Date of Award

4-2023

Document Type

Dissertation

Degree Name

Doctor of Philosophy in Electrical Engineering

Department

Electrical and Communication Engineering

First Advisor

Falah Awwad

Second Advisor

Osman Hasan

Abstract

The Microelectrode Array (MEA) is a collection of parallel electrodes that may measure the extracellular potential of nearby neurons. It is a crucial tool in neuroscience for researching the structure, operation, and behavior of neural networks. Using sophisticated signal processing techniques and architectural templates, the task of processing and evaluating the data streams obtained from MEAs is a computationally demanding one that needs time and parallel processing.

This thesis proposes enhancing the capability of MEA signal processing systems by using approximate computing-based algorithms. These algorithms can be implemented in systems that process parallel MEA channels using the Field Programmable Gate Arrays (FPGAs). In order to develop approximate signal processing algorithms, three different types of approximate adders are investigated in various configurations. The objective is to maximize performance improvements in terms of area, power consumption, and latency associated with real-time processing while accepting lower output accuracy within certain bounds.

On FPGAs, the methods are utilized to construct approximate processing systems, which are then contrasted with the precise system. Real biological signals are used to evaluate both precise and approximative systems, and the findings reveal notable improvements, especially in terms of speed and area. Processing speed enhancements reach up to 37.6%, and area enhancements reach 14.3% in some approximate system modes without sacrificing accuracy. Additional cases demonstrate how accuracy, area, and processing speed may be traded off.

Using approximate computing algorithms allows for the design of real-time MEA processing systems with higher speeds and more parallel channels. The application of approximate computing algorithms to process biological signals on FPGAs in this thesis is a novel idea that has not been explored before.

Arabic Abstract

مصفوفات الأقطاب الكهربائية الدقيقة هي الجهاز الاساسي في مجال علم الأعصاب لدراسة السلوك والتنظيم ومبادئ العمل للشبكات العصبية. تتكون المصفوفة الكاملة من الأقطاب الكهربائية المتوازية التي تعمل من خلال استشعار الجهد الكهربائي خارج الخلية للخلايا العصبية الموجودة بالقرب منها. معالجة وتحليل البيانات المتدفقة من تلك الاجهزة هي مهمة حسابية مكثفة تتطلب التوازي يتم تنفيذها باستخدام خوارزميات معالجة الإشارات المعقدة والقوالب الهيكلية.

في هذا البحث قمنا بتطوير خوارزميات حوسبة تقريبية لمعالجة الإشارات البيولوجية المتدفقة من مصفوفات الاقطاب الكهربائية عالية الكثافة على FPGA لتوفير مكاسب الأداء المثلى في الحجم واستهلاك الطاقة وتقليل تعقيد الحساب والبطء المرتبط بالمعالجة، على حساب انخفاض دقة الناتج ضمن حدود معينة. ثلاثة أنواع من المجمعات التقريبية استخدمت في أوضاع وتراكيب مختلفة لتطوير خوارزميات معالجة البيانات وقد تم استخدام هذه الخوارزميات في أنظمة المعالجة وتحديد النبضات باستخدام FPGA ومقارنتها بالأنظمة الدقيقة.

تم اختبار الأنظمة المطورة على إشارات حيوية حقيقية وبينت النتائج زيادة في سرعة المعالجة تصل الى 37.6% وتقليل في حجم النظام يصل إلى 14.3% بدون أي خسارة في دقة تحديد النبضات. في أوضاع أخرى للنظام المطور أظهرت النتائج تنازلا في الدقة في مقابل الزيادة في السرعة والحجم. يفتح هذا البحث الفرص لتصميم نظم معالجة اشارات مصفوفات الأقطاب الكهربائية الدقيقة الآنية التي تعمل بسرعة معالجة اعلى وعدد أكبر من القنوات المتوازية اذ أن استخدام أنظمة الحسابات التقريبية في هذه الأنظمة هو فكرة جديدة في هذا المجال ولم تستخدم من قبل.

Download

Share

COinS