MAKALAH SEMINAR ELEKTRONIKA DAN INSTRUMENTASI
SURVEI BEBERAPA METODE DALAM SISTEM AKUISISI DATA
SINYAL EEG
Ega Felik Sudana
13 / 351321 / PA / 15643
Program Studi S1 Elektronika dan Instrumentasi
Departemen Ilmu Komputer dan Elektronika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Gadjah Mada
Yogyakarta
LEMBAR USULAN
MAKALAH SEMINAR ELEKTRONIKA DAN INSTRUMENTASI
SURVEI BEBERAPA METODE DALAM SISTEM AKUISISI DATA SINYAL EEG
Telah dipersiapkan dan disusun oleh
Ega Felik Sudana
13/351321/PA/15643
Telah disetujui
pada tanggal 26 Mei 2016
Dosen Pembimbing,
LEMBAR PENGESAHAN
MAKALAH SEMINAR ELEKTRONIKA DAN INSTRUMENTASI
SURVEI BEBERAPA METODE DALAM SISTEM AKUISISI DATA SINYAL EEG
Telah dipersiapkan dan disusun oleh
Ega Felik Sudana
13/351321/PA/15643
Telah didiseminasikan
pada tanggal
Dosen Pembimbing,
Catur Atmaji, S.Si.
NIP 112010042
Dosen Penguji,
Abstract— Data acquisition system in the processing of brain waves or Electroencephalography is a essential process in the operation of the EEG. Acquisition of data which related to processing of the wave is start from the recording process and releasing the results of signal processing. Research to be conducted at this time is related to how fast data retrieval can be done, how good recording results obtained, and how efficient the EEG created. In this paper itself will be discussed on a comparison of some of the paper that will generate the best data acquisition system of brain waves / EEG. This paper will a low power consumption channel model[1] with a very simple form with single-unit sensor[2] that use wireless system for transferring data.
Keywords—data acquisition system, Electroencephalography, low power consumption[1], single-unit sensor[2], wireless.
1. PENDAHULUAN
istem akuisisi data merupakan proses yang berkaitan dengan perekaman, amplifikasi dan pemrosesan data gelombang otak atau EEG. Hal ini sangat dibutuhkan dalam pemrosesan gelombang otak. Akusisi data merupakan ujung tombak dalam hal pengambilan data EEG (Electroencephalography) hal ini disebabkan karena ketika terjadi kesalahan dalam proses akuisisi data yang ditangkap maka sinyal digital yang dihasilkan tidak dapat diproses untuk kepentingan yang lainnya.
Saat ini banyak penelitian yang dilakukan untuk menghasilkan suatu sistem amplifikasi dan akuisisi data yang terbaik. Penelitian yang dilakukan menghasilkan beberapa hal seperti menghasilkan EEG dengan konsumsi daya yang rendah yaitu 262nW per channel -nya[1], atau menghasilkan EEG yang perekamanan datanya dilakukan dengan hanya sebuah sensor yang dimana channel-channel-nya berada didalam sensor tersebut[2]. Penelitian lainnya juga menyatakan tetang penggunaan komponen tambahan seperti front-end analog[1], atau Driving Right Leg circuit[3].
1Ega Felik Sudana adalah mahasiswa Program Studi Elektronika dan
Instrumentasi, Departemen Ilmu Komputer Elektronika, Fakultas MIPA, Universitas Gadjah Mada ([email protected])
2Catur Atmaji, S.Si. adalah staf pengajar Departement Ilmu Komputer
dan Elektronika, Fakultas MIPA, Universitas Gadjah Mada.
2. METODE PENELITIAN
Penelitian dilakukan dengan membandingkan penelitian–penelitian sebelumnya yang telah berhasil menciptakan suatu pembaharuan dalam sistem akuisisi data pada pemrosesan gelombang otak atau EEG.
2.1.
A 262nW Analog Front End with a
Digitally-Assisted Low Noise Amplifier for Batteryless
EEG Acquisition [1]
Paper ini menjelaskan tentang pembentukan amplifier yang rendah noise dan tanpa baterai, sedangkan untuk elektrodenya mengkonsumsi tenaga yang rendah yaitu 262nW per-channel-nya. Hal ini dapat dicapai karena menggunakan bahan atau material yang digunakan berupa Chopper-stabilization Amplifier yang didalamnya terdapat folded-cascode chopper amplifier.
