脑机接口是建立在脑和人造设备之间的一种新型的连接通路。它能够替换或修复受损的神经,在医疗健康、智能家居、游戏娱乐、生物识别和教育科技等领域均有着极其广阔的应用前景。神经信号处理单元能够对记录的原始神经信号进行分析处理,对受试者意图给出直观或定性的分类结果,并将其作为神经刺激器刺激模式的依据,实现实时闭环控制,这对于需要反馈信号的闭环应用是非常必要的。同时,随着高密度多电极阵列的发展,允许同时记录数千个神经元的活动,大量的神经数据对无线数据传输提出了巨大的挑战,导致高功耗和高数据丢失。这一问题的一个有效解决方案是实现片上神经信号处理单元。本文回顾了现有的神经信号处理方法并对这些算法进行评估,在保证锋电位检测和分类精确度的前提下,考虑硬件消耗和分类延迟的折中,实现了一个包括锋电位检测,特征提取和分类的硬件架构,并完成了用于脑机接口闭环控制中的神经刺激器的控制模块。论文采用基于双阈值的锋电位检测方法,实现了硬件成本低,检测精度较高的锋电位检测电路。采用锋电位波形的一阶导数和二阶导数的极值方法提取锋电位特征,实现了硬件简单,数据压缩率高的特征提取模块。采用支持向量机算法实现锋电位分类,分类器采样二级流水线,对算法中的加法器和乘法器进行时分复用,能够有效降低硬件成本。并通过复用的方式能实现三分类。且该算法在信号信噪比较低的情况下(1/SNR=0.2),分类准确率依然在90%以上。该架构最终采用TSMC 0.18um HV工艺实现,电路面积1.1×1.7mm~2。此外,完成了神经刺激器的控制模块,能够通过片外MCU通过SPI接口实现对8通道刺激器的脉冲参数等配置,并探讨了在片外根据神经信号处理模块的分类结果实现对刺激器的闭环控制方案。