CN105182794A - 基于fpga的闭环电生理实验平台 - Google Patents
基于fpga的闭环电生理实验平台 Download PDFInfo
- Publication number
- CN105182794A CN105182794A CN201510496792.0A CN201510496792A CN105182794A CN 105182794 A CN105182794 A CN 105182794A CN 201510496792 A CN201510496792 A CN 201510496792A CN 105182794 A CN105182794 A CN 105182794A
- Authority
- CN
- China
- Prior art keywords
- neuron models
- neuron
- experiment
- module
- fpga
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于FPGA的闭环电生理实验平台,利用FPGA芯片结合D/A转换模块构建一种高精度的虚拟神经元并实现闭环电生理实验,该虚拟神经元反映真实神经元的生理特性,在电生理实验研究中代替真实神经元;所述实验平台包括有相互连接的上位机、数据采集卡和FPGA芯片。本发明效果是该平台可以实现虚拟神经元与真实神经元之间的切换,同时在快速性、鲁棒性及能量消耗等指标上均具有一定的优势。可为将要开展的电生理实验以及神经元闭环控制等实验提供一个真实可靠的实验平台,可以重复进行实验,且无需考虑活体实验的局限性和伦理问题,为研究神经元电活动和电生理实验提供便利。
Description
技术领域
本发明涉及生物医学工程技术,特别是一种基于FPGA的闭环电生理实验平台。
背景技术
电生理学研究的主要技术是以多种形式的能量(电、声等)刺激生物体,测量、记录和分析生物体发生的电现象(生物电)和生物体的电特性的技术。针对测量出的电信号进行估计和分析,并加以控制,构成了闭环电生理系统。闭环电生理实验平台的应用可以规避生理实验中的伦理问题和不可重复的问题,适用于进一步的实验研究,为科学研究提供了便利,同时对临床诊断有重要意义。
近些年来,现场可编程门阵列(FieldProgrammableGateArray,FPGA)技术逐渐在以生物神经系统为对象的计算神经科学领域得到重要的应用。在硬件的实现方法中,相比于大规模模拟集成电路灵活性差、开发周期长等缺点,FPGA有着并行运算计算速度快的特点,同时兼具密度高、体积小、编程灵活、可重复配置、修改参数简便、低成本、低功耗、高可靠性等优势。基于FPGA的神经元及神经元网络的计算和特性分析,可以在真实时间尺度下运行,具有速度快、运算效率高、集成度高等优势,因此便于应用在仿生学、智能系统、神经元特性研究及神经疾病治疗等方面,因而对于基于神经元模型的闭环控制的硬件实现具有重要意义。
数据采集卡是用于从下位机(FPGA)中自动采集电信号或者数据信号,并传送到上位机中进行显示、处理。数据采集系统是结合基于计算机或者其他专用测试平台的测量软硬件产品来实现灵活的、用户自定义的测量系统。
VB(VisualBasic)是一种结构化、模块化、面向对象的可编程设计语言,它包含协助开发环境的事件驱动。VB提供了可视化的设计平台,无需考虑Windows界面设计的复杂性,不必再为界面的设计编写大量的程序代码,只需按设计的要求,用系统提供的工具在屏幕上构建各种对象,VB自动产生界面设计代码,我们所要做的只是实现程序功能的那部分代码,从而大大提高了编程的效率。同时,VB还可以实现与其他Windows应用程序建立动态数据库交换和在不同的应用程序之间进行通信的功能。
预测控制是利用过程模型预测系统在一定控制下未来的动态行为,在此基础上根据给定的约束条件和性能要求滚动地求解最优控制作用并实施当前控制,在滚动地每一步通过检测实时的信息修正对未来行为的预测。它可以提前对系统进行控制,可以更好的消除系统中因各环节滞后所产生的延迟影响。而神经元模型数据采集、在线图像处理过程中均存在滞后现象,同时,传感器本身以及硬件驱动过程均可能存在迟滞,这些滞后会对系统造成很大的影响,所以必须采用预测控制对其进行控制,消除滞后对其影响。
由Julier和Uhlman等人根据确定性采样的基本思路,提出的无迹卡尔曼滤波器(UnscentedKalmanfilter,UKF),现已广泛应用于计算机图像处理、传感器数据融合、导航、控制等领域。UKF是一种基于最小方差估计准则的非线性高斯状态估计器。它的优势在于在处理非线性系统时,不需要对非线性函数进行一阶线性化。无迹卡尔曼滤波器是非线性状态估计的一种工具,且能够对噪声影响的输出状态起到滤波的作用,具有更快的收敛速度和更简单的计算流程。基于关键参数的不可直接测量性,本发明选取无迹卡尔曼滤波器对关键参数进行估计,利用易测量的参数估计出不易测量的参数值,并根据其变化情况对神经元的放电状态进行分析。
