本發明涉及腦機接口領域的神經脈沖片上檢測技術及電路實現，具體涉及一種用于腦電信號的神經脈沖片上檢測電路及設備。

背景技術：

1、腦機接口（brain-computer?interface,?bci）通過電信號連接大腦與外部設備，使大腦能夠直接控制計算機、機器人、假肢等設備，這項技術為康復、科研和技術開發提供了新途徑。bci系統包括信號采集、處理、脈沖檢測、分類算法和控制輸出，通過解讀大腦活動并轉化為設備指令，實現大腦對設備的直接控制。bci在多個領域有廣泛應用。bci研究始于20世紀60年代，現代bci系統能實時處理大量腦電數據，提供可靠的信號解讀和控制功能。盡管取得了進展，bci技術仍面臨提高信號處理精度和速度、減小設備體積和重量、增加系統便捷性等挑戰。

2、脈沖檢測是神經信號處理中至關重要的一環。神經元通過放電產生脈沖信號，這些脈沖攜帶大量信息，是大腦與外界互動的主要方式。脈沖檢測從復雜的腦電信號中識別這些脈沖，提取有用信息，涉及濾波、放大、特征提取和分類等步驟，最終用于分析或設備控制。脈沖檢測應用廣泛。在腦機接口系統中，脈沖檢測解讀大腦運動意圖，轉化為控制假肢等設備的指令。在神經科學研究中，脈沖檢測分析神經元活動模式，幫助理解大腦工作機制。在醫療診斷中，脈沖檢測監測和分析神經信號，輔助診斷和治療神經疾病。常見的脈沖檢測方法有閾值法、模板匹配法和機器學習法。閾值法設定固定閾值，信號超過閾值時檢測到脈沖，方法簡單但易受噪聲影響。模板匹配法通過信號與預定義模板匹配檢測脈沖，精度高但計算復雜。機器學習法通過訓練模型自動檢測脈沖，處理復雜信號但需大量訓練數據和計算資源。

3、隨著腦機接口技術的發展，對處理大量神經信號的高效、實時和精確的需求日益增加。然而現有的檢測方法在資源利用和檢測精度方面存在一定的局限性：（1）資源受限與頻率差異導致的計算電路時分復用問題。在許多腦機接口系統中，腦電信號的采樣頻率較低，一般僅為幾千赫茲，而定制硬件加速器的工作頻率卻可以達到幾兆赫茲。這種顯著的頻率差異導致了計算資源的閑置與浪費。為了高效利用這些高頻工作的計算單元，系統需要通過時分復用技術進行優化。時分復用是一種在不同時刻使用相同硬件資源處理不同任務的方法。通過這種技術，可以在有限的硬件資源下實現復雜的信號處理功能。然而，時分復用技術也帶來了新的挑戰。首先，由于同一個計算單元需要在不同時刻處理不同的任務，任務的調度和切換變得至關重要。如果調度不當，可能會導致處理延遲和性能下降。其次，時分復用要求計算單元具有足夠的靈活性，能夠快速切換和處理不同類型的任務。（2）多通道高通量處理中的資源管理和數據同步問題。腦機接口系統需要處理大量的神經信號，因此必須具備高通量的處理能力。這要求系統能夠同時處理多個通道的信號，從而需要多路并行輸入和多套存儲邏輯的支持。通過多路并行輸入，系統能夠同時采集和處理來自不同通道的信號，避免數據處理的瓶頸問題。多套存儲邏輯則用于高效存儲和管理大量的神經信號數據，確保數據的快速訪問和實時處理。實現多路并行輸入和多套存儲邏輯需要克服一系列技術挑戰。例如，高效管理和調度多個通道的信號是關鍵，需要保證數據的實時性和一致性。此外，還要在不顯著增加硬件開銷的前提下提高系統的處理能力。多路并行處理還需考慮信號之間的干擾和同步問題，確保每個通道的信號能夠獨立處理而不受其他通道的影響。（3）如何在有限硬件資源條件下實現高精度的脈沖檢測。傳統的脈沖檢測方法在精度和硬件資源使用方面存在兩種極端情況：高精度方法需要大量硬件資源，而低精度方法雖然簡單，但難以提供準確的檢測結果。高精度的脈沖檢測方法，如基于方差計算的方法，能夠提供高精度的檢測結果。然而，這些方法計算復雜度高，硬件開銷大，特別是在資源受限的系統中難以實現。此外，復雜的算法在實時處理中的漏檢率和虛警率較低，但硬件實現難度較大。另一方面，低精度的方法，如簡單的閾值法，雖然計算復雜度低，硬件實現簡單，但檢測精度較低，容易受到噪聲干擾。這樣的檢測方法漏檢率較高，虛警率也難以控制，不適合精細的信號處理需求。因此，需要找到一種在硬件開銷和檢測精度之間取得平衡的脈沖檢測方法。理想的方法應在保證檢測精度的同時，盡可能降低硬件資源的使用。

技術實現思路

1、本發明要解決的技術問題：針對現有技術的上述問題，提供一種用于腦電信號的神經脈沖片上檢測電路及設備，本發明旨在針對現有腦電信號的檢測方法在資源利用和檢測精度方面存在的局限，解決資源受限與頻率差異導致的計算電路時分復用問題、高通量數據處理中的資源管理和數據同步問題，以及精度與硬件開銷折中的脈沖檢測算法實現問題。

2、為了解決上述技術問題，本發明采用的技術方案為：

3、一種用于腦電信號的神經脈沖片上檢測電路，包括：

4、輸入模塊，用于通過時分復用接收從串行外設接口輸入的多路腦電信號；

5、脈沖識別模塊，用于對輸入的腦電信號進行脈沖檢測；

6、波形輸出模塊，用于記錄并輸出脈沖點附近的波形數據；

7、所述輸入模塊包含用于輸入多路腦電信號的串行外設接口，所述輸入模塊、脈沖識別模塊以及波形輸出模塊依次相連，所述波形輸出模塊具有用于將波形數據輸出的輸出接口。

8、可選地，所述輸入模塊包含16路spi引擎、16個單路數據fifo緩沖器、一個輪詢模塊、一個公用數據fifo緩沖器以及一個取出模塊，來自每一個串行外設接口的腦電信號通過對應的spi引擎完成串行數據到并行數據的轉換后送入單路數據fifo緩沖器緩沖，并由輪詢模塊從各個16個單路數據fifo緩沖器輪流取出緩沖的腦電信號后送入公用數據fifo緩沖器，并由取出模塊將公用數據fifo緩沖器中緩沖的16路腦電信號送入脈沖識別模塊。

9、可選地，所述spi引擎的輸入為1位，輸出為16位，所述spi引擎包括一個移位寄存器，每輸入1位信號會存儲在移位寄存器中，當移位寄存器存儲的數據達到16位時，將16位數據一次性輸出；每路spi引擎通過時分復用tdm的方式處理16個通道的數據，使得16路spi引擎可總計處理256個通道的數據以實現高通量數據輸入，所述每一路spi引擎后設有一個用于計算通道索引的第一循環移位寄存器，所述第一循環移位寄存器的寬度為8位，且每一路spi引擎的第一循環移位寄存器的循環范圍不同，每當spi引擎輸出有效信號時，第一循環移位寄存器自加一次，并將16位的原始信號數據與第一循環移位寄存器中的8位數據組合形成包含通道信息的24位數據輸出。

10、可選地，還包括加速器接口和微處理器，所述微處理器通過加速器接口與輸入模塊相連以用于對輸入模塊進行參數配置，所述參數配置包括路選配置和通道數的配置，所述路選配置用于選通指定的路數，使得對應路的spi引擎和單路數據fifo緩沖器工作、且輪詢模塊也會從對應路的單路數據fifo緩沖器中取數據；所述通道數的配置是指配置spi引擎選通的通道以及第一循環移位寄存器的通道索引的循環范圍，使得spi引擎依次輸入選通的通道的輸入數據。

11、可選地，所述脈沖識別模塊包括自動閾值檢測模塊，所述自動閾值檢測模塊包括：第二循環移位寄存器，用于判斷當前通道的狀態；最大值存儲器，用于分別存儲當前窗口的最大值；最小值存儲器，用于分別存儲當前窗口的最小值；部分和存儲器，用于分別存儲當前窗口的部分和；平均值存儲器，用于分別存儲上一個窗口的平均值；極差存儲器，用于分別存儲上一個窗口的極差；標準差參數存儲器，用于存儲計算標準差的參數；計算處理單元，用于執行數據計算、數據比較以及判斷當前的信號是否為脈沖信號；所述第二循環移位寄存器共有三種狀態，當寄存器值為0時，將當前輸入值存入最大值存儲器、最小值存儲器和部分和存儲器，并將寄存器值加1；當寄存器值在0到當前窗口寬度width之間時，從最大值存儲器、最小值存儲器和部分和存儲器中取出最大值、最小值和部分和，更新后重新寫入，并將寄存器值加1；當寄存器值等于當前窗口寬度width時，計算極差和平均值，分別寫入極差存儲器和平均值存儲器，并將寄存器值置為0；所述第二循環移位寄存器、最大值存儲器、最小值存儲器、部分和存儲器、平均值存儲器以及極差存儲器均與輸入通道索引直接相連，數據的讀寫由數據有效信號控制；所述標準差參數存儲器的輸入包括當前窗口寬度width，數據的讀寫由數據有效信號控制，當有數據進入時，所述計算處理單元首先更新當前窗口的最大值、最小值以及部分和，并將上一個窗口的平均值和極差取出，然后利用極差和與窗口寬度有關的標準差參數相乘，得到一個近似的標準差，最后根據當前的輸入信號、平均值、近似標準差以及輸入的閾值因子p_value判斷當前的輸入信號是否為脈沖信號并輸出。

