用于可穿戴设备的新型生物信号采集方法和算法与流程

本申请要求于2016年7月13日提交的美国临时专利申请62/361,529的权益，其通过引用并入本文。

发明领域

本发明总体上涉及信号采集，且特别涉及生物信号采集。

根据欧盟的第七框架计划(fp7/2007-2013)/erc拨款协议第335491号，导致这项发明的工作得到了欧洲研究理事会的资助。

发明背景

根据福布斯2014年的研究，71％的16-24岁的人想要可穿戴技术。虽然在一开始的时候，对于使用这种技术的趋势迅速增长，允许可穿戴设备(诸如智能手表、智能腕带、智能服装或虚拟现实耳机)的用户控制电子设备或监控他们的身体参数，用于娱乐或医疗保健。然而，例如由于设备在使用时的运动，当前设备的主要缺点之一是它们的低信号质量和低可靠性。此外，设备的感测通道的数量受到成本的限制，并且通道数量的减少会影响信号质量。

发明概述

本发明的实施例提供了装置，包括：

一组n个电极，其被配置为接近受试者的表皮定位，并获取由在受试者内的电源生成的信号；

一组m个通道，其被配置为传送信号，其中m小于n；

开关，其被配置为重复且随机地选择来自n个电极的m个信号，并将m个信号引导到m个通道；和

处理器，其被配置为激活开关，并接收和分析来自m个通道的m个信号，以便确定电源在受试者内的相应位置。

在公开的实施例中，处理器被配置成确定电源的相应幅值。

在另一公开的实施例中，装置包括相应的电流源，并且处理器被配置成激活开关以便在n个电极的所选择的对之间从源注入相应的预定电流。通常，注入的电流具有多个基带频率。注入的电流可以具有在10hz和100ghz之间的频率。

在又一公开的实施例中，开关包括开关矩阵。

在可选实施例中，电极中的至少一个电容耦合到表皮。

在另一可选实施例中，处理器被配置成将n个电极中所选择的电极一起短路。

在又一可选实施例中，信号包括稀疏激活。

根据本发明的实施例，还提供了一种方法，包括：

接近受试者的表皮定位一组n个电极，以便获取由在所述受试者内的电源生成的信号；

经由一组m个通道传送信号，其中m小于n；

重复且随机地选择来自n个电极的m个信号，并经由开关将m个信号引导到m个通道；和

激活开关，并接收和分析来自m个通道的m个信号，以便确定电源在受试者内的相应位置。

根据本发明的实施例，还提供了一种方法，包括：

将一组n个电极定位在受试者的表皮上，其中电极被配置成获取来自受试者的信号；

选择彼此邻近的n个电极的子集；

测量子集相对于彼此的阻抗；和

当阻抗变化时，使用阻抗的变化来估计所获取信号的变化，并应用所获取信号的变化从而校正所获取信号。

在公开的实施例中，测量阻抗包括将预定信号注入子集中的一个，以及测量响应于注入在子集的剩余电极处生成的所获取信号的电势。

在另一个公开的实施例中，受试者的运动引起所获取信号的变化。

在又一公开的实施例中，信号源自受试者内部。

根据本发明的实施例，还提供了一种方法，包括：

将一组n个电极定位在受试者的表皮上，其中电极被配置成获取来自受试者的信号；

当受试者执行初始手势时，经由n个电极中的至少一个将信号注入受试者，并且测量响应于注入在n个电极处生成的n个相应电势；

公式化n个相应电势和n个电极中的至少一个电极的初始矩阵；

形成初始矩阵和初始手势之间的对应关系；和

使用该对应关系来识别受试者的后续手势对应于初始手势。

该方法还可以包括经由n个电极中的每一个将信号注入受试者，并将初始矩阵公式化为n个相应电势和n个电极的n×n矩阵。

在公开的实施例中，使用该对应关系来识别受试者的后续手势对应于初始手势包括：在执行后续手势的同时，经由n个电极中的至少一个将信号注入到受试者中；响应于注入，测量在n个电极处生成的另外n个相应电势；公式化另外n个相应电势和n个电极中的至少一个电极的后续矩阵；以及将后续矩阵与初始矩阵进行比较。

