前 言

交通事故是當(dāng)前世界各國(guó)所面臨的嚴(yán)重社會(huì)問(wèn)題之一，已被公認(rèn)為當(dāng)今世界危害人類生命安全的第一大公害，每年因交通事故的原因至少使50萬(wàn)人死亡.歐美各國(guó)的交通事故統(tǒng)計(jì)分析表明，交通事故中80%~90%是人的因素造成的。根據(jù)美國(guó)國(guó)家公路交通安全署的統(tǒng)計(jì)，在美國(guó)的公路上，每年由于司機(jī)在駕駛過(guò)程中跌入睡眠狀態(tài)而導(dǎo)致大約10萬(wàn)起交通事故，約有1500起直接導(dǎo)致人員死亡，7.1萬(wàn)起導(dǎo)致人員傷害。在歐洲的情況也大致相同，如在德國(guó)境內(nèi)的高速公路上25%導(dǎo)致人員傷亡的交通事故，都是由疲勞駕駛引起的。根據(jù)中國(guó)交通部的統(tǒng)計(jì)，我國(guó)48%的車禍由駕駛員疲勞駕駛引起，直接經(jīng)濟(jì)損失達(dá)數(shù)十萬(wàn)美元。有關(guān)汽車駕駛員的疲勞檢測(cè)問(wèn)題,隨著高速公路的發(fā)展和車速的提高，目前已成為汽車安全研究的重要一環(huán)。

國(guó)外的許多國(guó)家都比較重視疲勞駕駛檢測(cè)的研究工作。尤以美國(guó)的研究發(fā)展較快，目前具有代表性的有：美國(guó)研制的打瞌睡駕駛員偵探系統(tǒng)，方向盤監(jiān)視裝置，日本研制的DAS2000型路面警告系統(tǒng)，日本研制的電子“清醒帶”。對(duì)于國(guó)內(nèi)，我國(guó)的疲勞駕駛檢測(cè)系統(tǒng)研究起步較晚，目前比較成型的系統(tǒng)很少。對(duì)于目前來(lái)說(shuō)，不論國(guó)內(nèi)國(guó)外，雖然研究的成果較多，但是還未見(jiàn)到一種方法是被大家所公認(rèn)的。就現(xiàn)在而言，基于腦電波的疲勞駕駛檢測(cè)系統(tǒng)被國(guó)際上視作為未來(lái)該領(lǐng)域的發(fā)展趨勢(shì)。

腦電信號(hào)是一種微弱的生物信號(hào)，并且極易受到干擾。基于腦電的疲勞駕駛檢測(cè)系統(tǒng)的設(shè)計(jì)思想為：首先要通過(guò)腦電采集電路采集腦電信號(hào)，再對(duì)其進(jìn)行小波去噪處理，去掉腦電偽跡和高頻噪聲，最后通過(guò)處理分析腦電信號(hào)，從而給出駕駛?cè)藛T的疲勞程度。系統(tǒng)的基本設(shè)計(jì)思想如下圖所示：

整個(gè)系統(tǒng)由模擬部分和數(shù)字部分組成。

模擬部分主要由信號(hào)放大電路，濾波電路，光電耦合電路以及AD6783模數(shù)轉(zhuǎn)換器構(gòu)成。

數(shù)字部分主要由SPI接口控制器（ADC接口），時(shí)鐘管理器，小波去噪模塊和分析處理模塊共同組成。

第一章：模擬部分

前端信號(hào)采集電路完整實(shí)現(xiàn)了基于腦電的疲勞檢測(cè)系統(tǒng)，總體放大倍數(shù)為A=100×70×1.1×2=15400，腦電信號(hào)電壓為5μV—100μV,經(jīng)全部采集電路放大濾波后，信號(hào)電壓范圍為-1.54V~+1.54V ，經(jīng)電壓抬升后輸入AD信號(hào)范圍為0.71V~3.79V，外部采用12V直流供電，內(nèi)部選用7805產(chǎn)生5V電壓。詳細(xì)情況如下：

一、腦電信號(hào)采集放大部分：

（1）前置放大電路：前置放大電路是整個(gè)腦電采集儀器設(shè)計(jì)的關(guān)鍵，它決定了整個(gè)放大電路的共模抑制比、輸入阻抗和噪聲水平。

腦電測(cè)量過(guò)程中的共模干擾特別大，腦電信號(hào)的放大一般采用差動(dòng)放大電路結(jié)構(gòu)。前置放大電路對(duì)集成運(yùn)算放大器的要求有：高輸入阻抗；高共模抑制比；低噪聲、低漂移；低輸入失調(diào)電壓；足夠大的放大倍數(shù)及低功耗。本課題中采用AD公司的高性能儀用放大器AD620來(lái)實(shí)現(xiàn)前置放大。此運(yùn)放有較高的技術(shù)參數(shù)，非常適合用于生理信號(hào)放大及在電池供電條件下工作的醫(yī)療儀器的應(yīng)用系統(tǒng)。本次電路設(shè)計(jì)中，放大倍數(shù)為100倍，增益反饋電阻選為499歐姆。AD620的放大倍數(shù)G由增益電阻決定，增益：

