用于植入式脑电获取的神经信号检测与集成化核心技术研究

脑电信息交互微系统是21世纪人类探索的最前沿的课题，近年来，随着微电子技术的发展，植入式无线集成微系统获取方案成为研究者探索的热点问题。脑神经信息具有复杂性、互扰性和时空性等特性。现今传统有线植入式获取系统无法实现远距离实际应用，而无线通信植入法在现有设计原理和通信带宽限制下，获取脑信号存在严重丢失而无法准确重现原始脑电信号。因此，本课题提出高精度、强鲁棒性、低数据传输率的脑电信号获取原理及其关键核心技术的解决方案。课题以基于非线性能量运算神经网络的脑信号峰值检测原理为突破点，运用神经网络学、信息学和微电子学，重点探索非线性能量运算下神经网络对多重叠加信号的检测理论及系统结构集成化设计。在满足多通道复杂神经元动作电位的峰值检测条件下，通过非线性能量运算及多层传感器网络的学习算法更新，实现低数据传输率下的微弱脑电信号重现的准确性、健全性，以满足实现脑电获取系统的高效性和鲁棒性。

用于植入式脑电获取的神经信号检测与集成化核心技术研究经过项目组三年多的研究，分别从脑电信号获取的基础理论到植入式微芯片等多个方面进行探索，获得了新研究成果。主要的研究成果包括：第一，通过对脑电信号的机理分析，探索一种基于混合神经网络（PCA+RSOM网络）的具有强分类功能的脑电多电位分类方法。第二，通过对多种脑电信号检测算法分析，提出一种基于NEO算法的峰电位在片检测法，该方法实现了超低功耗、低复杂度结构的微系统。第三，研究基于亚阈值区的CMOS电路结构，设计具有失调抑制、低噪声采集、超低功耗的前端脑电信号采集系统，并实现了基于0.35微米工艺的芯片。在国家自然基金的支持下，研究内容分别发表在IEE、IEEE、Microelectronics Reliability等国际著名期刊。研究成果已经获得国家专利授权两项。