随着集成电路(Integrated Circuit,IC)和半导体技术的发展,CMOS图像传感器广泛应用于手机、汽车电子、医疗、航天等领域。但人工智能时代的到来对图像传感器提出了更高的要求,传统CMOS图像传感器采用“帧扫描”的方式处理图像,当像素阵列扩大、精度提高时,会造成大量数据冗余,对数据的传输和存储造成压力,降低工作效率。为了克服上述弊端,本文将传统CMOS图像传感器与生物视觉系统相结合,设计一种基于事件驱动的视觉传感器,破除了“帧扫描”中“时间驱动”的工作方式,取而代之的是更加灵活和智能的“事件驱动”机制。所谓“事件驱动”机制,其本质上是一个实时工作的异步系统。其原理与人眼类似,当像素接收到的光强发生了变化时就会产生一个电信号,把这个电信号视为“事件”。为了读取这个“事件”信息,本设计引入了在神经形态系统之间传输信号时通常采用的地址事件表示法(Address-Event Representation,AER),产生了“事件”的像素向总线发出请求后,通过AER通信系统即可读取产生了脉冲的像素单元地址和事件的属性。与传统图像传感器不同的是本设计中的每个像素被读取后可以进行自复位而不需要统一进行复位。由于可以有多个像素同时发生光强变化,在没有统一时钟的情况下,需引入仲裁机制来对发生光强变化的像素读出顺序进行排序。为此,本设计提出了一种基于循环优先级实现公平仲裁的仲裁电路,它可以确保每个像素被读取的机会是均等的,进而协助整个异步系统有条不紊的工作。本文在Cadence(Virtuoso)平台上采用SMIC 0.18μm工艺实现了一个8′8像素阵列的事件驱动型视觉传感器并对其进行仿真。仿真结果与设计预期相符,电路功能正确,对于发生光强变化的像素单元可以进行异步读出,系统的延迟为9.19μs。本研究属于视觉芯片的研究领域,本设计从根源处减少了信息量、避免了数据冗余,在降低整体功耗的同时提升传感器性能。随着其进一步的发展,与人工智能和机器视觉相结合,在无人驾驶、智慧医疗、安防监控等高实时性应用场景中有着广阔的前景。