Progettazione e implementazione di un codificatore adattivo di biopotenziali in spikes per processi neuromorfici

Abstract

I neuroni del sistema nervoso centrale comunicano attraverso segnali elettrici noti come spike; questa interazione può essere replicata nei neuromorphic computing system (NCS) impiegando uno spiking encoder per convertire i segnali analogici in treni di spike. L'analisi dei pattern di spikes negli NCS si rivela utile per prevenire e gestire meglio diverse malattie, come l'epilessia, e per controllare gli arti protesici. Questo progetto presenta un codificatore di spike adattivo basato sulla pendenza del segnale, progettato per immettere segnali analogici nei NCS; il codificatore proposto comprende due componenti principali: un generatore di segnali modulati ad ampiezza di impulso (PWM) e un'unità di elaborazione digitale implementata su un field-programmable gate array (FPGA). Il codificatore migliora efficacemente l'efficienza delle spiking neural network (SNN) semplificando il processo di codifica ed eliminando la necessità di un convertitore analogico-digitale. Il lavoro illustra in dettaglio l'implementazione del circuito, che comprende un filtro passa-basso dell'ottavo ordine, un amplificatore per strumentazione a guadagno regolabile, un comparatore e un'unità di elaborazione digitale; i risultati sperimentali convalidano la capacità del codificatore di produrre modelli di spike accurati in base alla pendenza del segnale di ingresso. Il dispositivo proposto apre la strada allo sviluppo di sistemi di acquisizione biopotenziale più avanzati e adattabili, diventando potenzialmente una soluzione innovativa nelle future tecnologie mediche, in particolare nelle brain-machine interface (BMI) e nelle applicazioni di neuromodulazione.

Neurons in the central nervous system communicate through electrical signals known as spikes; this interaction can be replicated in neuromorphic computing systems (NCS) by employing a biopotential spike encoder, to convert analog signals into spike trains. The analysis of spike patterns in NCSs proves beneficial in preventing and better managing different diseases, such as epilepsy, and controlling prosthetic limbs. This project presents a slope-based adaptive spike encoder designed to input analog signals into NCS; the proposed encoder comprises two primary components: a pulse width modulated (PWM) signal generator and a digital processing unit implemented on a field-programmable gate array (FPGA). The encoder effectively enhances the efficiency of spiking neural networks (SNNs) by simplifying the encoding process and eliminating the need for an analog-to-digital converter. The work details the circuit implementation, including an 8th-order low-pass filter, an adjustable gain instrumentation amplifier, a comparator and a digital processing unit, and experimental results validate the encoder's capability to produce accurate spike patterns based on the input signal's slope. The proposed device paves the way for the development of more advanced and adaptable biopotential acquisition systems, potentially becoming an innovative solution in future medical technologies, particularly in Brain-Machine Interfaces (BMIs) and neuromodulation applications.