Metode untuk Chopper-stabilization Amplifier sendiri diaplikasikan dengan menggunakan blocking capasitor dan feedback resistor yang dipasang sebelum chopper modulation. Chopper-stabilization ini digunakan untuk menghilangkan 1/f noise pada amplifier frekuensi rendah. Dengan memodulasikan sinyal inputan EEG menjadi frekuensi yang bernilai lebih tinggi dari bagian 1/f noise sebelum proses amplifikasi, noise akan jauh lebih mudah untuk diredam dengan sistem modulasi dan filter low pass. Berikut ini adalah gambar implementasi dari folded-cascode chopper amplifier dengan garis merah merupakan jalur digital feedback.
Gambar 1 Blok diagram dari akuisisi data sinyal EEG
Metode yang digunakan untuk mengecilkan atau mengurangi daya yang digunakan adalah dengan mengecilkan arus bias pada LNA (Low Noise Amplifier). Arus pada 1/f noise bersifat proporsional untuk arus bias, hal ini merupakan keunggulan tambahan dalam
Survei Beberapa Metode dalam Sistem Akuisisi
Data Sinyal EEG
Ega Felik Sudana1, Catur Atmaji, S.Si2
mengurangi pembangkitan signal 1/f noise. Karena nilai 1/f noise berkurang maka bandwidth dari chopper amplifier yang dibutuhkan juga berkurang.
Metode selanjutnya yang juga digunakan adalah dengan menggunakan kontrol filter digital yang dapat menghilangkan nilai offset yang dapat menghilangkan nilai ADC sebelum diamplifikasi ketika melewati data kritis dari EEG, tanpa ada penambahan komponen tahanan rendah sebelum proses amplifikasi (lihat gambar berikut Gambar 2).
Gambar 2 Blok diagram differential chopper-stabilized folded-cascode chopper amplifier dengan VOC pada M3/M4
Sebagai hasilnya kita mendapatkan filter yang sangat kuat dari pita frekuensi yang fleksibel yang didapat dari kontrol digital atas gelombang yang dibatalkan atau dihilangkan. Dengan mengisolasi pita frekuensi dari daya tarik atas suatu pengukuran, penguatan yang besar dapat digunakan kedalam AFE tanpa melemahkan sistem dengan sinyal aslinya.
Pada penelitian dihasilkan suatu model EEG yang mengimplementasikan front-end design yang menunjukkan referensi input noise-nya 1.77μVrms, nilai gain dari channel adalah 53-63 dB, nilai offset dapat diredam sebesar 35dB, besar tenaga yang digunakan 0.26μW, ratio CMRR sebesar 120 dB. Hasil ini dapat dibandingkan dengan hasil penelitian sebelumnya seperti pada tabel berikut ini.
2.2.
A wireless multichannel EEG recording
platform[8]
EEG yang dibentuk menggunakan elektode yang cukup banyak dan menggunakan sebanyak mungkin COTS (commercial off the shelf). Material yang digunakan yaitu MSP430 yaitu mikrokontroler dengan tenaga yang sangat rendah, hal ini bertujuan untuk mengontrol modul yang berbeda, serta digunakan juga Zarlink yaitu modul data link nirkabel dengan tenaga yang rendah.
ASIC CINESIC32 (Application Specific Integrated Component Circuit for Neuronal Signal Conversion) dikembangkan dengan dua tujuan utama yaitu konsumsi tenaga yang sangat rendah dan aman untuk pasien. Berikut ini adalah bentuk arsitektur dari CINESIC8.
Gambar 3 Arsitekur ASICCINESIC32
Setiap channel dihubungkan dengan kapasitor eksternal (1.5nF), bertujuan untuk meredam risiko atas kebocoran arus dalam keadaan normal, atau berada dalam kondisi normal dalam aplikasi medis. Channel analog terdiri dari low-noise amplifier yang diikuti dengan amplifier penguat tegangan dan low-pass filter. Konsumsi tenaga atas channelanalog ini adalah ~34μA. Aplikasi channel memiliki bandwidth yang berada pada nilai sekitar [0.5Hz; 300Hz] dan penguatan tegangan sebesar 60dB. Setiap data analog menjadi digital melalui 12-bit ADC (10.7 ENOB). Setiap channel-nya memiliki frekuensi sampling 1kHz per channel, dan chip CINESCIC8 didesain dengan teknologi CMOS 0.35μm.
