基于脉冲神经网络的类脑智能低功耗目标识别与异步事件驱动控制设计.docxVIP

PAGE2

基于脉冲神经网络的类脑智能低功耗目标识别与异步事件驱动控制设计

摘要

随着边缘智能设备对实时性、低功耗和自主决策能力的需求日益迫切，传统基于帧的视觉处理模式在数据冗余、延迟和能耗方面暴露出显著瓶颈。本课题以脉冲神经网络（SNN）和事件相机为核心，设计并实现了一套面向毫秒级动态目标的低功耗识别与异步事件驱动控制系统。该设计从事件相机输出的异步脉冲信号出发，构建事件的时空表征模型，并基于SNN实现目标识别算法，最终将识别结果转化为异步运动控制指令，形成完整的感知-决策-控制闭环。

本文首先分析了事件相机数据流的特点，设计了基于脉冲序列的时空映射与编码方案，将稀疏事件流转换为适合SNN处理的脉冲表征。在此基础上，构建了基于泄露积分发放神经元模型的浅层脉冲神经网络，通过基于脉冲时序的可塑性学习规则，实现了对运动目标的快速分类。在控制端，采用异步事件驱动机制，将识别结果映射为电机控制信号，避免了传统周期采样带来的延迟。全文按照需求分析、总体设计、详细设计、实现与测试的工程递进逻辑展开。核心创新点在于：将事件相机的异步特性与脉冲网络的计算范式深度融合，实现了从感知到控制的端到端异步处理，大幅降低了系统功耗与响应延迟。测试结果表明，所设计系统在识别精度、响应速度和功耗指标上均达到预期，为类脑视觉的落地应用提供了可行的设计参考。

第一章绪论

1.1研究背景

在无人机自主避障、