集成端侧AI的可穿戴多模态生理参数
采集设备系统概述
随着对实时生理监测与人机交互需求的增长，传统可穿戴设备在多模态同步采集与端侧智能处理方面存在不足。BioGAP-Ultra 应运而生，作为一个模块化、低功耗、支持边缘AI的可穿戴多模态生理信号采集与处理系统，其在原有 BioGAP 基础上显著扩展了存储容量、无线带宽、信号通道数与模态种类。系统支持 EEG、EMG、ECG、PPG、加速度、QVAR 和音频信号的同步采集，并集成了 GAP9 处理器与 nRF5340 通信模块，具备强大的端侧AI推理能力。如图1所示，系统已成功集成于三种可穿戴形态中：EEG-PPG 头带（32.8 mW）、EMG 臂带（26.7 mW） 和 ECG-PPG 胸带（9.3 mW），展现了其在真实场景下的适用性与灵活性。
图1：系统形态因子与集成示意图
图1左上角为一个人体素描，示意了三种设备（头带、胸带、臂带）在身体上的佩戴位置，直观展示了系统的可穿戴性与多部位监测理念。
右侧分为三个部分：图1A头带：展示了集成有BioGAP-Ultra主板和ExG传感板的纺织品头带。它配备了16个SoftPulse干脑电（EEG）主动电极，并可同时在耳垂连接一个紧凑的光电容积描记（PPG）传感板，实现了脑活动与心血管信号的同步采集。图1B胸带：展示了集成在胸带中的平台，使用扁平干电极进行心电图（ECG）测量，形态舒适隐蔽。图1C臂带：展示了平台与EMG传感板集成于一个纺织臂套内，在前臂布置了12通道、在上臂布置了4通道的扁平全干EMG电极，用于监测复杂的肌肉活动。
HUIYING
系统设计关键
BioGAP-Ultra 的设计核心在于其模块化硬件架构、实时软件栈与高效边缘AI算法。硬件上，主板集成 GAP9 SoC 与 nRF5340 BLE模块，支持多路传感器扩展与精确电源管理（图2、图3、图4）；软件方面，基于 Zephyr RTOS 的固件支持数据流与边缘AI两种模式，Android 应用提供实时可视化与配置界面（图5）；算法上，系统利用 GAP9 的神经网络加速器实现实时 FFT 与 CNN 推理，如图6所示的 SSVEP 频率分析即为典型边缘AI任务。
图2：主板实物图
图3：主板系统框图
图3以框图形式描绘了主板的系统架构和数据/控制流。核心组件：清晰地标出了两个SoC（GAP9和nRF5340）、PMIC、各类存储器（PSRAM, Flash）、IMU和麦克风。互连总线：展示了连接这些组件的共享总线（如I2C, SPI）和专用接口（如Octal-SPI, MIPI CSI-2），说明了系统内部如何进行通信和数据交换。控制逻辑：显示了nRF5340如何通过开关（TMUX）控制GAP9的IO隔离，以实现灵活的功耗管理。
图4：电源管理框图
图4详细阐述了主板的电源管理架构。核心：MAX77654 PMIC，它从电池或USB取电，通过SIMO架构生成多个可编程电压轨。电源树：展示了PMIC输出的电压（V_SYS, V_D1等）如何通过降压转换器（MAX38643）和负载开关（TPS22916）为各个子系统（nRF5340, GAP9, 存储器, IMU等）独立供电。控制路径：标明这些负载开关分别由nRF5340和GAP9的GPIO控制，实现了对每个电源域的精细化管理，是系统实现超低功耗的关键。
图5：Android应用软件界面截图
图5由多个手机屏幕截图组成，展示了配套Android应用“BioApp”的主要功能界面。图5A 主屏幕：用户可以选择跳过或查看使用教程，并选择语言。图5B 使用说明：展示了一页具体的设备使用指导。图5C 阻抗以及脱落检测：以图形化方式（如颜色或数值）显示每个电极的接触状态，帮助用户在实验前确保信号质量。图5D 数据流可视化：实时显示采集到的生物信号波形，并提供缩放、滤波（带通、低通、高通、陷波）和ADC增益调节等控制选项。
