中心研究 | 生理信号发生器技术研究综述__财经头条_

作者简介

秦冬至

电信科学技术研究院硕士研究生在读，主要从事仪器系统设计、控制算法优化以及嵌入式系统开发等方面的研究工作。

梁栗炎

中国信息通信研究院知识产权与创新发展中心工程师，主要从事脑机接口、生物医学信号处理等方面的研究工作。

张倩

通讯作者。中国信息通信研究院知识产权与创新发展中心高级工程师，主要从事知识产权、脑机接口、未来产业等方面的研究工作。

论文引用格式：

秦冬至, 梁栗炎, 张倩. 生理信号发生器技术研究综述[J]. 信息通信技术与政策, 2025, 51(3): 36-43.

生理信号发生器技术研究综述

秦冬至1 梁栗炎2 张倩2

（1.电信科学技术研究院，北京 100191；

2.中国信息通信研究院知识产权与创新发展中心，北京 100191）

摘要：随着科学技术的发展，越来越多的生理信号分析设备投入医疗应用，可有效提升人民生活健康水平。医疗设备的评估和测试验证面临技术复杂度高、周期长等挑战。因此，生理信号发生器近年成为研究与开发热点，该设备面向生理信号分析设备的功能性能测试与校准，具有极高的应用价值。目前缺少对生理信号模拟器从原理到技术方案的总结，且不同生理信号之间具有较大的差异性，为此首先系统阐述了生理信号的特征、生理信号模拟器的架构及其子模块原理；进而对比分析了主流信号发生器的设计方案与应用场景；最终系统性梳理了现有生理信号模拟器的实现方案及其创新点，旨在为生理信号模拟器的研发与应用提供一定参考。

关键词：生理信号；信号发生器；测试

0 引言

进入21世纪，研究者们对解析人体产生的复杂电生理信号的兴趣和需求不断上升，这些信号作为生物系统功能状态的指标，其成功解读对于发展适应性疗法至关重要。这些疗法能够为相关患者提供精确且个性化的治疗计划，例如在植入式心律转复除颤器和心脏起搏器的应用[1]中，科学家们能够利用采集到的心电图（Electrocardiogram，ECG）和基于加速度计的活动信号，提供适当的反电击和规律的电刺激来恢复心脏的正常节律。此外，深部脑电极和皮层电图（Electrocorticogram， ECoG）测量的局部场电位在适应性深部脑刺激治疗中发挥着关键作用[2]，为癫痫患者带来了新的希望。目前，科研人员还致力于研究这些神经调控技术在治疗强迫症、抑郁症等精神障碍方面的潜在应用，以期为这些疾病的治疗开辟新途径。

为了进行生物医学设备的测试，可以使用各种工具来生成模拟信号，包括实验室常用的函数发生器[3]、任意波形发生器[4]，以及市场上专门用于模拟生物信号的模拟器或“患者模拟器”[5]。这些工具各有特点：通用实验室设备通常针对的是通道数较少且信号幅度在毫伏（mV）级别的通用信号，这一特性使得设备在信号的再现能力上有一定的限制。

虽然生物样本是有效的研究工具，但它们成本高昂，并且可能会阻碍新设计的快速迭代和早期创新。有学者提出了一种将生物系统和设备固件建模在一起的完全计算方法[6]，允许对所有系统参数进行快速测试和编程控制。该方法提供了一个强大的平台，但依赖于模型的准确性来预测现实生活中的行为。因此，在对闭环设备或算法进行测试中，使真实信号以可重复和受控的方式呈现是开发过程中不可或缺的一部分，其对新疗法的安全性和有效性也是至关重要的。

生理信号发生器是一种能够生成模拟生理电信号的设备，用于测试和校准医疗设备。这些发生器可以生成各种生理信号，如ECG、脑电图（Electroencephalogram， EEG）和肌电图（Electromyogram， EMG），以验证医疗设备的性能和准确性。生理信号发生器的开发对于推动医疗设备技术的进步至关重要，因为它们提供了一种可控且可重复的方式来测试设备，而无需依赖真实的生物组织。

