Детальная информация

Работа посвящена исследованию схем предварительной обработки сигналов в составе нейростимуляторов и разработке предварительного фильтра для нейростимулятора. Цель работы – разработка предварительного фильтра для нейростимулятора. Для достижения поставленной цели решены следующие задачи: 1. Обзор схем предварительной обработки сигналов в составе нейростимуляторов и определение основных характеристик фильтров; 2. Разработка схемы транскондуктивного усилителя, RLC и Gm-C полосовых фильтров; 3. Оценка основных полученных характеристик полосовых фильтров. В результате исследования была разработана схема предварительного фильтра для нейростимулятора. В результате исследования подавление вне ПП пропускания составило примерно 53 дБ/дек для каждого из режимов, потребляемая мощность составила 3,35 мВт и THD ≈ 6,2%. В отличие от других подобных фильтров, разработанное в данной работе устройство способно регистрировать несколько видов нейронных сигналов, что может быть применено в медицинских технологиях. Применены методы поиска и анализа информации из следующих источников и баз данных https://library.spbstu.ru/ru/erm/. Использованы средства автоматизированной разработки, применены численные методы для решения задач на основе программного обеспечения Micro-CAP 12 и Cadence.

Object of study is preliminary filter for a neurostimulator. The aim is development of a preliminary filter for a neurostimulator. The following tasks were solved: 1. Overview of signal pre-processing circuits in neurostimulators and determination of the main characteristics of filters; 2. Development of a transconductance amplifier circuit, RLC and Gm-C bandpass filters; 3. Evaluation of the main characteristics obtained for bandpass filters. As a result of the study, а preliminary filter circuit for a neurostimulator was developed. As a result of the study, the suppression outside the passband was approximately 53 dB/dec for each mode, the power consumption was 3,35 mW, and the THD ≈ 6,2%. Unlike other similar filters, the device developed in this work is capable of registering several types of neural signals, which can be applied in medical technologies. Methods of searching and analyzing information from the following sources and databases were applied https://library.spbstu.ru/ru/erm/. Automated development tools were used and numerical methods were applied to solve problems based on Micro-CAP 12 and Cadence software.