腦機接口電路與系統（簡體書）

近年來由於腦科學與人工智能技術的迅猛發展，腦機接口技術得到了長足的進步和飛速的發展，已逐漸成為當前神經工程領域中*活躍的研究方向之一，在生物醫學、神經康復和智能機器人等領域具有重要的研究意義和巨大的應用潛力，應用領域也在逐漸擴大。本書從電路和系統層面，介紹了實現腦機接口集成電路的若干關鍵核心技術。在電路層面，作者介紹了具有電容反饋低噪聲放大器和電容衰減帶通濾波器的低功率神經信號調節系統，以及幾種分別基於電壓域、電流域和時間域等方法實現的A/D轉換器，並從電路架構層次評估了如何在噪聲、速度和功耗之間進行折衷。在系統層面，作者介紹了基於非線性能量算子尖峰探測和基於核函數的多類支持向量機分類的128通道可編程神經尖峰信號分類器。另外，還提出了在神經接口設計中應對工藝偏差的多變量優化方法。

腦電波芯片控制智能假體的黑科技腦機接口詳解，未來已至

譯者序
作者簡介
縮略語表
物理量符號表
第1章引言
1.1腦機接口：電路與系統
1.2當前設計實踐的述評
1.3研究意義
1.4本書章節安排
參考文獻
第2章神經信號調理電路
2.1概述
2.2高能效神經信號調理電路
2.3運算放大器
2.4實驗結果
2.5結論
參考文獻

第3章神經信號量化電路
3.1概述
3.2低功耗ADC結構
3.3ADC構建模塊
3.3.1 採樣保持電路
3.3.2 自舉開關電路
3.3.3 運算放大器電路
3.3.4 鎖存比較器電路
3.4電壓域SAR A/D轉換
3.5電流域SAR A/D轉換
3.6時域兩級A/D轉換
3.7實驗結果
3.8結論
參考文獻

第4章神經信號分類電路
4.1概述
4.2神經尖峰信號探測器
4.3神經尖峰信號分類器
4.4實驗結果
4.5結論
參考文獻
第5章腦機接口:系統優化
5.1概述
5.2電路參數的理論公式
5.2.1隨機工藝偏差
5.2.2神經記錄接口的噪聲
5.3用於工藝偏差分析的隨機MNA
5.4用於噪聲分析的隨機MNA
5.5多通道神經記錄界面的單位面積功耗優化
5.5.1功耗優化
5.5.2單位面積功耗優化
5.6實驗結果
5.7結論
參考文獻
第6章 結語
6.1 實驗結果總結
6.2 展望
附錄
A.1 功率-噪聲放大器折中
A.2 信號調理電路功率
A.3 信號量化電路功率
A.4 可編程增益SAR ADC的噪聲分析
B.1 MOS晶體管模型不確定性
B.2 電阻和電容模型不確定性
B.3 時域分析
B.4 參數提取
B.5 性能函數糾正
B.6 樣本大小的確定
B.7 頻域分析法
參考文獻