其中為增益反饋電阻。

二級(jí)放大電路：因前置放大后的信號(hào)仍然處于比較低的電壓水平上，現(xiàn)采用AD620設(shè)計(jì)二級(jí)放大電路，以進(jìn)一步保證高共模抑制比、低噪聲、低漂移等電路性能，放大倍數(shù)選擇為70倍，增益反饋電阻取為715歐姆。

低通濾波電路：低通濾波采用二階巴特沃斯濾波器，采用OP07運(yùn)放，截止頻率為100赫茲。

由電路，得到傳遞函數(shù)：

只有小于3時(shí)，即分母中S的一次項(xiàng)系數(shù)大于零，電路才能穩(wěn)定工作，而不產(chǎn)生自激振蕩。

截止頻率為：

（4）50赫茲陷波電路：如下圖，采用典型的二階有源帶阻濾波器。

這是一種典型的二階有源帶阻濾波器，其傳遞函數(shù)為：

，式中A是運(yùn)放增益。

這個(gè)電路的特點(diǎn)是所用器件少，調(diào)試方便。如果陷波深度不夠,可采取級(jí)聯(lián)方式提高干擾抑制能力?？偟膩?lái)說(shuō)，50Hz工頻陷波電路在系統(tǒng)中起到一個(gè)很重要的作用。即使在工頻信號(hào)淹沒(méi)腦電信號(hào)的條件下，通過(guò)濾除5OHz的干擾信號(hào)，也可以得到比較理想的腦電信號(hào)。所以工頻陷波電路是生物電信號(hào)采集中不可缺少的環(huán)節(jié)。本電路通過(guò)50Hz陷波器的引入，成功的去除了50Hz工頻干擾。

高通濾波電路：人體中存在極化電位，這些電信號(hào)是直流信號(hào)，因此需要設(shè)計(jì)高通濾波器將這些直流濾除。采用一個(gè)簡(jiǎn)單的一階有源RC高通濾波電路，截止頻率為0.1Hz，增益為2。電路如下：

電壓抬升電路：腦電信號(hào)是雙極性型號(hào)，由于AD轉(zhuǎn)換器對(duì)輸入信號(hào)的電壓要求為正，故在AD轉(zhuǎn)換之前，通過(guò)電壓抬升電路，把信號(hào)的幅度調(diào)整為正，同時(shí)通過(guò)適當(dāng)調(diào)整電壓值浮動(dòng)范圍，確保與之后的模數(shù)轉(zhuǎn)換電路匹配。電路中采用了可穩(wěn)定地提供4.5V的基準(zhǔn)電壓的電壓基準(zhǔn)源MAX6107。電路如下：

在反向比例運(yùn)算電路中，同向輸入端通過(guò)電阻接地，此為補(bǔ)償電阻，以保證集成運(yùn)放輸入級(jí)差分放大電路的對(duì)稱性，須滿足

。

由電路得：

。

差分比例電路中，在參數(shù)對(duì)稱前提下，電路實(shí)現(xiàn)了對(duì)輸入差模信號(hào)的比例運(yùn)算，最后得：

二、模數(shù)轉(zhuǎn)換部分：

AD轉(zhuǎn)換電路——光耦隔離電路

（1）AD轉(zhuǎn)換電路：采用16位采樣速率可調(diào)的A/D轉(zhuǎn)換芯片，不但保證了A/D轉(zhuǎn)換的精度，而且可以滿足并更改需要的A/D的轉(zhuǎn)換速率。

AD7683是AD公司生產(chǎn)的一種低功耗高精度16位高速串行A/D轉(zhuǎn)換器，它適用于儀器儀表、便攜式探測(cè)器及各種電池供電的應(yīng)用場(chǎng)合。采用AD7683和MAX6107設(shè)計(jì)的A/D轉(zhuǎn)換電路圖如下：

（2）光耦隔離電路：在腦電采集電路與FPGA開(kāi)發(fā)板之間，采用光耦隔離電路做接口，把兩者隔離開(kāi)，防止FPGA開(kāi)發(fā)板上的高頻數(shù)字信號(hào)對(duì)腦電采集電路的干擾。同時(shí)，光耦隔離電路還有電壓轉(zhuǎn)換的作用，由于AD轉(zhuǎn)換芯片的工作電壓為5V，其輸出的數(shù)字信號(hào)電壓也可達(dá)5V，而FPGA芯片的管腳電壓為3.3V。光耦隔離兩端采用不同的上拉電壓以實(shí)現(xiàn)兩者的匹配。

