Adquisición y procesamiento multisensorial en FPGA para EEG

Correa Oliva, Carlos Javier (2017). Adquisición y procesamiento multisensorial en FPGA para EEG. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Descripción

Título: Adquisición y procesamiento multisensorial en FPGA para EEG
Autor/es:
  • Correa Oliva, Carlos Javier
Director/es:
  • Torre Arnanz, Eduardo de la
  • Mora de Sambricio, Javier
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: Febrero 2017
Materias:
Escuela: E.T.S.I. Industriales (UPM)
Departamento: Automática, Ingeniería Eléctrica y Electrónica e Informática Industrial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (2MB) | Vista Previa

Resumen

En los últimos años se ha extendido la implantación de sensores biométricos en los dispositivos de uso diario, posibilitando aplicaciones muy diversas, como el control de calorías quemadas durante la actividad diaria, monitorización del ritmo cardíaco o identificación personal mediante la huella dactilar, todas ellas, aplicaciones destinadas a conciliar la tecnología con el propio cuerpo humano. Aunque menos extendidas, han comenzado a surgir investigaciones asociadas a la interpretación de la actividad eléctrica de nuestro cuerpo, principalmente originaria del cerebro y de la actividad muscular. En resumen, estas investigaciones buscan el desarrollo de una interfaz cerebro ordenador, en inglés Brain Computer Interface o BCI. Estas interfaces tratan de identificar características de las ondas cerebrales de un individuo y relacionarlas con eventos concretos del cuerpo humano, como pueden ser la identificación de un estado mental concreto, la ejecución de un movimiento o la proyección mental del mismo. En particular, se han logrado avances asombrosos en el control de prótesis externas mediante estos sistemas. Llegados a este punto, parece indiscutible el potencial de estas aplicaciones, teniendo la posibilidad de extenderse en el campo de la medicina, de la realidad virtual, del entretenimiento e, incluso, en el ámbito militar. Por otro lado, estas aplicaciones se enfrentan a grandes retos tecnológicos. El primero de ellos es la adquisición de la actividad eléctrica, siendo esta muy débil en comparación con el ruido electromagnético que rodea al ser humano, además de la necesidad de procesar grandes cantidades de datos y de correlacionar estos con patrones de comportamiento en tiempo real. Todo ello es posible gracias a la evolución de los sistemas de procesamiento actuales y de las potentes herramientas de filtrado digital de señales. En particular, se destaca la aplicación de las FPGA, plataformas de desarrollo basadas en Hardware reconfigurable, que presentan elevadas velocidades de procesamiento y bajos consumos energéticos, en comparación con otras alternativas, como son los CPUs o las GPUs. Adicionalmente, estas plataformas ofrecen la posibilidad de implementar sistemas reconfigurables, pudiéndose emplear para el desarrollo de sistemas de Hardware evolutivo. Estos sistemas basan su funcionamiento en la combinación de posibles soluciones elementales, de tal forma que se lleva a cabo un proceso de selección en el que sobreviven aquellas soluciones más eficientes, descartándose el resto. Así, han demostrado ser potentes herramientas de filtrado de señales. En concreto, en el Centro de Electrónica Industrial (CEI), donde se desarrolla este trabajo, se ha iniciado una línea de investigación en la que se busca la implementación efectiva de un sistema de Hardware reconfigurable para el filtrado e identificación de ondas cerebrales mediante el uso de una FPGA. Se hace necesario en este momento definir elementos fundamentales para el desarrollo de estos sistemas. En primer lugar, la actividad eléctrica del cerebro se adquiere mediante una serie de electrodos. Estos envían la señal a un convertidor analógico digital (ADC) expresamente diseñado para esta funcionalidad. Entonces, estos datos recién adquiridos deben ser transmitidos a la plataforma de procesamiento mediante una comunicación eficaz. Este planteamiento se corresponde con el desarrollo del primer trabajo en esta línea, realizado por Ramón Conejo Laguna en el CEI. Así, se desarrolla un protocolo de comunicación SPI entre el ADS1299, que ejecuta la función de ADC, y una FPGA Virtex 5, que se corresponde con la plataforma de procesamiento. En segundo lugar, se hace necesario llevar a cabo el análisis de los datos almacenados. Para ello, se cuenta con la ayuda del Dr. Ceferino Maestu Unturbe, neurofisiólogo miembro del Centro de Tecnología Biomédica (CTB) de la UPM. Gracias a su experiencia se determinan los análisis básicos y experimentos introductorios en el campo de los electroencefalogramas (EEG). Así surge un segundo proyecto realizado por Pablo Iglesias López, en el que se lleva a cabo la implementación efectiva de la transformada rápida de Fourier de una señal EEG en la FPGA, permitiendo la transformación de los datos, adquiridos en el dominio del tiempo, al dominio de la frecuencia. Como resultado de estos trabajos se obtiene un sistema capaz de llevar a cabo la adquisición y procesamiento de señales EEG. Concretamente se trabaja sobre la identificación de señales en el rango de entre los 8Hz y 12Hz (ondas alfa) de un único electrodo. Así, el presente trabajo se desarrolla por la necesidad de extender el número de canales bajo estudio, así como de maximizar la eficiencia de las operaciones realizadas durante el procesamiento, buscando aprovechar las ventajas que ofrece el uso de herramientas en Hardware. Por tanto, este trabajo se enmarca como el tercero en ser desarrollado en esta línea y pretende sentar las bases de futuros sistemas de clasificación de señales mediante Hardware evolutivo. Este proyecto comienza con la realización de los primeros análisis mediante el uso de dos plataformas, determinando así la viabilidad del estudio y la determinación de los objetivos. Por un lado, se cuenta con la herramienta comercial proporcionada por