GAPses：面向舒适全干式 EEG 与 EOG 采集与并行超低功率处理的智能眼镜
信号处理
2025-12-16 v3 系统与控制
系统与控制
摘要
近期的头戴式可穿戴技术不断推动生物电信号测量领域的发展，但将这些技术集成到实用、用户友好的设备中仍面临设计侵入性、舒适性和数据隐私等挑战。为此，本文提出了 GAPses，一种面向无侵入、舒适且安全获取和处理脑电图 (EEG) 和眼动电图 (EOG) 信号的智能眼镜平台。我们引入直接电极-电子器件接口配合定制干式软电极，以提升长时间佩戴的舒适度。内置的并行超低功率 RISC-V 处理器 (GAP9，Greenwaves Technologies) 在边缘进行数据处理，从而消除通过无线连接持续数据传输的需求，增强隐私并提高在恶劣信道条件下的系统可靠性。我们通过多项 EEG 基于交互任务的验证，展示了所设计原型原型的广泛适用性，包括 α 波、稳态视觉诱发电位分析以及运动运动分类。此外，我们演示了基于 EEG 的生物识别主体识别任务，其中仅使用 8 个 EEG 电极即可实现灵敏度为 98.87%、特异度为 99.86% 的识别效果，边缘推理能耗仅为 121 μJ。在 EOG 基于眼动分类任务中，我们实现了对 11 类眼动的 96.68% 准确率，信息传输速率可达 94.78 bit/min；若降低准确率至 81.43%，则可进一步提升至 161.43 bit/min。该部署实现的能耗为每次推理仅 40 μJ，系统总功耗仅 12.4 mW，其中仅 1.61% 用于分类，允许使用小型 75 mAh 电池实现超过 22 小时的持续运行。
引用
@article{arxiv.2406.07903,
title = {GAPses: Versatile smart glasses for comfortable and fully-dry acquisition and parallel ultra-low-power processing of EEG and EOG},
author = {Sebastian Frey and Mattia Alberto Lucchini and Victor Kartsch and Thorir Mar Ingolfsson and Andrea Helga Bernardi and Michael Segessenmann and Jakub Osieleniec and Simone Benatti and Luca Benini and Andrea Cossettini},
journal= {arXiv preprint arXiv:2406.07903},
year = {2025}
}
备注
11 pages, 6 figures