现有的技术还处于基础阶段,因此仍存在以下缺点:现有的实验平台无法将软件的灵活性和硬件的真实性与速度优势有机地结合起来;现有的运用FPGA实现的硬件仿真神经元模型结构比较简单,精度不高,无法代替真实神经元进行电生理实验研究;现有的人机界面尚未完善,无法进行实时的控制操作与数据分析,因此电生理实验的操作分析比较困难。
发明内容
针对上述技术中存在的不足,本发明的目的是提供一种基于单神经元闭环控制的FPGA实验平台,在硬件基础上构建神经元模型并作为虚拟神经元进行仿真实验,通过对虚拟神经元的闭环控制、利用闭环钳位算法实现电压钳位实验、动态钳位实验、突触电流实验、波形钳位实验以及响应钳位实验等电生理实验;同时,本发明采用了转换接口,可以根据实验要求实现虚拟神经元与真实神经元之间的切换;本发明还利用上位机软件构建上位机软件界面,实现了对实验平台的在线控制和实时显示。本发明采用了硬件和软件组合的形式,既能发挥硬件的速度和真实性方面的优势,也能将软件的灵活性最大程度利用,实现对快速性、鲁棒性及能量消耗等指标的优化。
为实现上述目的,本发明采用的技术方案是提供一种基于FPGA的闭环电生理实验平台,其特征是:利用FPGA芯片结合D/A转换模块构建一种高精度的虚拟神经元并实现闭环电生理实验,该虚拟神经元反映真实神经元的生理特性,在电生理实验研究中代替真实神经元;所述实验平台包括有相互连接的上位机、数据采集卡和FPGA芯片。
本发明的有益效果是该仿真实验平台可利用对神经元的闭环控制实现电生理实验,通过FPGA建立的硬件实验模型和VisualBasic构建的上位机软件界面共同作用,提高了系统的灵活性和可操作性,实现了硬件与软件的有机结合,能够满足快速准确、真实可靠的要求,为神经元闭环电生理研究提供一个真实可靠的、无动物的实验平台。主要优点有:1、用FPGA仿真实验模型代替真实神经元,运用并行运算,与计算机等软件仿真方式采用的串行运算相比,FPGA可以大幅度提高运算速度;2、FPGA芯片的工作频率最大可达200MHz,最大输出频率可达1ms之内,同时,数据采集卡采用的是16通道、采样频率为200K/s,可以保持实验平台的时间尺度与真实神经元一致且在信息传输过程中保证数据位宽、精度满足要求;3、操作者可以在上位机软件界面中对电压设定值、频率设定值、刺激波形、幅值、周期、占空比等参数进行设置,实现对实验平台的控制,完成实验过程;4、应用可视化上位机界面可以动态显示并实时分析神经元放电活动的变化及其内在机理,采用数据采集卡采集数据,可以将采集过程中的噪声干扰问题尽量最小化,保证信号质量,为电生理实验的研究提供更好的可视化的实验研究平台;5、本平台可实现对神经元模型的反复进行实验,上位机、数据采集卡、FPGA芯片等均可反复读写,几乎没有损耗,也无需考虑动物实验的限制,不存在伦理限制。
附图说明
图1为本发明的FPGA硬件实验平台结构示意图;
图2为无迹卡尔曼滤波器原理图;
图3为预测控制控制器模块;
图4为单神经元模型结构示意图;
图5为本发明的上位机软件操作界面示意图。
图中:
1.上位机2.数据采集卡3.FPGA芯片4.USB接口5.数据总线6.电压钳位实验模块7.给定电压信号8.电压钳位控制器9.神经元模型10.神经元膜电位11.无迹卡尔曼滤波器12.动态钳位实验模块13.外加给定刺激信号14.动态钳位控制器15.神经元模型16.突触电流实验模块17.外加刺激信号18.神经元模型Ⅰ19.神经元模型Ⅱ20.模拟突触连接21.神经元模型Ⅲ22.波形钳位实验模块23.刺激类型选择模块24.乘法器25.输入波形26.波形钳位控制器27.神经元模型28.给定放电频率29.响应钳位实验控制器30.神经元放电模型31.频率估计32.响应钳位实验模块33.参考模块34.神经元模型膜电位测量值35.神经元模型慢变量信息估计值36.控制过程模块37.控制过程中神经元模型的慢变量信息估计值38.控制过程中神经元模型的膜电位测量值39.给定信号40.控制器环节41.被控神经元模型42.电压或电流等反馈量43.延时寄存器44.时间变量45.乘法器46.加法器47.神经元模型输出电压48.神经元模型函数方程49.上位机软件界面50.参数调整模块51.控制模块52.显示模块
具体实施方式
下面结合附图对本发明的闭环电生理FPGA实验平台结构加以说明。
