保留时域精细结构的高生物拟真全植入式神经形态人工耳蜗芯片设计
项目介绍
AI项目解读
基本信息
- 批准号:61501445
- 项目类别:青年科学基金项目
- 资助金额:23.0万
- 负责人:
- 依托单位:
- 学科分类:F0124.生物电子学与生物信息处理
- 结题年份:2018
- 批准年份:2015
- 项目状态:已结题
- 起止时间:2016-01-01 至2018-12-31
- 项目参与者:张金勇; 李慧慧; 杜雷雷; 颜延; 张南南;
- 关键词:
项目摘要
This project aims to solve a number of technical challenges in future cochlea implant (CI) devices using neuromorphic VLSI techniques. Being different from the conventional CI system architecture that is based on low-order band-pass filters plus continued-interleaved-sampling, the proposed design in this project achieves the sound spectral segmentation and compression by respectively employing the biomimetic cochlea filters that highly match the high-Q and ultra-steep roll-off band-pass characteristics of the basilar membrane, and the self-adaptive control block that models the function of the outer hair cell in real cochlea. Such strategies aim to improve the bio-fidelity of the signal processing mechanism in CI devices and enable the representation of the temporal fine structure of sound input in the neural stimulation signals, by virtue of which the CI devices can have improved performance in noisy environment and be enabled to better perceive music and other sounds with more complex time-frequency information. Besides, the sound processing system is implementable using low-power analog VLSI circuitry, and its overall power consumption can be controlled within 1 milliwatt to satisfy the stringent power requirement of a fully-implantable CI device.
本项目利用超大规模神经形态集成电路技术,解决未来人工耳蜗产品的多项技术难题。有别于传统的基于低阶带通滤波加连续交错采样的人工耳蜗系统架构,本项目采用高度匹配耳蜗基底膜高品质因数和高阻带衰减斜率带通特性的仿生耳蜗滤波器阵列以及模拟耳蜗外毛细胞功能的自适应滤波器控制模块实现声音信号的分频及压缩处理,采用基于异步增量调制的脉冲编码方式生成耳蜗神经刺激信号。上述策略旨在提高人工耳蜗声音信号处理机制的生物拟真并且使声音信号的时域精细结构在神经刺激信号中得以表达,从而提升人工耳蜗产品在噪声环境下的性能以及感知音乐等时频信息更为复杂的声音信号的能力。另外,本项目提出的人工耳蜗声音信号处理系统可以由低功耗模拟集成电路实现, 预计整体功耗可以控制在1毫瓦以下,从而满足全植入式人工耳蜗的要求。
结项摘要
本项目利用超大规模集成电路技术,解决未来人工耳蜗产品的多项技术难题。项目中提出了保留时域精细结构 (Temporal fine structure,TFS)的刺激策略及其低功耗芯片实现方法。众所周知,保留时域精细结构的刺激策略比传统连续交替采样( Continuous Interleaved Sampling)策略需要更多的信号处理步骤和更多的硬件开销;芯片面积,功耗会随之增加因而和全植入未来人工耳蜗发展方向相悖。为解决这一难题,项目创新性地将基于异步增量调制 (Asynchronous Delta Modulation,ADM)技术应用于刺激策略编码, 利用ADM自身的反馈逼近及异步极性翻转特性直接实现峰谷触发采样和幅度模数转换,从而实现时域精细结构(峰谷间点)和包络幅度的同时编码。在传统步采样系统中,为保证足够的时域分辨率往需要高速模数转换不仅增加模数转换所需功耗,而且产生大量冗余据增加信号处理负担。本系统归功于其异步和自身的信号处理特性,大大节省了功耗和信号处理电路复杂度。作为概念验证,项目中完成了8通道编码芯片设计,并采用中芯国际180纳米CMOS工艺完成流片。芯片8通道总面积0.04mm2,总功耗低于60微瓦,覆盖频率20至2K赫兹,具有6位模数转换精度。TFS在人工耳蜗领域的普及将大大提高植入者的使用体验,具体包括噪声环境下的听觉体验增强以及音乐的欣赏等,这将造福更多听力障碍患者。此外,项目中开展了神经形态(Neuromorphic)人工耳蜗概念研究,具体包括耳蜗外毛细胞(Outer Hair Cell)机理的模拟及硬件实现,以及具有基底膜(Basilar Membrane)频响特性的滤波器建模及实现。虽然受半导体工艺所限,本项目未能在芯片/硬件实现上有所突破,但是项目在基底膜滤波及外毛细胞自适应控制模型方面的研究进展已经为未来该方向的进一步发展提供了理论基础。项目中还提出了多项低功耗电路设计方法,如创新性地将异步增量调制技术应用于人工耳蜗刺激策略编码,大大节省信号处理硬件开销;利用衬底驱动技术解决弱反向跨导电容电路的线性度问题等。这些电路技术有助于未来人工耳蜗芯片功耗的进一步降低,从而实现全植入式人工耳蜗的设想。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--"}}
- 发表时间:{{ item.publish_year || "--" }}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--"}}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ patent.updateTime }}
其他文献
其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--" }}
- 发表时间:{{ item.publish_year || "--"}}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--" }}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
内容获取失败,请点击重试
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:
AI项目摘要
AI项目思路
AI技术路线图
请为本次AI项目解读的内容对您的实用性打分
非常不实用
非常实用
1
2
3
4
5
6
7
8
9
10
您认为此功能如何分析更能满足您的需求,请填写您的反馈:
相似国自然基金
{{ item.name }}
- 批准号:{{ item.ratify_no }}
- 批准年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}
相似海外基金
{{
item.name }}
{{ item.translate_name }}
- 批准号:{{ item.ratify_no }}
- 财政年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}