Modul mikrokontroler MSP430F2618-EP digunakan karena memiliki karakteristik konsumsi tenaga yang rendah, modul ini adalah tatap muka komunikasi ganda. MSP430 mengontrol baik RF-link dan akuisisi data dari ASIC. 3 axis accelerometer juga dihubungkan dengan mikrokontroler.
~480 kbps untuk rate data effective dan untuk tujuan medis maka akan beroperasi pada pita 402 – 405 Mhz MICS (Medical Implantable Communications Service).
Metode yang digunakan pada paper ini yaitu untuk karakteristik noise digunakan cara mengatur semua input channel dari ASIC ke ground agar nilai referensi noise
Gambar 4 Spectral tenaga dimana elektrode diatur pada ground
Proses evaluasi data transmisi digunakan metode dengan menggunakan ECRINS board, dengan metode ini dapat dilihat bahwa kemungkinan dari transmisi 32 channel dengan resolusi 12-bit dimana pengambilan sampel pada 1kHz untuk setiap channelnya. Data efektif yang melalui sistem sebesar 400kbps sampai 450kbps dengan nilai toleransi kehilangan data yaitu 0.5%.
Sedangkan metode yang digunakan untuk pencatatan sinyal dengan CINESIC adalah dengan mentransmisikan sinyal EEG secara nirkabel. Perangkat yang digunakan yaitu dengan toolkit receptor dari Zarlink. Elektrode-elektrodenya sendiri dihubungkan satu sama lain dengan menggunakan kabel melalui free-rotating connector menuju ke AISC CINESIC8.
Penelitian ini juga menghasilkan suatu model platform WIBEEM (Wireless BCI EEG Electronics module), terdiri dari 32 channel EEG, konsumsi tenaga pada modul ini berkisar 25mA pada 3.3V. Blok diagram dari WIBEEM dapat dilihat pada gambar berikut ini.
Gambar 5 Arsitektur dari WIBEEM
Platform WIBEEM akan menawarkan antarmuka yang user-friendly yang memungkinkan pengaturan cepat dan mudah dari parameter akuisisi data seperti frekuensi sampling perangkat dan keuntungan dari masing-masing elektroda tergantung pada aktivitas bioelektrik yang diukur. Selain itu, semua data dari 32 channel dapat disimpan dapat dipanggil ulang dengan software WIBEEM atau dianalisis kemudian menggunakan software Spike2.
2.3.
A Feasibility Study on a Single-Unit Wireless
EEG Sensor[2]
Sistem EEG yang coba dibentuk adalah dengan mengkombinasikan elektrode, konektor elektrode dan penguat signal (amplifier) menjadi satu miniatur sensor dan dengan menghilangkan semua kabel konektor membuat EEG ini menjadi nirkabel atau wireless seperti pada gambar berikut.
Gambar 6 Model miniatur satu sensor
Gambar 7 Blok gambar sensor.
Data EEG diperoleh dengan membuat jaringan amplifier yang terdiri dari instrumentasi amplifier, amplifier penguat dan satu paket filter high-pass dan low-pass. Rekaman data dilakukan dengan menggunakan software LabVIEW 2010, dimana nilai sampling-nya sebesar 500Hz dengan resolusi 16-bit. Software ini dapat menampilkan data sinyal EEG yang terekam dengan real-time dan menyimpan data untuk pengolahan data lebih lanjut.
Pemilihan sinyal EEG difokuskan pada gelombang alpha dalam perekaman EEG dimana sinyal ini sangat dekat asosiasinya dengan keadaan waspada dan kesiagaan dari manusia. Gelombang alpha berada pada rentang 8-13 Hz. Pemrosesan data dilakukan dengan menggunakan jendela Hamming dengan sampel data 500Hz dalam waktu lima detik. Hal ini diimplementasikan pada setiap bagian. DFT (Discrete Fourier Transform) diaplikasikan pada setiap bagian jendela dengan zeros sehingga panjang data dari DFT adalah sebesar 4096. Dalam analisis data, digunakan sistem analisis ANOVA untuk melakukan pengujian terhadap hipotesis null yang diindikasikan ada pada setiap orientasi elektrodenya.