本发明的闭环电生理FPGA实验平台的设计思想是首先在FPGA上建立一个神经元模型;然后在FPGA上建立一个独立于神经元模型的控制器,控制器可根据不同电生理实验的要求控制外部刺激信号,通过控制信号强度和类型实现对神经元放电情况的控制;接着是设计无极卡尔曼滤波器,利用无迹卡尔曼滤波器对电导、离子电流等不易测量的关键参数进行估计;最后是设计上位机软件界面,上位机软件采用人机交互界面,使用者可通过对神经元模型、控制器进行参数配置,实现对电生理实验的控制,完成实验流程。该实验平台是由相互连接的上位机1、数据采集卡2和FPGA芯片3组成。其中,由FPGA芯片3接收上位机1发出的信号,并实现神经元模型9、控制器8以及无迹卡尔曼滤波器11;数据采集卡2对FPGA芯片3输出进行采集,并传输到上位机1中;上位机软件界面49采用实时通讯,对FPGA芯片3进行参数设置,同时将数据采集卡2采集到的信号以波形形式实时显示出来。
所述的神经元模型是在Hodgkin-Huxley(H-H)模型的基础上建立的。首先采用欧拉法离散化,并采用流水线技术搭建,使复杂的微分方程可并行计算。流水线思想实际上就是利用延时寄存器使数学模型分为几个子运算过程,在每个时钟周期内,每个子运算过程可以同时进行,数据可随时钟而传递。神经元模型放电数据经可经数据采集卡采集并传输到上位机中,由上位机实现显示功能。
所述的控制器采用的是预测控制,预测控制是一种基于优化的控制算法,它通过某一性能指标的最优来确定未来的控制作用。性能指标中涉及的系统未来的动态行为,是根据预测模型产生的。预测控制算法采用有限时域的滚动优化,这与传统的离散最优控制差别很大,预测控制的优势在于能够处理约束及其对模型形式要求比较宽松。基本原理是利用过程模型预测系统在一定的控制作用下系统的未来动态行为,在此基础上根据给定的约束条件和性能要求滚动的求解最优控制作用并实施当前控制,在滚动的每一步通过检测实时信息修正对未来动态行为的预测,并为了保证过程平稳,引入参考轨迹对设定值进行优化。
所述的无迹卡尔曼滤波器(UKF)是以检测到的膜电位为已知量,对系统中的某些特征参数进行估计,可以得到实时的离子电流、电导、反电势、门控变量等参数的估计值。此方法的优势在于可以将某些不方便测量的参数转化成某个方便测量的参数,便于对神经元放电活动的现象及机理进行研究。UKF算法与其它方法相比精度较高,对噪声的鲁棒性较好。
所述的上位机软件界面采用的是VB(VisualBasic)软件开发实现,开发过程具有便捷直观、可视化、面向对象的特点。由事件驱动的高级程序设计语言,最终呈现在用户面前的是与真实的实验仪器类似的操作界面,能实现实时的数据采集、波形显示和数据分析处理。
本发明的基于FPGA的闭环电生理实验平台是由相互连接的FPGA芯片3、数据采集卡2和上位机1组成的。其中FPGA芯片3用来实现神经元模型、控制器及无迹卡尔曼滤波器;上位机1用来实现设计上位机软件界面并通过USB接口4实现与FPGA芯片3的通讯;同时通过数据采集卡2对FPGA芯片的输出进行采集。以下加以说明:
无迹卡尔曼滤波器(UKF)
如图2所示,由于神经元系统的高度非线性,本发明采用无迹卡尔曼滤波器11从已测量的膜电位数据中滤除噪声的影响,并通过更新状态协方差矩阵的方式估计出未测量的状态变量。对神经元放电状态产生影响的因素主要为关键参数。关键参数通常为神经元细胞外的相关离子浓度及神经元内部的耦合强度,它们是引起神经元放电动力学的根本,包含整个动力学系统的重要信息。首先在参考值模块33中,由神经元模型膜电位测量值34估计得到神经元模型慢变量信息估计值35,再将神经元模型9的膜电位10反馈量,得到控制过程中神经元模型的膜电位测量值38,再利用UKF算法由控制过程中神经元模型的膜电位测量值38估计得到控制过程中神经元模型的慢变量信息估计值37,将控制过程中神经元模型的慢变量信息估计值37作为反馈量与神经元模型慢变量信息估计值35作比较,通过UKF计算可以估计出膜电位、离子电流强度等电信号信息量。
控制器
如图3所示,预测控制控制器40是运用流水线模型在FPGA芯片中实现对神经元模型41的控制,将电压、电流、电导等参数作为反馈量42,与给定信号39作比较,采用预测控制的方法,对神经元放电模型41的放电进行控制,实现设定的控制效果。
神经元模型
如图4所示,对硬件实验平台系统进行设计,采用Altera低功耗CycloneⅣEP4CE75F23C8N型号FPGA开发板,利用DSPBuilder可以进行可视化图形编程,根据HH神经元模型48的数学方程,利用欧拉法将其进行离散化,运用加法器46、乘法器45和延时寄存器43等运算模块搭建出HH神经元模型,用于模拟神经元放电。所有模块在同时钟下同步运行;最后根据FPGA芯片的结构,运用QUARTUSⅡ软件实现硬件描述语言的转换。
