用于物联网脑机接口植入物的Zydeco风格尖峰排序低功耗VLSI架构
硬件体系结构
2022-11-01 v3 新兴技术
机器学习
信号处理
摘要
脑机接口(BCI)在解决许多脑信号分析局限、精神障碍诊疗以及通过神经控制植入物恢复缺失肢体功能方面具有巨大潜力。然而，目前尚无单一可用且安全的植入物用于日常生活。大多数已提出的植入物存在若干实现问题，如感染风险和散热问题，这限制了其可用性，并使其更难通过法规与质量控制生产。无线植入物无需颅骨上的慢性创口。然而，当前植入芯片内复杂的聚类神经元识别算法消耗大量功耗与带宽，导致更高的散热问题并耗尽植入物电池。尖峰排序是侵入式BCI芯片的核心单元，在功耗、精度与面积方面起着重要作用。因此，在本研究中，我们提出一种低功耗自适应简化VLSI架构“Zydeco-Style”，用于BCI尖峰排序，其计算复杂度更低且精度更高，在最坏情况下可达93.5%。该架构使用低功耗蓝牙无线通信模块连接外部物联网医疗ICU设备。所提架构在Verilog中实现并仿真。此外，我们提出了一种植入物概念设计。
引用
@article{arxiv.2209.04427,
title = {Zydeco-Style Spike Sorting Low Power VLSI Architecture for IoT BCI Implants},
author = {Zag ElSayed and Murat Ozer and Nelly Elsayed and Magdy Bayoumi},
journal= {arXiv preprint arXiv:2209.04427},
year = {2022}
}
备注
6 pages, 7 Figures