3.2 模拟前端与电路设计：微伏信号的求生之路
3.2 模拟前端与电路设计：微伏信号的求生之路
本节摘要：模拟前端承担三件事：把微伏级信号放大约千倍而不放大噪声、滤掉直流偏移与带外干扰、以足够位深与采样率完成模数转换。它的设计核心是一份噪声预算——信号在每一级被加入多少噪声、共模干扰被抑制多少，逐项记账。本节拆解放大、滤波、转换三级链路，并用一段可复算的代码演示预算怎么算。
一个刚从电极出来的脑电信号处境尴尬：幅度几十微伏，而它脚下的直流偏移（电极半电池电位）可达几十毫伏——比信号大三个数量级；空气里的电网干扰在它身上感应出几毫伏的共模电压；放大器自己还会贡献热噪声。模拟前端的任务不是"放大"，而是让信号在与噪声的混战中活着走到模数转换器。这一仗怎么打，是本节的内容。
第一级：仪表放大器与共模抑制
放大微伏信号的第一要务是只放大"两个电极之间的差"，抵消两者共同的分量——共模电压。干这件事的电路叫仪表放大器，它有两项指标决定生死。共模抑制比（CMRR）：共模干扰被压低的比例，脑电应用要求一百二十分贝以上——意味着几毫伏的电网共模被压到微伏级以下。输入阻抗：皮层内微电极的阻抗可达几百千欧，前端输入阻抗必须高出两个数量级，否则信号还没进放大器就被分压掉了一半。这两个数字解释了为什么通用运算放大器做不了脑电前端，也解释了电极质量为什么影响电路表现——电极不对称会让共模泄漏成差模，共模抑制比再高也救不回来。
共模干扰还有一个釜底抽薪的对策：驱动参考（右腿驱动的现代版）。电路从差分信号里提取共模分量，反相放大后送回人体参考电极，构成负反馈把共模电压主动"摁"在低位。这个 1970 年代的老技巧至今仍是每颗脑电芯片的标配。
第二级：滤波与增益安排
放大链路的典型安排是两级：仪表放大器先给十至一百倍增益（高压摆率、低噪声），可编程增益级再补到总量一千倍上下。滤波穿插其中，各司其职。高通（零点一至零点五赫兹）吃掉直流偏移与呼吸漂移——注意它必须在增益放大到几百倍之前介入，否则几十毫伏的偏移乘上千倍增益直接把放大器推出线性区（饱和），信号全体趴在电源轨上。低通承担抗混叠：按奈奎斯特要求压在采样率一半以下，把高频噪声挡在折叠区外。陷波（五十或六十赫兹）定点清除工频及其谐波——但要留神，陷波器在工频附近挖的坑会伤及无辜的伽马段特征，能靠共模抑制和布线解决的，别依赖陷波。
图 3-2：从电极到数字序列的完整链路
第三级：模数转换的位深与采样率
转换环节的两个参数容易神化也容易轻视。位深：二十四位听起来夸张，但它的意义是让量化噪声彻底退出预算——有效位数受前端噪声限制，通常只有十几位，多出来的位是"保险"而非"精度"。采样率：头皮脑电每秒二百五十六至一千次即可覆盖到一百赫兹以上成分；皮层内尖峰记录需要每秒两万次以上，因为尖峰本身只有一毫秒宽、能量延伸到几千赫兹。采样率翻倍的代价是数据率与功耗翻倍——这个账在无线系统里是 3.3 节的主旋律。
把噪声预算算一遍
下面这段代码把前文所有数字串成一次可复算的预算。跑一遍它，你会发现一个反直觉的结论：多数头皮脑电系统里，最大的噪声源不是放大器，而是电极。
import math BAND = 40.0 # 感兴趣带宽：0.5 到 40 赫兹，近似 40 赫兹 k_B = 1.38e-23 # 玻尔兹曼常数 def thermal_noise_uv(r_ohm, bw_hz): """电阻热噪声有效值，单位微伏""" v = math.sqrt(4 * k_B * 300 * r_ohm * bw_hz) return v * 1e6 # 场景一：银氯化银湿电极，接触阻抗 5 千欧 wet = thermal_noise_uv(5e3, BAND) # 场景二：皮层内微电极，阻抗 500 千欧 micro = thermal_noise_uv(500e3, BAND) # 典型仪表放大器输入噪声约 8 纳伏每平方根赫兹 amp = 8e-9 * math.sqrt(BAND) * 1e6 signal_wet, signal_micro = 30.0, 300.0 # 典型信号幅度（微伏） print(f"湿电极热噪声 {wet:.2f} 微伏，信号 {signal_wet} 微伏，信噪比约 {signal_wet/wet:.1f}") print(f"微电极热噪声 {micro:.2f} 微伏，信号 {signal_micro} 微伏，信噪比约 {signal_micro/micro:.1f}") print(f"放大器输入噪声约 {amp:.3f} 微伏——三级里最小的一环") # 结论：湿电极系统里电极噪声仍远小于信号，可安心；微电极系统的热噪声 # 已与局部场电位同量级，必须靠"信号本身更大"来取胜。
这份账本的实际用途是反向诊断：如果某台设备底噪明显偏离预算值，问题多半在电极接触或屏蔽，而不是芯片——5.6 节的排错实录会把这套逻辑用进真实故障现场。
本节要点回顾
- 共模抑制与输入阻抗是前端第一指标：一百二十分贝与兆欧级输入是脑电前端的门槛；
- 高通先行防饱和：直流偏移必须在大增益之前被隔离，否则放大器直接趴窝；
- 陷波是最后的手段：它在清工频的同时伤及伽马特征，优先靠屏蔽与驱动参考解决；
- 位深买保险，采样率买带宽：二十四位让量化退出预算，采样率则与数据率功耗线性挂钩；
- 噪声预算要记账：电极、放大器、量化三环逐项算，最弱一环决定全链路。
集成度：从机柜到指甲盖
本节的原理在放大器时代就已定型，真正变化的是集成度的时间线——它决定了脑电设备能长成什么形态。第一代脑电放大器是机柜里的模拟电路板，十几公斤，患者躺在一个屏蔽室里；第二代是台式数字化设备，几十通道、工程团队专属；当代专用芯片把放大、滤波、模数转换、无线接口全部收进一枚指甲盖大小的封装，二十四通道、毫瓦级功耗，头环形态因此才成为可能。集成度每上一级，环境约束就换一套：台式设备防的是电网与地环路，可穿戴设备防的是运动伪迹与天线离体的失配——同样的前端原理，参数重心完全不同。给学习者的一条判断经验：看到任何"新一代脑电设备"，先问它的前端芯片属于哪一代集成度、电极接触用什么方案，形态创新的空间早被这两个决定框死——宣称超越物理约束的产品形态，多半在你看不见的地方降低了某项指标。这也是选型时"先拆机、再看广告"的道理。
信号已经变成干净的数字序列。下一节解决最后一步搬运：怎么让它穿过头皮和空气，到达计算机——顺带解决供电。