6N136是一個(gè)高速光耦芯片，其工作速度可達(dá)1Mbit/s，帶寬為2MHz。圖中，U14、U15和U16分別對(duì)DCLK、DOUT和CS進(jìn)行隔離，U17對(duì)電源控制信號(hào)POWER進(jìn)行隔離。

第二章：數(shù)字部分

• SPI控制模塊的實(shí)現(xiàn)

我們采用16位串行A/D轉(zhuǎn)換器AD7683，其工作時(shí)序如下圖所示：

DCLOCK為AD7683時(shí)鐘控制信號(hào)，由FPGA產(chǎn)生。CS為AD7683選通信號(hào)，低電平有效，由FPGA產(chǎn)生。一次A/D轉(zhuǎn)換至少需要22個(gè)時(shí)鐘周期，至多為24個(gè)時(shí)鐘周期。Dout為AD7683轉(zhuǎn)換輸出信號(hào)為串行總線，與FPGA相接，為FPGA提供數(shù)據(jù)。

依據(jù)該時(shí)序要求，我們?cè)O(shè)計(jì)了SPI控制器。SPI控制器主要由有限狀態(tài)機(jī)實(shí)現(xiàn)。狀態(tài)機(jī)轉(zhuǎn)換邏輯，如下圖所示：

依據(jù)狀態(tài)機(jī)邏輯轉(zhuǎn)換圖，我們?cè)O(shè)計(jì)程序，經(jīng)過(guò)modelsim仿真得到如下圖：

此設(shè)計(jì)符合AD7683的時(shí)序邏輯。

• 時(shí)鐘管理器

依據(jù)腦電信號(hào)的特點(diǎn)，我們的采樣平率為256Hz，我們采用33MHz的系統(tǒng)時(shí)鐘，對(duì)其進(jìn)行11分頻，得到3MHz在對(duì)其進(jìn)行相應(yīng)的分頻后，分別得到6.144KHz（SPI控制器工作頻率）, 4.608KHz（第一級(jí)小波工作頻率，F(xiàn)FT工作頻率）, 2.304KHz（第二級(jí)小波工作頻率）, 1.152KHz（第三級(jí)小波工作頻率）, 576Hz（第四級(jí)小波工作頻率）。

時(shí)鐘管理器示意圖如下所示：

• 小波去噪模塊的實(shí)現(xiàn)

離散小波的基本原理

小波變換是一種信號(hào)的時(shí)間—尺度(時(shí)間—頻率)分析方法，它具有多分辨率分析(Multi-resolutionAnalysis)的特點(diǎn)，而且在時(shí)頻兩域都具有表征信號(hào)局部特征的能力，是一種窗口大小固定不變，但其形狀可改變，時(shí)間窗和頻率窗都可以改變的時(shí)頻局部化分析方法。即在低頻部分具有較高的頻率分辨率和較低的時(shí)間分辨率，在高頻部分具有較高的時(shí)間分辨率和較低的頻率分辨率，很適合于探測(cè)正常信號(hào)中夾帶的瞬態(tài)反?，F(xiàn)象并展示其成分，所以被譽(yù)為分析信號(hào)的顯微鏡。

依據(jù)腦電信號(hào)自身特性，我們選擇DB4小波，圖為小波變換的示意圖：

離散小波變換的整體設(shè)計(jì)思想

采用四級(jí)小波分解，每一級(jí)的小波系數(shù)由FIFO進(jìn)行暫存，協(xié)同去噪模塊進(jìn)行讀取，去噪，以及去噪后的合成工作，整個(gè)離散小波變換采用流水結(jié)構(gòu)，其中小波分解和小波合成兩個(gè)模塊可達(dá)到262MHz，小波去噪模塊可達(dá)到167MHz，整個(gè)離散小波模塊可以達(dá)到167MHz。

MALLAT算法

MALLAT算法是由法國(guó)科學(xué)家于1988年提出的一種離散小波變換（DWT）的快速算法。該算法的地位相當(dāng)于快速福利葉變換在經(jīng)典傅里葉分析中的地位，已成為各種硬件實(shí)現(xiàn)的直接理論依據(jù)。MALLAT算法中的核心是濾波模塊，由濾波模塊實(shí)現(xiàn)小波的分解與合成，下圖給出MALLT算法的小波分解示意圖：

小波去噪模塊核心設(shè)計(jì)

