硬件 | 低成本开源脑机接口硬件：为嵌入式测试打通实用化路径

脑机接口（BCI）作为人机交互领域的前沿技术，依托脑电图（EEG）实现大脑与外部设备的直接通信，在康复医疗、辅助设备等领域拥有广阔前景。当下轻量化边缘设备成为脑机接口落地的主流载体，但针对嵌入式设备的脑电算法验证一直存在明显短板。传统方案要么依赖价格高昂的专业脑电采集设备，要么仅依靠纯软件仿真，无法还原真实电路带来的噪声、信号失真等问题，严重制约了算法从实验室走向实际应用。西班牙萨拉戈萨大学的研究团队就此研发出名为DEEGMUX的开源硬件系统，为脑机接口算法的硬件在环测试提供了全新解决方案。

DEEGMUX整套脑电信号模拟与采集系统。左上角的数据采集设备生成复用脑电信号，该信号由左下角的脑电信号解复用板接收。解复用后的脑电信号通过扁平线缆接入位于右下角的脑电采集PCB上ADS1299芯片的正输入端。右上角的Analog Discovery 3设备为ADS1299提供定制时钟信号。©作者团队/HardwareX

系统设计

硬件组成与成本估算

这套DEEGMUX系统由两块定制印刷电路板（PCB）构成，整体硬件总成本仅145.80欧元，凭借高性价比与开源特性大幅降低了行业测试门槛。其中核心的EEG解复用（Demultiplexer）电路板造价34.04欧元，能够将一路时分复用的脑电信号拆解为8路并行输出；配套的脑电采集处理板成本为111.76欧元，搭载业界通用的ADS1299 24位高精度模数转换器，搭配Arduino Nano 33 BLE主控单元，可完成信号采集与轻量化神经网络运算。整套硬件采用模块化设计，通过级联电路还能拓展出更多采集通道，适配不同规模的电极阵列需求。（注：目前1欧元近8人民币）

硬件架构设计

在硬件架构设计上，研究团队充分结合了生物电信号的特性与嵌入式电路的运行逻辑。脑电信号幅值通常仅在±1毫伏区间，解复用板搭载采样保持电路、运算放大器与分压网络，先将信号进行电平转换与隔离，再精准衰减至标准脑电幅值范围，同时利用开关电容电压转换器生成正负供电电压，保障弱信号处理不失真。

EEG解复用板原理图。每个通道均配置有采样保持模块与信号适配模块。©作者团队/HardwareX

电路选用1N4148WS-G二极管、TL082运算放大器等元器件，兼顾高输入阻抗、低漏电与快速响应能力，有效应对微伏级生物电信号的传输要求，整套模拟链路最大程度还原了真实脑电采集环境。

EEG信号解复用电路板的引脚定义（左侧）及其三维效果图（右侧）。©作者团队/HardwareX

解复用输出端的采样保持电路及后续适配电路。其中N沟道MOSFET为英飞凌（Infineon）公司的IRF8714，二极管型号为1N4148WS-G，放大器为德州仪器（TI）公司的TL082。©作者团队/HardwareX

EEG采集与处理板的引脚定义（左侧）及三维效果图（右侧），该板搭载ADS1299模数转换器与Arduino Nano 33 BLE开发板。©作者团队/HardwareX

配套开源软件

为了实现全流程自动化测试，团队还搭建了完整的软硬件协同工作体系。系统以NI USB-6212数据采集卡生成多路复用脑电波形，配合时钟信号完成时序同步，再由解复用板与采集板完成信号流转。

这款Python驱动内置 live_plot 方法，可在上位机屏幕上实时展示 ADS1299 采集到的信号波形。为保障数据流处理快速且流畅，本功能使用了PyQtGraph Python程序库。©作者团队/HardwareX

项目全部设计文件、固件代码与上位机Python控制程序均对外开源，硬件遵循CERN-OHL-S-2.0协议，软件采用GNU GPL v3.0协议，设计者使用KiCad完成电路绘制，上位机脚本可实现信号生成、设备控制、数据可视化等功能，科研人员能够直接复用、修改设计，快速搭建专属测试平台。

DEEGMUX系统的所有设计文件均已公开存放于代码仓库：https://github.com/eneriz-daniel/eeg-emulator。

性能测试

硬件指标测试

研究团队基于国际通用的PhysioNet运动想象脑电数据集开展性能实测，用多项量化指标验证系统的信号保真能力。测试结果显示，该系统输出信号与原始数字数据的均方误差低至1.7×10^-10V²，平均绝对误差为(7.5±7.7) ×10^-6V，整体信噪比达到16分贝。这组数据证明，电路引入的噪声、信号畸变微乎其微，ADS1299模数转换器与前端模拟电路并未成为噪声主要来源，模拟传输链路完整保留了原始脑电信号的核心特征。

脑电信号采集示例。原始数据以蓝色显示，采集得到的数据以金色显示。©作者团队/HardwareX

运动想象分类验证

除了信号质量检测，团队还针对主流的脑电Net运动想象分类模型开展算法验证，将8位量化后的模型分别在原始数据集与DEEGMUX采集的模拟信号上运行。最终结果显示，两种测试环境下模型准确率差值仅为(-0.3±5)%，性能几乎没有衰减。这意味着硬件在环测试不会破坏脑电信号中用于分类的时空特征，基于仿真数据训练的算法，在该系统上的测试结果可以真实反映其在实际嵌入式设备中的运行表现，彻底解决了纯软件仿真与现实应用脱节的痛点。

低成本开源工具降低准入门槛

市面上现有的商用脑电模拟器仅能输出固定标准脑电波波形，无法复现真实受试者的实测数据；而各类脑电仿真软件只能生成数字信号，不能测试ADC前端、电路量化等硬件环节。DEEGMUX填补了这一空白，既可以回放公开数据集内任意真实脑电信号，又能完整模拟嵌入式采集系统的全部硬件特性。该系统不仅适用于运动想象类脑机接口测试，也可拓展至其他微弱生物电信号的硬件验证场景。

如今边缘端脑机接口正朝着小型化、低功耗、量产化方向发展，算法的反复迭代与可靠性测试是落地的关键环节。DEEGMUX凭借低成本、高保真、可复现、易拓展的特点，构建起一套标准化的硬件在环测试流程，让科研人员无需频繁使用专业人体脑电采集设备，就能完成算法调试与性能验证。

这套开源硬件有效缩短了研发周期，降低了试错成本，为脑机接口技术从仿真原型走向规模化实际应用筑牢了基础，也将助力全球科研团队加速挖掘脑机接口在医疗康复、智能交互等领域的应用潜力。

论文信息

标题：Reproducible testing for embedded BCIs: a demultiplexing PCB and acquisition system for EEG signal emulation

期刊：HardwareX

发表日期：2026/5/29在线发表

DOI：https://doi.org/10.1016/j.ohx.2026.e00800

作者团队：见下图