论文部分内容阅读
生物神经网络是由大量的神经元通过突触连接形成的具有计算能力的复杂系统。计算神经科学以大量生物实验数据为基础并建立各类神经元数学模型,为定量研究神经系统功能和内部机制提供研究基础。工程应用、生理意义以及神经形态学特征等因素决定了神经元模型的选取。随着计算机和集成电路技术的快速发展,生物计算平台的规模性、实时性和集成度也不断提高。目前,现场可编程逻辑门阵列(FPGA)硬件设计是实现大规模生物神经网络计算平台的主流。针对这种情况,本文研究了使用FPGA优化设计大规模神经元网络的方法,以及FPGA硬件平台的拓展方案。首先,本文根据神经元网络的连接灵活性和硬件平台的结构扩展性,提出了FPGA高速计算平台的硬件框架。针对大规模神经元网络的实现,从硬件系统的结构和功能上进行了模块划分。结合大规模神经元网络特性和可编程逻辑器件设计思想,设计中总结了面积速度均衡性、同步性和系统原则。考虑神经元模型的神经形态学特征和特定脑功能区域的模型特性,遵循计算平台的设计原则,本文选取二间室神经元模型和多巴胺神经元模型作为研究对象。兼衡计算复杂度和硬件资源,对神经元模型进行线性化修正,并对修正模型从神经元放电行为、相轨迹演变、分岔、突触效应以及网络特性方面给出了定性和定量的精度验证,数字设计中所有非线性运算代替为逻辑移位和加减运算,完成神经元模型的无乘法实现。然后,针对单片资源对生物神经网络规模的限制,本文设计了FPGA多片系统仿真平台。确立了多芯片间的硬件拓扑结构以及系统配置方案,探讨了多片系统在硬件基础上的时钟同步性,保证数据信号能在多芯片间进行有效收发,并通过通讯接口进行示波器显示和上位机数据分析。最后,基于FPGA生物神经高速计算平台,研究了生物神经网络在六自由度机械臂闭环控制系统上的应用。并在硬件平台上采用无香卡尔曼滤波估计TC神经元慢变量,设计变论域模糊控制器,有效控制病态TC神经元的放电节律。