脑电信号作为大脑细胞群的自发性生物电活动,含有大量的人体生理和病理信息。随着微电子,生物医疗,脑机科学等相关领域的快速发展,脑电信号已经广泛应用于脑神经科学,虚拟现实技术,生物反馈治疗仪等领域,特别在癫痫、颅内占位性病变等脑部疾病的临床诊断中具有不可替代的作用。在实践中,往往需要多通道长时间地采集脑电信号,会产生大量的数据。由于传输节点的带宽以及功耗的限制,在保证脑电信号的主要特征不变的前提下,对脑电数据进行压缩,降低设备功耗和满足传输带宽限制,是一项有重要意义的研究工作。近年来提出的压缩感知理论适合前端压缩编码,便于硬件实现,而Huffman编码作为一种无损编码方法,可根据字符出现概率实现最佳编码,能在压缩感知的基础上进一步提高压缩率。本文在压缩感知理论基础上,结合Huffman无损编码方法,开展脑电信号的压缩研究及硬件实现,主要工作有:(1)结合压缩感知和Huffman编码,对脑电数据库进行数据压缩。在重构算法上,以BSBL算法为基础,对比不同稀疏基下的重构误差,验证压缩算法的有效性。并根据压缩算法,提出硬件实现结构。(2)对压缩算法进行硬件实现,一方面,对于压缩感知所需要的压缩感知矩阵采用线性反馈移位寄存器(LFSR)方式产生,减少存储和资源使用。另一方面,针对Hufmman编码所需的统计排序过程,设计了四级流水线实现,减少编码统计周期,加速编码过程。(3)编写testbench对设计进行功能仿真,采用脑电数据库为仿真样本,由于压缩感知矩阵采用的为稀疏二值矩阵,硬件设计的仿真结果与软件仿真一致,没有误差。(4)使用Xilinx的FPGA进行综合实现。结果表明,本文实现的脑电信号压缩模块在150MHz的时钟下,数据处理延时约65μs。重构误差为2%情况下,平均压缩率可达68.4%,较压缩感知方法上提高了18.4%的压缩率。