基于声控的神经元动作电位发生器的制作方法

本发明涉及生物医学工程技术领域，特别涉及基于声控的神经元动作电位发生器。

背景技术：

脑科学是21世纪最重要的尖端研究领域之一，上世纪末，全球各国纷纷将脑科学研究提上议程。2013年欧盟委员会宣布将“人类脑计划”列为“未来新兴技术旗舰计划”，同年，美国启动名为“脑活动绘图”的计划。2013年，中国科学院在其发布的研究报告《科技发展新态势与面向2020年的战略选择》中提出，脑科学是“最后的科学堡垒和终极前沿”，2015年，由中华人民共和国科技部、国家自然基金委牵头的脑科学计划已提交主管部门，预示着中国即将开始自己的脑研究计划。

1952年，Hodgkin与Huxley在大量实验的基础上，提出了Hodgkin-Huxley模型(HH模型)用于描述神经元动作电位的发放与传导机制。HH模型采用四阶常微分方程准确的描述了神经元细胞的电生理特性，是神经元模型的典型代表。

在脑科学研究中，用FPGA数字电路实现的方式来模拟人脑神经系统功能一直是一个研究热点。FPGA硬件具有并行计算、计算速度快的优点，在硬件实现生物神经元网络上具有良好的应用前景。2004年，Graas等人运用FPGA芯片研究HH模型极大的提高了数值模拟神经元网络的运行速度。2006年，原亮等运用FPGA设计并实现了能以闭环方式进行系统演化的实验环境。2007年，Weinstein等人硬件实现了FitzHugh–Nagumo模型神经元网络，并分析了其动力学特性。2011年，张荣华等运用FPGA对Morris-Lecar模型神经元网络进行了硬件仿真，再现了Morris-Lecar神经元网络的非线性动力学特性。2015年，王金龙等运用FPGA对HH模型神经元进行了硬件实现。

运用FPGA硬件实现的生物神经元及网络在脑机接口方面具有重要的应用前景及价值。2008年，Kay等解读了具有语义学独立特征的物体的fMRI脑信号模式。2008年，GM Mckhann等用人为设置的波形成功控制动物的脑神经并驱使动物的躯体。2009年，张韶岷等设计并制造了一套动物脑电信号行为与记录分析的实验装置。2012年，罗勇等设计了一种新型的包括数据采集、行为监测的动物机器人监控系统。2015年，周金治等分析相关系数，研究了一种新的脑电信号的特征选择方法。

运用声音控制的神经元可以根据特定的声音来发出特定的神经电信号。该特点在可能的应用中可以用来控制包括人造肢体、轮椅的等助残器械，用以实现伤残人士利用自身的声音来控制自己特定的助残器械，而别人发出的声音因无法识别，无法控制该助残器械。

现有的技术还处于基础阶段，因此仍存在以下缺点：1、现有的技术设备都没有将现实的声音信号与电子神经元有机的结合起来。2、现有的基于声控的设备无法识别发声个体的音调、语速、音量等特征，使得其他个体的声音对声控设备形成干扰。

技术实现要素：

鉴于上述现有技术的不足，本发明的目的在于提供一种基于声控的神经元动作电位发生器，可以有效将声音信号与电子神经元有机结合，根据不同声音产生不同神经元动作电位，实现对发声个体的音调、语速、音量的识别，减少其他个体的声音对声音控制设备形成的干扰。