補(bǔ)碼運(yùn)算器

AD采樣輸出的為數(shù)據(jù)的原碼，我們需要將其變換為補(bǔ)碼。

對(duì)于正數(shù)而言，它的原碼等于它的補(bǔ)碼；對(duì)于負(fù)數(shù)而言，它的補(bǔ)碼是對(duì)其原碼除符號(hào)位之外進(jìn)行取反后加一處理。因此，補(bǔ)碼器的設(shè)計(jì)示意圖如下：

DA算法及其濾波器的實(shí)現(xiàn)

DA算法是distributed arithmetic算法的簡(jiǎn)稱。中文譯為分布式算法。小波濾波器的實(shí)現(xiàn)采用分布式算法實(shí)現(xiàn)。分布式算法作為一項(xiàng)數(shù)字信號(hào)處理算法，廣泛應(yīng)用于計(jì)算乘積和運(yùn)算，與傳統(tǒng)的乘積和結(jié)構(gòu)相比，DA算法具有并行處理的高效性特點(diǎn)。若采用分布式算法實(shí)現(xiàn)小波濾波器，則它在FPGA中的工作速度只與輸入數(shù)據(jù)的寬度B有關(guān)，與濾波器的階數(shù)N無(wú)關(guān)，階數(shù)只影響FPGA資源的使用量。

在高速環(huán)境下，往往使用DA算法封裝成一個(gè)乘法器代替DSP進(jìn)行使用，從而實(shí)現(xiàn)濾波器的設(shè)計(jì)工作，但是這樣過(guò)于耗費(fèi)資源。我們通過(guò)分析卷積原理，優(yōu)化了濾波器實(shí)現(xiàn)結(jié)構(gòu)，這樣不僅節(jié)省了大量的資源，而且在速度上也完全可以滿足實(shí)時(shí)高速要求。具體優(yōu)化為：

（1）使用串并轉(zhuǎn)換結(jié)構(gòu)，從而達(dá)到復(fù)用乘法器的目的，可以指數(shù)倍的節(jié)省硬件資源。

基于這種結(jié)構(gòu)的濾波器無(wú)論是多少階的濾波器都只使用一個(gè)DA乘法器。

（2）多位并行查找表結(jié)構(gòu)，速度大大提高。

濾波器實(shí)現(xiàn)結(jié)構(gòu)示意圖如下：

依據(jù)該濾波器結(jié)構(gòu)，編寫程序，經(jīng)過(guò)modelsim仿真得到如下圖：

下面給出MATLAB仿真

注意：此時(shí)的濾波器已經(jīng)實(shí)現(xiàn)了下兩點(diǎn)抽取，因此x_out顯示的為MATLAB中y輸出的偶數(shù)點(diǎn)。

經(jīng)MATLAB驗(yàn)證，濾波器設(shè)計(jì)無(wú)誤。

下兩點(diǎn)采樣器

依據(jù)MALLAT算法，我們要對(duì)每一級(jí)輸出的數(shù)據(jù)進(jìn)行下兩點(diǎn)采樣處理，因此我們?cè)O(shè)計(jì)的下兩點(diǎn)采樣器示意圖如下：

異步FIFO（1024點(diǎn)）

異步FIFO在整個(gè)系統(tǒng)中，擔(dān)當(dāng)系統(tǒng)暫存的作用，因此要保證數(shù)據(jù)的丟失概率足夠的低，因而需要設(shè)計(jì)一個(gè)高可靠的，高速率的異步FIFO需要解決以下問(wèn)題：

（1）同步異步信號(hào)，使觸發(fā)器避免亞穩(wěn)態(tài)的產(chǎn)生。我們采用了兩措施解決這一問(wèn)題：

a).對(duì)寫地址/讀地址采用格雷碼。

b）.采用觸發(fā)器來(lái)同步輸入信號(hào)。

（2）產(chǎn)生正確的滿/空標(biāo)志信號(hào)。我們通過(guò)設(shè)置額外狀態(tài)位的辦法來(lái)準(zhǔn)確判斷滿/空狀態(tài)。

判斷滿/空標(biāo)志的公式：

Empty=（讀指針=寫指針）；

Full=（讀指針最高位/=寫指針最高位）and （讀指針其它位=寫指針其它位）；

243點(diǎn)中值選取器

243點(diǎn)中值選取器的基本作用就是選取hi_d1小波系數(shù)中的中間值，之后對(duì)中間值進(jìn)行簡(jiǎn)單運(yùn)算處理，從而得到小波去噪的門限值，以便進(jìn)行之后的小波去噪運(yùn)算。

在計(jì)算機(jī)應(yīng)用當(dāng)中，中值算法已經(jīng)相當(dāng)成熟，高效。但對(duì)于FPGA來(lái)講，還沒(méi)有發(fā)現(xiàn)一種既節(jié)省資源又可以執(zhí)行效率高的中值算法。因此我們采取了諸多嘗試，首先我們嘗試著修改計(jì)算機(jī)中的冒泡法以便可以移植到FPGA中應(yīng)用，但是我們發(fā)現(xiàn)假如將冒泡法利用在FPGA上會(huì)出現(xiàn)以下情況：