1 生理信号发生器实现原理

1.1 生理信号特征

生理信号通常是通过将电极与组织接触来观察的，根据信号的来源、与电极的接近程度、电极几何形状（即尺寸、形状）和生物形貌的不同，测量信号的特征会有所不同。对于非侵入式和侵入式两种应用将观察到截然不同的信号，并且各自均具有一系列的挑战，例如带内干扰、电极非理想性等，这些都将最终影响信噪比（Signal to Noise Ratio， SNR）。因此，描述信号特性的两个关键参数是信号幅值（电压）和带宽（频率分布范围），如图1示，生理电信号普遍具有微弱幅值（μV至mV级）和极低频段的特性。由于噪声的影响，使得信号发生器的设计具有挑战性，任何模拟生理信号的系统都必须具有非常高的动态范围，同时保持低噪底（具有较高的SNR）。此外，为了恢复感兴趣的生物信号，任何生物电位模拟器也应具有产生多通道信号的能力，进一步增加了系统的复杂性。

图1 生理信号特征

1.2 系统架构

考虑到人机交互的便捷性，需要配置电脑端的交互界面，从而将相应数据文件输入至仪表。由于生理电信号种类繁多，常见的有EEG、EMG、ECG、眼电（Electrooculogram，EOG），且采集这些数据的设备型号不同，保存成的数据格式也不同。常见的生物电信号可以保存为mat、edf、dat等格式，系统需支持将常见数据文件格式转换为仪表可读数据格式。信号发生器对时序控制的精度和速度要求较高，需要精确的时序信号来实时地控制多通道模拟输出信号，如果时序信号不准确，可能导致信号失真或者同步异常，造成信号识别异常。所以选择的主控芯片需要在保证高精度低延迟的情况下能够同时处理多组任务，确保输出信号的同步性。一方面，生物电信号的幅频特性和常见仪器的规则周期信号不同，其具有强烈的非线性和混沌特性，为了更好地观察输出波形的细节，需要信号模拟器具备正弦波、锯齿波等标准信号输出功能，且要求具有较低的失真率。

为了能够满足上述要求，生理信号模拟器常见的架构如图2所示。上位机软件将生理信号文件转换为系统可识别的文件，通过传输协议发送给主控部分并进行掉电存储。由于信号输出速率和主控读取文件的速率不一致，需要在随机存取存储器上实现双缓冲队列作为桥接，将数据根据各通道的时序要求从RAM发送到数字模拟转换器（Digital to Analog Converter， DAC）的控制总线上。由于生理信号幅值较为微弱，DAC输出的模拟信号需要经过衰减器将输出的信号限制在合理范围内，进一步通过运放和滤波电路提升信号驱动能力并消除特定频率的噪声干扰。为了防止周围存在开关电源的高频切换在空间中产生的电磁辐射对于输出信号的干扰，需要使用屏蔽线缆传输至待测设备。

图2 信号模拟器实现架构

2 各模块技术原理

2.1 主控部分

对于生理信号模拟器而言，不论是使用软件间接实现还是使用专用硬件，关键点是能否实现直接频率合成（Direct Digital Synthesizer， DDS）技术。如图3所示，DDS是从相位概念出发，直接合成所需频率信号的数字合成技术，能够提供很高的频率分辨率。相位作为信号的一种属性，用以度量信号波形的变化，反映每一时刻信号的状态。DDS算法一般在现场可编程门阵列[7]（Field Programmable Gate Array， FPGA）或应用特定集成电路（Application Specific Integrated Circuit， ASIC）上实现，对于个别系统所需频率较低的情况，也能够在微控制器上实现。基于DDS技术的专用ASIC芯片，其频率分辨率可高达吉赫兹，相位分辨率也很高，这是使用间接合成技术和直接模拟合成技术很难做到的。

图3 DDS实现原理

对于市面常见的主控，嵌入式微处理器[8]性能强但需外部组件，嵌入式微控制器集成度高、成本低且功耗低，数字信号处理器（Digital Signal Processor， DSP）运算快，适合处理数字信号处理算法，FPGA灵活度高，适合原型开发和高要求场景。其中FPGA因为其硬件特性，相比于微处理器或DSP，在处理速度和响应时间上具有优势，这对于需要快速响应的信号发生器应用尤为重要。FPGA无法像基于精简指令集机器（Advanced RISC Machine， ARM）的嵌入式处理器那样可以方便地调用成熟的接口和协议库，根据使用场景和性能要求选用。