上位机软件界面
如图5所示,在上位机中运用VB语言编程的方式来设计上位机软件界面49,界面分为参数调整模块50、控制模块51、显示模块52等四个部分,可以实现对电压设定值、频率设定值、刺激波形、幅值、周期、占空比等参数的设置,也可以将FPGA芯片3的输出实时地显示在上位机软件界面49中。上位机软件通过USB接口4与FPGA芯片3实现数据通信,将操作者输入的数据传输到FPGA芯片中;同时也通过数据采集卡从FPGA芯片实时地接收神经元模型输出的数据,并在上位机界面中显示出来。
FPGA实验平台
由DSPBuilder编写单神经元模型、控制器模型和无迹卡尔曼滤波器,再转换成硬件描述语言。经QUARTUSⅡ软件编写完整的运算逻辑和程序结构、编译、分析综合、布局布线,下载到FPGA芯片3中运行。将神经元模型9的放电数据作为无迹卡尔曼滤波器11输入值,对未知的离子电流、电导、门控变量等参数进行估计,最后将估计得到的结果经数据总线5输出,由数据采集卡2采集数据,再上传到上位机1中,在VB语言编写的上位机软件界面49对数据进行分析处理、波形显示等操作。
本发明共设计五个实验部分,分别为:电压钳位实验、动态钳位实验、突触电流实验、波形钳位实验以及响应钳位实验,然后可通过上位机界面设置相应的参数,并使其通过通讯传输到FPGA中;同时,利用数据采集卡将神经元的放电数据进行采集,并通过USB接口实时传送到上位机中,在上位机软件界面以波形或数据的形式显示出来。本发明中共有五个实验部分:
第一,电压钳位实验。在电压钳位实验模块6中,神经元模型9将膜电位v10作为反馈量输出,与上位机设置的电压值7进行比较,得到相应的误差,再通过预测控制组成的控制器8产生相应的控制信号,对神经元的放电模式进行控制,使其放电电压跟踪给定的电压,同时,将单神经元模型的输出作为无迹卡尔曼滤波器11的输入值,由此估计得出相应的离子电流强度,将估计值经数据总线5传输到数据采集卡的输入端。
第二,动态钳位实验。在动态钳位实验模块12中,神经元模型15将膜电位v作为反馈量输出,利用无迹卡尔曼滤波器11以神经元膜电位作为已知量估计求出相关的电导值输入动态钳位控制器14,动态钳位控制器14将测得的膜电位v与反电势做差,再与电导值相乘,得到相应的电流值并施加到神经元模型中,建立一个串联的基于电导的反电势网络。同时,将神经元输出的膜电位和估计得到的电导值经数据总线5传输到数据采集卡的输入端。
第三,突触电流实验。在突触电流实验模块16中,神经元模型Ⅰ18和神经元模型Ⅲ21是在HH模型基础上构建的,而且是完全相同的;神经元模型Ⅱ19是在Izhikevich模型基础上构建的。分别在神经元模型Ⅰ18和神经元模型Ⅲ21上施加完全相同的外部刺激,同时建立模拟突触连接20,将神经元模型Ⅰ18接收到的刺激通过突触连接的方式加到神经元模型Ⅱ19上,再以同样的方式加到神经元模型Ⅲ21上,将神经元模型Ⅰ18和神经元模型Ⅲ21的放电结果同时输出并进行比较。
第四,波形钳位实验。在波形钳位实验模块22中,本发明中提供了一个选择外加给定信号的功能,首先由上位机软件界面对信号的幅值、频率、占空比、施加时间等参数进行设置,并由USB接口4和数据总线5传输到FPGA芯片3中,而刺激选择模块23可以产生方波、三角波、阶跃信号、脉冲信号等多种类型的信号,由乘法器24产生相应的输入波形25。将神经元模型的膜电位V作为反馈量,与上位机所设置的输入波形25进行比较,将得到的误差输入到控制器,经控制器26调节刺激波形的参数,使神经元模型27的放电跟随给定信号,实现神经元模型放电的波形钳位。
第五,响应钳位实验。峰峰间隔(interspikeinterval,ISI)即神经元峰放电波形中相邻两个峰电位的间隔,可用来描述神经元在电突触耦合下的神经放电节律。在响应钳位实验模块32中,将神经元模型30的放电进行频率估计31,得到各段的频率,分别记为ISI1,ISI2,ISI3,ISI4……将ISI值作为反馈量,与上位机给定的频率设定值28做比较,将误差输入响应钳位控制器29中,经控制器调节,使神经元模型30以期望的频率进行放电。
Claims (6)
1.一种基于FPGA的闭环电生理实验平台,其特征是:利用FPGA芯片结合D/A转换模块构建一种高精度的虚拟神经元并实现闭环电生理实验,该虚拟神经元反映真实神经元的生理特性,在电生理实验研究中代替真实神经元;所述实验平台包括有相互连接的上位机(1)、数据采集卡(2)和FPGA芯片(3);
