近日，IEEE Biomedical Circuits and Systems Conference（BioCAS 2026）公布论文录用结果，原位中心吕良剑副教授、吴幸教授团队共有2项最新研究成果被录用。相关研究聚焦于低功耗神经接口电路与脑机接口信号处理，为高性能、低功耗生物医学电子系统的发展提供了新的技术方案。相关成果将在10月于韩国仁川举行的BioCAS 2026会议期间进行交流展示。
一、面向高密度神经接口的低功耗、高鲁棒性片上特征提取技术
针对高密度神经接口中原始神经数据传输带来的高带宽和高功耗问题，团队提出了一种面向片上实现的低功耗神经特征提取架构。该工作通过基于中值跟踪的局部场电位（Local Field Potential, LFP）提取方法，以及基于Peak-IIR的Spike检测技术，实现了神经信号关键特征的高效提取，并提升了复杂噪声环境下的检测鲁棒性。该设计在65 nm CMOS工艺下完成实现，在低面积、低功耗条件下实现了高精度神经事件检测，为未来植入式脑机接口和闭环神经调控系统提供了高效硬件解决方案。
该工作以“A Noise-Robust Neural Feature Extractor with Median-Based LFP Tracking and Peak-IIR-Enabled Spike Detection”为题被录用，将在会议上汇报，第一作者为原位中心2025级硕士研究生鄢励风。
二、面向可穿戴脑机接口的硬件友好型SSVEP解码技术
面向可穿戴脑机接口系统中传统SSVEP解码算法计算复杂度高、硬件实现成本大的问题，团队提出了一种硬件友好的脑机接口信号解码方法。该工作通过空间通道降维和相干解调技术，有效减少多通道信号处理中的冗余计算，并避免传统算法中复杂矩阵运算，提高了解码算法的硬件适配能力。实验结果表明，该方法在16目标SSVEP分类任务中实现了较好的识别性能，并相比传统CCA方法显著降低计算复杂度。在ASIC实现中，该设计进一步验证了其低功耗、高效率特点，为低成本可穿戴脑机接口系统提供了新的硬件实现路径。
该工作以“A Hardware-Efficient SSVEP Decoder with Coherent Demodulation and Spatial Channel Reduction”为题被录用，将在会议上以海报展示，第一作者为中心原位Club 2022级本科生桂晨。
BioCAS会议是IEEE电路与系统分会（Circuits and Systems Society, CASS）旗下生物医学电路与系统领域的重要国际会议，致力于推动集成电路、信号处理、人工智能与生物医学应用的交叉融合。近年来，原位先进器件中心开展神经接口芯片、智能感知电路以及低功耗集成系统相关研究，持续推动集成电路技术与生物医学应用的深度融合。此次两篇论文入选IEEE BioCAS 2026，体现了团队在生物医学电路与系统方向持续创新的研究能力。