（1）無(wú)法綜合或者很難綜合，極易產(chǎn)生錯(cuò)誤

（2）嚴(yán)重耗費(fèi)資源，延時(shí)不佳，若243點(diǎn)中值采用冒泡算法占用資源量是一般FPGA所吃不消的。

后來(lái)我們又嘗試過(guò)幾種算法，例如基于三點(diǎn)中值選取器的全流水結(jié)構(gòu)的243點(diǎn)中值選取器，資源占用雖然有所改善，但是耗費(fèi)資源依然嚴(yán)重，需要耗費(fèi)10000多個(gè)以上LUT，一般的FPGA仍然很難吃消。

而后，我們通過(guò)分析基于三點(diǎn)中值選取器的結(jié)構(gòu)的全流水結(jié)構(gòu)，發(fā)現(xiàn)了3點(diǎn)中值選取器利用率過(guò)低，所以經(jīng)過(guò)重新設(shè)計(jì)我們采用了一種新的設(shè)計(jì)結(jié)構(gòu)：一種基于復(fù)用9點(diǎn)中值選取器的全流水的243點(diǎn)中值選取器，該種結(jié)構(gòu)較基于三點(diǎn)中值選取器的全流水結(jié)構(gòu)可以節(jié)約94%的LUT資源，并且時(shí)鐘頻率仍然保持在175MHz以上。

其核心思想為：將大量數(shù)據(jù)進(jìn)行分段處理，做到少量多次，并且使用流水結(jié)構(gòu)達(dá)到實(shí)時(shí)處理關(guān)鍵要求。

分析以上結(jié)構(gòu)，如果我們將第三級(jí)的3點(diǎn)中值選取器更換為9點(diǎn)中值選取器，那么它將可以實(shí)現(xiàn)729點(diǎn)的中值選取功能，而若使用基于三點(diǎn)中值選取器的全流水結(jié)構(gòu)來(lái)實(shí)現(xiàn)729點(diǎn)中值選取的功能那么其資源耗費(fèi)可想而知。如下圖所示為兩者資源耗費(fèi)的關(guān)系圖例：

3點(diǎn)中值選取器

3點(diǎn)中值選取器的基本功能是完成對(duì)于三個(gè)輸入數(shù)據(jù)完成尋找其中值的功能，設(shè)計(jì)流程圖如下圖所示：

9點(diǎn)中值選取器

9點(diǎn)中值選取器的構(gòu)造是基于3點(diǎn)中值選取器的全流水結(jié)構(gòu)，其結(jié)構(gòu)示意圖如下圖所示：

根據(jù)結(jié)構(gòu)示意圖，編寫程序，經(jīng)modelsim仿真，得到如下圖：

我輸入的數(shù)據(jù)1-486，則算出的中值為122和365，這與邏輯分析相同，設(shè)計(jì)正確無(wú)誤。

去噪分析器

去噪分析器的基本功能是完成hi_d4與去噪門限的比較，如果hi_d4大于去噪門限就認(rèn)為是噪聲，則此點(diǎn)被置零，如果hi_d4小于去噪門限則保持不變輸出。設(shè)計(jì)流程圖如下圖所示：

小波分解模塊的實(shí)現(xiàn)

依據(jù)MALLAT算法，小波分解模塊主要是實(shí)現(xiàn)對(duì)于腦電信號(hào)的各個(gè)頻譜分量的分解工作，而MALLAT算法實(shí)現(xiàn)的關(guān)鍵在于小波濾波器。下圖為小波分解模塊的結(jié)構(gòu)示意圖：

數(shù)據(jù)經(jīng)補(bǔ)碼器流入小波分解高通濾波器（HI_D）和小波分解低通濾波器(LO_D)濾波后經(jīng)下兩點(diǎn)采樣后完成一級(jí)小波分解運(yùn)算，小波的高通系數(shù)被寄存在FIFO當(dāng)中等待合成運(yùn)算。小波的低通系數(shù)繼續(xù)流入下一級(jí)小波分解模塊，對(duì)信號(hào)進(jìn)一步分解。

以上是通用的小波分解算法，其優(yōu)點(diǎn)是適用于各種信號(hào)的分解，但是我們通過(guò)分析本次課題設(shè)計(jì)的目的可知:腦電信號(hào)的頻率范圍是從1Hz~250Hz，而我們所關(guān)心的只有10~13Hz和18~22Hz的頻帶信息，即我們只關(guān)心腦電信號(hào)50Hz以下的頻帶信息，其余的頻帶信息在本次課題設(shè)計(jì)中是無(wú)用的，因此我們依據(jù)小波分解的概念，提出了更為節(jié)省資源的小波分解模塊的實(shí)現(xiàn)方法；下圖為應(yīng)用于腦電疲勞檢測(cè)的小波分解模塊的結(jié)構(gòu)示意圖：

