癫痫是一种由脑内神经元异常放电引起的慢性脑功能障碍综合症,其临床诊断通常由医生对电子设备记录的脑电图(Electroencephalogram,EEG)进行痫样波形(Epileptiform Waveform,EW)检测。穿戴式动态脑电(Wearable Ambulatory EEG,WAEEG)可通过无线方式传送EEG至基站,是现今癫痫诊断技术的前沿研究方向。然而,无线数据传送的功耗较高,致使WAEEG电池的使用寿命缩短,无法满足长程记录的要求。为突破这一瓶颈,WAEEG的在线数据缩减技术应运而生,其核心任务是痫样脑电检测算法(Epileptic Event Detection Algorithm,EEDA)的低功耗硬件设计。由于可在EW检测精度及计算复杂度之间取得较好平衡,基于连续小波变换(Continuous Wavelet Transform,CWT)的EEDA成为在线数据缩减技术的研究焦点,其中用于实现CWT的低功耗模拟小波滤波器(Analog Wavelet Filter,AWF)设计是该方法成功实施的关键。在此背景下,本文针对用于WAEEG在线数据缩减的EEDA和运算跨导放大器-电容(Gm-C)小波滤波器实现理论与方法进行研究,主要工作如下:1.对痫样脑电检测算法进行了研究,提出一种基于多尺度小波基融合的EW检测法,构造出用于痫样特征表示的融合小波基模型,并在该模型基础上设计高性能EEDA。为更好地选择两融合小波基尺度,本文将尺度选取转换为带有上下限的参数寻优问题,并利用遗传算法进行尺度寻优,以期匹配到EEDA的最优小波基模型。实验结果表明,所提出的EEDA可在低算法复杂度及50%数据缩减的前提下,将EW检测灵敏度提升至92%。2.对模拟小波基的逼近方法进行了研究,提出一种基于混合遗传算法的频域采样逼近法。根据小波的幅频特性构建小波逼近的数学模型,并利用融合了拟牛顿法及遗传算法优点的混合遗传算法进行参数求解。仿真结果表明,相比已有方法,本文提出的逼近法在时延、系统稳定性及逼近精度等方面均有明显的性能提升。为验证模拟小波基在EW检测中的优良性能,采用本文设计的EEDA进行对比实验,其EW检测灵敏度可达92%。3.对超低功耗Gm-C小波滤波器设计进行了研究。AWF的性能优劣取决于滤波器实现结构的好坏及核心模块Gm单元的性能高低。因此,本文利用基于LC梯形仿真的滤波器结构来综合获得的小波逼近函数,并通过拟牛顿法求解电容参数;此外,采用简单差分对Gm单元实现pS量级跨导器,以处理超低频脑电信号;最后基于SMIC 0.18μm CMOS工艺对AWF进行设计。仿真结果表明,所构造LC梯形Gm-C小波滤波器可实现高精度EW检测,且具有功耗低、芯片面积小等优点。