本文面向生物医学工程和神经电生理学的实际应用，立足于生命科学与信息科学的交叉点和结合部，以专用集成电路设计技术为基本实现手段，以“植入式神经记录”和“神经信号处理”为切入点，研究植入式神经信号处理算法及其专用集成电路设计。植入式神经记录作为一种精确记录神经活动的手段，是研究神经系统、诊断和治疗癫痫、帕金森氏症等神经疾病的基础，越来越引起临床专家以及从事神经生理学、认知科学、行为科学、人工神经网络科学的专家学者的重视。随着生物医学技术以及微电子技术的发展，神经记录系统向全植入式、无线传输、多通道神经记录方向发展，面临功耗与带宽等方面的巨大挑战。针对上述问题，本文研究并设计了适用于植入式神经记录系统的神经信号处理专用集成电路，为神经科学家等专业研究人员提供在线的、原始的多神经元神经电信号数据，实现在计算机上进行峰电位分类（Spike-Sorting）等神经科学研究。本文研究并分析了现有植入式神经记录系统中所采用的神经信号处理算法，对比了锋电位分类（Spike Sorting）与神经信号压缩两种处理方式的优劣，选择了神经信号压缩中的矢量量化算法作为本文神经信号处理的基本方法，在此基础上研究并设计了一种基于矢量量化的改进型训练序列算法(Linde-Buzo-Gray，LBG)。基于Matlab完成了算法建模，使用人造神经信号数据以及实际采集到的鼠大脑皮层神经信号对算法模型进行了仿真测试，并确定了码本空间维度与码字数量两个关键参数的数值。在此基础上，本文设计了一款适用于植入式神经记录系统的神经信号处理专用集成电路，该专用集成电路基于UMC0.18um1P6M Mixed-Mode1.8V Twin-Well工艺，核心电路面积3.5mm×5mm。以实际采集到的鼠大脑皮层神经信号作为原始神经信号数据，芯片对神经信号进行数据压缩得到以下后仿结果：压缩率124.57，峰值信噪比（PSNR）30.16dB，归一化均方误差3.82E-04，压缩后锋电位分类结果误差小于5%。上述结果表明，本文设计的神经信号处理专用集成电路可以对神经信号数据进行高效的数据压缩处理，同时保留原始信号中的有用信息。结合现有的植入式神经记录系统，该专用集成电路可以为神经科学研究提供多神经元神经电信号数据，解决了传统植入式神经记录系统中无线通信带宽有限而无法进行多通道神经记录的难题。