該種結(jié)構(gòu)節(jié)約了兩個(gè)小波高通濾波器（HI_D）和兩個(gè)1024點(diǎn)的FIFO，節(jié)約資源不可忽視。

小波合成模塊的實(shí)現(xiàn)

小波合成模塊主要是為了實(shí)現(xiàn)在小波去噪之后的各級(jí)小波系數(shù)的合成工作。根據(jù)MALLAT算法，小波合成的實(shí)現(xiàn)依然要依靠小波合成高通濾波器（HI_R）和小波合成低通濾波器(LO_R)。下圖為小波合成模塊的結(jié)構(gòu)示意圖：

以上是通用的小波合成算法，其優(yōu)點(diǎn)是適用于各種信號(hào)的合成，但是我們通過(guò)分析本次課題設(shè)計(jì)的目的可知:腦電信號(hào)的頻率范圍是從1Hz~250Hz，而我們所關(guān)心的只有10~13Hz和18~22Hz的頻帶信息，即我們只關(guān)心腦電信號(hào)50Hz以下的頻帶信息，其余的頻帶信息在本次課題設(shè)計(jì)中是無(wú)用的，因此我們依據(jù)小波合成的概念，提出了更為節(jié)省資源的小波合成模塊的實(shí)現(xiàn)方法；下圖為應(yīng)用于腦電疲勞檢測(cè)的小波合成模塊的結(jié)構(gòu)示意圖：

以上節(jié)約了兩個(gè)FIFO，節(jié)約資源不可忽視。

• 分析處理模塊的實(shí)現(xiàn)

腦電信號(hào)與疲勞檢測(cè)的基本理論

腦電信號(hào)與人體疲勞的關(guān)系

近年來(lái)學(xué)者對(duì)腦電的研究表明,18~22 Hz及更高頻率的腦電主要是大腦思維活動(dòng)活躍的體現(xiàn),所以當(dāng)駕駛員處于疲勞狀態(tài)時(shí),大腦的思維活動(dòng)會(huì)降低,從而β波及高頻腦電會(huì)減少,而腦電的α波會(huì)增多;當(dāng)從疲勞轉(zhuǎn)為瞌睡或睡眠狀態(tài)時(shí),占主導(dǎo)的腦電頻率會(huì)逐步降低為2~4Hz的δ波。

經(jīng)過(guò)學(xué)者的分析,如果使用10~13 Hz和18~22 Hz兩個(gè)頻帶的平均功率譜比值作為疲勞駕駛腦電的一個(gè)指標(biāo)是可行的。

設(shè)信號(hào)在頻帶h的平均功率譜密度為

式中：

疲勞狀態(tài)下，無(wú)論駕駛員處于何種動(dòng)作狀態(tài)下，R值都比精力充沛時(shí)R值要高。

處理分析模塊的整體結(jié)構(gòu)及其功能

分析處理模塊主要完成對(duì)信號(hào)的分析處理工作，從而最終給出腦電的駕駛疲勞系數(shù)。其結(jié)構(gòu)示意圖如下圖所示：

經(jīng)小波去噪模塊后的數(shù)據(jù)，逐個(gè)進(jìn)入FIFO進(jìn)行寄存，同時(shí)讀時(shí)能計(jì)數(shù)器自動(dòng)加1，當(dāng)FIFO中寄存了256個(gè)數(shù)據(jù)時(shí)，此時(shí)讀時(shí)能寄存器計(jì)數(shù)值也為256，此時(shí)發(fā)出讀時(shí)能信號(hào)給FIFO同時(shí)發(fā)出開(kāi)始信號(hào)給FFT，數(shù)據(jù)將以CLK_fft的時(shí)鐘節(jié)拍下從FIFO中讀出進(jìn)入FFT模塊，F(xiàn)FT開(kāi)始進(jìn)行快速傅里葉計(jì)算，之后將結(jié)果進(jìn)行數(shù)據(jù)輸出，同時(shí)帶有地址信息，選擇乘法器選擇地址信息為10-13，18-22點(diǎn)的數(shù)據(jù)進(jìn)行乘法運(yùn)算之后進(jìn)行加法運(yùn)算并分別輸出為10-13Hz的實(shí)數(shù)加和結(jié)果（RE_13）,10-13Hz的虛數(shù)加和結(jié)果（IM_13），18-22Hz的實(shí)數(shù)加和結(jié)果（RE_18）和18-22Hz的虛數(shù)加和結(jié)果。將RE_13和IM_13做加和運(yùn)算作為除法器的被除數(shù)，將RE_18和IM_18做加和運(yùn)算作為除法器的除數(shù)，最后完成兩者的除法運(yùn)算，給出疲勞系數(shù)（即除法器的商和余數(shù)）。