所述的上位机(1)与数据采集卡(2)通过USB接口连接,利用数据采集卡(2)采集FPGA芯片(3)的输出数据,并实时地通过上位机(1)的上位机软件界面(49)的显示模块(52)以波形的形式显示出来;所述的FPGA芯片(3)通过USB接口(4)与上位机(1)实现通讯,接收上位机(1)发出的数据和指令;
所述的FPGA芯片(3)中包含有电压钳位实验模块(6)、动态钳位实验模块(12)、突触电流实验模块(16)、波形钳位实验模块(22)以及响应钳位实验模块(32),这五个模块相互独立,通过数据总线(5)将这五个模块与上位机(1)和数据采集卡(2)相连接;所述的电压钳位实验模块(6)、动态钳位实验模块(12)、突触电流实验模块(16)、波形钳位实验模块(22)以及响应钳位实验模块(32)分别经数据总线(5)相互连接获取上位机(1)给定的参数,对FPGA芯片(3)中的参数进行配置,由数据总线(5)将上位机(1)的输入信号传输给所述的五个的模块,并将输出的信号传输到数据采集卡(2)的输入端,完成闭环电生理实验。
2.根据权利要求1所述的基于FPGA的闭环电生理实验平台,其特征是:所述的电压钳位实验模块(6)包括有电压钳位控制器(8)、神经元模型(9)及无迹卡尔曼滤波器(11),所述电压钳位控制器(8)与数据总线(5)相连,控制神经元模型(9)放电,由无迹卡尔曼滤波器(11)接收神经元模型(9)的放电输出并与数据总线(5)连接,所述的电压钳位控制器(8)对神经元模型(9)进行调制,并使神经元模型(9)跟踪给定电压信号(7)放电;所述的无迹卡尔曼滤波器(11)对离子电流强度、电导、反电势、门控变量进行估计并输出到FPGA芯片(3)的输出端。
3.根据权利要求1所述的基于FPGA的闭环电生理实验平台,其特征是:所述的动态钳位实验模块(12)包括有由动态钳位控制器(14)、神经元模型(15)及无迹卡尔曼滤波器(11),由动态钳位控制器(14)连接数据总线(5),并对神经元模型(15)进行调制,通过无迹卡尔曼滤波器(11)接收神经元模型(15)的放电数据,并将得到的电导值输入到动态钳位控制器(14)中;动态钳位控制器(14)根据输入的电导值和上位机给点参数计算得到适当的刺激电流并施加到神经元模型(15)中,实现对神经元模型(15)放电的控制。
4.根据权利要求1所述的基于FPGA的闭环电生理实验平台,其特征是:所述的突触电流实验模块(16)包括有神经元模型Ⅰ(18)、神经元模型Ⅱ(19)和神经元模型Ⅲ(21),所述神经元模型Ⅰ(18)与神经元模型Ⅱ(19)之间、神经元模型Ⅱ(19)与神经元模型Ⅲ(21)之间分别以完全相同的模拟突触连接方式(20)连接,将神经元模型Ⅰ(18)的输出作为输入信号施加到神经元模型Ⅱ(19),将神经元模型Ⅱ(19)的输出作为输入信号施加到神经元模型Ⅲ(20),同时,由上位机对神经元模型Ⅰ(18)和神经元模型Ⅲ(20)施加相同的外加刺激信号(17),将神经元模型Ⅰ(18)和神经元模型Ⅲ(20)的放电结果由数据总线(5)输出到FPGA芯片(3)的输出端。
5.根据权利要求1所述的基于FPGA的闭环电生理实验平台,其特征是:所述的波形钳位实验模块(22)包括有刺激类型选择模块(23)、波形钳位控制器(26)、神经元模型(27)及无迹卡尔曼滤波器(11),所述刺激类型选择模块(23)与数据总线(5)相连,产生输入电压波形(25);波形钳位控制器(26)对神经元模型(27)进行调制,刺激类型选择模块(23)与乘法器(24)连接,通过数据总线(5)传来的上位机(1)信号生成输入电压波形(25)作为给定电压信号,施加到神经元模型(27)中,利用波形钳位控制器(26)对神经元模型(27)进行控制,使神经元模型(27)跟随给定电压放电。
6.根据权利要求1所述的基于FPGA的闭环电生理实验平台,其特征是:所述的响应钳位实验模块(32)包括有响应钳位控制器(29)、神经元模型(30)及频率估计模块(31),响应钳位控制器(29)连接到数据总线(5)并对神经元模型(30)进行控制,频率估计模块(31)接收神经元放电数据并将估计结果经数据总线(5)输出到数据采集卡(2)输入端,频率估计模块(31)对神经元模型(30)的放电数据进行分析,估计得到放电频率,响应钳位控制器(29)根据估计结果与上位机(1)给定放电频率(28)比较得到的误差,对神经元模型(30)进行控制,使神经元模型(30)按照给定的频率进行放电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510496792.0A CN105182794A (zh) | 2015-08-12 | 2015-08-12 | 基于fpga的闭环电生理实验平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510496792.0A CN105182794A (zh) | 2015-08-12 | 2015-08-12 | 基于fpga的闭环电生理实验平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105182794A true CN105182794A (zh) | 2015-12-23 |