图6：SSVEP分析结果图
图6通过头带实验验证了EEG信号的采集与分析能力。图6（a） NCCA分析：显示了在不同频率（7.5, 11.5, 13.5, 15.5 Hz）视觉刺激下，随着分析窗口时间的增加，NCCA值的变化曲线。所有目标频率的曲线均显著高于基线（灰色虚线），表明在3秒窗口内即可可靠检测到SSVEP响应。图6（b）CCA频谱响应：展示了各刺激频率在EEG信号中引发的特定频率功率峰值，这些峰值在目标频率处明显高于相邻频率和静息状态，证明了信号的信噪比和质量足够高。
HUIYING
系统电极设计说明
系统的电极设计注重灵活性、信号质量与穿戴舒适性。ExG 与 EMG 传感板采用 ADS1298 模拟前端，支持单极/双极配置，并通过外部接触检测电路提升信号可靠性（图7、图8）。头带采用 16通道干电极（SoftPulse），分布均匀，参考电极置于前额；EMG 臂带使用干扁平电极与可拉伸电缆，覆盖前臂与上臂多个肌群；胸带则采用被动干片电极，贴附于胸骨两侧。这种多样化的电极设计满足了不同信号类型与身体部位的采集需求。
图7：ExG传感板实物图
图8：ExG传感板系统框图
图8是ExG传感板的电路原理框图。核心：两个ADS1298 AFE，负责16通道信号的调理和模数转换。配置选项：图示了板子支持单电源和双电源两种供电配置，以适应主动式和被动式电极。附加功能：包含了外部接触质量检测电路，用于在使用主动电极时检查电极-皮肤接触阻抗。
HUIYING
临床研究：方法与结果
研究方法：
头带实验：采用稳态视觉诱发电位（SSVEP）范式，受试者观看不同频率闪烁屏幕，记录EEG信号并使用NCCA方法分析。
臂带实验：执行“取瓶-喝水-放回”动作序列，同步采集EMG与加速度信号。
胸带实验：同步记录ECG与PPG信号，计算脉搏传导时间（PTT）。
研究结果：
头带：在3秒窗口内可稳定检测SSVEP响应，各频率峰值明显高于基线（图6）。
臂带：EMG信号清晰捕捉到不同肌群在动作序列中的激活模式，加速度数据准确反映肢体运动（图9）。
图9：EMG臂带运动序列测量图
图9呈现了受试者执行“取瓶-喝水-放回”动作序列时，EMG臂带采集到的数据。上部：多条EMG通道的信号曲线，清晰显示了在不同动作阶段（如伸手、抓握、举起、放回），前臂和上臂不同肌肉群的激活与松弛模式。下部：同步记录的加速度信号，准确地捕捉到了肢体运动的动态，特别是在举起和放下瓶子时的加速度变化。
胸带：ECG与PPG信号同步性好，PTT约为220 ms，可用于无创血压估计（图10）。
图10：ECG与PPG同步测量图
图10展示了胸带同步采集的心电图（ECG）和光电容积图（PPG）。ECG信号：清晰显示了QRS波群，特别是明显的R波。PPG信号：显示了典型的脉搏波波形。时间关联：图中标明了从ECG的R波到PPG波形特定点（如峰值）的脉冲传导时间（PTT），约为220ms。这种同步测量为无创血压估计等应用提供了基础。
HUIYING
总结
BioGAP-Ultra 是一款高度模块化、低功耗、支持边缘AI的多模态生理信号采集平台，其在硬件扩展性、信号同步性、端侧处理能力与穿戴舒适性方面均优于现有系统。通过三种可穿戴形态的实证研究，系统在神经监测、肌电识别与心血管参数估计等任务中表现出色。所有硬件与软件均开源，为科研社区提供了可复现、可扩展的研究平台。未来可进一步集成超声、fNIRS等新型传感器，拓展其在医疗健康与人机交互中的应用边界。
