机构名称：
¥ 1.0
摘要 — 当前，植入式脑机接口 (BMI) 的趋势是增加通道数量，以改进信息传输速率的下一代设备。然而，这会增加有线或无线系统的原始数据带宽，最终影响功率预算（和热耗散）。因此，植入物上的特征提取和/或压缩对于降低数据速率至关重要，但处理能力令人担忧。皮层内 BMI 的一种常见特征提取技术是尖峰检测。在这项工作中，我们通过实证比较了三种硬件高效的尖峰强调器、非线性能量算子 (NEO)、幅度斜率算子 (ASO) 和导数能量 (ED) 以及两种常见的统计阈值机制（使用平均值或中位数）的性能、资源利用率和功耗。我们还提出了一种新颖的中位数近似法来解决中位数算子硬件效率不高的问题。这些都已在可重构硬件 (FPGA) 上实现和评估，以估计它们在最终 ASIC 设计中的硬件效率。我们的结果表明，采用平均阈值的 ED 提供了最高效的硬件（低功耗/资源）选择，而使用中值则具有更高的检测精度和更高的阈值乘数设置稳健性的优势。这项工作意义重大，因为它是首次实现和比较硬件和算法权衡，在将算法转化为硬件实例以设计无线植入式 BMI 之前必须做出这些权衡。
无线脑机接口尖峰检测算法的硬件评估
主要关键词
相关文件推荐