Penelitian menghasilkan suatu model EEG yang menggunakan empat buah elektrode yang ditempatkan pada lobus oksipital. Sistem amplifier yang digunakan dapat memperoleh dan mengamplifikasi sinyal dengan penguatan 7320 dan rasio common-mode rejection (CMRR) lebih dari 110dB. Dalam penelitian ini, dilakukan pengamatan sinyal EEG pada keadaan subjek beristirahat dengan mata terbuka. Kemudian, gelombang alpha diamati setelah subjek menutup mata. Berikut ini adalah hasil pengamatannya.
Gambar 8 Gelombang EEG ketika subjek membuka mara(diatas) dan ketika menutup mata (dibawah).
Gambar dibawah ini menunjukkan spektrum daya rata-rata lebih dari semua segmen data untuk enam bentuk koneksi elektrode. Dari angka ini, gelombang alpha dapat diamati dengan jelas berada pada frekuensi 8-13Hz.
2.4.
Design and Simulation of Cost Effective
Wireless EEG Acquisition System for Patient
Monitoring[9]
EEG didesain dengan menggunakan IR untuk sistem perekamannya. Sistem ini bisa diperbaharui dengan beberapa teknik komunikasi nirkabel. Dalam membentuk EEG ini digunakan elektrode basah untuk mendapatkan sinyal EEG. Kemudian sinyal ini diberikan kepada amplifier AD642 untuk diamplifikasi. Sinyal penguatan kemudian dilalui ke filter low-pass Butterworth dengan nilai frekuensi cutoff 45.12 Hz. Sinyal EEG sendiri mengandung data gelombang otak dibawah 100 Hz. Sinyal penting dari EEG yaitu alpha, beta, theta, gamma, dan mu berada pada range 45 Hz. Setiap sinyal frekuensi diatas frekuensi tersebut akan dihilangkan tanpa menghilangkan data informasi yang dibutuhkan. Sinyal dari output akan ditransmisikan dengan transmiter IR dan diterima dengan menggunakan receiver photodioda. Blok diagram dari akuisisi dan transmisi data dapat dilihat pada diagram (a) sedangkan blok diagram dari proses receiver dan kontrol unit dimana menunjukkan sistem patient monitor.
Gambar 10 Blok diagram
Pada penelitian ini digunakan simulasi untuk instrumentasi amplifier yaitu simulator Proteus 7.6, hasil simulasi dapat dilihat pada Gambar 11 , sedangkan untuk simulator industri digunakan SPICE3F5 yang dikombinasikan dengan simulator digital dengan kecepatan tinggi. Filter yang digunakan yaitu filter low-pass Butterworth orde 4. Filter Butterwoth digunakan karena kemampuannya meredam nilai response magnitude dari filter tersebut. Nilai atenuasi-nya berada pada nilai -3dB pada nilai frekuensi cutoff. Diluar nilai cutoff, nilai atenuasi-nya berada pada nilai -20dB. Filter lowpass Butterworth orde 4 ini dirancang untuk menghilangkan nilai frekeunsi tinggi yang tidak diinginkan.
Gambar 4 Hasil simulasi instrumentasi amplifier
Transmiter dan receiver yang digunakan dalam penelitian ini berbasis pada IR. Infrared digunakan karena radiasi sinyal elektromagnetiknya memiliki gelombang yang lebih panjang dibandingkan dengan gelombang tampak lainnya. Nilai gelombangnya berkisar pada nilai 430 THz menuju 300 GHz. Berikut ini adalah gambaran sirkuit atau rangkaian dari transmiter dan receiver yang digunakan.
Gambar 11 Sirkuit transmitter dan reciever
2.5.
EEG Acquisition System based on Active
Electrodes with Common-Mode Interference
Suppression by Driving Right Leg Circuit
[3]Paper ini memaparkan tentang implementasi yang fleksibel dari sistem yang dibentuk dengan menggunakan Driving Right Leg (DgRL), dimana common mode interference VCM dideteksi dengan reference elektrode (REF) dan dialirkan ke tegangan VR. Skemanya dapat dilihat pada gambar berikut ini.