OpenBCI, una empresa de crowdfunding. Esta herramienta está constituida por un microprocesador, un módulo de memoria SD, para el almacenamiento de los datos, un módulo de comunicación inalámbrico mediante Bluetooth y un ADC, el ADS1299. Además, cuenta con una interfaz gráfica que permite la realización de los primeros ensayos y determinar la viabilidad de la identificación de ondas alfa. Además, su empleo supone la primera toma de contacto con los análisis de EEG. Por otro lado, se cuenta con un kit de evaluación del ADS1299, el ADS1299EEG FE, proporcionado por Texas Instruments. Mediante este sistema se puede acceder a la configuración y control de los puertos del ADC, permitiendo el desarrollo del protocolo de comunicación entre el ADS1299 y la FPGA, que posteriormente será integrado en este proyecto. Para continuar el desarrollo de este trabajo se lleva a cabo una investigación previa haciendo uso de los datos adquiridos mediante la plataforma OpenBCI y de la herramienta Matlab. Gracias a ambas se lleva a cabo el estudio en profundidad de los posibles análisis, centrándose en el tratamiento de datos en el dominio del tiempo, de la frecuencia y en el espacio. Como resultado final de esta investigación se desarrolla una interfaz gráfica mediante la cual se determina la viabilidad del desarrollo de un sistema de procesamiento de la señal en el dominio de la frecuencia y se descarta el resto de análisis, debido a las condiciones en las que se desarrolla el experimento. En este momento se comienza el desarrollo de un sistema embebido capaz de llevar a cabo el anterior análisis. Para ello se hace uso del entorno EDK (Embedded Development Kit) de Xilinx, el fabricante de la FPGA elegida. En particular se hace uso de la herramienta Xilinx Platform Studio (XPS) para el desarrollo del sistema Hardware y de la herramienta SDK (Software Development Kit) para el desarrollo del Software de control. Mediante estas herramientas se lleva a cabo la implementación de los elementos que permiten mejorar la eficiencia del sistema de partida. Estos elementos se corresponden con un controlador central de DMA (CDMA) y un algoritmo CORDIC que se procede a describir a continuación. En primer lugar, se lleva a cabo el análisis del modelo de partida. En este, existe un bloque FFT que se encarga de realizar la transformada rápida de Fourier (FFT), diseñado para un canal de datos. Es por ello que el primer paso consiste analizar el redimensionamiento de este bloque, con el fin de satisfacer las necesidades de análisis más extensos. Finalmente se demuestra que la funcionalidad de este bloque es suficiente para la aplicación propuesta. Por otro lado, se detecta que los procesos de transferencia de datos, entre las distintas secciones de memoria, suponen un factor limitante en cuanto a consumo de tiempo de procesamiento. Por ello, y por la necesidad de aumentar el número de datos tratados, ya que se quiere extender el número de canales a procesar, se implementa un bloque CDMA (Central Direct Memory Access). Este bloque permite llevar a cabo la transferencia de datos entre distintas regiones de memoria mediante Hardware, reduciendo así el tiempo consumido en dichas transacciones. Además, el resultado obtenido por la operación de la FFT se almacena en forma de números complejos, lo cual supone que su representación ha de ser llevada a cabo mediante módulo y fase para facilitar su visualización. En el modelo base se realiza esta operación mediante el microprocesador, con el correspondiente consumo de tiempo. Por ello se decide implementar un bloque CORDIC. Este bloque se corresponde con la implementación de un algoritmo con el mismo nombre. Este algoritmo tiene la capacidad de realizar el cálculo del módulo y de la fase de números complejos en Hardware, resultando en una reducción considerable del tiempo de procesamiento. Tras la implementación del Hardware se lleva a cabo el desarrollo del sistema de control mediante Software. En este se desarrollan las funciones básicas de funcionamiento del CDMA, así como la implantación de técnicas que permiten mejorar las características de las señales adquiridas. Se introduce por tanto el análisis mediante ventanas incrementales, que permite obtener una mejor resolución de la señal en el dominio de la frecuencia. Como se ha mencionado, se implementa en Software, ya que la técnica en sí no se corresponde con la introducción de nuevas herramientas de procesamiento, sino con la secuencia de llamada al análisis de las señales. En cuanto al valor didáctico de este proyecto, se destacan los siguientes campos - Se han mejorado los conocimientos en VHDL, así como el uso del entorno ISE de Xilinx. - Se ha aprendido a diseñar sistemas embebidos mediante el uso del entorno EDK, gracias a las herramientas XPS y SDK. - Se han reforzado los conocimientos en C, mediante el desarrollo de las funciones de control, así como la gestión del código mediante bibliotecas. - Se ha profundizado en conocimientos sobre procesado digital de señales. -Se ha aprendido a realizar ensayos EEG, así como las condiciones experimentales necesarias y el análisis e interpretación de los resultados. En cuanto al impacto social, el desarrollo de los sistemas BCI comerciales pueden suponer un cambio radical en las limitaciones de personas que sufren discapacidades físicas. Del mismo modo, toda investigación relacionada con la actividad eléctrica del cerebro supone nuevas fuentes de información y datos, que son susceptibles de uso por parte de los profesionales sanitarios, permitiendo ampliar los conocimientos que se tienen sobre el cerebro humano. Lo cual, repercute directamente en la prevención y diagnosis de enfermedades cognitivas.

Más información

ID de Registro: 45521
Identificador DC: http://oa.upm.es/45521/
Identificador OAI: oai:oa.upm.es:45521
Depositado por: Biblioteca ETSI Industriales
Depositado el: 19 Abr 2017 06:44
Ultima Modificación: 19 Abr 2017 06:46
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM