💻 computer science

A 32-channel event-based bio-signal analog front-end with adaptive delta and pulse frequency encoding

Este artículo presenta un ASIC de front-end analógico basado en eventos de 32 canales fabricado en CMOS de 180 nm que utiliza la modulación de frecuencia de pulsos de modo dual y la modulación delta asincrónica adaptativa para permitir una adquisición de señales biomédicas altamente configurable, de bajo consumo y compresible para interfaces cerebro-computadora neuromórficas.

Autores originales: Narayanan Shyam, Saptarshi Ghosh, Giacomo Indiveri

Publicado 2026-07-15

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Narayanan Shyam, Saptarshi Ghosh, Giacomo Indiveri

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando escuchar un susurro en un estadio ruidoso y lleno de gente. Si usas un micrófono estándar que simplemente graba todo, obtienes una pared de estática que ahoga el susurro. Ahora, imagina un micrófono súper inteligente que solo graba el susurro e ignora a la multitud, pero que también sabe cómo subir o bajar el volumen instantáneamente dependiendo de qué tan fuerte sea la multitud. Eso es esencialmente lo que este equipo de investigadores construyó: un diminuto chip de "micrófono inteligente" de 32 canales diseñado para escuchar las señales eléctricas del cerebro sin verse abrumado por el ruido.

El problema con los micrófonos antiguos
La mayoría de los dispositivos que escuchan señales cerebrales (como los utilizados en las Interfaces Cerebro-Computadora) utilizan un ajuste "fijo". Piensa en ello como una cámara de seguridad con un sensor de movimiento configurado con una sensibilidad específica. Si el ajuste es demasiado sensible, una hoja moviéndose por el viento (ruido) activa la cámara, inundando tu almacenamiento con fotos inútiles. Si el ajuste es demasiado laxo, la cámara pierde a la persona real que pasa porque está esperando un movimiento más grande. El artículo argumenta que este enfoque de "talla única" es un callejón sin salida para el monitoreo a largo plazo porque las señales del mundo real son desordenadas y cambian con el tiempo. Un ajuste fijo genera demasiados datos o pierde detalles importantes.

El nuevo chip "inteligente"
Los investigadores crearon un nuevo chip, fabricado en un proceso CMOS de 180 nm, que actúa como un micrófono inteligente de 32 canales. Cada canal tiene dos formas especiales de escuchar:

Modulación de Frecuencia de Pulso (PFM): Esto es como un baterista que golpea un tambor más rápido cuando la música se intensifica y más lento cuando está tranquila. Convierte la señal en un flujo de "picos" o eventos.
Modulador Delta Asíncrono Adaptativo (aADM): Este es el verdadero protagonista de la función. En lugar de usar una regla fija, este circuito tiene un "rastreador de envolvente" integrado. Imagina a un surfista que ajusta constantemente su tabla para coincidir con la forma cambiante de la ola. Este circuito sigue la "envolvente" (la forma general) de la señal entrante en tiempo real.

Cómo funciona el "surfista"
El circuito aADM está diseñado para ignorar el "pelo de ruido" (noise floor): el siseo constante de fondo de la señal. Lo hace observando los cambios lentos y de baja frecuencia en el volumen de la señal. Si el ruido de fondo se vuelve más fuerte, el chip aumenta automáticamente su "umbral" (el nivel requerido para activar una grabación) para que no sea activado por el ruido. Si el ruido disminuye, baja el umbral para capturar detalles más silenciosos.

Sin embargo, es lo suficientemente inteligente como para saber la diferencia entre el ruido de fondo y un evento real. Si ocurre un pico repentino y agudo —como una neurona disparando un potencial de acción—, el circuito ignera los cambios lentos del ruido y captura ese evento rápido de inmediato. Esto permite que el chip comprima los datos masivamente, enviando solo las partes "interesantes" de la señal e ignorando el resto.

Lo que realmente midieron
El equipo no solo lo simuló en una computadora; construyeron el chip físico y lo probaron.

El tamaño del chip: Mide 3.22 mm × 5.67 mm.
Los canales: Tiene 32 canales independientes que pueden programarse individualmente.
El ruido: Midieron el ruido de la cadena de señal (desde el primer amplificador hasta el final) y encontraron que se integró a 68.72 𝜇Vrms en un ancho de banda de 1.6 kHz.
Los resultados: En sus experimentos, alimentaron al chip con una señal sintética que tenía una "escalera" de niveles de ruido cambiantes. El chip se adaptó con éxito a su umbral ante el cambio de los niveles de ruido, como se muestra en sus mediciones. Cuando introdujeron un evento específico (como un potencial de acción simulado) cerca de la marca de 1.7 segundos, el chip lo registró de manera confiable incluso mientras el ruido de fondo era alto.

Lo que NO es (todavía)
El artículo es cuidadoso al notar que, aunque el chip funciona, es un prototipo. Los autores mencionan que para hacer el ruido aún más bajo, podrían haber hecho el primer amplificador (LNA) más grande, pero eligieron dar más espacio al circuito adaptativo. Esto significa que el nivel de ruido que midieron (68.72 𝜇Vrms) es un compromiso que hicieron para demostrar que el concepto adaptativo funciona. También señalan que, aunque la parte PFM del chip fue probada y se encontró funcional, el enfoque principal y el "avance" de este trabajo específico es la modulación delta adaptativa.

La conclusión
Este chip sugiere una nueva forma de hablar con las computadoras usando señales cerebrales. Al permitir que el propio sensor decida qué es importante y qué es solo ruido, resuelve el problema de la sobrecarga de datos. Es un paso hacia sistemas inalámbricos que pueden escuchar al cerebro durante mucho tiempo sin necesidad de enviar gigabytes de estática inútil de vuelta a una computadora. Los autores demostraron con éxito que este enfoque adaptativo funciona en hardware real, allanando el camino para interfaces cerebro-computadora más eficientes.

Resumen Técnico: Un Front-End Analógico de Bio-señales de 32 Canales con Codificación Adaptativa de Delta y Frecuencia de Pulso

Planteamiento del Problema
Los sistemas de procesamiento de bio-señales existentes suelen depender de circuitos de codificación basados en eventos con umbrales fijos para convertir señales sensoriales analógicas en Representación de Eventos por Dirección (AER, por sus siglas en inglés) para Redes Neuronales de Picos (SNN). Aunque son efectivos para el procesamiento de bajo consumo y baja latencia, las estrategias de umbral fijo enfrentan limitaciones significativas en escenarios de Interfaz Cerebro-Computadora (BCI) reales y de largo plazo. Específicamente, establecer umbrales demasiado cercanos genera un exceso de eventos debido al ruido, mientras que establecerlos demasiado alejados para evitar el ruido reduce la precisión de la codificación de la señal y degrada la extracción de características de nivel inferior. Además, los perfiles de ruido en las señales biomédicas pueden derivar con el tiempo, lo que hace que los umbrales estáticos no sean ideales para matrices multicanal masivas o monitoreo de largo plazo.

Metodología y Arquitectura
Los autores presentan un ASIC (Circuito Integrado de Aplicación Específica) de Front-End Analógico (AFE) de 32 canales, fabricado en un proceso CMOS de 180 nm. El chip está diseñado para interactuar directamente con procesadores neuromórficos mediante el protocolo AER. La arquitectura consta de 32 canales programables de forma independiente, cada uno de los cuales contiene una cadena de acondicionamiento de señal y un bloque de codificación de eventos de modo dual.

Cadena de Acondicionamiento de Señal: Cada canal incluye:
- Amplificador de Bajo Ruido (LNA): Utiliza un Amplificador de Transconductancia Operacional (OTA) de espejo de corriente con una ganancia ajustable (0–22 dB) controlada por un CDAC de 4 bits.
- Filtro de Paso de Banda (BPF): Un filtro de 4º orden basado en una topología de Seguidor de Voltaje Invertido (FVF) para mejorar el rendimiento del ruido mediante la reutilización de corriente. Cuenta con una frecuencia central ( $\omega_0$ ) y un factor de calidad ( $Q$ ) ajustables mediante un CDAC de 8 bits.
- Amplificador de Ganancia Programable (PGA): Proporciona ganancia adicional, también controlada por un CDAC de 4 bits.
- Todos los parámetros analógicos se programan mediante una Interfaz Periférica Serial (SPI) digital utilizando un generador de polarización compensado por temperatura integrado en el chip.
Codificación de Modo Dual:
- Modulación de Frecuencia de Pulso (PFM): Implementa una neurona de Integración y Disparo Exponencial Adaptativa (AdExp-IF) para convertir señales de voltaje en trenes de picos.
- Modulador Delta Asíncrono Adaptativo (aADM): Esta es la innovación central. A diferencia de los ADM clásicos que utilizan umbrales fijos, el aADM ajusta dinámicamente sus umbrales delta en tiempo real basándose en la envolvente de la señal de entrada.
  - Mecanismo Adaptativo: El circuito extrae la envolvente de la señal utilizando un Seguidor de Fuente en subumbral. Esta envolvente es procesada por dos Integradores de Par Diferencial (DPI) con constantes de tiempo significativamente diferentes (una relación de 99:1) para separar los cambios de baja frecuencia de la envolvente de los transitorios de alta frecuencia (por ejemplo, potenciales de acción).
  - Ajuste de Umbral: Un circuito de Ganador Único (WTA) compara las salidas de los DPI para detectar cambios rápidos en la envolvente. La corriente resultante ajusta el voltaje de umbral base (generado por un DAC de Voltaje de 7 bits) para los comparadores 'UP' (subida) y 'DN' (bajada). Esto permite que el sistema eleve el umbral durante periodos de alto ruido para suprimir eventos de ruido, manteniendo al mismo tiempo la sensibilidad hacia las características de alta amplitud y alta frecuencia.

Contribuciones Clave

Primera Realización de un aADM en Bio-señales: El artículo presenta la primera implementación en ASIC de un modulador delta adaptativo específicamente ajustado a los niveles de ruido de las señales biomédicas, permitiendo el ajuste de umbral en tiempo real.
Escalabilidad de 32 Canales: El chip integra 32 canales totalmente paralelos y configurables, abordando los desafíos de escalabilidad de la adquisición de bio-señales multicanal.
Compresión a Nivel de Sensor: Al adaptar el umbral de codificación a la envolvente de la señal, el aADM proporciona un compromiso entre la precisión de la reconstrucción de la señal bruta y la relación de compresión de datos a nivel del sensor. Esto reduce los requisitos de ancho de banda de datos para la transmisión inalámbrica en aplicaciones de BCI.
Compatibilidad Neuromórfica: La salida es nativamente compatible con procesadores SNN asíncronos mediante el protocolo AER, facilitando el procesamiento de señales neuromórfico de extremo a extremo.

Resultados de Medición

Rendimiento de Ruido: La densidad espectral de potencia de ruido referido a la entrada, integrada de 10 Hz a 1.6 kHz, se midió en 68.72 $\mu V_{rms}$ . Los autores señalan que los niveles de ruido fueron ligeramente elevados en el LNA para priorizar la asignación de área para el circuito aADM, aunque es posible realizar más optimizaciones.
Validación de la Codificación Adaptativa:
- Simulación: Las simulaciones de circuito demostraron que el aADM rastreó con éxito un suelo de ruido cambiante (simulado mediante una función de escalón) mientras preservaba la codificación de eventos de alta frecuencia.
- Mediciones de Silicio: Los resultados experimentales en el chip fabricado confirmaron el comportamiento adaptativo. Cuando se aplicó un estímulo sintético con un suelo de ruido cambiante, el chip ajustó su tasa de generación de eventos. Crucialmente, cuando se introdujo un evento de interés (simulando un potencial de acción) cerca de $t=1.7$ s, el sistema lo codificó de manera confiable a pesar del suelo de alto ruido previamente adaptado, validando la implementación de hardware.

Significado
El artículo afirma que este trabajo allana el camino para la comunicación inalámbrica adaptativa de señales neurales aptas para el procesamiento en línea en BCIs. Al resolver el problema de la saturación de datos en el monitoreo de largo plazo mediante la compresión adaptativa a nivel de sensor, el ASIC sirve como un front-end versátil. Permite la interfaz directa de bio-señales de baja frecuencia con procesadores SNN asíncronos, equilibrando la necesidad de una reconstrucción de señal de alta fidelidad con las restricciones de transmisión de bajo consumo y bajo ancho de banda. Los autores posicionan esto como un paso hacia sistemas de procesamiento de señales neuromórficas de extremo a extremo más eficientes, capaces de manejar datos en streaming en el borde (edge).

Más como este