根据本发明的实施例，还提供了一种装置，包括：

一组n个电极，其被配置成定位在受试者的表皮上，其中电极被配置成获取来自受试者的信号；

开关，其连接到该组n个电极；和

控制器，其被配置成：

操作开关以选择彼此接近的n个电极的子集，

测量子集相对于彼此的阻抗；和

当阻抗变化时，使用阻抗的变化来估计所获取信号的变化，并应用所获取信号的变化从而校正所获取信号。

通常，测量阻抗包括经由开关将预定信号注入子集中的一个，以及在子集的剩余电极处经由开关测量响应于注入生成的所获取信号的电势。

根据本发明的实施例，还提供了一种装置，包括：

一组n个电极，其被配置成定位在受试者的表皮上，其中电极被配置成获取来自受试者的信号；

开关，其连接到该组n个电极；和

控制器，其被配置成：

当受试者执行初始手势时，经由n个电极中的至少一个将信号注入受试者，并且测量响应于注入在n个电极处生成的n个相应电势；

公式化n个相应电势和n个电极中的至少一个电极的初始矩阵；

形成初始矩阵和初始手势之间的对应关系；和

使用该对应关系来识别受试者的后续手势对应于初始手势。

根据结合附图进行的本发明的实施例的以下详细描述，本发明将得到更完全地理解，其中：

附图说明

图1是根据本发明的实施例的连接到附接到受试者的电极的开关电路的示意图；

图2是根据本发明的实施例的可选开关电路的示意图；

图3是根据本发明的实施例的在信号的采集期间在减少的运动伪影中由控制器执行的算法的步骤的流程图；

图4是根据本发明的实施例的在识别受试者的几何结构或手势时由控制器执行的算法的步骤的流程图；

图5-8示出了根据本发明的实施例的大脑激活；以及

图9绘制了根据本发明的实施例的局部身体电势与记录电势的比率vs.电极与身体的电容耦合。

具体实施方式

概要

最近，引入了对于信号采集和处理的一系列新方法，称为压缩传感。压缩传感基于这样的观察，即自然界中的许多信号在某种“基础”上是“稀疏的”。这个基础在本文中被称为字典，并且它可以被认为是一组原型信号。上面提到的信号在本质上可以在此基础上使用少量的原型信号(也称为元素或原子)来表示。因此，使用奈奎斯特速率对这些信号进行采样会引入冗余。这一观察允许发展数学理论，用于在这些信号的采集和处理中利用这种冗余来降低采集和处理系统的采样频率、存储要求和功耗。

对于符合一些自然统计特性的真实信号，可以开发机器学习算法来学习最佳字典和学习信号解码算法。对压缩采样的信号使用该字典将信号恢复算法的计算负担降低到适合实时应用的水平。

有证据表明电生理信号具有稀疏性。例如，在特定任务期间，我们的大脑通常只有一小部分是活跃的。因此，本发明的实施例使用基于生物组织内生物信号传播的电磁特性的建模的数学思想来提供用于生物信号采集的新方法，以及用于其处理的算法。在该方法中，在电生理信号采集期间，与受试者接口连接的电极之间的可控开关组被及时改变，并且这些信号的组合被引入采集通道。

使用我们的方法，不受采集通道数量的限制(在我们的系统中，采集通道的数量由活动源(activesources)的数量而不是由传统设计中的传感元件的数量确定)，可以将许多传感元件放置在针对肌电图(emg)的腕带上或在针对脑电图(eeg)的帽/头盔上，并且仍然可以使用少量a/d通道来实现改善的信号质量。我们可以通过在同一感测位置附近使不同数量的传感元件短路来实现这一点，这样做我们就改变了等效电极和身体之间的电容耦合。另外，由于电容耦合取决于电极与身体的距离，因此我们的方法能够对传感器电极和身体的相互位置进行编码，从而减少任何运动伪影。

