一种神经振荡信号模拟器的制作方法

本发明涉及生物医学工程领域，涉及神经群模型的构建以及FPGA的应用。

背景技术：

由于技术上的限制和我们对大脑认知的不足，我们现有的计算能力很难满足复杂的神经群模型的搭建以及计算。目前，我们只是在不断的挖掘快速计算的方法来解决这个问题，但是实际效果并不让人满意，因为现有的计算方法都是串行，我们大脑神经元的工作机制却是并行的，有本质上的差异，因此接下来我们要运用神经元的工作机制来进行模型的硬件实现。

现场可编程门阵列(FPGA)近年来发展比较迅速，因为其具有高性能，功耗低，体积小等优点所以被广泛使用。FPGA具有灵活的可编程性，内部工作机制也是高速的并行计算，所以对于神经群模型硬件实现来说是一个很好的选择。

经对现有文献的检索发现《生物医学工程学杂志》,2016(4)，论文名“丘脑皮层神经群模型仿真及现场可编程门阵列实现研究”，该文献完成了模型的搭建以及仿真，但是并没有实现多种脑状态下神经振荡信号的输出。

经检索还发现，中国专利申请号为：201310282800.2，名称为：基于SOPC模拟脑电波的电路板及构建大脑动力学模型的方法，该申请案基于SOPC嵌入式设计完成了脑电波形LCD屏的显示，没有实现参数在模型中调节与噪声可量化的输入也没有通过D/A输出波形，而且方法本身存在不足之处：模型复杂致使程序编写难度加大，不能体现FPGA高速计算复杂模型的能力。

技术实现要素：

本发明目的在于提供一种实现神经群模型快速、高效计算的神经振荡信号模拟器。

为实现上述目的，采用了以下技术方案：本发明所述模拟器由神经群模型搭建、模型校正及转化、FPGA硬件实现三部分依次相连组成；在神经群动力学模型的基础上，以神经群模型原理图为依托通过参数调节生成相应波形，并将校正好的数学模型转化成硬件描述语言然后烧录到FPGA；具体组建方法如下：

(1)神经群模型搭建

在DSP Builder中完成神经群模型的搭建与仿真；

(2)模型校正及转化

在神经群模型中通过调整相关生理参数实现多种脑状态下的神经振荡信号；根据信噪比公式(P＝10log[ps/pn])加入噪声生成不同信噪比的神经振荡信号，并将校正好的数学模型转化成硬件描述语言；

(3)FPGA硬件实现

FPGA硬件包括神经群模块、编译模块、可执行语言模块、D/A模块、衰减器模块、TFT-LCD模块、控制器模块A、控制器模块B、控制器模块C、Avalon总线模块；

将神经群模块通过编译模块编译成可执行语言模块，可执行语言模块、D/A模块、TFT-LCD模块通过对应的控制器模块A、控制器模块B、控制器模块C定制成一个IP连接在Avalon总线模块上，采用DSP Builder+IP+NiosⅡ+Qsys的设计方案通过NiosⅡEclipse完成驱动处理，构成软硬件无缝对接，实现波形衰减与稳定输出。

与现有技术相比，本发明具有如下优点：

1、可在神经群模型中调节相关生理参数生成不同脑状态下的神经振荡信号(静息态脑电、癫痫、睡眠等)，为探究不同神经生理机制提供新方法。

2、可加入量化的噪声信息生成不同的信噪比信号，实现不同信噪比的神经振荡信号，为神经振荡的可视化打下基础。

3、D/A后接衰减器实现波形衰减与稳定输出，产生的神经振荡信号能够衰减到毫伏级，为专业的医疗仪器标定(癫痫、睡眠监测等)提供新的方案。

4、将神经群模型的数学模型转化成硬件可执行语言，利用FPGA实现无延迟效应的神经群模型功能。

附图说明

图1是本发明的整体设计框图。

图2是本发明的神经群动力学模型图。

图3是本发明的神经群模型原理图。

图4是本发明的FPGA硬件实现框图。

附图标号：1-神经群模块、2-编译模块、3-可执行语言模块、4-D/A模块、5-衰减器模块、6-TFT-LCD模块、7-控制器模块A、8-控制器模块B、9-控制器模块C、10-Avalon总线模块。

具体实施方式

下面结合附图对本发明做进一步说明：

如图1所示，本发明主要由三部分构成，分别是神经群模型搭建、模型校正及转化、FPGA硬件实现。在神经群动力学模型的基础上，以神经群模型原理图为依托通过参数调节生成相应波形，并将校正好的数学模型转化成硬件描述语言然后烧录到FPGA；FPGA硬件实现，基于DSP Builder+IP+NiosⅡ+Qsys嵌入式设计方案，硬件外围连接TFT-LCD、D/A、衰减器实现波形稳定输出。

如图2所示，神经群动力学模型，在一个皮层柱中包含三种连接分别为短范围的连接(皮层内部)，长范围的连接(皮层-皮层之间)，外围连接(子皮层之间)。在一个微柱中兴奋性神经元和抑制性神经元之间是相互连接的，并受到子皮层的兴奋性和抑制性的输入，但是在皮层-皮层之间的连接中抑制性神经元只受到兴奋性的输入。

如图3所示，神经群模型原理图，根据原理图通过调整相关生理参数(如兴奋性或抑制性平均突触增益、突触的连接强度等)实现不同的神经振荡信号(如静息态脑电、癫痫、睡眠等)；根据信噪比公式(P＝10log[ps/pn]，ps和pn分别代表信号和噪声的有效功率)加入噪声生成不同信噪比的神经振荡信号。为了将模型在硬件上完成计算，将数学模型转换成相应的硬件描述语言从而使FPGA实现无延迟效应的神经群模型功能。

图中H_e,H_i分别表示兴奋性和抑制性脉冲相应，S为平均点燃率，C₁,C₂,C₃,C₄为平均突触连接强度，P代表大脑皮层的随即活动这里采用白色噪声取代。

如图4所示，FPGA硬件实现，采用DSP Builder+IP+NiosⅡ+Qsys的嵌入式设计方案。首先将神经群模块1通过编译模块2编译成可执行语言模块3，衰减器模块5连接D/A模块4，然后将可执行语言模块3、外接D/A模块4以及TFT-LCD模块6通过对应控制器模块A7、控制器模块B8、控制器模块C9定制成一个IP连接在Avalon总线模块10上，最后通过NiosⅡ控制数据的传输，从而实现波形衰减与稳定输出，构成软硬件无缝对接，充分发挥FPGA高速并行计算能力。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。