A 32-channel event-based bio-signal analog front-end with adaptive delta and pulse frequency encoding
本文介绍了一种采用 180 nm CMOS 工艺制造的 32 通道基于事件的模拟前端 ASIC，该 ASIC 利用双模脉冲频率调制和自适应异步增量调制，为神经形态脑机接口实现高度可配置、低功耗且可压缩的生物医学信号采集。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图在嘈杂拥挤的体育场里听清一声低语。如果你使用一个只会记录一切的标准麦克风，你会得到一堵淹没掉低语的静电墙。现在，想象一个超级智能的麦克风，它只记录那声低语而忽略人群，并且还知道如何根据人群声音的大小即时调节音量。这本质上就是这组研究人员所制造的东西：一个微小的、具有32通道的“智能麦克风”芯片，旨在监听大脑的电信号，而不被噪声淹没。
旧款麦克风的问题
大多数监听脑信号的设备（例如用于脑机接口的设备）都使用“固定”设置。这就像是一个带有运动传感器的监控摄像头，其灵敏度是固定的。如果设置得太灵敏，一片随风飘过的叶子（噪声）就会触发摄像头，让你的存储空间充斥着无用的照片。如果设置得太宽松，摄像头可能会错过真正走过的人，因为它在等待更大的动作。论文指出，这种“一刀切”的方法对于长期监测来说是一个死胡同，因为现实世界的信号是混乱且随时间变化的。固定设置要么会产生过多数据，要么会错过重要的细节。
新的“智能”芯片
研究人员创造了一种新型芯片，采用 180 nm CMOS 工艺制造，其功能类似于一个 32 通道的智能麦克风。每个通道都有两种特殊的监听方式：
- 脉冲频率调制 (PFM)： 这就像一名鼓手，当音乐变得激烈时，他会敲得更快；当音乐平静时，则敲得更慢。它将信号转化为一系列“脉冲”或“事件”流。
- 自适应异步增量调制器 (aADM)： 这是真正的明星。该电路并没有使用固定规则，而是内置了一个“包络追踪器”。想象一位冲浪者，他不断调整冲浪板以匹配变化的波浪形状。该电路会实时追踪输入信号的“包络”（整体形状）。
“冲浪者”是如何工作的
aADM 电路旨在忽略“噪声底限”——即信号中持续存在的背景嘶嘶声。它通过观察信号音量的缓慢、低频变化来实现这一点。如果背景噪声变大，芯片会自动提高其“阈值”（触发记录所需的水平），从而不会被噪声触发。如果噪声降低，它会降低阈值，以捕捉更细微的细节。
然而，它足够聪明，能够分辨背景噪声与真实事件的区别。如果发生突然、剧烈的尖峰（例如神经元发放动作电位），电路会忽略缓慢变化的噪声，并立即捕捉到这个快速事件。这使得芯片可以实现大规模的数据压缩，仅发送“有趣”的部分，而忽略其余部分。
他们实际测量了什么
团队不仅在计算机上进行了模拟，还制造并测试了这款实体芯片。
- 芯片尺寸： 测量为 3.22 mm × 5.67 mm。
- 通道数： 拥有 32 个可以独立编程的通道。
- 噪声： 他们测量了信号链（从第一个放大器到末端）的噪声，发现其在 1.6 kHz 带宽内的积分值为 68.72 𝜇Vrms。
- 结果： 在实验中，他们向芯片输入了一个带有变化噪声层级的合成“阶梯状”信号。芯片成功地根据变化的噪声调整了其阈值，如测量结果所示。当他们在 1.7 秒附近引入一个特定事件（如模拟的动作电位）时，即使在背景噪声很高的情况下，芯片也能可靠地记录下它。
它目前还不是什么
论文谨慎地指出，虽然该芯片可以工作，但它仍是一个原型。作者提到，为了使噪声更低，他们本可以把第一个放大器（LNA）做得更大，但他们选择了为自适应电路留出更多空间。这意味着他们测得的噪声水平（68.72 𝜇Vrms）是证明自适应概念可行性时所做的权衡。他们还指出，虽然芯片的 PFM 部分经过了测试并被证实功能正常，但这项工作的核心重点和“突破点”在于这种自适应增量调制。
底线
这款芯片展示了一种利用脑信号与计算机交流的新途径。通过让传感器本身决定什么是重要的、什么是噪声，它解决了数据过载的问题。这是迈向无线系统的一步，旨在实现长时间监听大脑，而无需向计算机回传数 GB 的无用静电数据。作者们成功证明了这种自适应方法在真实硬件中是行之有效的，为更高效的脑机接口铺平了道路。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。