关键词：脑电开发、生物信号采集、开源硬件、教学实验、Python 示例

在神经工程、脑机接口（BCI）与智能健康研究逐渐深入高校课堂的今天，如何让学生以“工程实践”的方式理解 EEG（脑电图）信号的原理与采集？市面上高端 EEG 设备动辄上万元，不适合教学初期普及。而 BITalino，这套开源、生理信号采集平台，恰好弥补了这一空白。

这篇文章将以一个开发者的角度，从零带你了解 BITalino 如何搭建可部署、可开发、可教学的脑电实验环境，并结合 Python 示例完成 EEG 数据的实时采集与波形可视化。

---

一、什么是 BITalino？

BITalino 是一个由国外神经技术团队推出的多通道生理信号采集平台，定位为教学级别的可编程硬件工具箱。你可以把它理解成“带电池的 Arduino + 多个传感器接口 + 无线蓝牙 + 脑电/心电/肌电模块”的集成体。

特点包括：

• 🧠 多种生理信号支持：EEG、EMG、ECG、EDA、PPG 等

• 🔋 电池供电，蓝牙无线：摆脱线缆束缚，实验更自由

• 📦 模块化设计，接口开放：适合项目开发和教学场景

• 🛠️ 支持 Python、Arduino、MATLAB 等主流开发语言

---

二、脑电教学实验：硬件组成简析

一套最小化的 EEG 教学实验配置一般包括：

• BITalino Core 主板（带蓝牙模块）

• EEG 模块（可插拔）

• 电极导线和贴片（前额+耳后）

• USB 充电线 + 电脑/移动设备

通过将 EEG 模块插入主板模拟输入（A0~A3），再使用导线连接至皮肤电极，BITalino 就可以以 1000Hz 的采样率稳定采集原始脑电数据。数据通过 BLE 或串口发送至电脑或手机端，便于实时可视化和算法分析。

脑电信号特性：

• 频率范围：0.5 Hz – 40 Hz

• 电压幅值：μV 级别（非常微弱）

• 易受干扰：需良好电极接触和滤波

BITalino 提供的 EEG 模块前端增益设计良好，无需额外放大电路即可获得清晰波形，适合教学和原型验证。

---

三、采集 EEG：Python 开发一站式演示

如果你是 Python 工程师或学生，可以直接通过 pip 安装官方 SDK 来连接设备并读取数据。

Step 1：安装依赖

pip install bitalino

Step 2：连接设备

from bitalino import BITalino

mac_address = "20:16:07:18:14:06"  # 请替换为你的设备地址
device = BITalino(mac_address)
print("设备版本：", device.version())

Step 3：启动采集 + 绘制脑电波形

import numpy as np
import matplotlib.pyplot as plt
import time

device.start(1000, [0])  # 采样率1000Hz，采集通道0
print("开始 EEG 采集...")
frames = []

start = time.time()
while time.time() - start < 5:
    data = device.read(100)
    frames.append(data[:, 0])

device.stop()
device.close()

eeg_data = np.concatenate(frames)
t = np.arange(len(eeg_data)) / 1000

plt.plot(t, eeg_data)
plt.title("EEG 脑电波形（原始信号）")
plt.xlabel("时间（秒）")
plt.ylabel("ADC 值")
plt.grid()
plt.tight_layout()
plt.show()

✅ 通过以上代码，5 分钟即可完成从设备连接到脑电波形的实时可视化。可以让学生独立完成实验，观察闭眼/睁眼/思考状态下的脑电差异。

---

四、Arduino 采集 EEG：最接地气的方式

喜欢玩 Arduino？BITalino 的模拟传感器输出是标准电压信号，也可以像读取电位器一样读出 EEG 数值。

int eegPin = A0;

void setup() {
  Serial.begin(115200);
}

void loop() {
  int value = analogRead(eegPin);
  Serial.println(value);
  delay(5);
}

这个方式适合初学者理解 ADC 转换、采样率、信号放大等底层知识，也可以配合蓝牙模块做简单脑控项目（如：脑电波控制 LED 等）。

---

五、课堂教学场景：轻部署 + 多人同时实验

BITalino 特别适合课堂教学中的 EEG 教学实验。理由如下：

• 💡 MAC 地址唯一：多设备同时存在蓝牙不冲突

• 📶 无线连接，免布线：可在教室直接佩戴采集

• 🎓 学生自主实验：支持 OpenSignals GUI 可视化 + Python 自编程

• 🧑‍🏫 适合大班教学：每人或小组一套设备，独立运行

教师可以设计如下教学实验：

• EEG 波形识别：闭眼 vs 睁眼状态分析

• α/β 波频段功率分析（FFT 实验）

• 脑电诱发实验（ERP 教学）

• 注意力监测应用原型开发

---

六、总结与延伸

BITalino 提供了一种轻量化、高自由度的脑电采集与教学解决方案。从接线到代码开发，学生可以“全流程”参与，增强对信号采集与处理的理解。

此外，该平台也适合用于：

• 🧪 科研原型验证

• 💡 可穿戴健康设备测试

• 🤖 BCI 项目初级探索

在人工智能与生物信号交叉日益紧密的今天，BITalino 无疑是一把通向交叉研究与创新应用的钥匙。

---

如果你有生理信号分析、脑电教学项目或信号处理课程需求，不妨试试 BITalino，也欢迎评论区分享你对 EEG 教学与开源硬件的理解！