本文關(guān)鍵詞：運(yùn)動(dòng)型腦機(jī)接口中神經(jīng)元峰電位記錄與檢測(cè)的關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 運(yùn)動(dòng)型腦機(jī)接口 低噪聲儀表放大器 逐次逼近型模數(shù)轉(zhuǎn)換器 峰電位檢測(cè)

【摘要】：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(guó)內(nèi)外都受到高度重視。近年來(lái)發(fā)展起來(lái)的運(yùn)動(dòng)型腦機(jī)接口技術(shù)通過(guò)記錄大腦皮層運(yùn)動(dòng)區(qū)域的神經(jīng)元峰電位信號(hào),將運(yùn)動(dòng)信息解析出來(lái),轉(zhuǎn)化為控制義肢、輪椅等的電子信號(hào),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(zhǎng)類(lèi)動(dòng)物及個(gè)別人類(lèi)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(zhǎng)期記錄實(shí)驗(yàn)對(duì)峰電位檢測(cè)算法魯棒性的新要求;神經(jīng)信號(hào)記錄電極通道數(shù)增加對(duì)神經(jīng)信號(hào)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(hào)無(wú)線(xiàn)傳輸?shù)男枨髮?duì)系統(tǒng)集成和微型化的挑戰(zhàn)等。針對(duì)上述挑戰(zhàn),本文將對(duì)運(yùn)動(dòng)型腦機(jī)接口中神經(jīng)元峰電位記錄和檢測(cè)的關(guān)鍵技術(shù)展開(kāi)研究。研究?jī)?nèi)容包括以下幾個(gè)方面:1、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(hào)放大的模塊。本文分析了峰電位信號(hào)記錄應(yīng)用中儀表放大器的設(shè)計(jì)需求,包括信號(hào)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(duì)直流失調(diào)抑制技術(shù)和輸入阻抗提升技術(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�。由于采用了電容耦合拓�(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(huì)帶來(lái)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(mǎn)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(guò)0.18μm工藝流片測(cè)試得到驗(yàn)證,結(jié)果良好。2、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(hào)數(shù)字化�？紤]到低功耗、小面積的需求,文章針對(duì)逐次逼近型ADC展開(kāi)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(duì)ADC各個(gè)模塊展開(kāi)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(kāi)關(guān)切換策略,相比于傳統(tǒng)的基于共模電壓的開(kāi)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(guò)0.18μm工藝流片測(cè)試得到驗(yàn)證,結(jié)果良好。3、基于概率的峰電位檢測(cè)算法的研究。峰電位檢測(cè)是將峰電位從神經(jīng)信號(hào)中提取出來(lái)的過(guò)程。在腦機(jī)接口實(shí)驗(yàn)中及應(yīng)用中,需要對(duì)峰電位進(jìn)行長(zhǎng)達(dá)數(shù)月的記錄和檢測(cè),在這過(guò)程中,信號(hào)記錄的神經(jīng)環(huán)境難免發(fā)生變化,因此需要檢測(cè)算法具有無(wú)監(jiān)督性、自適應(yīng)性和高魯棒性的特定。針對(duì)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(cè)算法。相較于已有的檢測(cè)算法,該算法在信號(hào)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(hào)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(hào)采集環(huán)境下,都能有較好的檢測(cè)結(jié)果,魯棒性較好。同時(shí),EC-PC算法采用概率閾值這一參數(shù),能夠大致預(yù)判峰電位檢測(cè)精度,首次將閾值設(shè)定與檢測(cè)結(jié)果聯(lián)系了起來(lái),對(duì)于實(shí)驗(yàn)員如何設(shè)定峰電位檢測(cè)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(hào)及真實(shí)記錄的神經(jīng)信號(hào)對(duì)算法進(jìn)行了驗(yàn)證。此算法復(fù)雜度適中,能夠支持在線(xiàn)實(shí)時(shí)檢測(cè),已通過(guò)ASIC實(shí)現(xiàn)。最后,特別針對(duì)簡(jiǎn)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(cè)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(xiàn)實(shí)時(shí)檢測(cè)。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：R318;TN722;TN911.7

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 王懷陽(yáng);王朋朋;;由定時(shí)引起的突觸增強(qiáng)和抑制整合的數(shù)學(xué)模型[J];中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

2 沈公羽;海馬CA1區(qū)錐體細(xì)胞樹(shù)突分級(jí)峰電位的模型分析[J];生物物理學(xué)報(bào);2000年03期

3 肖萍,李漢強(qiáng);一種體感皮層電信號(hào)的采集技術(shù)[J];電腦;1995年08期

4 ;[J];;年期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 周寅;運(yùn)動(dòng)型腦機(jī)接口中神經(jīng)元峰電位記錄與檢測(cè)的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2017年

2 全廷偉;熒光顯微成像中生物信號(hào)識(shí)別方法研究[D];華中科技大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王冬雪;神經(jīng)元峰電位的檢測(cè)與分類(lèi)方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

2 林孟輝;嗅覺(jué)神經(jīng)信號(hào)記錄和峰電位分類(lèi)方法研究[D];南京航空航天大學(xué);2010年

，

本文編號(hào)：1259083