2.2 数模混合部分

DAC的电压基准参考源是数模混合部分中的重要元件，其精度和稳定性直接影响了数模转换的准确性。如果电压基准参考源不稳定或精度不高，将会引入误差并影响转换结果的准确性。电压基准参考源的温度漂移不可避免会导致系统在不同温度下输出的电压发生变化，其产生的噪声会传播到整个数模转换电路中，影响系统的信噪比。

数模转化芯片是生理信号发生器的核心，数模转化芯片的选型决定了该信号发生系统的性能。数模转换器电路的基本功能是将离散的数字信号转化为连续的模拟信号，其基本原理是将数字信号进行二进制解码，根据解码结果输出对应的模拟信号。

为了保证脑机交互信号发生器各信号输出动态范围，需要使用衰减器来调节信号的幅度和功率，且能够有效降低数模转换模组的最低有效位（Least Significant Bit， LSB）积分非线性对控制精度的影响。常见的衰减器类型包括固定衰减器和可变衰减器。固定衰减器具有固定的衰减值，通常由电阻网络组成。

3 主控实现方案

如上文所述，根据不同的应用场景所需要的性能要求，可选用不同的主控方案，对于微控制器，主要包括在开源社区活跃和集成度高的Arduino系列与具备更高性能和多样化的ARM。其他方案还有德州仪器的DSP主控系列和以赛灵思及英特尔为主流的FPGA等。前人的设计对这几种主控均有涉及，王东锋[9]等基于主控芯片为AT89S51设计了一款0~100 mV精密电压源，该系统采用AD5422、LTC1865实现闭环反馈控制，输出信号偏移量小于0.02 mV，最大驱动电流20 mA，成本和体积显著降低。Sun[10]等基于AD760和C8051F310微控制器设计了一款任意波形发生器。通过时域失真计算评估波形总失真，并补偿测量系统的影响，实现了精确测量和校准。王佳荣[11]设计了一款以STM32为控制单元，AD9854为核心的信号发生器。通过Python工具实现电脑与主控通信，由于采用低通滤波和多级放大电路优化信号，该系统精度高，稳定性好，满足性能指标。

袁雪尧[12]采用TMS320F2812和DAC等器件设计了一种基于心电信号动力学模型的全数字信号发生器，通过外部按键输入，改变参数生成不同心电信号波形，显示于上位机并经MATLAB验证。Ren[13]等基于FPGA的IP核和DDS技术设计了一种任意波形信号发生器，采用英特尔Cyclone IV系列的EP4CE6F17C8N芯片作为核心，利用C#实现软件控制。该发生器具备单周期波形（256个采样点）、高精度和高纯度特点，经七阶巴特沃斯滤波器处理后，输出波形表现出色。2019年，Xiao[14]等提出一种复杂任意波形发生器设计，将波形合成逻辑解耦为指令控制器，并基于赛灵思的FPGA（XC7K325T）和MAX19693硬件平台实现，该系统可生成由可重复段和高级段组成的复杂任意波形，其采样率高达4 Gbit/s。Liu[15]等为了提高任意波形发生器输出带宽，以突破存储器和FPGA的运行速度限制，设计了一种采用多存储器并行DDS结构的任意波形发生器。该任意波形发生器具有四通道，提供240 MHz的带宽，配备1 600万采样点的存储深度[15]。

4 生理信号发生器研究现状

任意信号发生器被广泛用于为医疗器械、通信系统等领域的待测设备产生信号激励。对于医学领域，由于其待测信号的模态不同，除了通用的生理信号模拟发生器外，又可进一步细分脑电信号、心电信号、脉搏信号、多模态电生理信号等测试领域，其数模混合电路部分的性能要求更为苛刻。

