<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Neural Recording | 林实验室</title><link>https://www.linqiuyang.com/tag/neural-recording/</link><atom:link href="https://www.linqiuyang.com/tag/neural-recording/index.xml" rel="self" type="application/rss+xml"/><description>Neural Recording</description><generator>Hugo Blox Builder (https://hugoblox.com)</generator><language>zh</language><lastBuildDate>Mon, 31 Aug 2026 00:00:00 +0000</lastBuildDate><image><url>https://www.linqiuyang.com/media/icon_hu17276893506282036950.png</url><title>Neural Recording</title><link>https://www.linqiuyang.com/tag/neural-recording/</link></image><item><title>论文评述：A 2.5–20 kS/s In-Pixel Direct Digitization ECoG Front End With Submillisecond Stimulation Artifact Recovery</title><link>https://www.linqiuyang.com/research/review/neural-interface-ics/ecog_artifact_recovery/</link><pubDate>Mon, 31 Aug 2026 00:00:00 +0000</pubDate><guid>https://www.linqiuyang.com/research/review/neural-interface-ics/ecog_artifact_recovery/</guid><description>&lt;h2 id="论文">论文&lt;/h2>
&lt;p>&lt;strong>A 2.5–20 kS/s In-Pixel Direct Digitization ECoG Front End With Submillisecond Stimulation Artifact Recovery&lt;/strong>&lt;/p>
&lt;p>&lt;strong>评述人：&lt;/strong> 王奕如&lt;/p>
&lt;p>&lt;strong>完整评述：&lt;/strong> &lt;a href="paper.pdf">查看 Review 文档 (PDF)&lt;/a>&lt;/p>
&lt;hr>
&lt;h2 id="简介">简介&lt;/h2>
&lt;p>本文介绍了一款基于 &lt;strong>180 nm CMOS&lt;/strong> 的 8 通道 ECoG 记录前端，将二阶连续时间 ΔΣ 调制器与抽取滤波器直接集成在每个像素内，支持 &lt;strong>2.5–20 kS/s&lt;/strong> 的四档记录模式。&lt;/p>
&lt;p>该工作并非继续单纯提高前端动态范围或引入复杂的伪影抵消链路，而是针对时间域量化器在大刺激伪影下可能出现的 &lt;strong>相位回绕与恢复缓慢&lt;/strong> 问题，通过带超量程检测的快速恢复相位量化器，使系统在短暂饱和后能够稳定地恢复记录。&lt;/p>
&lt;hr>
&lt;h2 id="主要特点">主要特点&lt;/h2>
&lt;ul>
&lt;li>采用像素内二阶 &lt;strong>CT-ΔΣ ADC&lt;/strong> 实现神经信号直接数字化&lt;/li>
&lt;li>采用 &lt;strong>Pseudo-Virtual-Ground Feedforward（PVG FF）&lt;/strong> 架构，减少内部反馈 DAC，并改善线性度与面积效率&lt;/li>
&lt;li>第一级使用带斩波的互补输入 &lt;strong>Gm-C 积分器&lt;/strong>，第二级使用基于 &lt;strong>CCO&lt;/strong> 的时间域积分器&lt;/li>
&lt;li>采用带超量程检测的相位量化器，避免大伪影引起的相位回绕与调制器失稳&lt;/li>
&lt;li>支持 2.5、5、10 和 20 kS/s 四档记录模式，并随带宽按比例缩放功耗&lt;/li>
&lt;li>每像素集成三级 &lt;strong>CIC 抽取滤波器&lt;/strong>，将数据率降低 64 倍&lt;/li>
&lt;li>在大鼠活体实验中验证边刺激边记录与刺激后快速恢复能力&lt;/li>
&lt;/ul>
&lt;hr>
&lt;h2 id="主要性能">主要性能&lt;/h2>
&lt;table>
&lt;thead>
&lt;tr>
&lt;th style="text-align: left">参数&lt;/th>
&lt;th style="text-align: right">性能&lt;/th>
&lt;/tr>
&lt;/thead>
&lt;tbody>
&lt;tr>
&lt;td style="text-align: left">工艺&lt;/td>
&lt;td style="text-align: right">180 nm CMOS&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">阵列规模&lt;/td>
&lt;td style="text-align: right">4 × 2（8 通道）&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">ADC 架构&lt;/td>
&lt;td style="text-align: right">像素内二阶 CT-ΔΣ ADC&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">输出采样率&lt;/td>
&lt;td style="text-align: right">2.5–20 kS/s&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">信号带宽&lt;/td>
&lt;td style="text-align: right">1.25–10 kHz&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">像素面积&lt;/td>
&lt;td style="text-align: right">0.09 mm²/pixel&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">功耗&lt;/td>
&lt;td style="text-align: right">14 µW/pixel&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">模拟 / 数字电源&lt;/td>
&lt;td style="text-align: right">0.9 V / 0.7 V&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">Input-Referred Noise&lt;/td>
&lt;td style="text-align: right">6 µVrms&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">ADC SNDR / DR&lt;/td>
&lt;td style="text-align: right">78.6 dB / 78.6 dB&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">ADC SFDR&lt;/td>
&lt;td style="text-align: right">97.7 dBc&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">刺激伪影恢复时间&lt;/td>
&lt;td style="text-align: right">0.05–0.4 ms&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">像素内抽取滤波&lt;/td>
&lt;td style="text-align: right">三级 CIC，64×&lt;/td>
