هدف از انجام این پایان نامه، طراحی سخت افزاری یک فشرده ساز سیگنال عصبی بوده است. فشرده سازی که مورد استفاده ی آن در میکرو سیستم هایی باشد که داخل بدن موجودات زنده کار گذاشته می شوند. با توجه به اینکه یافته های جدید علمی، اهمیت پتانسیل-های میدانی را بیش از پیش روشن می سازند، در پی طراحی سخت افزار فشرده سازی برمی آییم که دارای نرخ فشرده سازی بالا و کیفیت مطلوب بازسازی سیگنال باشد و به حذف سیگنال های کم دامنه نپردازد و به علاوه درپی طراحی سخت افزاری با توان مصرفی و زمان پردازش کم هستیم که سیستمی بلادرنگ را در اختیار ما قرار دهد. به دنبال یافتن چنین فشرده سازی، موفق به ارائه ی الگوریتم بهبود یافته ای برای فشرده سازی این سیگنال ها شدیم، که علاوه بر داشتن ویژگی های بالا، کیفیت بازسازی سیگنال در آن نسبت به الگوریتم های مشابه آن، بالاتر است و طراحی سخت افزاری آن نیز نیازمند حجم سخت افزاری کمتری ست. الگوریتم پیشنهادی ما که با نام r-dlbg از آن یاد می کنیم، برای محاسبه ی اعوجاج و همچنین طبقه بندی رشته های ورودی پیش از وزن دهی، روابط ساده تری را معرفی می کند که علاوه بر داشتن کارایی، پیاده سازی آن ها نیز نیازمند سخت افزار کمتری است. برای بالاتر بردن کیفیت سیگنال بازسازی شده، سه روش جدید برای یافتن نزدیکترین بردار کد به هر یک از رشته های ورودی، پیشنهاد کرده ایم که هر سه، کیفیت بازسازی بهتری را نسبت به معیار فاصله اقلیدسی (ارائه شده در الگوریتم ent-dlbg) در اختیار قرار می دهند. از بین این سه شیوه، به کارگیری معیار sad، بهترین نتایج را ارائه داده است. در این روش به جای فاصله ی اقلیدسی، از مجموع قدرمطلق های تفاضل های جزئی استفاده کرده ایم که این تفاضل ها حاصل تفریق رشته ی ورودی از هر یک از کدهای به دست آمده، هستند. با به کارگیری این روش، موفق شده ایم mse را تا %30 و اعوجاج را تا %20 نسبت به روش ent-dlbg (که از بهترین الگوریتم های ارائه شده برای فشرده سازی سیگنال های عصبی ست) کاهش دهیم. در نهایت موفق به ارائه-ی طراحی قابل سنتزی از الگوریتم پیشنهادی خود، شده ایم، که در زمان 1.37ms و با مصرف توان 1.06 watt، عملیات فشرده سازی را در فرکانس 25mhz انجام می دهد. در پایان، پیشنهاداتی نیز برای بالاتر بردن نرخ فشرده سازی و بهینه کردن سخت افزاز طراحی شده، مطرح شده است.