4.1 专用信号发生器

何乐生[16]提出了一种用DDS算法合成心率连续可变的多导联心电信号的方法，并在嵌入式实时操作系统uC/OS-II上用软件实现了该方法。证明了用软件实现DDS算法产生心电信号的可行性，并根据DDS算法思想给出了一种查找表长度调整的方法。吴玉娟[17]等设计了一款基于EFM32LG332F64超低功耗单片机的心电信号发生器，利用内置DAC模拟波形，通过模拟开关电路控制导联切换，为心电研究与医疗仪器开发提供便捷工具。Martinek[18]等基于LabVIEW平台设计了一款多通道胎儿心电信号发生器，该设备可设定许多参数，包括胎儿心率、母亲心率、胎龄、胎儿心电图干扰（生物技术工件）以及其他胎儿心电图信号特征。

任晓林[19]基于睡眠中慢波振荡促进记忆巩固的机制，研制出一款脑电信号反馈的多模式记忆巩固刺激设备。该设备采集八通道脑电信号，经上位机处理判断慢波睡眠后，触发经颅电刺激或迷走神经刺激，通过粉红噪声发生器促进睡眠，实现闭环采集与刺激一体化。

Wang[20]等基于EP1C12Q240C8N和DAC7513设计了一种基于Windkessel模型的脉搏波生成器，用于定量评估脉搏波分析设备。该模型可描述脉搏波特征，具有可调节的生理参数，能模拟心血管系统不同状态的波形，且可添加不同类型噪声。

4.2 通用生理信号发生器

Rajat[21]等基于ATmega2560微控制器设计了一种低成本、紧凑、无线、16通道生物电势数据采集系统，同时集成电刺激器。该刺激器采用梯形、电荷平衡、双相输出设计，避免了可能会让患者感到不舒服的突然刺激。Florian[22]等基于ASIC和FPGA设计了一种可传递任意波形的电刺激器，解决传统双相刺激波形无法实现选择性刺激的问题。该系统可产生高达1.2 MHz频率、电压幅值从-17.9 V到+18.3 V的可编程波形[22]，兼容非传统刺激策略，支持高频阻断刺激等范式，可用于测试非常规波形并生成植入式刺激器的概念验证数据。

2018年，Dorian[23]等设计了一个用于模拟生物电位信号（如ECG、EEG）、多通道、超低噪声的信号产生平台。系统由树莓派3、AGLN250 IGLOO Nano FPGA板卡、两片16通道24位DAC（ADAU1966A）及后级衰减缓冲电路组成，实现数字数据到高性能模拟输出的转换。2021年，Powell[24]等利用U-DAC8音频套件构建生物信号波形发生器，称为NeuroDAC。该设备基于24位高分辨率AK4440芯片组，配备定制衰减和LT1007运算放大器缓冲电路，实现8个独立生物信号回放通道。它可从Windows主机传输预记录生物信号，用于评估系统，避免昂贵的体内实验。2024年，胡碧荣[25]团队基于STM32G473主控和AD5542芯片，研发脑电信号模拟系统，通过同相放大与衰减电路生成±10V信号，采用锂电池独立供电及FRAM存储蓝牙传输数据。配套上位机软件验证标准波形及真实脑电信号精度，满足脑机接口硬件检测需求。

除了科研级生理信号模拟器，企业级生理信号模拟器也进一步发展。2021年，鲸扬科技依据最新的EEG国际法规标准所设计的EEG脑电测试仪SEEG-100系列宣称可输出达1 μV 微小信号[26]，可作为EEG信号播放器，播放EDF、text、binary格式的波形信号。福禄克的ProSim 8/8P生命体征模拟仪[27]能使用户在几分钟之内进行大多数预防性维护测试，可测试心电图（包括胎儿心电图与心律失常）、呼吸、体温、有创血压、心输出量/心导管、无创血压及血氧饱和度，并能模拟Rainbow多波长波形。

4.3 系统评估和改进

为了全面评估生理信号发生器系统的性能，需要深入探究系统噪声特性、输出线性、频率响应等技术指标验证重建生物信号的能力。基于系统的信号组成结构，可以通过调整信号模型、优化DAC选型以及改进衰减器网络结构来实现系统的性能提升。在此基础上，众多研究人员致力于探索提升系统性能的有效途径。