Family
ID=54904943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510496792.0A Pending CN105182794A (zh) | 2015-08-12 | 2015-08-12 | 基于fpga的闭环电生理实验平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105182794A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418051A (zh) * | 2020-11-18 | 2021-02-26 | 温州大学 | 一种用于非线性动态系统非高斯噪声下的状态估计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007002790A2 (en) * | 2005-06-28 | 2007-01-04 | Neurosciences Research Foundation, Inc. | Neural modeling and brain-based devices using special purpose processor |
US20100076915A1 (en) * | 2008-09-25 | 2010-03-25 | Microsoft Corporation | Field-Programmable Gate Array Based Accelerator System |
CN103691058A (zh) * | 2013-12-10 | 2014-04-02 | 天津大学 | 帕金森病基底核-丘脑网络的深度脑刺激fpga实验平台 |
CN104112066A (zh) * | 2014-08-18 | 2014-10-22 | 天津大学 | 基于fpga的癫痫状态闭环控制实验平台 |
CN104375878A (zh) * | 2014-11-24 | 2015-02-25 | 天津大学 | 弱电磁刺激调制海马网络节律的fpga仿真系统 |
CN104615909A (zh) * | 2015-02-02 | 2015-05-13 | 天津大学 | 基于FPGA的Izhikevich神经元网络同步放电仿真平台 |
CN104689473A (zh) * | 2015-02-02 | 2015-06-10 | 天津大学 | 基于fpga的电刺激下神经元随机响应及共振实验平台 |
-
2015
- 2015-08-12 CN CN201510496792.0A patent/CN105182794A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007002790A2 (en) * | 2005-06-28 | 2007-01-04 | Neurosciences Research Foundation, Inc. | Neural modeling and brain-based devices using special purpose processor |
US20100076915A1 (en) * | 2008-09-25 | 2010-03-25 | Microsoft Corporation | Field-Programmable Gate Array Based Accelerator System |
CN103691058A (zh) * | 2013-12-10 | 2014-04-02 | 天津大学 | 帕金森病基底核-丘脑网络的深度脑刺激fpga实验平台 |
CN104112066A (zh) * | 2014-08-18 | 2014-10-22 | 天津大学 | 基于fpga的癫痫状态闭环控制实验平台 |
CN104375878A (zh) * | 2014-11-24 | 2015-02-25 | 天津大学 | 弱电磁刺激调制海马网络节律的fpga仿真系统 |
CN104615909A (zh) * | 2015-02-02 | 2015-05-13 | 天津大学 | 基于FPGA的Izhikevich神经元网络同步放电仿真平台 |