FFT core的調(diào)用

我們調(diào)用的為256點(diǎn)的FFT的CORE，采用流水結(jié)構(gòu)，輸入輸出位寬為17位，使用縮放因子，設(shè)置截位處理為項(xiàng)下截取，順序輸出，選擇使用BLOCK RAM，未進(jìn)行任何特殊優(yōu)化。

FFT主要完成的功能就是對(duì)信號(hào)進(jìn)行時(shí)頻域變換，從而可以對(duì)其進(jìn)行頻譜能量的相關(guān)計(jì)算。在本次課題設(shè)計(jì)當(dāng)中我們主要關(guān)心的為10-13Hz 和18-22Hz的腦電頻譜成分，對(duì)應(yīng)到FFT上約為10-13點(diǎn)和18-22點(diǎn)的X(K)。

選擇乘法器

選擇乘法器的基本工作就是根據(jù)地址信息，選擇性的選取數(shù)據(jù)進(jìn)行乘法運(yùn)算，該乘法運(yùn)算調(diào)用了DSP48E模塊，并將乘法結(jié)果輸出到加法器當(dāng)中進(jìn)行累加運(yùn)算。從而得到實(shí)部乘積和虛部乘積。其結(jié)構(gòu)示意圖如下所示：

加法器

加法器的基本功能就是完成加法運(yùn)算。

除法器

對(duì)于所有的FPGA綜合軟件都可以綜合“+，-，*”三種算術(shù)運(yùn)算，但是不能綜合除法運(yùn)算，即使在計(jì)算機(jī)中所有的除法運(yùn)算也是通過(guò)乘法運(yùn)算間接完成的，因此在FPGA當(dāng)中設(shè)計(jì)除法器是一個(gè)難點(diǎn)。

常用的除法算法主要有兩種，一種為線性收斂，另一種為二次收斂方案。

我們采用線性熟練的除法算法，即restoring（還原）除法，首先調(diào)整分母并加載分子到余數(shù)寄存器中，然后從余數(shù)中減去調(diào)整的分母并將結(jié)果存在余數(shù)寄存器中，如果新的余數(shù)為正，我們就將商加1，否則商不變并且還需要通過(guò)加上分母來(lái)還原從前的余數(shù)值。我們采用狀態(tài)機(jī)對(duì)其進(jìn)行實(shí)現(xiàn)。

疲勞判決的預(yù)警裝置

依據(jù)文獻(xiàn)所給出的如下數(shù)據(jù)：

數(shù)據(jù)表明：疲勞狀態(tài)下,無(wú)論是處于靜坐、平穩(wěn)駕駛還是換擋操作下,腦電α和β波的R值(3·00~4·00)都比精力充沛時(shí)的R值(1·00~1·50)要高,說(shuō)明腦電α和β波的R值能較好地反映出疲勞時(shí)的腦電特性.而腦電α波和δ波在疲勞狀態(tài)下的R值(0·40~1·30)與精力充沛狀態(tài)下的R值(0·10~0·70)相比,就相差較小,有交叉區(qū)間,不能明確區(qū)分兩種狀態(tài).這是因?yàn)?delta;波頻率為2~4Hz,容易受到身體移動(dòng)等干擾的影響.因此,用腦電α和β波頻帶的平均功率譜密度比值R作為疲勞的腦電特征量是比較合適的.

依據(jù)以上數(shù)據(jù)與結(jié)論，我們?cè)O(shè)計(jì)了一種簡(jiǎn)單的預(yù)警裝置。

第三章：開(kāi)發(fā)總結(jié)及其擴(kuò)展方向

一．開(kāi)發(fā)總結(jié)

（1）系統(tǒng)分為模擬采集和數(shù)字處理兩個(gè)部分：

模擬采集部分主要完成了對(duì)于腦電信號(hào)的提取放大和去噪的基本任務(wù)并通過(guò)串行轉(zhuǎn)換器AD7683將AD轉(zhuǎn)換后的腦電信號(hào)傳送給FPGA當(dāng)中。

數(shù)字處理部分主要完成了對(duì)于腦電信號(hào)的小波分解，去噪，合成的基本步驟從而實(shí)現(xiàn)了小波去噪功能，得到較為純凈的腦電信號(hào)，之后對(duì)腦電信號(hào)進(jìn)行分析處理，主要完成了FFT運(yùn)算，得到10-13Hz，18-22Hz的頻帶信息，并對(duì)其進(jìn)行功率運(yùn)算，最后利用除法器取其比值從而得到基于腦電的疲勞駕駛系數(shù)，做出了預(yù)警處理，提高了駕駛?cè)藛T的駕駛安全系數(shù)。

