脑机接口电路与系统

近年来由于脑科学与人工智能技术的迅猛发展，脑机接口技术得到了长足的进步和飞速的发展，已逐渐成为当前神经工程领域中*活跃的研究方向之一，在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力，应用领域也在逐渐扩大。本书从电路和系统层面，介绍了实现脑机接口集成电路的若干关键核心技术。在电路层面，作者介绍了具有电容反馈低噪声放大器和电容衰减带通滤波器的低功率神经信号调节系统，以及几种分别基于电压域、电流域和时间域等方法实现的A/D转换器，并从电路架构层次评估了如何在噪声、速度和功耗之间进行折衷。在系统层面，作者介绍了基于非线性能量算子尖峰探测和基于核函数的多类支持向量机分类的128通道可编程神经尖峰信号分类器。另外，还提出了在神经接口设计中应对工艺偏差的多变量优化方法。

阿米尔•齐亚约（Amir Zjajo）于2000年获得英国伦敦帝国理工学院的硕士和DIC学位，并于2010年获得荷兰埃因霍温理工大学的博士学位，专业为电子工程专业。2000年，他加入飞利浦研究实验室，成为混合信号电路与系统组的研究人员。
从2006年到2009年，他是恩智浦半导体公司研究部的高级研究科学家。2009年，他加入代尔夫特理工大学，担任电路与系统组的教师。
齐亚约博士已发表超过70多篇期刊和会议论文，拥有十项以上的授权或正在申请的美国专利。他是《低压高分辨率A/D转换器：设计、测试和校准》（斯普林格2011，中文翻译2015）和《深亚微米CMOS中的随机过程变化：电路和算法》（斯普林格2014）一书的作者。他是IEEE欧洲设计、自动化和测试会议、IEEE电路和系统国际研讨会、IEEE VLSI国际研讨会、IEEE纳米电子和信息系统国际研讨会和IEEE嵌入式计算机系统国际会议的技术项目委员会成员。
他的研究方向包括节能的混合信号电路和系统、健康和移动应用及神经形态电子电路设计、自主认知系统等。Zjajo博士曾获得BIODEVICES 2015和DATE 2012会议的*佳论文奖。

译者序
作者简介 
缩略语表
物理量符号表
第1章引言
1.1脑机接口：电路与系统
1.2当前设计实践的述评
1.3研究意义
1.4本书章节安排
  参考文献
第2章神经信号调理电路
2.1概述
2.2高能效神经信号调理电路
2.3运算放大器
2.4实验结果
2.5结论
  参考文献

第3章神经信号量化电路
3.1概述
3.2低功耗ADC结构
3.3ADC构建模块
3.3.1 采样保持电路
3.3.2 自举开关电路
3.3.3 运算放大器电路
3.3.4 锁存比较器电路
3.4电压域SAR A/D转换
3.5电流域SAR A/D转换
3.6时域两级A/D转换
3.7实验结果
3.8结论
  参考文献

第4章神经信号分类电路
4.1概述
4.2神经尖峰信号探测器
4.3神经尖峰信号分类器
4.4实验结果
4.5结论
参考文献
第5章脑机接口:系统优化
5.1概述
5.2电路参数的理论公式
5.2.1随机工艺偏差
5.2.2神经记录接口的噪声
5.3用于工艺偏差分析的随机MNA
5.4用于噪声分析的随机MNA
5.5多通道神经记录界面的单位面积功耗优化
5.5.1功耗优化
5.5.2单位面积功耗优化
5.6实验结果
5.7结论
参考文献
第6章   结语
   6.1   实验结果总结
   6.2  展望
附录
   A.1 功率-噪声放大器折中
   A.2 信号调理电路功率
A.3 信号量化电路功率
A.4 可编程增益SAR ADC的噪声分析
B.1 MOS晶体管模型不确定性
B.2 电阻和电容模型不确定性
B.3 时域分析
B.4 参数提取
B.5 性能函数纠正
B.6 样本大小的确定
B.7 频域分析法
参考文献