Tahap single-ended akan berperan sebagai differential dan akan memicu sedikit common mode sebagai input, akan meredam interferensi secara otomatis dan mengecilkan nilai maksimum dan akurasi amplifikasi pada tahap penguatan (gain). Nilai dari pembagi potensial pada input akan diredam karena nilai impedansi input dari amplifier akan langsung dimasukkan ke sinyal referensi.
Sistem yang dibentuk mendeskripsikan tentang implementasi pertama sirkuit DgRL kedalam elektrode aktif, hal ini menunjukkan level dari CMR yang dapat diterima, cukup untuk EEG mendapat sinyal masukan atau input-an yang bagus, dimana network inteference diredam. Paper ini mengambil 8 channel untuk ADC, hal ini diambil untuk meminimalkan jumlah kabel yang berada diantara kepala dan back-end, menyederhanakan koneksi dan membuat sistem lebih tersusun rapat ringan dan mudah untuk digunakan.
Proses amplifikasi sinyal EEG dilakukan dengan menggunakan operational amplifier yang hemat tenaga dan rendah noise. Resistor pelindung digunakan untuk membatasi arus bantu pasien pada kesalahan sistem. Operational Amplifier yang digunakan yaitu OPA378 yang memiliki arus diam 125 μA dan noise yang rendah arus dan tegangan, serta tanpa ada peningkatan yang signifikan pada frekuensi rendah. Sumber tegangan dari O.A. berasal dari sinyal output dari tahap amplifikasi. Output bias oleh tahap berikutnya yang memerlukan resistor 6,8 kΩ dan sumber tegangan 3,5 V. Output dari tahap amplifikasi dapat berada diantara 2V sampai 2,4V pada tahap konversi A/D. Tahap amplifikasi dikonfigurasi untuk penguataan sinyal DC sebesar 1,12 dan penguatan AC di bandwidth sinyal EEG (0,5 untuk 100 Hz) sekitar 45, yang cukup untuk meredam noise input dari tahap konversi A/D 16-bit. Sinyal input maksimum ± 100 μV, input DC berada pada rentang tegangan 1.96 V ± 174 mV
Konversi Analog/Digital didasarkan pada 8-channel dengan daya rendah, 16-bit analog front-end untuk pengukuran biopotential (ADS1198 dari Texas Instruments). Berat yang ringan (≈ 2gr/m) kabel koaksial dengan diameter 1mm menghubungkan elektrode aktif ke bagian ADC. Sinyal elektrode yang low-pass ditapis oleh filter pasif RC dengan bandwidth 16 kHz dan dikirim ke input non-inverting dari ADC. Sebuah pita-kabel standar 6-core (panjang variabel antara 2 dan 120 cm) menghubungkan papan ADC ke back-end, membawa power supply dan ground, ditambah empat sinyal digital untuk transfer data SPI.
Sirkuit Driving Right Leg memiliki sebuah ground yang terisolasi dan terpisah dan power supply dari seluruh sistem yang berdasarkan pada dua elektrode
(REF dan GND). REF adalah elektrode aktif dengan kesatuan gain yang dapat mendeteksi tegangan referensi dan terhubung ke tegangan referensi yang menjaga perbedaan potensial (VR -VG1) ke nilai tetap, memaksa VG1 dan semua tegangan tetap mengikuti potensial pada elektrode REF. Elektrode ground (GND) memperbaiki potensi subjek sehubungan dengan ground G2 yang terisolasi untuk menghindari kejenuhan OAR. Resistor perlindungan digunakan untuk membatasi arus tambahan pasien saat dalam kasus kesalahan sistem. Karena impedansi keluaran yang terbatas, potensi pada subjek akan berisi gangguan residual dari induk (sehubungan dengan G2 tanah terisolasi). Kedua OAR dan OAG yang digunakan adalah OPA378 yang berasal dari Texas Instruments.
Penelitian menghasilkan karakteristik elektrik berupa hubungan antara posisi ADC yang menentukan tingkat besarnya noise, dimana posisi paling ideal yaitu berada mendekati elektrode. Dengan posisi ini, sistem menunjukan bahwa noise akan naik pada level 1.3 μVRMS. Berikut ini adalah hasil evaluasi kinerja dari CMR.
