آشکار کننده اسپایک نورونی جریانی با منبع ۱V به همراه سیستم تخمین زننده
خلاصه
در این مقاله، ما یک مدار اشکارساز اسپایک را با توان مصرفی کم برای سیستم های ضبط سیگنال نورونی در جایی که عملکرد سیگنال های نورونی یا بیوزیستی موردتوجه هستند، ارائه میکنیم. این چنین سیستمی می تواند فشرده سازی داده ها را به مقدار زیادی توسط انتقال های بی سیمی فراهم کند. این طراحی با استفاده از تولیدکننده انرژی غیرخطی عمل میکند که توسط بلوک های انالوگ مدجریانی با توان مصرفی کم پیاده سازی شده است. برای کاهش حساسیت تنظیم استانه، در این کار از یک اسیلاتور مد جریانی بر پایه تخمین زننده احتمال شناسایی اسپایک برای حذف مثبت های نادرست بر اثر نویز، استفاده میکنیم. این مدار در تکنولوژی CMOS (سیماس) 65 نانومتری به کار گرفته شده و 200um در 150um حجم اشغال میکند. در آن از منبع جریان یک ولت استفاده شده و 88nW توان استاتیک و 10nj توان دینامیک برای هر اسپایک ورودی مصرف شده است.
1. مقدمه
با توسعه تکنولوژی نیمه رساناها، صدها کانال در یک سیستم ضبط نورون تک چیپ مجتمع شدند تا فعالیت های نورونی در مغز را سریعا ثبت کنند. یکی از کاربردهای آنها، رابط ماشین مغز است که یک رابط مستقیم بین مغز و کامپیوتر و دیگر دستگاه هاست و میتواند برای مراقبت در شرایطی مانند بیماری پارکینسون، بهبود اختلالات حرکتی و یا برای اهداف تحقیقاتی در علم نورون شناسی استفاده شود. معمولا قسمت حسگر باید زیر جمجمه کاشته شود و پتانسیل های زیستی نورونها را ثبت کند که سیگنال های اسپایک نیز نامیده میشوند و به صورت بی سیمی داده های نورونی را انتقال میدهند تا از آلودگی بافت ها جلوگیری کنند. بعد از ان یک واحد پردازشگر سیگنال بیرون از بدن، اطلاعات را از این سیگنال های اسپایک میگیرد و پارامترهای کنترل مرتبط را برای بعضی از دستگاه های اعضای بدن مصنوعی هوشمند توسط یک محرک در مغز و یک فیدبک حلقه بسته ایجاد میکند. اگرچه منبع توان این سیستم های ضبط نورونی کاشته شده از انتقال دهنده بی سیمی بدست امده، مدارات کاشته شده باید با مصرف توان خیلی کمی کار کنند.
Abstract
In this paper, we describe a novel low power, compact, current-mode spike detector circuit for real-time neural recording systems where neural spikes or action potentials (AP) are of interest. Such a circuit can enable massive compression of data facilitating wireless transmission. This design operates by approximating the popularly used nonlinear energy operator (NEO) through standard current mode analog blocks that can operate at low voltages. To reduce sensitivity of threshold setting, this work uses a current-mode oscillator based detection probability estimator (DPE) to reject false positives caused by the background noise. The circuit is implemented in a 65 nm CMOS process and occupies 200 µm x 150 µm of chip area. Operating from a 1 V power supply, it consumes about 88 nW of static power and 10 nJ of dynamic energy per input spike.
I. INTRODUCTION
With the advance of today’s semiconductor technology, hundreds of channels have been integrated in single-chip neural recording system to monitor multiple neurons’ activities in the brain simultaneously. One emerging application is the brain machine interfaces (BMIs) which is a direct real-time interface between brain and computers or other devices. It could be utilized to treat conditions like Parkinson’s disease, restore motor impairment or even for neuroscience research purpose. Usually, the sensory part should be implantable under the skull, record the neurons’ action potentials, which are also called spike signals and wirelessly transmit the raw neural data to avoid tissue infections. After that a signal processing unit outside our body will derive the information from these spike signals and generate the corresponding control parameters for some robotic prosthetic device or a stimulator in the brain, forming a close-loop feedback. Since the power supply of the implanted neural recording system is typically obtained from wireless transfer, the implanted circuits have to operate within very limited power budgets
خلاصه
1. مقدمه
2. معماری سیستم
a. اشکارکننده اسپایک
b. تخمین زننده احتمال شناسایی
3. توان مصرفی
4. نتایج اندازه‌گیری
5. نتیجه گیری
Abstract
I. INTRODUCTION
II. SYSTEM ARCHITECTURE
A. Spike Detector
B. Detection Probability Estimator
III. POWER DISSIPATION
IV. MEASUREMENT RESULTS
V. CONCLUSIONS
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه