本文介绍了一项发表于Electronics期刊2022年第11卷的研究，题为《用于人体通信系统中人机交互检测的抗噪增强型电容读出电路》（”Noise Immunity-Enhanced Capacitance Readout Circuit for Human Interaction Detection in Human Body Communication Systems”）。该研究由韩国忠南大学的Seong-Wook Choi、Kiho Seong、Kwang-Hyun Baek、Yong Shim以及韩国电子通信研究院的Sukho Lee共同完成，并于2022年2月14日正式发表。这项工作的核心是设计一种新型的电容式传感器接口电路，旨在以极低的功耗和面积开销，在嘈杂的人体通信环境中精确、可靠地检测人体交互，并能区分人体触摸与物体触摸。
学术背景 随着未来医疗健康系统对可穿戴与可植入设备需求的增长，基于人体通信（Human Body Communication, HBC）的技术受到了广泛关注。HBC利用人体作为信号传输的媒介，主要分为电导耦合与电容耦合两种方式。其中，电容耦合因其在60kHz以上频率具有更长的传输距离、低复杂度及低功耗等优势，在可穿戴设备中更受青睐。在这种通信模式下，人机交互（如触摸）会改变传感电极的电容值（即引入ΔC），检测这种电容变化是实现信息交互的基础。
然而，实现这一目标面临严峻挑战。首先，由人体活动引起的电容波动天然包含大量噪声，需要有效的滤波。其次，这类系统通常由电池供电，对功耗极其敏感。传统的电容检测方案主要分为两大类：电容-时间转换（C-T）与电容-电压转换（C-V）。C-T方案（如基于周期调制的CDC）虽然结构简单，但易受电源电压影响且功耗较高。C-V方案则需要后续的模数转换器（ADC）将电压转换为数字信号，这大大增加了系统的面积和功耗。而一些采用Delta-Sigma调制器（DSM）的高分辨率方案，又受限于运算跨导放大器的高功耗。因此，如何在保证噪声免疫力、实现精确检测的同时，最大限度地降低功耗与面积，成为该领域的一个关键难题。
本研究的目标正是为了解决上述矛盾。研究团队旨在开发一种面积高效、超低功耗的电容读出电路，该电路不仅要能精准检测电容变化，还要具备强大的抗噪声能力，并能智能地区分人体交互与物体交互，最终输出可直接用于后续数字系统处理的简洁信号，从而避免使用高功耗的模拟滤波器和ADC。
详细工作流程 该研究提出的电容读出电路总体架构清晰，分为两个主要部分：传感部分与滤波检测部分。
传感部分负责将物理电容变化转换为电信号。其核心是一个包含传感电极（形成电容Csensing）、采样电容（Csample）、一个比较器以及若干开关（S1, S2, Srst）的反馈系统。其工作原理基于Csensing与Csample之间的电荷共享与负反馈控制。系统初始化时，复位开关Srst导通，将Csensing放电至地电平。比较器的负输入端接一个阈值电压Vth。由于初始时Csensing节点电压Vx低于Vth，比较器输出Vo为低电平。此低电平控制开关S2将Csample连接到电源Vdd进行充电。同时，开关S1在内部时钟Φ1的控制下周期性闭合，使Csample与Csensing进行电荷共享，导致Vx电压逐步抬升。当Vx超过Vth时，比较器翻转，Vo变为高电平。此时，开关S2切换到地，Csample开始放电。在下一次Φ1时钟有效时，放电后的Csample会拉低Vx电压。如此循环，系统进入一个动态平衡状态，比较器输出Vo将呈现为周期性脉冲串。
