版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、肢體殘障患者數(shù)量龐大,有助于其運(yùn)動(dòng)機(jī)能的恢復(fù)的技術(shù)在國內(nèi)外都受到高度重視。近年來發(fā)展起來的運(yùn)動(dòng)型腦機(jī)接口技術(shù)通過記錄大腦皮層運(yùn)動(dòng)區(qū)域的神經(jīng)元峰電位信號,將運(yùn)動(dòng)信息解析出來,轉(zhuǎn)化為控制義肢、輪椅等的電子信號,使得肢體不健全人群能夠恢復(fù)部分生活所需的基本功能。目前,運(yùn)動(dòng)型腦機(jī)接口目前已發(fā)展至靈長類動(dòng)物及個(gè)別人類受試實(shí)驗(yàn)階段,取得了較好的成果,其前景令人鼓舞。然而運(yùn)動(dòng)型腦機(jī)接口技術(shù)的發(fā)展迄今仍面臨諸多難題和挑戰(zhàn)需要解決。如長期記錄實(shí)驗(yàn)對峰電位
2、檢測算法魯棒性的新要求;神經(jīng)信號記錄電極通道數(shù)增加對神經(jīng)信號記錄前端電路在輸入阻抗、功耗和面積等方面的挑戰(zhàn);神經(jīng)信號無線傳輸?shù)男枨髮ο到y(tǒng)集成和微型化的挑戰(zhàn)等。
本研究主要內(nèi)容包括:⑴低噪聲、低功耗、小面積的儀表放大器的設(shè)計(jì)技術(shù)研究。儀表放大器是將腦機(jī)接口中植入式電極采集到的微弱神經(jīng)信號放大的模塊。分析了峰電位信號記錄應(yīng)用中儀表放大器的設(shè)計(jì)需求,包括信號幅值帶寬范圍、電極直流失調(diào)電壓抑制、高輸入阻抗等,并對直流失調(diào)抑制技術(shù)和輸入
3、阻抗提升技術(shù)進(jìn)行了研究。文章創(chuàng)新地將斬波結(jié)合自調(diào)零的噪聲抑制技術(shù)引入到了電容耦合的放大器拓?fù)渲小S捎诓捎昧穗娙蓠詈贤負(fù)浣Y(jié)構(gòu)不同于電流和電阻型的放大器結(jié)構(gòu),它不會帶來額外的噪聲和功耗;而斬波結(jié)合自調(diào)零的噪聲抑制技術(shù)能夠得到較低的噪聲而不需額外的面積進(jìn)行低通濾波。因此放大器在滿足低噪聲的同時(shí),功耗較低、面積較小。本文研究的儀表放大器的設(shè)計(jì)技術(shù)通過0.18μm二藝流片測試得到驗(yàn)證,結(jié)果良好。⑵低功耗、小面積的模數(shù)轉(zhuǎn)換器的設(shè)計(jì)技術(shù)研究。模數(shù)轉(zhuǎn)換
4、器是儀表放大器的后續(xù)電路模塊,用以將放大后的神經(jīng)信號數(shù)字化??紤]到低功耗、小面積的需求,文章針對逐次逼近型ADC展開研究。逐次逼近型ADC的電路結(jié)構(gòu)比較固定,主要包括電荷再分配型電容陣列、時(shí)域比較器和邏輯控制電路等。以低功耗、小面積為目標(biāo),本文分別對ADC各個(gè)模塊展開了研究。文章首先研究了電容陣列的設(shè)計(jì)技術(shù),采用了一種混合型開關(guān)切換策略,相比于傳統(tǒng)的基于共模電壓的開關(guān)策略,可以將電容面積及平均功耗都減少四分之三。隨后在研究現(xiàn)有時(shí)域比較器
5、的基礎(chǔ)上,提出了一種新穎的基于階梯型壓控延時(shí)技術(shù)的比較器,相較與傳統(tǒng)壓控延時(shí)單元,能夠得到較大的增益以及較好的噪聲性能。最后,在邏輯控制電路中,使用了新型的時(shí)鐘分配電路進(jìn)一步減少了ADC的功耗。本文研究的模數(shù)轉(zhuǎn)換器的設(shè)計(jì)技術(shù)通過0.18μm工藝流片測試得到驗(yàn)證,結(jié)果良好。⑶基于概率的峰電位檢測算法的研究。峰電位檢測是將峰電位從神經(jīng)信號中提取出來的過程。在腦機(jī)接口實(shí)驗(yàn)中及應(yīng)用中,需要對峰電位進(jìn)行長達(dá)數(shù)月的記錄和檢測,在這過程中,信號記錄的