有鉴于此，本发明提供了一种基于声控的神经元动作电位发生器，包括声电转换器、A/D转换器、电子神经元和D/A转换器。

所述声电转换器、所述A/D转换器、所述电子神经元和所述D/A转换器顺序电性连接。

所述声电转换器用于将用户的声音信号转化为模拟电信号。

所述A/D转换器用于将所述模拟电信号转化为数字电信号。

所述电子神经元用于将所述数字电信号转化为与用户的声音相匹配的神经元动作电位数字信号。

所述D/A转换器用于将所述神经元动作电位数字信号转化为神经元动作电位模拟信号。

进一步地，所述电子神经元运用的神经元动作电位发放与传导的数学模型为Hodgkin-Huxley模型。

进一步地，所述电子神经元采用FPGA数字电路设计。

具体地，所述FPGA采用ALTERA公司生产的CycloneⅡ系列EP2C8Q208C8芯片。

进一步地，所述神经元动作电位发生器还包括：信号显示器，用于将所述神经元动作电位模拟信号以波形图的形式实时显示。

进一步地，所述声电转换装置包括声音接收装置和音频放大装置。

具体地，所述声音接收装置为驻极体话筒，所述音频放大装置采用的芯片为LM386。

进一步地，所述A/D转换器采用的芯片为ADS822E。

进一步地，所述D/A转换器采用的芯片为DAC900E。

本发明提供了一种基于声控的神经元动作电位发生器，包括声电转换器、A/D转换器、电子神经元和D/A转换器；所述声电转换器、所述A/D 转换器、所述电子神经元和所述D/A转换器顺序电性连接；所述声电转换器用于将用户的声音信号转化为模拟电信号；所述A/D转换器用于将所述模拟电信号转化为数字电信号；所述电子神经元用于将所述数字电信号转化为与用户的声音相匹配的神经元动作电位数字信号；所述D/A转换器用于将所述神经元动作电位数字信号转化为神经元动作电位模拟信号。可以有效将声音信号与电子神经元有机结合，根据不同声音产生不同神经元动作电位，实现对发声个体的音调、语速、音量的识别，减少其他个体的声音对声音控制设备形成的干扰。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明实施例提供的基于声控神经元动作电位发生器的结构示意图。

图2是本发明实施例中利用数字积分实现就求解模型的框架图。

图3是本发明另一实施例提供的基于声控神经元动作电位发生器的结构示意图。

图4是本发明一实施例提供的为不同人声音产生的不同神经元动作电位的波形图。

主要元件符号说明：

100-声电转换器、101-A/D转换器、102-电子神经元、103-D/A转换器、104-信号显示器。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出。其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

如图1所示，本发明实施例提供的基于声控的神经元动作电位发生器，包括声电转换器100、A/D转换器101、电子神经元102、D/A转换器103。

声电转换器100、A/D转换器101、电子神经元102和D/A转换器103顺序电性连接。

电子神经元102是基于声控的神经元动作电位发生器的核心部分。

电子神经元102可以通过具体的电路设计来实现，既可以选择模拟电路设计实现，也可以选择者数字电路设计来实现。

选择模拟电路实现神经元的方式耗费大、耗时长，需要花费设计人员大量的财力与精力。因此，使用模拟电路实现神经元的方式逐渐退出历史舞台，逐渐被数字电路设计所取代。现阶段使用数字电路实现神经元已经成为主流。

在最佳实施中，电子神经元102选择FPGA数字电子系统设计。

FPGA(Field-Programmable Gate Array)，即现场可编程门阵列，它是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。它是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。

FPGA数字电子系统设计还包括以下优点：

1)采用FPGA设计电路，用户不需要投片生产，就能得到可用的芯片。

2)FPGA内部有丰富的触发器和I/O引脚。

3)FPGA是数字集成电路中设计周期最短、开发费用最低、风险最小的器件之一。

4)FPGA采用高速CMOS工艺，功耗低，可以与CMOS、TTL电平兼容。

5)强大的并行运算处理能力

目前常见的神经元动作电位发放与传导的数学模型有Hodgkin-Huxley模型，Morris-Lecar模型，FitzHugh-Nagumo模型，Mihalas-Niehur模型。

其中Hodgkin-Huxley模型使用最为广泛，最接近真实生物神经元电生理特性的数学模型。

Hodgkin-Huxley模型是19世纪50年代英国剑桥大学教授Alan Lloyd Hodgkin与英国伦敦大学教授Andrew Fielding Huxley首次提出的一种数学模型，并于1963年因此获得诺贝尔生理学与医学奖。该模型采用四维非线性微分方程组来描述。