(通常，我们可以将上面提到的传感元件放置在生物表皮的任何部分上。)

此外，目前正在进行基于手腕形状识别的手势识别研究。因此，跟踪传感器电极和身体表面的相对位置的能力不仅被动地补偿电生理信号采集的任何运动伪影，而且它本身对于手势识别系统也有价值。

本发明的实施例使用来自压缩传感和机器学习家族的算法来提取现有技术系统中不包含的新信息，同时保持低数量的采集通道。对该信息的处理一方面提高了可穿戴设备对运动伪影的鲁棒性，另一方面减少了所需测量通道的数量。因此，我们提高了可穿戴设备的质量/成本比，还降低了无线可穿戴设备的功耗，从而延长了电池寿命。将理解，本发明的实施例可以例如通过降低当前密集eeg系统(包括许多电极)的成本有利地用于医疗设备，并且使得使用我们的发明的实施例对于任何诊所都是可负担的。

在被配置用于识别手势的本发明的实施例中，通过遵循所涉及的电源的时间模式(例如，对于emg的肌肉和手腕轮廓形状)并调整开关电路的时间模式来学习对于不同手势的字典。在对生物组织内的信号传播进行适当建模并考虑运动伪影之后，对应于对相关手势中涉及的肌肉最敏感的传感器的开关将在开关电路的时间模式中会更加频繁。

上面的描述假设信号的无源采集。然而，无源技术可以通过电容层析成像(或一般的电阻抗层析成像)的有源技术来强化。在这种技术中，电流通过身体周围的电极注入，且其他电极处的测量电压被用来估计内部阻抗分布。有源技术还改进了电生理信号传播的建模，并且能够在记录电生理信号的同时区分被测身体的不同几何结构(即手势)。

详细描述

理论

eeg逆问题

大脑的电磁活动由非均匀导电介质内的电流偶极子建模。根据这个建模，计算了eeg正问题的增益矩阵g。g的列包括在头皮上的传感器位置处采样的静电电势，这些静电电势是由假定放置在不同位置并垂直于人类皮质定向的单位偶极子引起的。逆eeg问题旨在给定测量矩阵m＝gx+e的情况下找出电流偶极子的时间进程x，其中e表示加性噪声，而x表示电流偶极子幅值随时间的变化。通常应该添加各种正则化项f(x)以获得有意义的解：

其中，λ是正则化参数。

加权最小能量(wmne)解通过施加加权l2范数正则化来获得，

其中，x是向量，使元素xs乘以权重ws。

这种正则化通常会导致模糊的解。在生理学上更似合理的是，假设大脑皮质的稀疏激活(即，在任何给定时间处，大脑的一小部分被激活)用于现实任务。

实时l1范数最小化算法

理想情况下，稀疏诱导范数是l0范数(最小化作用电源的数量)。然而，使l0范数正则化最小化的优化问题导致高计算负担，该负担随着项数呈指数级增加。众所周知，l1范数正则化项也是稀疏诱导正则化项(与l0范数“足够接近”)。为了解决与l1范数相对应的优化问题，必须执行以下迭代：

x⁰＝0

b^k+1＝wm+sx^k

其中，α＝λmax(g^tg)，以及邻近算子被如下定义：

其中，r是组指数，并且λr是给定组的相应阈值参数。

然而，这个迭代过程需要多次迭代以用于收敛。对于相关数据(例如，对应于给定一组运动的电生理测量)，迭代数量可以在用于学习定义对于相关数据的迭代中的每一个的参数的少量步骤之后被截断(例如，经由随机梯度下降法)。该方法减少了优化过程的计算负担，使其适合于实时应用。

模拟到信息转换

为了可靠地恢复人的头皮上的电势分布，通常需要大约100个电极。然而，对于现实任务的自由度的数量(大脑中的活动区域的数量)通常远低于电极的数量。可以在压缩传感理论的框架内显示，使用稀疏约束恢复原始激活所需的非相干测量的数量大约是该激活的自由度。因此，n-通道eeg(其中n是电极的数量)可以乘以准随机矩阵，得到m通道修改eeg，其中m<n，同时仍然能够恢复大脑活动的电源(这同样适用于其他电生理测量)。此外，准随机矩阵可以是一和零的准随机矩阵。

因此，代替使用n个模数转换器(adc)，我们可以使用一组开关(比adc便宜得多)和仅仅m个adc来降低系统的成本和功耗，如下面参考图1和图2所述。另外，下面的附录提供了模拟的示例，其说明了使用在准随机方式中使用的减少数量的adc来恢复大脑活动的电源。

电容耦合

对于医疗设备，导电凝胶用于在皮肤和测量电极之间建立良好的电连接。然而，对于可消费电子设备，使用凝胶是不方便的。最近，另一种不需要导电凝胶的电极(干电极)出现了。干电极利用电极和信号在其中传播的身体的导电部分之间的电容耦合效应。我们在这里简要回顾了电介质中理想导体之间的电容耦合理论，该理论可以用来解释电解质(身体的导电部分)和电极之间的电容耦合。

给定3d复杂结构，该结构由嵌入在以介电常数εb为特征的均匀介电介质中的m个导体组成。电容矩阵由以下关系定义

其中，qm是第m个导体上的总电荷，vn是第n个导体上的电压，以及cmn是第m个和第n个导体之间的电容。第m个导体上的总电荷是通过第m个导体表面sm上的表面电荷密度σ(x)的积分得到的。电荷密度σ(x)是积分方程的解

其中，和φ(x)是已知的外加电势。

这里我们回顾，对于平行板电容器，电容与平板面积成正比，与平板之间的距离成反比。因此，对于感测电极，耦合电容随着电极和表皮之间的距离而减小。因此，一旦从身体到电极的距离对于所有感测元件保持基本相等，那么如上所述，当切换电极时，电容应该与短路电极的数量成比例。由于采集通道的输入端处的信号在采集通道的输入电容和电极的耦合电容之间被分配，因此与对电极数量的线性依赖的偏差将对应于从电极到身体的距离变化。

本发明的实施例使用这个事实来减少电极相对于身体的运动伪影。此外，假设信号采集设备(例如，腕带)的相对刚性，关于电极和身体的相对位置的信息(从电极与身体的电容耦合推导出)可以用于识别手势(由于手腕的轮廓可以与受试者的手势相关)。

下面的附录提供了电极的耦合电容对由电极获取的信号的影响的更多细节。

现在参考图1，图1是根据本发明的实施例的连接到附接到受试者的电极的开关电路20的示意图。

开关电路20充当开关矩阵，并且耦合到第一多个的n个电极e1、e2、......en，本文中也称为电极22，电极22接着接近受试者的表皮24附着。在本公开中和权利要求中，当涉及电极到表皮的附着时，术语“接近”应理解为电极接触表皮，和/或充分接近表皮，以便能够电容性地将可测量电流耦合到表皮。在一个实施例中，n＝64，但是对可以附接到电路20的电极数量基本上没有限制。表皮24通常是受试者的头皮或手腕，但是表皮可以包括受试者的另一个表面，例如腿或手指。开关电路处于控制器28的总体控制之下，控制器28在本文中也称为处理器，处理器通常是现成的处理单元，尽管在一些实施例中，处理器28可以至少部分地包括一个或更多个专用部件，诸如现场可编程门阵列(fpga)或专用集成电路(asic)。

