统。2016年IEEE EMBS生物医学工程与科学会议。马来西亚：吉隆坡; 2016年12月。第4-8页。S. Al Ajrawi等人医学信息学解锁18（2020）1002768[10] Teles A，Cagy M，Silva F，Endler M，BaiduV，TeiX eira S.使用脑机接口和物联网来改善轮椅使用者的医疗保健。第十一届移动普适计算、系统、服务和技术国际会议; 2017年。[11] Al Ajrawi S，Mohanty S，Sarkar M，Rao R，Mihovska A，Baweja H.研究多个超高频无源RFID发射器使用反向散射调制的可行性。Bellevue，WA：SSMC;2017年7月。p. 552- 63[12] Harris F，Parekh S，Gurantz I.宽带接收机的I-Q平衡技术。2005年，软件定义无线电技术会议论文集。6页。[13] Hussaibi W.大容量相关衰落特征多址的信号设计。无线网络11月2014;20（8）：2275-85。[14] F. Harris，“Artifact-corrected time-interleaved ADC“，美国专利，US 8957798B1，17页，2009年2月。2015年。[15] 蔡T，赫斯特P，刘易斯S.数字通信用时间交错模数转换器。Proc. IASTED Conf.Circuits，Signals Syst2004：193.[16] 刘春玲i/q不平衡对qpsk-ofdm-qam检测的影响。电子元器件1998;44（3）：984-9.[17] 邹氏相位和幅度不平衡对偏移正交相移键控（OQPSK）通信系统性能的影响。电信和特派团业务进展报告; 9月。1998年p. 1-15。[18] Vogel C，Mendel S.一种灵活的可扩展结构，用于补偿时间交错ADC中的频率响应失配。IEEE跨电路系统I，2009年11月;56（11）：2463-75。[19] 约翰森·H一种基于多项式的时变滤波器结构，用于补偿时间交错ADC中的频率响应失配误差。IEEEJ Sel Topics Signal Process Jun. 2009;3（3）：384-96.[20] Tsui KM，Chan SC. New iterative framework for frequency response mismatchcorrection in time-interleaved ADC：design and performance analysis. IEEE TransInstrumum Meas Dec. 2011;60（12）：3792-805.[21] Soudan M，Vogel C.线性弱时变系统的校正结构。IEEE Trans Circuits Syst I Sep.2012;59（9）：2075-84.[22] Tsui KM，Chan SC. A novel iterative structure for online calibration of M-channeltime-interleaved ADC.IEEE Trans.仪器测量2月2014;63（2）：312-25.[23] Hussaibi W.瑞利衰落信道中滤波对混沌保密通信同步及性能的影响通信非线性科学数值模拟。2015;26（1-3）：87-97.[24] Al-Hussaibi W，Ali F.相关瑞利衰落信道的产生，用于有前途的无线通信系统的精确仿真。仿真模型实践理论。2012;25（4）：56-72.[25] Sample A，Yeager D，Powledge P，Mamishev A，SmithJ.基于RFID的无电池可编程传感平台的设计。IEEE传输仪器2008年11月;57（11）：2608-15。[26] IMPINJ。R420 RAIN RFID阅读器。网址：https://www.impinj。com/platform/connectivity/speedway-r420/.[27] 蒙森·H统计数字信号处理与建模。第一版Wiley; 1996.