两类神经网络的CMOS模拟电路设计与研究-电子科学与技术专业论文.docxVIP

湘潭大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 I I 摘要 神经网络是模拟人脑基本特性的智能系统，也是一门信息处理的科学。神经 网络具有自适应学习、非线性映射、分布并行处理等特点。神经网络从单个神经 元的模拟，到最终模拟大脑的信息处理功能。神经网络应用非常广泛，目前主要 运用于非线性系统、网络故障、航空航天、智能机器人等领域。 对于神经网络的研究主要分为三部分：理论研究、应用研究和实现技术研究。 而实现技术上，主要有两种实现方法：软件实现和硬件实现。用软件实现神经网 络，具有处理速度、并行程度低等缺点，这很难满足神经网络信息处理的实时性 的要求。用硬件实现神经网络能体现网络的快速性、并行计算，且能实现大规模 的信号处理，这在复杂的数据处理场合中是非常有利的。因此，硬件实现是神经 网络发展的必然趋势。硬件实现方法中，基于模拟 CMOS 电路实现神经网络电 路具有结构简单、集成速度快、占用芯片面积小、集成度高、功耗低等特点，因 此本文研究采用模拟 CMOS 集成电路设计神经网络。 神经网络模型中具有代表性的有：误差反向传播 BP 网络、径向基函数 RBF 网络、自组织网络、感知器、反馈 Hopfield 网络、小脑模型 CMAC 网络、模糊 神经网络等。目前，已经用硬件实现了的神经网络有：BP 网络、RBF 网络、感 知器等，而在其他的网络模型的硬件实现方案甚少。基于研究神经网络的全面性， 本文主要研究用模拟 CMOS 电路实现自组织竞争神经和模糊神经网络，围绕这 两种神经网络，做了如下相关工作： （1）针对神经网络的神经元模型中权值不可调的缺点，设计了线性可调运 算跨导放大器和电流乘法器电路作为突触电路，通过改变外部电流实现权值可调 功能，且设计的电路结构简单，线性度高。以此能作为基本单元应用于神经元电 路中。 （2）基于自组织竞争神经网络中竞争层算法难以实现的问题，设计了一种 电流模式的最值电路模拟实现竞争算法，通过比较电流的大小达到竞争目的。该 电路实现简单、模拟程度高、便于集成，与输入层结合能实现自组织竞争神经网 络。 （3）针对模糊神经网络的单元电路结构复杂且精度低的问题，本文对高斯 函数电路、求小电路、去模糊电路的结构进行优化设计，从整体上提高模糊神经 网络的精度和高速性。最后将设计的模糊神经网络用于实现一个非线性函数的逼 近，并通过了仿真与验证。 关键词：神经网络；模拟电路；竞争网络；模糊神经网络 II II Abstract Neural networks are not only intelligent systems to simulate the basic characteristics of the human brain, but also an information processing science. Neural networks have the characteristics of adaptive learning, nonlinear mapping, distribute parallel processing. Neural networks simulate the brain structure from individual neurons to information processing function. Neural networks are widely used in the field of nonlinear systems, network troubleshooting, aerospace, intelligent robots. The study of the neural networks is divided into three areas: theoretical research, applied research and implemen