开关电路20包括第二多个的m个模数转换器(adc1、......adcm)，本文也称为adc32，其提供数字化输出。电路20还包括第三多个的k个电流源(i1、......ik)，本文也称为源36。电路20还包括可控开关40，可控开关40在控制器28的控制下被配置成在电极22、adc32和电流源36之间切换。

电流源提供上述注入电流。电流源被示出为具有两条引线，因为任何特定的源可以在任何所选择的电极对之间注入电流。可控开关40切换adc和电极，使得adc获取并数字化来自所选择电极22的信号。开关40还切换电流源和电极，使得源36将电流注入所选择的电极22。电流通常是基带，以增加电容耦合。典型地，每个电流源可以具有多个频率，因此增加了可以提取的信息量。在另一个实施例中，频率在大约10khz-大约1mhz的范围内，但是在这个范围之外的频率也是可能的，诸如低至10hz或高至100ghz。

有许多因素与电路20相关联：

1)可以仅对感兴趣的所选择电极22采样，从而减少所需的adc32的数量。

2)压缩传感技术可以通过记录测量通道的组合来应用，而不是单独记录每个通道。上述“实时l1范数最小化算法”和“模拟到信息转换”部分描述了这些技术的使用示例。在本发明的一个实施例中，如下所述，这些技术也可以用于图3的流程图中。

3)电极与身体的电容耦合可以通过加载具有不同电容的电极来确定，以更新上述建模从而提高信号解释精度，并区分不同的身体几何结构类别(例如，由于不同的手势或不同的面部外观)。

4)电路20能够实现电阻抗断层摄影的应用从而感应通过不同电极对22的电流，并测量在其他电极22上产生的电压(由于以不同频率编码电流的可能性，因此有可能同时感应多个电流)。这允许更新测量的生物电信号附近的身体的电模型，以便从这些信号中揭示更多信息(这些信号被限制在低频区域)。

5)电路20能够数字地切换测量信号和感应信号(以补偿会话之间的电极移动并提高分类精度)。在下面对图3的流程图的描述中提供了切换的示例。

6)电路20使得电流能够与在任何所选择的电极处的信号测量并行注入。典型地，注入的电流在窄频带内，使得阻抗和电生理信号都可以被测量。

图2是根据本发明的实施例的可选开关电路50的示意图。可选开关电路50包括微控制器54，该微控制器54用作操作电路的处理器。在一个实施例中，微控制器54是arduinodue微控制器。电路50连接到电极22(图1)，作为示例，假设电极22包括128个电极。与电极的连接经由八个电极组连接器eg0...eg7，本文中也称为组eg，每个连接到16个电极22。组eg由电极组驱动器58驱动，电极组驱动器58将电极连接到电路50的其他元件，如下所述。

驱动器58和组eg都由微控制器54单独控制，这使得驱动器和组能够单独访问电极中的每一个。该访问使得微控制器能够从电极中的每一个获取信号，将信号注入电极中的每一个中，将电极连接在一起，以及将阻抗插入到通向电极的线路中。因此，驱动器58和组eg基本上充当电路20的可控开关40(图1)。

来自电极22的模拟信号经由组eg被馈送到一组八个放大器62，接着是八个相应的adc66，并且微控制器54从adc获取数字化信号。放大器62和adc66基本上充当电路20的adc32。

电路50还包括单通道数模转换器(dac)70，微控制器将数字信号输入其中，以便生成期望的多个模拟信号。多个模拟信号在解复用器(dmux)74中被解复用，并且合成的一组模拟信号可以经由线路76和组eg被馈送到所选择的电极22。dac70和dmux74基本上充当电路20的电流源36。

图3是根据本发明的实施例的在信号的采集期间在减少运动伪影中由控制器执行的算法的步骤的流程图。为了清楚起见，假设流程图的步骤使用电路20和控制器28(图1)来实现，并且如果使用电路50和微控制器54，或者如果使用具有电路20和50的特性的任何其他电路，本领域普通技术人员将能够加以必要的修改而修改以下描述。