关键的物理意义在于：Csensing电容值的大小直接决定了Vx电压达到阈值Vth所需的时间（即周期数）。当Csensing较大（例如被触摸）时，达到阈值所需时间更长，导致在固定计数周期内，比较器输出的脉冲数量减少。反之，Csensing较小时，输出脉冲数量增多。因此，通过统计一定时间内（本设计为4096个时钟周期）比较器输出的脉冲数，即可间接反映Csensing的电容值大小。这个脉冲计数值成为后续处理的原始数据。
滤波检测部分则负责处理原始脉冲计数数据，并做出智能判断。该部分包含三个核心单元：计数器、移动平均滤波器（Moving Average Filter, MAF）和ΔC检测算法单元。 1. 计数器：接收来自传感部分的比较器脉冲输出，在每个4096个时钟周期的测量窗口内进行计数，输出一个12位的二进制数（对应0-4095）。 2. 移动平均滤波器（MAF）：这是一个完全由数字逻辑（多比特全加器与累加寄存器）实现的低通滤波器。它的作用是对计数器输出的原始数据进行平滑滤波。其工作原理是：连续采集512次计数器输出的数据并进行累加，然后取累加结果的高12位作为平均输出（Davg11:0）。这个处理过程等效于一个截止频率约为9.5Hz的低通滤波器。MAF的设计非常巧妙，它利用人体交互事件（如触摸）在电气时间尺度上属于“罕见”且“缓慢”变化事件的特性，有效地滤除了由电源噪声或微小环境扰动引起的快速、小幅波动，从而突出了真实交互事件带来的显著数据跳变。更重要的是，这种全数字实现方式完全避免了传统模拟有源低通滤波器所需的高功耗放大器。 3. ΔC检测算法单元：这是本研究的创新核心。该单元接收MAF滤波后的数据，并执行智能决策算法。其核心思想是计算当前周期与前一周期MAF输出数据的差值（即ΔC），并通过与预设阈值的比较，来判别交互类型。算法流程如下： * ΔC > 0 （电容增加，如触摸发生）：算法将ΔC与两个预设阈值比较：ΔCtouch（触摸/释放决策阈值）和ΔCmove（移动决策阈值）。若ΔC > ΔCtouch，则触发“触摸”信号。同时，若ΔC > ΔCmove，则触发“移动”信号。 * 内部定时器（Tcon）与逻辑：一旦“触摸”信号被置位，一个内部定时器开始计时。如果在此过程中没有新的“移动”信号产生（即物体触摸后保持静止），定时器超时后会将“触摸”信号复位。相反，如果是人体触摸，由于皮肤的电特性及微动，电容值会持续发生微小但可检测的变化（ΔC > ΔCmove），导致“移动”信号不规则地反复触发。每次“移动”信号都会重置内部定时器，从而使“触摸”信号得以保持在高电平。 * ΔC < 0 （电容减少，如释放发生）：当检测到负向ΔC且其绝对值大于释放阈值ΔCrelease时，系统判定为释放事件，并相应地将“触摸”信号复位。 最终，系统输出两个清晰的数字信号：一个表示触摸/释放状态（Touch/Release），另一个表示是否有持续移动（Move）。这种双信号输出模式直观地揭示了交互的性质。
研究流程还包括芯片的实现与测试。研究团队使用商用65纳米CMOS工艺制造了原型芯片。测试时，系统由CR2032电池供电，使用外部电极，通过微控制器和示波器进行功能验证和性能测量。测试场景多样，包括手指直接触摸、手部接近（运动检测）、在电极上放置物体（如智能手机）以及在物体存在时进行人体触摸等。
主要结果 研究通过详实的测试数据验证了所提电路架构和算法的有效性。
在基础功能验证中，当手指触摸电极时，原始计数器输出数据从无触摸时的约1750显著下降到1700以下，这与传感部分的理论分析完全吻合：更大的Csensing导致更少的脉冲计数。将原始数据通过MAF滤波后，输出波形清晰地显示了触摸与未触摸状态之间的跃迁，且噪声被有效抑制，证明了MAF作为数字低通滤波器的卓越性能。