在最佳实施中，电子神经元102选择Hodgkin-Huxley模型来建模，以实现电子神经元模拟。

Hodgkin-Huxley模型是一个多变量耦合的非线性系统，它可由4个一阶微分方程构成。FPGA实现的数字神经元就是对该方程用硬件求解的一个过程，下面以一个常见的微分方程来加以说明：

y'(t)＝f(t,y(t)) (1)其中y(t₀)＝y₀；

上式(1)中，f函数为微分方程，y₀是微分方程中变量y的初值。运用欧拉算法对方程进行离散求解，则有：

y(n+1)＝y_n+ΔT×f(t_n,y_n)(n＝0,1,2,…)(2)其中ΔT离散化采样时间；

根据表(2)可以实现数字积分功能，具体原理图如图2所示。

对微分方程进行离散求解使用的算法还可以是其他的算法，例如：龙格库塔算法，但是该算法对硬件要求比较高，具体使用何种算法要根据FPGA的硬件资源消耗以及求解的精度决定。

对电子神经元模型的硬件实现，就是将离散化后的差分方程用数字信号处理的方式在FPGA上予以计算。

对于电子神经元的FPGA开发可以使用硬件描述语言VHDL(Very-High-Speed Integrated Circuit Hardware Description Language)或Verilog HDL进行开发，也可以使用芯片厂商提供的集成开发工具开发。

在较佳实施中，选择Altera公司的FPGA辅助设计开发工具箱DSP Builder进行主系统的设计。

利用开发工具箱DSP Builder进行主系统的设计主要是通过建模实现的。

而对一些外部设计使用硬件描述语言进行开发。例如：像分频器等附属器件是用VHDL写的。

在使用DSP Builder技术进行相关设计建模时，需要把握各种变量的时序问题，否则很容易出现时序混乱，导致计算错误。

声电转换器100是实现基于声控的神经元动作电位发生器必备条件之一。

声电转换装置包括声音接收装置和音频放大装置。

在最佳实施例中，音频放大装置采用的芯片为美国国家半导体公司生产的LM386。

LM386是一种音频集成功放，具有自身功耗低、电压增益可调整、电源电压范围大、外接元件少和总谐波失真小等优点。

对声电转换器中的音频信号进行200倍放大，输出音频信号的幅值可调，输出信号的灵敏度可调，加入了消噪电阻，抑制底噪的产生，采用单点接地布线，减少回路增益，提高音频信号的质量。采用470uF大容量钽电容对电源进行滤波，以稳定工作电源，减少电源干扰。

声音接收装置是驻极体话筒，该话筒具有体积小、结构简单、电声性能好、频率范围宽、高保真、价格低的特点，驻极体话筒收集声音信号后，LM386再对收集到的音频信号进行放大处理。

在最佳实施例中A/D转换器采用德州仪器的ADS822E芯片，D/A转换器采用采用德州仪器的DAC900E芯片。

所图3所示，本发明另一实施例提供的基于声控的神经元动作电位发生器，包括声电转换器100、A/D转换器101、电子神经元102、D/A转换器103和信号显示器104。

声电转换器100、A/D转换器101、电子神经元102、D/A转换器103和信号显示器104顺序电性连接。

信号显示器104用于将人体神经元动作电位模拟信号以波形图的形式实时显示。

所述信号显示器104包括示波器。

如图4所示，不同的两人都发出“紫”这个汉字时输出的神经元动作电位的波形图。从图中我们可以看出相同的语音内容，不同的人发出后转化得到的神经元动作电位截然不同，因此可以有效将声音信号与电子神经元有机结合，根据不同声音产生不同神经元动作电位，实现对发声个体的音调、语速、音量的识别，减少其他个体的声音对声音控制设备形成的干扰。

基于声控的神经元动作电位发生器还可作为听觉系统模拟实验平台，可以将外界的声音信号转化为具有神经元电生理特性的神经元动作电位，并在神经元网络中传导，对脑机接口具有重要的参考实验价值。

不同的声音经过声电转换后形成不同的电信号，但这种电信号的差异较小，运用生物神经元电生理特性中的“全或无”特性，通过FPGA实现生物神经元将峰值波动较小的声音电信号转化为个数、幅值、频率各不相同的神经元动作电位信号。实现对发声个体的音调、语速、音量的识别。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。