假设电路20和电极22安装在受试者佩戴的设备中，其在本文中也称为可穿戴设备。在实施例中，控制器28也安装在可穿戴设备中。在另一个实施例中，控制器28远离该设备，诸如在受试者的智能手机中操作，并通过无线或经由光缆或导电电缆与电路20通信。

在附着步骤80中，电极22接近于表皮24而附着。本文中，举例来说，假设可穿戴设备是腕带，并且假设电极22固定到腕带上，受试者将腕带放置在他/她的手腕上。

在校准阶段的校准步骤82中，受试者被要求保持静止，并且当受试者静止时，控制器28测量彼此接近的预选择的多组电极之间的阻抗。阻抗通常通过控制器将已知和测量的电流注入预选择电极之一中并使用adc32测量在其他预选择电极处作为响应生成的电势来测量。控制器28将在步骤82中评估的阻抗存储为校准阻抗zcal，然后可以例如通过使附接到腕带的灯发光来向受试者提供校准阶段已经完成的指示。

在电极没有使用凝胶附着到表皮的情况下，这里测量的阻抗通常具有大约几十pf到1nf的范围内的电容分量。

应当理解，在流程图的这个和其他步骤中测量阻抗可以包括通过短路一些电极来测量电极的电容耦合。例如，对于彼此相对接近并且可以被假定具有大致相等电容(到表皮)的电极，在测量短路和开路阶段中的注入信号的同时使电极短路提供了足够的信息来评估每个电极的电容耦合。

如下所述，可以在流程图的调整步骤90中使用测量的电容。

然后，在操作步骤84中，控制器28开始操作阶段。控制器28可以例如通过熄灭在校准步骤82中点亮的灯来向受试者指示校准阶段已经结束并且操作阶段已经开始。此时，在一个实施例中，控制器开始从电极22获取信号，以便识别受试者的手势。下面参照图4描述用于使用电极22识别手势的算法。在获取信号的同时，控制器继续测量预选择的电极之间的阻抗，通常采用与步骤82中描述的基本相同的方法。通常，在检查和减少运动伪影(如本流程图中所述的)以及识别手势(如图4的流程图中所述的)时，控制器28在两个过程之间切换。

在一些实施例中，如上所述，控制器28可以在从电极22获取信号时应用压缩传感技术。

在迭代比较步骤86中，控制器将预选择的电极的测量阻抗与校准步骤82中存储的阻抗值进行比较，以检查阻抗是否有任何变化。如果比较结果为否定的，即阻抗没有变化，则流程图继续到信号存储步骤88，其中控制器存储在步骤84中获取的信号。在存储步骤88之后，流程图的控制返回到步骤86的开始，以便重复比较。

如果比较步骤返回是肯定的，即控制器检测到阻抗值有变化δz，则流程图继续到信号调整步骤90。阻抗的变化通常是由于电极相对于受试者的表皮24的运动。

在调整步骤90中，控制器计算比率并使用比率的值r以及在步骤82和84中测量的阻抗值来调整在步骤84中获取的信号值。该调整假设adc32的输入阻抗和给定电极的电容(在步骤84中测量)之间的分压过程。

在储存步骤92中，控制器存储调整后的信号值，其补偿由电极运动引起的阻抗变化，并且流程图的控制返回到步骤84。

图4是根据本发明的实施例的在识别受试者的几何结构或手势时由控制器执行的算法的步骤的流程图。至于图3的流程图，假设该流程图的步骤使用电路20和控制器28(图1)来实现。

在附着步骤100中，n个电极22接近于表皮24而附着，其中n是正整数。至于图3的流程图，假设电极被固定到受试者放置在他/她的手腕上的腕带上。

在手势指示步骤102中，受试者向控制器28提供要由电路20识别的手势的指示。该指示可以通过本领域已知的任何方便的方法提供给控制器。例如，受试者可以点击在受试者的智能手机上呈现给受试者的菜单中列出的多个手势之一。控制器将手势指示存储为索引“ges”。