在不同场景下的MAF数据测试进一步展示了系统的智能判别能力： 1. 运动检测：当手部接近但未接触电极时，MAF输出数据在200至600个测量周期内仅有轻微波动。 2. 物体检测：将智能手机放置在电极上（约300周期处），MAF数据下降并稳定在一个新的较低水平。此后数据保持平稳，无进一步显著变化。 3. 人体交互：在电极上已放置物体（数据已稳定于新状态）的情况下，继续用手指触摸电极。MAF数据在已降低的稳态基础上，再次出现尖锐的下跳变，且跳变模式不规则。这准确地反映了人体接触带来的持续、不可预测的电容微变化。
最重要的是，从ΔC检测算法单元输出的两个数字信号直观地呈现了判别结果。在物体放置场景下，“移动”信号仅在初始放置时出现少数脉冲，之后不再出现，导致“触摸/释放”信号在一段时间后（定时器超时）归零。在人体触摸场景下，“移动”信号持续呈现不规则的脉冲波动，从而使得“触摸/释放”信号始终保持在高电平。这一结果强有力地证明了所提出的ΔC检测算法能够有效区分静态的物体交互与动态的人体交互。
性能方面，原型芯片的核心面积仅为0.0067 mm²，其中传感部分占41%，滤波检测部分占59%。在1.2V电源电压下，总功耗仅为7.5 µW。系统的响应时间为105 ms，这对于检测人体交互而言是足够的。研究团队还将该设计与其它文献报道的原型及商业产品进行了对比。数据显示，该设计在实现物体检测、高噪声免疫力且无需ADC的同时，在面积和功耗效率上具有显著优势。例如，与一些同样无ADC的方案相比，其功耗（7.5 µW）和面积（0.0067 mm²）都更低；而一些商业产品虽然功耗相近，但缺乏内置的噪声滤波机制，可能导致误检。
结论与价值 本研究成功设计并验证了一种面向人体通信系统的、抗噪增强型电容读出电路。其科学价值在于提出并实现了一种结合全数字移动平均滤波与智能ΔC检测算法的混合信号处理架构。该架构巧妙地将噪声过滤和模式识别的任务从模拟域转移到了数字域，充分利用了数字电路低功耗、高可靠性的优点，同时通过创新的算法解决了人体交互检测中的特异性问题（区分人与物）。
其应用价值非常突出：该电路极低的功耗（微瓦级）和微小的面积使其非常适合集成到由电池供电的便携式、可穿戴乃至可植入医疗设备中。输出的简洁数字信号（Touch/Move）可以直接与微处理器或数字通信模块对接，极大简化了系统集成难度。这为构建更节能、更智能、更可靠的人体区域网络和远程健康监测系统提供了关键的硬件基础。
研究亮点 本研究的亮点主要体现在以下几个方面： 1. 创新性的全数字滤波方案：采用数字逻辑实现的移动平均滤波器（MAF）替代了传统的高功耗模拟有源低通滤波器，在有效抑制噪声的同时，显著降低了系统功耗和复杂度。 2. 智能的ΔC检测算法：这是本研究的核心创新。算法通过分析连续电容测量值的变化趋势（ΔC），并引入“移动”检测信号与内部定时器联动的逻辑，创造性地实现了人体交互与物体交互的自动区分。这一功能在传统的电容触摸检测中并不常见，极大地增强了系统的智能化和实用性。 3. 无ADC架构：整个信号链最终输出为纯数字信号，完全省去了面积和功耗大户——模数转换器，实现了从电容变化到数字决策的“直通式”处理，是高效能模拟/混合信号电路设计的一个优秀范例。 4. 优异的综合性能：在65纳米工艺下，实现了0.0067 mm²的超小核心面积和7.5 µW的超低功耗，同时兼顾了足够的噪声免疫力和独特的交互识别能力，各项指标在同类设计中具有很强竞争力。
这项研究通过精妙的电路架构和算法设计，为低功耗、高鲁棒性的人机交互检测提供了一种极具前景的解决方案，对推动下一代可穿戴健康电子设备的发展具有重要意义。