Apuzzo[28]等提出了一种用于分析DAC产生波形的新模型，克服了离散仿真方法的局限性，能够描述受水平量化、时钟调制、垂直量化和积分非线性影响的实际DAC的功能。他们通过设计测试平台，分析了模型的可靠性，扩展了模型以包含其他非理想特性，并利用该模型来校准参考发生器。Justin[29]介绍了ADI公司用以表征DAC性能的测试方法和测试系统DPG2，该系统涵盖直流测试与交流测试两大部分：静态测试包括线性度、积分非线性误差、微分非线性误差、温度漂移等指标；动态测试则涉及杂散动态范围、总谐波失真、噪声频谱密度、串扰以及滚降系数等指标。Kester[30]详细阐述了DAC交流测试的测试方法，以及所用示波器和频谱分析仪的带宽和过载敏感性对测试结果准确性的影响趋势。可以借鉴这些DAC测试方法来选择适用于生理信号的DAC芯片，进一步提升系统的性能。

在电压基准参考源部分，罗军[31]等使用噪声功率谱密度方法对电压基准参考源噪声进行测试，结果表明，采用电池供电的噪声谱密度相比直流电源供电方式要低2个数量级，电池供电的方法由于从源头对噪声进行了抑制，适用于高精度的基准参考源应用场景。Haci[23]与Powell[24]基于内置电池电源的低噪声架构在10 Hz~1 kHz频段内分别取得了0.45 μV和5.35 μV的噪声指标，从工程实践层面印证了电源噪声源头抑制策略的有效性，为电池供电方案在高精度基准源中的应用提供了跨团队验证。梁国杰[32]等在衰减器设计研究中指出，当输入信号偏离标准直流特性时，交流分压电路需综合考量电阻阻抗与分布电容、寄生电感等寄生参数的影响。针对低频微伏级信号衰减系统，传统多级∏型衰减网络存在显著局限性，宜采用增强单级衰减比、优化级联结构的设计方案。在电磁兼容处理方面，铝制屏蔽腔体可有效抑制场干扰，同时需确保屏蔽壳体与系统接地端形成低阻抗连接。

5 结束语

生理信号模拟器作为医疗设备研发与测试的核心工具，通过精确复现ECG、EEG、EMG等生理电信号，为医疗仪器的校准、算法验证及闭环系统测试提供了可控且可重复的实验环境。本文系统梳理了生理信号模拟器的技术原理、架构设计及实现方案，并对比分析了前人不同主控方案与数模混合电路的重要技术。研究显示，基于DDS技术的信号合成方法在频率分辨率和相位控制上具有显著优势，而FPGA凭借其并行处理能力和低延迟特性，已成为高性能多通道模拟器的主流选择。此外，通过集成高精度DAC、低噪声运放及智能滤波算法，现代模拟器已能生成微伏级信号并实现复杂生理波形的动态调制，显著提升了测试效率与设备可靠性。然而，现有技术仍面临多通道同步精度不足、模型依赖性强、成本与功耗较高等挑战，尤其在模拟非线性生物信号时，仍需进一步优化算法与硬件架构。

A review of technical research on physiological signal generators

QIN Dongzhi1, LIANG Liyan2, ZHANG Qian2

（1. China Academy of Telecommunications Technology, Beijing 100191, China；

2. Intellectual Property and Innovation Development Center, China Academy of Information and Communications Technology, Beijing 100191, China）

Abstract:With the development of science and technology, more and more physiological signal analysis devices have been applied in medical fields, which can effectively enhance people’s health. The assessment and testing verification of medical devices face challenges such as high technical complexity and long cycles. Therefore, physiological signal generators have become a hot topic for research and development in recent years. These devices are designed for the functional performance testing and calibration of physiological signal analysis devices, and thus have extremely high application value. There is currently a lack of summary of physiological signal simulators from the principle to the technical solution in the field, and there is a great difference between different physiological signals. Therefore, this paper first systematically elaborates the characteristics of physiological signals, the architecture of physiological signal simulators and the principles of their sub-modules. Then, it compares and analyzes the design schemes and application scenarios of mainstream signal generators. Finally, it systematically reviews the implementation schemes and innovation points of existing physiological signal simulators, providing some reference for the research and application of physiological signal simulators.

Keywords:physiological signals; signal generator; testing