在手势执行步骤104中，受试者然后执行手势，在本文中作为示例，假设受试者张开握紧的拳头。当手势被执行时，控制器28实现以下步骤。

在电极选择步骤106中，控制器选择n个电极中的一个，并将电流注入所选择的电极中。当电流被注入时，控制器测量并获取响应于其他n-1个电极上以及注入电极上的电流注入而生成的电势。典型地，注入的电流的频率大约为40khz，尽管可以使用任何方便的频率。通过使用由控制器选择的特定注入频率，可以将n个电极上生成的电势与其他干扰信号区分开来。典型地，在信号注入和电势值获取期间，控制器检查运动伪影，并根据需要调整获取的电势，如上面关于图3的流程图所解释的。

在储存步骤108中，控制器存储n个测量的电势，如果必要，调整以补偿运动伪影。

在重复步骤110中，控制器重复步骤106和108的动作。

在最终储存步骤112中，控制器公式化n个电极×n个获取电势的方阵[m]ges。控制器将矩阵[m]ges和手势索引ges存储在手势识别表中。

典型地，针对多个不同手势重复流程图，为每个不同手势生成相应的矩阵。因此，当受试者随后执行手势时，控制器能够访问手势识别表以识别正在执行的手势。

虽然上面的描述已经使用腕带作为可穿戴设备的示例，但是将理解，本发明的范围不限于任何特定类型的可穿戴设备，而是包括其中可以安装诸如电路20的电路和诸如电极22的电极的任何可穿戴设备。例如，可穿戴设备可包括踝带、腿带、臂带、固定在受试者腰部周围的带或颈带。

下面的附录提供了由发明人使用电路20的仿真进行的仿真的示例。另外，附录提供了电极的耦合电容对由电极获取的信号的影响的更多细节。

附录

仿真

图5-8示出了根据本发明的实施例的大脑激活。图5示出了区域200中大脑的原始激活。在这种情况下，我们采用了以标准10-20配置的包括300个源和64个电极的大脑的模型。在下文中，我们展示了使用随机调制器，感测电极的数量可以减少到8个。

图6示出了如预期的，在区域210处的原始激活可以使用l1范数从eeg中容易地恢复。

对于图7，我们将64电极eeg信号乘以一和零的准随机64x8矩阵。图7示出激活仍然在区域220处被解析。

然而，如果我们在头皮上取8个均匀分布的电极，并试图解析相同的激活，那么我们可以在图8中看到它没有被正确识别(不是在基本相同的区域200、210和220处出现的一次聚焦激活，而是在不同的区域230处出现的两次聚焦激活)。

我们得出结论，信号的随机调制允许在不改变求解质量的情况下减少电极数量。然而，仅减少电极的数量会导致错误的解。

耦合电容

图9绘制了根据本发明的实施例的局部身体电势与记录电势的比率vs.电极与身体的电容耦合。对于不同的输入电容绘制了所述比率。

这里，我们探讨了假设是一个单位源，针对不同数量的电极的耦合电容和采集通道的不同输入电容对信号幅值的影响。我们假设采集通道的输入电容的值在10pf-10nf的范围内，并且电极与身体的耦合电容的范围为30pf-30nf。

该图显示，对于给定的输入电容，当电容耦合改变时，输入信号会发生显著变化。因此，通过改变切换到给定采集通道的电极数量(以及因此改变电容耦合)，输入端处的信号被充分改变，以解码电极和身体的相对位置。

将认识到，以上描述的实施例是通过示例的方式引用的，并且本发明不限于上文中已经特别示出和描述的那些实施例。而是，本发明的范围包括在上文中所述的各种特征的组合和子组合以及本领域中的技术人员在阅读了前述描述时将想到的且在现有技术中未公开的其变形和修改。