运动型脑机接口中神经元峰电位记录与检测的关键技术研究

发布时间：2017-12-06 15:28

本文关键词：运动型脑机接口中神经元峰电位记录与检测的关键技术研究

【摘要】：肢体残障患者数量庞大,有助于其运动机能的恢复的技术在国内外都受到高度重视。近年来发展起来的运动型脑机接口技术通过记录大脑皮层运动区域的神经元峰电位信号,将运动信息解析出来,转化为控制义肢、轮椅等的电子信号,使得肢体不健全人群能够恢复部分生活所需的基本功能。目前,运动型脑机接口目前已发展至灵长类动物及个别人类受试实验阶段,取得了较好的成果,其前景令人鼓舞。然而运动型脑机接口技术的发展迄今仍面临诸多难题和挑战需要解决。如长期记录实验对峰电位检测算法鲁棒性的新要求;神经信号记录电极通道数增加对神经信号记录前端电路在输入阻抗、功耗和面积等方面的挑战;神经信号无线传输的需求对系统集成和微型化的挑战等。针对上述挑战,本文将对运动型脑机接口中神经元峰电位记录和检测的关键技术展开研究。研究内容包括以下几个方面:1、低噪声、低功耗、小面积的仪表放大器的设计技术研究。仪表放大器是将脑机接口中植入式电极采集到的微弱神经信号放大的模块。本文分析了峰电位信号记录应用中仪表放大器的设计需求,包括信号幅值带宽范围、电极直流失调电压抑制、高输入阻抗等,并对直流失调抑制技术和输入阻抗提升技术进行了研究。文章创新地将斩波结合自调零的噪声抑制技术引入到了电容耦合的放大器拓扑中。由于采用了电容耦合拓扑结构不同于电流和电阻型的放大器结构,它不会带来额外的噪声和功耗;而斩波结合自调零的噪声抑制技术能够得到较低的噪声而不需额外的面积进行低通滤波。因此放大器在满足低噪声的同时,功耗较低、面积较小。本文研究的仪表放大器的设计技术通过0.18μm工艺流片测试得到验证,结果良好。2、低功耗、小面积的模数转换器的设计技术研究。模数转换器是仪表放大器的后续电路模块,用以将放大后的神经信号数字化。考虑到低功耗、小面积的需求,文章针对逐次逼近型ADC展开研究。逐次逼近型ADC的电路结构比较固定,主要包括电荷再分配型电容阵列、时域比较器和逻辑控制电路等。以低功耗、小面积为目标,本文分别对ADC各个模块展开了研究。文章首先研究了电容阵列的设计技术,采用了一种混合型开关切换策略,相比于传统的基于共模电压的开关策略,可以将电容面积及平均功耗都减少四分之三。随后在研究现有时域比较器的基础上,提出了一种新颖的基于阶梯型压控延时技术的比较器,相较与传统压控延时单元,能够得到较大的增益以及较好的噪声性能。最后,在逻辑控制电路中,使用了新型的时钟分配电路进一步减少了 ADC的功耗。本文研究的模数转换器的设计技术通过0.18μm工艺流片测试得到验证,结果良好。3、基于概率的峰电位检测算法的研究。峰电位检测是将峰电位从神经信号中提取出来的过程。在脑机接口实验中及应用中,需要对峰电位进行长达数月的记录和检测,在这过程中,信号记录的神经环境难免发生变化,因此需要检测算法具有无监督性、自适应性和高鲁棒性的特定。针对上述要求,本文提出了一种新颖的基于概率的EC-PC峰电位检测算法。相较于已有的检测算法,该算法在信号的概率密度分布的框架下处理数据,使其能够追踪不同的背景噪声及信号强度,自适应地给出一个合理的阈值,因此在多种不同的神经元峰电位信号采集环境下,都能有较好的检测结果,鲁棒性较好。同时,EC-PC算法采用概率阈值这一参数,能够大致预判峰电位检测精度,首次将阈值设定与检测结果联系了起来,对于实验员如何设定峰电位检测阈值具有重要的指导作用。文章给出了原理介绍、公式推导并使用了仿真神经信号及真实记录的神经信号对算法进行了验证。此算法复杂度适中,能够支持在线实时检测,已通过ASIC实现。最后,特别针对简化算法复杂度,本文在同样的概率密度分布的框架下,又提出一种基于噪声估计的峰电位检测算法,在保持EC-PC算法鲁棒性的同时,将算法复杂度从O(NLogN)降低为O(N),更适用于系统微型化及在线实时检测。
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：R318;TN722;TN911.7

【相似文献】

中国期刊全文数据库前4条

1 王怀阳;王朋朋;;由定时引起的突触增强和抑制整合的数学模型[J];中国海洋大学学报(自然科学版);2006年05期

2 沈公羽;海马CA1区锥体细胞树突分级峰电位的模型分析[J];生物物理学报;2000年03期

3 肖萍,李汉强;一种体感皮层电信号的采集技术[J];电脑;1995年08期

4 ;[J];;年期

中国博士学位论文全文数据库前2条

1 周寅;运动型脑机接口中神经元峰电位记录与检测的关键技术研究[D];浙江大学;2017年

2 全廷伟;荧光显微成像中生物信号识别方法研究[D];华中科技大学;2011年

中国硕士学位论文全文数据库前2条

1 王冬雪;神经元峰电位的检测与分类方法研究[D];中国科学技术大学;2011年

2 林孟辉;嗅觉神经信号记录和峰电位分类方法研究[D];南京航空航天大学;2010年