神经元的同步放电现象广泛存在于生物神经系统当中,是认知、情感、行为等脑高级功能正常发挥的关键,也是神经信息处理的重要机制。神经网络的同步放电不仅可以抑制噪声干扰,还可以提高神经信息处理的精度,因此,对神经网络的同步特性的研究有助于解密神经系统的运作机制。研究神经元同步放电时除了使用计算机软件模拟的方法,还可以通过灵活性好且实时响应的硬件来实现。本论文从生物神经元的动作电位出发,提出一种具有生物属性的小型神经元网络同步特性的模拟仿真及硬件实现方法。利用具有生物属性的Hodgkin-Huxley神经元模型和Leonid化学突触、电突触,在MATLAB&Simulink仿真平台建模不同参数的小型神经元网络,研究规则拓扑、复杂拓扑共10种结构以及不同耦合强度的神经网络的同步放电特性。采用标准化相干系数法定量分析了不同参数神经元网络的同步特性,并以此为基础研究了神经元网络在噪声环境下的抗扰特性。本文通过DSP Builder与Quartus II联合编译的方法,对照仿真过程建立不同参数的神经网络电路模型,并在FPGA上硬件实现其同步放电过程。通过模块化建模,不仅直观反应出神经元网络的结构以及耦合方式,还能为系统功能化分区提供便利,为后续大规模神经核团及集群的实现奠定基础。研究结果表明:突触的耦合强度以及网络的拓扑结构是影响神经元网络同步放电的关键。在保持网络耦合强度不变的情况下,连接度最低的链式网络的同步指数为0.169,连接度最高的全局耦合网络的同步性最高达到0.96;无论是规则网络还是复杂网络,随着神经元间连接度的增加,网络的同步指数逐渐趋近于1,网络同步放电的程度逐渐增强。在一定拓扑结构下,耦合强度越强同步性越好,简单环网的耦合强度从0.05m S/cm2增至7m S/cm2时,神经元网络的同步指数从0.08提升为0.998。在网络中引入一定强度的噪声后发现,单个神经元受干扰后其动作电位发生畸变,神经元网络的同步放电可以消除噪声恢复神经元的正常放电,有效抑制噪声干扰。在标准差20的高斯白噪声环境中,同步指数为0.187的简单环网即可有效抑制干扰;标准差增至40,同步指数0.187和0.964的简单环网依然能够有效抑制干扰,但同步指数为0.809的复杂拓扑7网络的抗扰效果却有所下降。通过对比发现改变神经元间耦合强度得到的抗扰效果比改变网络拓扑结构得到的抗扰效果要更优。本文的硬件实现结果与仿真结果基本一致,证明所采用的硬件方法可以完成小型神经元网络同步放电特性的研究。