Gambar 13 Pengaturan (atas) dan hasil analisis kinerja CMR
Nilai maksimum dari residual common mode interference berkisar pada 150 μV, nilai ini 6 kali lebih kecil dari batas atas yang ditetapkan oleh standar. Adapaun konsumsi arus yang digunakan per bagian yaitu : Amplifier 190 μA per channel, ADC 200 μA per channel, Back-end 4 mA, dan DgRL < 1 mA. Common mode interference dari listrik (50 Hz) telah diukur dan memiliki nilai 2,5 mVRMS untuk elektrode basah dan 5.2
mVRMS untuk elektrode kering. Berkat DgRL, common
mode inteference pada output dari sistem akuisisi berkurang menjadi kurang dari 1 μVRMS dan 1,8 μVRMS
3. HASIL DAN PEMBAHASAN
3.1.
Jumlah dan Jenis Elektrode
Proses akuisisi data dimulai dari elektrode yang di pasang. Semakin banyak jumlah elektrode yang dipasang maka semakin bagus hasil yang didapatkan tetapi akan mengganggu kenyamanan dari pengguna EEG itu sendiri. Dari paper yang telah dilakukan penelitian maka jika merujuk pada kebutuhan jumlah elektrode yang terpasang paling sedikit yaitu 4 buah elektrode. Hal ini paling ideal karena sinyal yang ingin diambil berupa gelombang alpha, ini merupakan hasil dari paper ketiga pada paper pertama tidak dijelaskan tentang jumlah elektrodenya begitu juga pada paper keempat, sedangkan pada paper kelima menyatakan penggunaan delapan buah elektrode dan paper kedua, 32 elektrode. Jenis elektrode yang digunakan adalah jenis elektrode kering seperti yang dipaparkan pada paper tiga, empat, dan lima, sedangkan pada paper pertama dan kedua tidak membahas tentang jenis elektrode. Elektrode yang digunakan juga sebaiknya bersifat nirkabel sehingga menggurangi ketidak-nyamanan dari pengguna, baik paper pertama, kedua, ketiga dan keempat sudah menerapkan sistem nirkabel pada elektodenya.
3.2.
Pemrosesan Data Gelombang Otak
Pada proses filtering, paper pertama memiliki proses filtering yang baik, jika ditinjau dari konsumsi daya. Dengan menggunakan metode chopper-stabilized folded-cascode chopper amplifier dengan VOC didapat penggunaan daya hanya 0.26μW per channel-nya sedangkan referensi input noise-nya 1.77μVRMS, dan
nilai gain dari channel adalah 53-63 dB. Pada paper kedua mengkonsumsi lebih banyak tenaga yaitu 82,5mW dengan noise-nya 725nVRMS dan gain sebesar
60dB,aplikasi channel memiliki bandwidth yang berada pada nilai sekitar [0.5Hz; 300Hz]. Paper ketiga tidak menjelaskan tentang daya yang digunakan dan hanya menjelaskan nilai common-mode rejction ratio (CMRR)
sebesar 110dB sedangkan pada paper pertama nilainya lebih besar yaitu pada nilai 120dB. Paper keempat karena hanya sebatas simulasi maka tidak membahas tentang besaran nilai yang dihasilkan. Paper kelima dengan menggunakan metode penempatan ADC mendekati elektrode dapat menghasilkan nilai input noise-nya 1.3 μVRMS. Pada paper ini juga, dengan
menggunakan DgRL nila common mode inteference pada output dari sistem akuisisi berkurang menjadi kurang dari 1 μVRMS dan 1,8 μVRMS. Adapun konsumsi
arus yang digunakan per bagian yaitu : Amplifier190 μA per channel, ADC 200 μA per channel, Back-end 4 mA, sangatlah kecil. Sedangkan sinyal noise biasanya jauh lebih besar dari sinyal gelombang otak, atas dasar itulah maka pada setiap paper masing-masing menggunakan dengan jenis filter lowpass. Pada paper keempat dijelaskan penggunaan filter lowpass Butterworth orde 4, filter ini dipilih karena kemampuannya meredam nilai respons magnitude dari filter tersebut.