&lt;/tr>
&lt;/tbody>
&lt;/table>
&lt;hr>
&lt;h2 id="总结">总结&lt;/h2>
&lt;p>这篇工作是一个很好的 &lt;strong>直接数字化神经前端快速恢复设计&lt;/strong> 案例。其核心并不是保证大刺激伪影始终处于 ADC 输入范围内，而是在超量程发生后防止时间域量化器出现相位回绕，使系统能够在一个抽取输出采样周期内恢复正常记录。&lt;/p>
&lt;p>同时，该工作通过可缩放的 Gm-C 与 CCO、像素内抽取滤波器以及分布式时序生成，兼顾了多带宽工作、功耗缩放和未来大规模阵列集成。&lt;/p>
&lt;p>关于 PVG FF、Gm-C 积分器、CCO、快速恢复相位量化器以及数字后端等电路设计的详细分析，请参阅 &lt;strong>&lt;a href="paper.pdf">完整 Review 文档&lt;/a>&lt;/strong>。&lt;/p></description></item><item><title>论文评述：A Highly-Integrated 1536-Channel Quad-Shank Monolithic Neural Probe in 55nm CMOS for Full-Band Raw-Signal Recording</title><link>https://www.linqiuyang.com/research/review/neural-interface-ics/1536-channel-quad-shank-neural-probe/</link><pubDate>Mon, 24 Aug 2026 00:00:00 +0000</pubDate><guid>https://www.linqiuyang.com/research/review/neural-interface-ics/1536-channel-quad-shank-neural-probe/</guid><description>&lt;h2 id="论文">论文&lt;/h2>
&lt;p>&lt;strong>A Highly-Integrated 1536-Channel Quad-Shank Monolithic Neural Probe in 55nm CMOS for Full-Band Raw-Signal Recording&lt;/strong>&lt;/p>
&lt;p>&lt;strong>评述人：&lt;/strong> 王奕如&lt;/p>
&lt;p>&lt;strong>完整评述：&lt;/strong> &lt;a href="paper.pdf">查看 Review 文档 (PDF)&lt;/a>&lt;/p>
&lt;hr>
&lt;h2 id="简介">简介&lt;/h2>
&lt;p>本文介绍了一款基于 &lt;strong>55 nm CMOS&lt;/strong> 的四针脚单片集成神经探针，在 &lt;strong>5120 个电极&lt;/strong>中支持最多 &lt;strong>1536 个通道同时记录&lt;/strong>。&lt;/p>
&lt;p>该工作并非单纯追求单通道的最小面积或最低功耗，而是从系统层面综合考虑高密度神经记录中的 &lt;strong>电极密度、噪声、功耗、面积、多路复用以及数据读出&lt;/strong> 等问题。&lt;/p>
&lt;hr>
&lt;h2 id="主要特点">主要特点&lt;/h2>
&lt;ul>
&lt;li>&lt;strong>5120 个电极 / 1536 个同时记录通道&lt;/strong>&lt;/li>
&lt;li>采用传统的 &lt;strong>IA–Buffer–MUX–SAR ADC&lt;/strong> 信号链&lt;/li>
&lt;li>动态偏置 Buffer 降低系统功耗&lt;/li>
&lt;li>集成 96 个共享的 &lt;strong>12-bit SAR ADC&lt;/strong>&lt;/li>
&lt;li>采用共享 ADC reference buffer 支持大规模集成&lt;/li>
&lt;li>支持 AP 和 LFP 的全频带神经信号记录&lt;/li>
&lt;/ul>
&lt;hr>
&lt;h2 id="主要性能">主要性能&lt;/h2>
&lt;table>
&lt;thead>
&lt;tr>
&lt;th style="text-align: left">参数&lt;/th>
&lt;th style="text-align: right">性能&lt;/th>
&lt;/tr>
&lt;/thead>
&lt;tbody>
&lt;tr>
&lt;td style="text-align: left">工艺&lt;/td>
&lt;td style="text-align: right">55 nm CMOS&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">Recording Electrodes&lt;/td>
&lt;td style="text-align: right">5120&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">Simultaneous Recording Channels&lt;/td>
&lt;td style="text-align: right">1536&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">Probe Structure&lt;/td>
&lt;td style="text-align: right">Quad-shank&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">ADC&lt;/td>
&lt;td style="text-align: right">12-bit SAR&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">Channel Area&lt;/td>
&lt;td style="text-align: right">0.012 mm²/ch&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">Total Power&lt;/td>
&lt;td style="text-align: right">29.7 mW&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">Power / Channel&lt;/td>
&lt;td style="text-align: right">19.34 µW/ch&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">AP Input-Referred Noise&lt;/td>
&lt;td style="text-align: right">6.01 ± 0.39 µVrms&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">LFP Input-Referred Noise&lt;/td>
&lt;td style="text-align: right">7.58 ± 0.79 µVrms&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td style="text-align: left">ADC SNDR&lt;/td>
&lt;td style="text-align: right">64.92 dB&lt;/td>
&lt;/tr>
&lt;/tbody>
&lt;/table>
&lt;hr>
&lt;h2 id="总结">总结&lt;/h2>
&lt;p>这篇工作是一个很好的 &lt;strong>高密度神经记录系统级优化&lt;/strong> 案例，展示了如何在通道密度、噪声、功耗、面积和系统可扩展性之间进行权衡。&lt;/p>
&lt;p>同时，该工作也说明，经过合理的系统级与电路级优化，传统的 &lt;strong>IA + MUX + SAR ADC&lt;/strong> 架构仍然可以有效支持大规模、高密度神经信号采集。&lt;/p>
&lt;p>关于 pixel architecture、instrumentation amplifier、dynamic-bias buffer、SAR ADC 以及 reference buffer 等电路设计的详细分析，请参阅 &lt;strong>&lt;a href="paper.pdf">完整 Review 文档&lt;/a>&lt;/strong>。&lt;/p></description></item></channel></rss>