神经科学中的细胞外记录技术,即将电极植入大脑来记录单个神经元活动的技术,是神经科学家研究大脑运作的一种常用手段。该技术在脑机接口、癫痫和记忆力丧失等领域的应用中具有巨大的潜在价值。在对记录的神经信号进行处理时,峰电位分类是其中关键的一步。峰电位分类是将信号分离成单个神经元活动的过程,多年来已经提出了很多相关算法,但目前为止硬件实现尚不完备。本文针对该问题,研究实现峰电位分类IP,主要工作如下:本文对峰电位信号的特征及峰电位分类流程进行了分析。其中对峰电位分类流程中的信号预加重、峰值检测、对齐、特征值提取、降维和聚类算法进行了可硬件实现的算法分析。本文设计实现了峰电位分类IP,并对其功能进行了仿真验证,实现了峰电位分类各流程中的运算功能。在TSMC 180nm工艺下对预加重模块进行了流片。本文实现了应用峰电位分类IP的基于ARM的SoC系统。该芯片系统可以实现两种系统启动方式并设计了外部大容量的存储设备控制器,分别满足峰电位分类IP的不同工作模式和峰电位数据的存储。本文进行了IP和系统的仿真验证和板级验证。具体包括使用真实和随机两种峰电位数据的仿真和板级验证。实验结果达到设计要求。本文设计的峰电位分类IP和SoC芯片具有良好的应用前景,可广泛应用在需要峰电位信号硬件加速分类和压缩数据的场合。