CN104689473A (zh) * | 2015-02-02 | 2015-06-10 | 天津大学 | 基于fpga的电刺激下神经元随机响应及共振实验平台 |
Non-Patent Citations (2)
Title |
---|
刘晨,等: ""帕金森状态的慢变量反馈模糊控制"", 《中国科学》 * |
王青云,等: "《神经元耦合系统的同步动力学》", 30 September 2008, 北京:科学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418051A (zh) * | 2020-11-18 | 2021-02-26 | 温州大学 | 一种用于非线性动态系统非高斯噪声下的状态估计方法 |
CN112418051B (zh) * | 2020-11-18 | 2024-05-03 | 温州大学 | 一种用于非线性动态系统非高斯噪声下的状态估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104615909A (zh) | 基于FPGA的Izhikevich神经元网络同步放电仿真平台 | |
Pani et al. | An FPGA platform for real-time simulation of spiking neuronal networks | |
CN104112066A (zh) | 基于fpga的癫痫状态闭环控制实验平台 | |
CN103691058B (zh) | 帕金森病基底核-丘脑网络的深度脑刺激fpga实验平台 | |
CN100466967C (zh) | 便携式连续记录脉搏检测装置 | |
CN104689473B (zh) | 基于fpga的电刺激下神经元随机响应及共振实验平台 | |
Glackin et al. | A novel approach for the implementation of large scale spiking neural networks on FPGA hardware | |
CN104375878A (zh) | 弱电磁刺激调制海马网络节律的fpga仿真系统 | |
CN101785659B (zh) | 一种便携式通用生物信号获取和分析系统及方法 | |
CN105117611A (zh) | 基于卷积神经元网络的中医舌诊模型的确定方法及系统 | |
CN103268519A (zh) | 基于改进Lyapunov指数的电力系统短期负荷预测方法及装置 | |
CN105631222B (zh) | 前馈神经网络下基于fpga的stdp突触可塑性实验平台 | |
CN102670182B (zh) | 脉搏波采集质量实时分析装置 | |
CN102156272A (zh) | 电能计量检定方法、装置和系统 | |
CN107169184A (zh) | 基于FPGA的基底核网络beta节律仿真系统 | |
CN106053539A (zh) | Ph水质分析仪系统及其控制方法 | |
CN105845001B (zh) | 基于fpga的多电极阵列仿真实验平台 | |
CN105182794A (zh) | 基于fpga的闭环电生理实验平台 | |
CN110414083B (zh) | 一种Chay模型电子神经元产品和仿真平台 | |
CN107590360A (zh) | 基于fpga的神经元离子通道动态特性实验平台 | |
CN208889147U (zh) | 基于fpga的电子突触实验平台 | |
Neftci et al. | Dynamic state and parameter estimation applied to neuromorphic systems | |
CN108711351A (zh) | 基于fpga的电子突触实验平台 | |
Christophe et al. | Survey and evaluation of neural computation models for bio-integrated systems | |
CN105631223A (zh) | 基于cpg的心肺节律同步控制实验平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151223 |
|
WD01 | Invention patent application deemed withdrawn after publication |