一种模糊神经网络的硬件电路优化设计方式-云南大学.pdfVIP

云南大学学报（自然科学版），２０１５，３７（２）：２１５～２２１ ＤＯＩ：１０．７５４０／ｊ．ｙｎｕ Ｊｏｕｒｎａｌ ｏｆ Ｙｕｎｎａｎ Ｕｎｉｖｅｒｓｉｔｙ 一种模糊神经网络的硬件电路优化设计方式∗ １ ２ １ １ 王　 含 ，李志军 ，曾以成 ，陈　 婷 （１．湘潭大学 光电工程系，湖南 湘潭　 ４１１１０５；２．湘潭大学 通信工程系，湖南 湘潭　 ４１１１０５） 摘要：为提高模拟电路实现模糊神经网络的精度，通过对模糊神经网络中的高斯函数电路、求小电路以及 去模糊电路分别进行性能优化，从整体上达到模拟电路实现模糊神经网络中高精度、高速的特性要求．所设计 的模糊神经网络整体电路采用电压模式实现，并通过逼近一个非线性函数来验证．所设计的模拟单元电路均采 用ＴＳＭＣ０．１８μｍ工艺参数设计完成．通过Ｃａｄｅｎｃｅ软件仿真，结果表明：在 １．８Ｖ 的工作电压下，所提出的改进 型单元电路具有精度高、结构简单、便于调节和扩展的特性，并且能够完整地实现模糊神经网络的控制． 关键词：模拟电路；模糊神经网络；高斯函数；求小电路 － － － 中图分类号：ＴＮ４３　 　 文献标志码：Ａ　 　 文章编号：０２５８ ７９７１（２０１５）０２ ０２１５ ０７ 　 　 由于无需建立精确的数学模型，并且可以利用 器，虽然其简化了算法，但是在各个模拟电路单元 专家知识系统的优点，模糊神经网络被广泛应用于 中，比如尖三角形隶属度函数电路和求小电路，这 － ［１ ２］ 各种工程上复杂的非线性控制 ．一般而言，模糊 些电路结构相对复杂，提高了整体电路的复杂性； 神经网络可以采用软件和硬件２种方式实现，通常 文献［７］中实现了精度高的高斯函数电路，但是采 用软件来实现的模糊神经网络，其典型的处理速度 用电流模式实现的整体电路相对庞大，且调节度 为１Ｋｆｌｉｐｓ （ｆｌｉｐｓ是指每秒钟模糊推理的次数），而 低，功耗大且不易集成；文献［８］中各个单元电路 用硬件实现模糊神经网络能达到 １０００ Ｋ，即毫秒 结构简单，整体电路的精度性较低，输入范围小，不 级以下的控制，因此在运算速度上软件与硬件是无 利于在输入范围要求较高的电路中使用． ＣＭＯＳ模 － ［３ ４］ 法比拟的 ．为了解决高速的实时控制问题，比如 拟电路实现模糊神经网络由Ｇａｕｓｓ隶属度函数单 高速的实时识别系统，包括人脸识别、指纹识别等 元电路、电压求小单元电路、去模糊单元电路三部 方面，这需要使用专门的硬件系统，因此必须用硬 分组成．本文对各个单元电路进行改进，使得各个 件电路来实现模糊控制系统．而硬件电路包括数字 单元具有结构简单、功耗低、误差小的优点，所有电 电路和模拟电路２ 大类，与数字电路相比，模拟电 路采用ＴＳＭＣ０．１８ μｍ ＣＭＯＳ工艺仿真，本文设计 路在同等功耗、芯片面积下，速度更快、效率更高、 了一个双输入单输出的模糊神经网络，其输入输出 成本更低，并且不需要增加额外的数模和模数转化 均为电压信号，并实现了一个非线性函数的逼近， 模拟电路单元作为接口与传感器或者外部激励相 与以往的同种电路相比，在功耗、精度、速度上有很 － ［５ ６］ 连接 ．现代ＶＬ