面向无线体域网的节能 EEG 采集与重建

基于摘要分析。研究针对无线体域网（WBAN）中 EEG 远程监测的感知与通信能耗问题，提出基于矩阵补全的采集与重建方案，并结合模拟信息转换器（AIC）实现随机欠采样。作者指出，既有压缩感知（CS）方案主要减少通信成本，而本方案还可降低感知环节的能耗。 硬件方面，AIC 采用 65 nm CMOS 工艺，由伪随机时钟发生器控制随机欠采样，再通过 12-bit 逐次逼近寄存器模数转换器（SAR ADC）完成转换。作者报告，该 AIC 的采样率为 0.5 KS/s，有效位数（ENOB）为 9.54 bits，品质因数（FOM）为 187 fJ/conv-step，在 1 V 电源下功耗为 69.66 nW。这些数值属于所述 AIC 的硬件指标，不能直接视为整个 WBAN 系统的能耗。 作者报告，与所比较的先进 CS 技术相比，该方法在更低能耗下取得更好的重建准确性，并在重建后的信号分类中优于既有 CS 方法。摘要未提供重建指标的定义、分类任务、具体分数及统计检验，因此尚不能量化优势，也不能据此推断其对具体 BCI 任务的改善。 该研究的技术关注点是采集端欠采样与重建算法的联合设计，而非单纯降低传输数据量。复现时需核对矩阵的构造方式、补全所依赖的结构假设、采样比例与模式、数据集及被试划分，以及能耗比较是否涵盖传感、转换、通信和重建计算。上述实验协议、消融及统计信息尚未验证。