穿戴式癫痫发作监测系统（Wearable Seizure Monitoring System,WSMS）可在线监测癫痫发作,具有实时触发告警和癫痫日志自动建立等功能,是生物医学与信息技术交叉领域的研究热点。脑电信号直接反映了癫痫发作的病理学基础,因此基于脑电的WSMS是当今科学界关注的焦点,其设计的主要瓶颈在于高性能癫痫发作检测算法的低功耗硬件实现。鉴于此,本文主要对基于脑电的可穿戴癫痫发作检测芯片的算法设计与电路实现方法进行研究,其主要工作和创新点如下:（1）对硬件友好型癫痫发作检测算法进行了研究,提出了基于小波系数包络的特征提取方法,通过小波变换提取多尺度空间的小波系数,再利用包络提取对小波系数进行平滑均值,从而提高癫痫脑电的时频局部特征的区分度;构建了适用于非平衡脑电处理的决策树分类器,通过引入K-means欠采样技术克服癫痫脑电处理的非平衡问题,利用预剪枝和基于基尼系数的节点属性划分方法分别解决过拟合和节点最优划分属性选择的问题。实验结果表明,本文所提出的算法仅需提取单一时频域特征便可实现较高的检测精度,其中灵敏度为96.43%,误检率为6.77%,受试者工作特征曲线下面积（Area Under Curve,AUC）为0.948。（2）对小波系数的实现方法进行了研究,提出了模拟小波基的时域有理逼近方法,通过逆拉普拉斯变换直接得到满足小波容许性条件的时域逼近模型,并将小波基的平移值融入至逼近模型构建中,利用人工鱼群算法求解全局最优值的近似解,再利用序列二次规划求得全局最优解。本文以Marr小波为例,详细阐述了最优模拟小波基的求解过程。实验结果表明,本文所提出的逼近方法可自动选取最优平移值,实现了小波基的高精度逼近,其中五阶模拟Marr小波基的L2范数逼近误差仅为2.8。（3）对癫痫发作检测算法的低功耗电路实现方法进行了研究。首先,提出了基于模拟电路的特征提取实现方法,包括基于跳蛙结构的模拟小波滤波器、低复杂度的全波整流器、超低截止频率的低通滤波器、高精度延时滤波器等电路;其次,提出了基于全并行结构的决策树电路设计方法,包括高速比较器以及低复杂度的数字决策电路等模块。最后,本文还设计了具有低温度系数等优点的皮安和纳安量级基准电流源,可为核心模块—跨导单元提供偏置电流。本文基于SMIC 0.18μm工艺完成了癫痫发作检测芯片的版图设计,并对其进行性能评估。实验结果表明,本文所设计的芯片功耗为9.963μW,面积仅为12mm2。与已有文献相比,本文所提出的设计方法在灵敏度、误检率、功耗以及面积等方面具有更加均衡的表现。