6、神經(jīng)環(huán)境難免發(fā)生變化,因此需要檢測算法具有無監(jiān)督性、自適應(yīng)性和高魯棒性的特定。針對上述要求,本文提出了一種新穎的基于概率的EC-PC峰電位檢測算法。相較于已有的檢測算法,該算法在信號的概率密度分布的框架下處理數(shù)據(jù),使其能夠追蹤不同的背景噪聲及信號強(qiáng)度,自適應(yīng)地給出一個(gè)合理的閾值,因此在多種不同的神經(jīng)元峰電位信號采集環(huán)境下,都能有較好的檢測結(jié)果,魯棒性較好。同時(shí),EC-PC算法采用概率閩值這一參數(shù),能夠大致預(yù)判峰電位檢測精度,首次將閾值設(shè)
7、定與檢測結(jié)果聯(lián)系了起來,對于實(shí)驗(yàn)員如何設(shè)定峰電位檢測閾值具有重要的指導(dǎo)作用。文章給出了原理介紹、公式推導(dǎo)并使用了仿真神經(jīng)信號及真實(shí)記錄的神經(jīng)信號對算法進(jìn)行了驗(yàn)證。此算法復(fù)雜度適中,能夠支持在線實(shí)時(shí)檢測,已通過ASIC實(shí)現(xiàn)。最后,特別針對簡化算法復(fù)雜度,本文在同樣的概率密度分布的框架下,又提出一種基于噪聲估計(jì)的峰電位檢測算法,在保持EC-PC算法魯棒性的同時(shí),將算法復(fù)雜度從O(NLogN)降低為O(N),更適用于系統(tǒng)微型化及在線實(shí)時(shí)檢測。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 植入式腦機(jī)接口中神經(jīng)元重要性評估及鋒電位的高效解碼.pdf
- 神經(jīng)元峰電位在線檢測與分類研究.pdf
- 神經(jīng)元峰電位的檢測與分類方法研究分割的研究.pdf
- 基于mVEP的腦-機(jī)接口關(guān)鍵技術(shù)研究.pdf
- 植入式腦機(jī)接口神經(jīng)元鋒電位的時(shí)變特征分析與解碼研究.pdf
- 腦—機(jī)接口中上肢想象動(dòng)作側(cè)向性識別的關(guān)鍵技術(shù)研究.pdf
- 獼猴神經(jīng)元連接分析關(guān)鍵技術(shù)研究.pdf
- 雙向運(yùn)動(dòng)型視覺導(dǎo)引AGV關(guān)鍵技術(shù)研究及實(shí)現(xiàn).pdf
- 腦機(jī)接口中想象運(yùn)動(dòng)分類算法的研究.pdf
- 腦-機(jī)接口中的事件相關(guān)電位編解碼關(guān)鍵問題研究及應(yīng)用.pdf
- 基于運(yùn)動(dòng)想象電位的腦機(jī)接口研究.pdf
- 基于多模態(tài)腦電信號的腦機(jī)接口關(guān)鍵技術(shù)研究.pdf
- 基于局部場電位的腦機(jī)接口技術(shù)研究.pdf
- 腦機(jī)接口中相關(guān)技術(shù)研究及在線系統(tǒng)實(shí)現(xiàn).pdf
- 腦機(jī)接口中的運(yùn)動(dòng)想象腦電信號分析與處理方法研究.pdf
- 10136.實(shí)時(shí)腦機(jī)接口關(guān)鍵技術(shù)研究及系統(tǒng)實(shí)現(xiàn)
- 運(yùn)動(dòng)目標(biāo)檢測與跟蹤關(guān)鍵技術(shù)研究.pdf
- 運(yùn)動(dòng)行人檢測與跟蹤關(guān)鍵技術(shù)研究.pdf
- 神經(jīng)元?jiǎng)幼麟娢坏哪J椒诸惣夹g(shù)及編碼技術(shù)研究.pdf
- 腦機(jī)協(xié)調(diào)控制理論與關(guān)鍵技術(shù)研究.pdf
評論
0/150
提交評論