運(yùn)動(dòng)型腦機(jī)接口中神經(jīng)元峰電位記錄與檢測的關(guān)鍵技術(shù)研究.pdf

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。