طراحی یک سیستم بی سیم ثبت 16 کاناله سیگنال های عصبی مبتنی بر مدولاتورهای دلتا سیگما
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی
- نویسنده سیده شیرین صابرحسینی
- استاد راهنما امیر مسعود سوداگر علیرضا ذبیحیان
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
در این پایان نامه، هدف پیاده سازی یک ریزسیستم 16 کاناله ثبت سیگنال عصبی مبتنی بر مدولاتور دلتا سیگما می باشد. با توجه به این که این سیستم در بدن قرار می گیرد لازم است که دارای توان مصرفی و سطح اشغالی کمینه باشد. برای این منظور سعی شده است که برای بخش تقویت کننده و فیلترینگ یک طراحی بهینه در جهت کاهش توان مصرفی و سطح سیلیکانی صورت پذیرد. کلیه شبیه سازی ها با استفاده از نرم افزار hspice و تکنولوژی ami 0.5 µm 3m2p cmos در شرایط نوعی عملکردشان مورد ارزیابی قرار گرفته است. در این راستا طرح جدیدی برای ota با نویز پایین ارائه شده است که در نویزی برابر با nvrms/?hz 59 دارای توان مصرفی µw 04/4 بوده و سطح سیلیکانی µm2 163را اشغال کرده است. بلوک تقویت کننده با قابلیت برنامه ریزی بهره بین دو مقدار db 94 – 74 می تواند سیگنال عصبی با دو مقدار دامنه را تقویت کند. در این حالت توان مصرفی این بلوک µw 7/16 می باشد و دارای سطح نویز دیده شده در ورودی برابر با µvrms 6/5 می باشد. برای پیاده کردن سیستم 16 کاناله، برای هر کانال از ترکیب بلوک تقویت کننده و مدولاتور دلتا سیگما استفاده شده است. در ادامه خروجی های مدولاتور به واحد تولیدکننده بسته بیت می روند و بیت سریال خروجی با نرخ mbps 16 تولید شده و در نهایت به بخش فرستنده دیجیتال که متشکل از کدگذار منچستر و مدولاتور ook است می رود. سیگنال مدوله شده دارای فرکانس mhz 196 است. این سیگنال از طریق آنتن برای بخش بیرونی ریزسیستم فرستاده می شود.
منابع مشابه
طراحی یک سیستم بی سیم ثبت 32 کاناله سیگنال های عصبی مبتنی بر مبدل های آنالوگ به دیجیتال غیر خطی
یک معماری برای سامانه قابل کاشت چند کاناله بی سیم ثبت سیگنال های عصبی مغزی بر اساس مبدل غیرخطی آنالوگ به دیجیتال(nladc) ارائه شده است. در این سامانه، پتانسیل های عمل در سیگنال های عصبی به روش موثری ثبت و تبدیل می شوند، به طوریکه کاهش داده انتقالی و به تبع آن کاهش توان مصرفی را در پی خواهد داشت. همچنین نشان داده شده است خطای کوانتش در این نوع از کوانتیزاسیون با نویز پس زمینه سیگنال های عصبی تطاب...
طراحی مدولاتورهای سیگما-دلتا با سرعت بالا و ولتاژ بسیار پائین
امروزه پائین آوردن ولتاژ منبع تغذیه مدارهای دیجیتال جهت کاهش توان مصرفی و همچنین پیاده سازی سیستمهای عملی در داخل یک تراشه مورد نظر میباشند. با توجه به آنالوگ بودن اکثر سیگنالهای عملی نیاز به ساخت مبدل های آنالوگ به دیجیتال در داخل یک تراشه توام با مدارهای دیجیتال در ولتاژهای پائین ضروری است. از طرفی در اکثر کاربردهای مخابرات باسیم و بدون سیم نیاز به مبدلهای آنالوگ به دیجیتال سریع و با دقت بال...
متن کاملطراحی مدولاتورهای سیگما-دلتا با سرعت بالا و ولتاژ بسیار پائین
امروزه پائین آوردن ولتاژ منبع تغذیه مدارهای دیجیتال جهت کاهش توان مصرفی و همچنین پیاده سازی سیستمهای عملی در داخل یک تراشه مورد نظر می باشند. با توجه به آنالوگ بودن اکثر سیگنالهای عملی نیاز به ساخت مبدل های آنالوگ به دیجیتال در داخل یک تراشه توام با مدارهای دیجیتال در ولتاژهای پائین ضروری است. از طرفی در اکثر کاربردهای مخابرات باسیم و بدون سیم نیاز به مبدلهای آنالوگ به دیجیتال سریع و با دقت بال...
متن کاملطراحی و بهینه سازی مدولاتورهای آنالوگ به دیجیتال دلتا سیگما
مقدمه عصری را که در آن زندگی می کنیم، به جرأت می توان بیش از هر چیز، عصر پردازش سیگنال ها دانست. سیگنال های مورد پردازش، علیرغم ماهیت گسسته، از دیدگاه ما پیوسته فرض می شوند و طبیعتی آنالوگ به خود می گیرند. تا پیش از آنکه سیستم های دیجیتال پا به عرصه وجود بگذارند، سیگنال ها با تغییراتی از قبیل تغییر سطح، تقویت و یا تضعیف می توانستند به سیستم های پردازشگر وارد شوند. از زمانی که سیستم های پردازشگ...
ترکیب ویژگی های مختلف سیگنال eeg تک کاناله به منظور طراحی یک سیستم تأیید هویت
با ظهور دانش بیومتریک، روش های متداول تأیید هویت در سیستم های بیومتریک دچار دگرگونی شده اند و در حال جایگزینی با روش هایی بر پایة علایم حیاتی هستند. اخیراً کاربرد سیگنال الکتریکی مغز(eeg) در سیستم های بیومتریک به عنوان یک شاخه پژوهشی جذاب و کاربردی مورد توجه محققان قرار گرفته است. پژوهش های نسبتاً محدودی در زمینة بیومتریک سیگنال الکتریکی مغز به خصوص در سیستم های تأیید هویت آن انجام شده است و اکثر...
متن کاملطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023