（2） 系統(tǒng)的最高頻率為167MHz左右，總資源使用率為10256個(gè)slice（占總資源數(shù)的14%），4個(gè)block ram（占總資源數(shù)的2%），16個(gè)DSP48ES（占總資源數(shù)的21%），小波分解與合成的速率在262MHz左右。系統(tǒng)工作速率的主要瓶頸在于243點(diǎn)中值選取器，代碼及算法優(yōu)化后，可望進(jìn)一步提高小波去噪的整體工作頻率。

（3）對(duì)于基于腦電信號(hào)的疲勞檢測(cè)我們現(xiàn)在仍然處于探索階段，因此還不能完確把握24個(gè)電極疲勞系數(shù)的融合方法，從而給出一個(gè)更為精確，科學(xué)的駕駛疲勞系數(shù)，但以初步完成了對(duì)于駕駛疲勞的測(cè)定，對(duì)今后的設(shè)計(jì)有很大的參考價(jià)值。

（4）如果繼續(xù)優(yōu)化代碼和系統(tǒng)結(jié)構(gòu)將系統(tǒng)使用資源降到最低，那么我們可以使用FPGA的低端產(chǎn)品進(jìn)行開(kāi)發(fā)，從而大大降低了開(kāi)發(fā)成本。

（5）本系統(tǒng)通過(guò)有線形式對(duì)腦電進(jìn)行采集，這對(duì)于一個(gè)駕駛中的人來(lái)講是極其不方便的，因此對(duì)于腦電采集我們可以采取無(wú)線方式。

二．創(chuàng)新點(diǎn)總結(jié)

（1）DA濾波器的結(jié)構(gòu)改進(jìn)，硬件資源成指數(shù)倍的節(jié)約。主要對(duì)一下兩方面做出了改進(jìn)優(yōu)化：

a)．使用串并轉(zhuǎn)換結(jié)構(gòu)，從而達(dá)到復(fù)用乘法器的目的，可以指數(shù)倍的節(jié)省硬件資源。

基于這種結(jié)構(gòu)的濾波器無(wú)論是多少階的濾波器都只使用一個(gè)DA乘法器。

b). 多位并行查找表結(jié)構(gòu)，速度大大提高。

（2）243點(diǎn)的中值選取器的創(chuàng)新結(jié)構(gòu)（基于復(fù)用9點(diǎn)中值選取器的全流水結(jié)構(gòu)），硬件資源節(jié)省都在90%以上，而且效率保持在很高的一個(gè)水平，約為167MHz。該結(jié)構(gòu)的優(yōu)勢(shì)相對(duì)于3點(diǎn)中值選取器的全流水結(jié)構(gòu)的優(yōu)勢(shì)在于其點(diǎn)數(shù)越多所能節(jié)約的硬件資源會(huì)越多，經(jīng)理論計(jì)算甚至可以節(jié)約資源達(dá)到98%左右。

（3）依據(jù)腦電信號(hào)的自身特點(diǎn)，我們提出了小波分解與合成的更為節(jié)省資源的結(jié)構(gòu)，使得將腦電信號(hào)的小波去噪模塊移植到低端FPGA上成為可能。在本次課程設(shè)計(jì)當(dāng)中，我們只需要10-13Hz和18-22Hz的頻帶信息，因此在小波分解時(shí)可以舍去其高頻信號(hào)的濾波，而直接判定其為零，這樣可以大大節(jié)約硬件資源。

（4）首次在FPGA實(shí)現(xiàn)了基于腦電的駕駛疲勞檢測(cè)的整個(gè)系統(tǒng)。對(duì)于今后FPGA在腦電信號(hào)的應(yīng)用與開(kāi)發(fā)領(lǐng)域起到了一定的參考作用。

三．?dāng)U展方向

（1）本次開(kāi)發(fā)所設(shè)計(jì)的小波去噪模塊是具有通用性的，不僅可以用于腦電信號(hào)的去噪，還可以應(yīng)用在心電信號(hào)，肌電信號(hào)，地震信號(hào)，雷達(dá)信號(hào)，通信信號(hào)及其他各種相關(guān)類似信號(hào)的去噪工作上。

（2）單對(duì)腦電信號(hào)而言經(jīng)過(guò)小波去噪后，可以應(yīng)用于腦機(jī)接口技術(shù)的開(kāi)發(fā)，大腦病變信號(hào)的醫(yī)療檢測(cè)，以及腦電信號(hào)在假肢上的應(yīng)用等。