基于脉冲神经网络的类脑嗅觉传感器信号处理与模式识别系统设计.docxVIP

PAGE2

基于脉冲神经网络的类脑嗅觉传感器信号处理与模式识别系统设计

摘要

随着物联网与环境监测的智能化发展，传统气味识别系统在功耗、延迟和泛化能力上暴露出明显短板。本课题以神经形态计算为理论指导，设计并实现了一套基于脉冲神经网络（SNN）的类脑嗅觉传感器信号处理与模式识别系统。系统核心由仿生嗅觉传感器阵列、脉冲编码器和低功耗脉冲神经网络组成，目标是在低功耗约束下实现七种目标气味的快速、准确识别。

全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。首先，从低功耗嗅辨的现实需求出发，梳理了功能与非功能需求，并建立了用例模型。其次，在总体设计阶段，提出了“传感层－编码层－脉冲计算层－决策层”四层架构，划分了信号采集、脉冲编码、SNN学习与识别、结果输出等核心模块，并定义了模块间的脉冲数据流接口。详细设计则深入阐述了传感器阵列的温控补偿算法、基于时间表面编码的脉冲转换方法和基于稳态可塑性（STDP）的在线学习规则，给出了关键算法的伪代码。在实现与测试中，基于FPGA搭建了低功耗神经网络加速原型，实测结果表明，系统平均识别准确率达到93.4%，单次推理功耗仅为0.87mW，推理延迟低于15ms，达到设计指标。

本设计的核心创新点在于将仿生传感器阵列与时间编码脉冲神经网络深度融合，通过硬件友好型学习算法实现低功耗边缘端气味识别，为类脑嗅觉系统在智能终端、食品安全