一、目标:




二、相关内容调研

(一)多模信号组合优点

https://blog.mantratec.com/advantages-of-multimodal-biometric-authentication#:~:text=Since%20multimodal%20biometric%20systems%20use%20more%20than%20one,biometric%20system%20is%20its%20higher%20threshold%20recognition%20capabilities.

1、精度
与单一生理信号相比,多模信号错误匹配率和错误识别率低。多个生理信号进行判断识别,准确率无疑会更高。例如EEG信号是时变非稳态信号,随着使用时间增长,大脑状态的变化可能导致之前训练得到的模型分类准确率下降甚至失效,这时可采用EOG信号对EEG进行补偿。
2、识别判断能力强
采用多模生理信号有更高的阈值识别能力。即使其中某一生理信号与目标信号不匹配,也能通过其他生理信号进行识别判断。
3、安全性高
在生理信号采集亦或者使用过程中,若存在安全问题,可采集或使用其他信号完成任务。
4、通用性
在某些特殊应用场景,如残疾人群体,某些单一生理信号可能存在无法采集或者不准确的情况,此时便可以通过融合其他生理信号进行判断。
5、抗扰度高
对于噪声数据容忍度高,使用多模生理信号,可以使多个生理识别数据验证并纠正噪声数据。

(二)干扰解决方式调研


1、干扰信号对控制系统

传感器的电流大小一般是mA级别的,但控制系统一般在A,故而需要对控制系统进行隔离。

(1)物理隔离

首先是要保证传感器到控制系统的物理隔离,阻断干扰信号到控制系统的耦合路径,其常用的方法是通过信号隔离模块来实现传感器到控制系统的物理隔离;

信号融合 python 信号融合方法有哪些_模块化


(2)干扰源确定

排查确定干扰源,一般一些大能量设备的开关导致的 dV/dt 或者 dI/dt,进而造成电磁干扰,设法对干扰源进行处理,其实对现场设备而言难度是较大的;

(3)滤波

滤除大部分噪声不经过控制系统,同样可以改善系统的抗干扰特性。

2、独立模块设计

Chien CN, Hsu HW, Jang JK, Rau CL, Jaw FS. Microcontroller-based wireless recorder for biomedical signals. Conf Proc IEEE Eng Med Biol Soc. 2005;2005:5179-81. doi: 10.1109/IEMBS.2005.1615644. PMID: 17281414.

通过无线传输的方式,将采集生理信号的传感器模块化,减少电缆的使用

信号融合 python 信号融合方法有哪些_学习_02

主体采集传输模块可以分为三个部分:信号调节单元、射频发射器和射频接收器。
如图所示A,信号调理单元是模块化设计的,以适应不同的需求。
模块化设计,能适应不同的信号。图示模块是用一个仪表放大器(IA),AD627,一个放大器(AD8961),一个二阶低通滤波器和一个可选的二阶高通滤波器。放大器的增益取决于信号的振幅。同样地,滤波器的通带也是由信号的光谱决定的。
此外,信号的的类型将决定使用哪种类型的性质滤波器,例如巴特沃斯、贝塞尔等。这一部分的模块化设计便于对各种信号进行最佳调节。