4. KESIMPULAN
Penelitian yang dilakukan mencakup tentang proses akuisisi data yang digunakan pada gelombang otak atau EEG. Metode yang digunakan banyak mengacu pada penghematan tenaga serta kesederhanaan dalam penggunaan EEG itu sendiri. Dari hasil penelitian diatas, kita dapat membentuk suatu model EEG yang mencakup semua keunggulan dari masing–masing penelitian tersebut. Kita dapat membentuk suatu EEG dalam bentuk hanya sebuah sensor[2] dimana pengambilan data dilakukan secara nirkabel[8]. Sistem ini juga menggunakan metode IR dalam proses transmiter dan receiver data[9], dilakukan juga pengaplikasian metode Chopper-stabilization Amplifier yang didalamnya terdapat folded-cascode chopper amplifier, yang Jumlah Elektrode Jenis Elektrode Sistem Transfer Data Konsumsi Daya Referensi input noise-nya
Paper 1 - - Nirkabel 0.26μW 1.77μVRMS
Paper 2 32 buah - Nirkabel 82,5mW 725nVRMS
Paper 3 4 buah Kering Nirkabel - -
Paper 4 - Basah Nirkabel - -
bertujuan untuk menekan konsumsi tenaga dari channel yang digunakan sampai 262nW[1]. Pengecilan arus bias pada LNA (Low Noise Amplifier) juga dilakukan untuk mengecilkan atau mengurangi daya yang digunakan[1]. Penempatan ADC dilakukan mendekati posisi elektrode sehingga dapat menghasilkan nilai input noise-nya 1.3μVRMS[3]. Proses filtering dapat dilakukan dengan
menggunakan filter lowpass Butterworth orde 4[9]. Sistem DgRL[3] juga digunakan agar common mode inteference pada output dari sistem akuisisi berkurang menjadi kurang dari 1μVRMS dan 1,8μVRMS
masing-masing (dengan penurunan lebih dari 70 dB) dan tidak mempengaruhi kualitas sinyal[3].
DAFTARPUSTAKA
[1] Pavan Bhargava, W. David Hairston, Robert M. Proie., “A 262nW Analog Front End with a Digitally-Assisted Low Noise Amplifier for Batteryless EEG Acquisition”, Subthreshold Microelectronics Technology Unified Conference (S3S) 2014, IEEE. Millbrae, CA. 2014 [2] Bo Luan, Wenyan Jia, Parthasarathy D. Thirumala, Jeffrey Balzer, Di
Gao, Mingui Sun., “A Feasibility Study on a Single-Unit Wireless EEG
Sensor”, 2014 12th International Conference on Signal Processing
(ICSP), IEEE. Hangzhou. 2014.
[3] Marco Guermandi, Alessandro Bigucci, Eleonora Franchi Scarselli, Roberto Guerrieri., “EEG Acquisition System based on Active Electrodes with Common-Mode Interference Suppression by Driving Right Leg Circuit”, 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), IEEE. Milan. 2015.
[4] Harrison, R.R., "A low-power, low-noise CMOS amplifier for neural recording applications," Circuits and Systems, 2002. ISCAS 2002. IEEE International Symposium on , vol.5, no., pp.V-197,V-200 vol.5, 2002 [5] Fan Zhang; Mishra, A; Richardson, AG.; Otis, B., "A Low-Power
ECoG/EEG Processing IC With Integrated Multiband Energy Extractor," Circuits and Systems I: Regular Papers, IEEE Transactions on , vol.58, no.9, pp.2069,2082, Sept. 2011
[6] Verma, N, et Al. "A Micro-Power EEG Acquisition SoC With Integrated Feature Extraction Processor for a Chronic Seizure Detection System," Solid-State Circuits, IEEE Journal of , vol.45, no.4, pp.804,816, April 2010
[7] Denison, T.; Consoer, K.; Santa, W.; Avestruz, A-T.; Cooley, J.; Kelly, A, "A 2 μW 100 nV/rtHz Chopper-Stabilized Instrumentation Amplifier for Chronic Measurement of Neural Field Potentials," Solid-State Circuits, IEEE Journal of , vol.42, no.12, pp.2934,2945, Dec. 2007
[8] S. Filipe, G. Charvet, M. Foerster, J. Porcherot, J.F. Bêche, S. Bonnet, P. Audebert, G. Régis, B. Zongo, S. Robinet, C. Condemine, C. Mestais, R. Guillemaud, “A wireless multichannel EEG recording platform”, 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, IEEE. Boston, MA. 2011.