12、可選地，所述脈沖識別模塊還包括固定閾值檢測模塊，且自動閾值檢測模塊和固定閾值檢測模塊兩者的輸出端分別與一個受配置的工作模式控制的多路選擇器mux的輸入端相連；所述固定閾值檢測模塊包括一個比較器，所述比較器的一個輸入為固定閾值，另一個輸出為輸入的腦電信號。

13、可選地，所述波形輸出模塊包括：波形數據存儲器，用于存儲波形數據；寫地址指針模塊，用于規定寫地址；脈沖計數器，用于計算波形采樣點數量；讀地址寄存器，用于保存寫地址指針模塊的值，以便在讀取脈沖波形時找到波形的起始點；通道fifo，用于保存需要輸出波形的通道；所述波形數據存儲器前端連接有寫端口以用于寫入輸入數據，寫端口的寫地址由通道索引與寫地址指針模塊的值之和決定，寫端口的寫使能由數據有效信號控制；所述寫地址指針模塊為一個循環移位寄存器，寫地址有兩個范圍：0到length-1和length到2*length-1，其中length為一個完整波形的采樣點數，循環移位寄存器在完成一個通道的波形存儲后會在所述兩個范圍之間循環；所述脈沖計數器在接收到脈沖信號后，將計數器值設為2*length/3，每當輸入有效數據時，計數器值減1，且當計數器值減至0時，切換寫地址指針模塊的循環范圍，并將當前寫地址指針模塊的值保存到讀地址寄存器中，同時將當前通道數輸出到通道fifo中；所述通道fifo的非空信號與波形數據存儲器的讀使能信號相連，通道fifo非空時根據通道fifo的通道數和讀地址寄存器的值從波形數據存儲器中讀取波形數據并通過axi接口輸出。

14、可選地，所述加速器接口還分別與脈沖識別模塊以及波形輸出模塊相連以用于對脈沖識別模塊以及波形輸出模塊進行參數配置，包括：為脈沖識別模塊的多路選擇器mux配置工作模式以選擇自動閾值檢測模塊或固定閾值檢測模塊輸出，自動閾值檢測模塊的寄存器中存儲的當前窗口寬度width，閾值因子p_value，以及固定閾值檢測模塊中的固定閾值；為波形輸出模塊配置輸入信號的采樣頻率，所述輸入信號的采樣頻率用于控制波形輸出時記錄波形的數據點的個數。

15、此外，本發明還提供一種腦電信號檢測設備，包括檢測電極組件和神經脈沖片上檢測電路，所述檢測電極組件包括多個通道的檢測電極，多個通道的檢測電極分別與神經脈沖片上檢測電路的輸入端相連，所述神經脈沖片上檢測電路為前述用于腦電信號的神經脈沖片上檢測電路。

16、可選地，所述神經脈沖片上檢測電路的輸出端連接有計算機設備。

17、和現有技術相比，本發明主要具有下述優點：

18、1、為了解決資源受限與頻率差異導致的計算電路時分復用問題，本發明采用了改進的時分復用方法，確保在有限資源下高效進行腦電信號的處理，通過優化任務調度和提高計算單元的靈活性，本發明不僅提高了系統的性能，還降低了處理延遲，確保了腦電信號的高效處理和實時響應。

19、2、為了解決多通道高通量處理中的資源管理和數據同步問題，本發明采用了一種優化的多路并行輸入和多套存儲邏輯設計，通過先進的調度算法和存儲管理策略，實現了高效的數據處理和存儲管理，該設計不僅提升了系統的處理能力，還保證了數據的實時性和一致性，有效解決了多通道高通量處理中的各種技術問題。

20、3、為了解決在有限硬件資源條件下實現高精度的脈沖檢測問題，本發明采用了一種優化的脈沖檢測算法，該算法在硬件友好的基礎上，提升了檢測精度。具體實現包括以下幾方面：（1）簡化計算：通過近似計算方法減少對硬件資源的需求，如使用平方根和對數的近似值。（2）優化算法：采用混合檢測算法，將低復雜度的閾值法與高精度的統計方法結合，降低整體計算復雜度。（3）硬件設計優化：通過并行處理和流水線技術，提高計算效率，減少漏檢率和虛警率。這種折中的檢測方法不僅在硬件實現上更加友好，而且在信號檢測與估計的漏檢和虛警概率方面表現優異，能夠在有限的硬件資源條件下實現高效、準確的脈沖檢測。