基于人造神经元的智能触觉感知器件与集成研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:Hejing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人体感知系统的主要功能之一是提供外部感觉,以帮助我们感知身体外部的刺激并对其做出反应。触觉感知是躯体感觉系统的一个重要组成,它提供了有价值的环境信息,使我们能够与周围环境互动。我们皮肤中的机械感受器为我们提供了感知触觉的手段。机械感受器通过将外部刺激转化为被编码的尖峰赋予人类灵敏的触觉,激发了人工触觉感知系统的兴起。然而,这些系统大多是基于软件的,传感器信号需要通过冯·诺伊曼计算机的处理。幸运的是,模拟生物神经元和突触功能的神经形态电子学已经被提出作为解决当前冯·诺伊曼瓶颈的方法。仿生传感器和神经形态器件集成的人工感知系统已经取得了很大的进展,这些系统将生物感受器的灵敏感知功能与突触的学习记忆功能结合起来。触觉传感器检测外部机械刺激,通过基于晶体管的振荡器或模数转换器将触觉刺激转换为电压脉冲,然后传入突触器件做进一步处理,在硬件层面实现学习和记忆行为。然而,由于缺乏神经元的脉冲发放和信号整合的关键功能,会让它们的功能受到限制。实现人工神经元的策略仅限于传统的互补金属氧化物半导体(CMOS)和有机集成电路,它们需要复杂的架构并且存在能源效率低下的问题。此外,在人工机械感受器系统中实现触觉感知的增强仍然是一个挑战。而且,人工机械感受器应该具有触觉的整合功能,能够整合来自两个并行传感器通道的触觉信号,并产生统一的尖峰,从而实现精确和灵敏的触觉感知能力。因此本文从模拟生物的触觉感知功能出发,对高灵敏度柔性触觉传感器、人工神经元器件和人工机械力感受器展开了系统的研究。重要研究内容和成果如下:(1)模拟SA对触觉的灵敏感知功能,设计并制备了聚吡咯压阻式压力传感器,在压力响应层中引入金字塔微结构,极大的提高了压力传感器的灵敏度。然后,采用化学氧化聚合的方法在金字塔结构的响应层上合成了聚吡咯(PPy),并将其组装成电阻式触觉传感器。这种响应层的制备方法简便,图案均匀度高,具有大规模制造能力。利用各向异性效应,微结构的触觉传感器在低压力刺激下具有较高的灵敏度、快速的响应时间和良好的稳定性。此外,柔性的触感传感器还可用于检测手腕动脉的生理脉搏信号检测。(2)实现SA的触觉编码功能,制备了Pt/Nb Ox/Ta易失性忆阻器,研究了器件的金属-绝缘体转变机制和电学性能。为了进一步模仿感觉编码,实现了基于Pt/Nb Ox/Ta忆阻器的神经元电路,并系统的研究了影响尖峰频率的因素。(3)模拟皮肤的触觉感知,将基于PPy的电阻式压力传感器与易失性Pt/Nb Ox/Ta忆阻器集成在一起,演示了一种人工机械感受器。人工机械感受器通过将外部机械力刺激转换成由刺激强度调节的电尖峰,使触觉感觉编码成为可能。同时,通过脉冲耦合神经网络(PCNN)处理峰值频率的特征实现了触觉的增强。最后,人工机械感受器可以整合来自两个平行传感器通道的信号,并将它们编码成幅值一致的电尖峰,尖峰频率类似于触觉神经处理中的强度编码。这些结果为构建未来的仿生电子系统提供了简单而有效的策略。
其他文献
随着科学技术的进步,碳化钨粉在全球现代化工业的发展中起着不可替代的作用,逐渐应用到诸多领域中,因此对碳化钨粉的需求量与日俱增。本文在“江钨控股集团专利导航分析”的项目背景下,选取其重点技术分支碳化钨粉展开专利信息分析,采用文献研究法、统计分析法、对比分析等研究方法,详细分析了全球及中国碳化钨粉的发展态势、主要申请人专利的申请和质量情况,并对主要专利创新来源国进行对比分析,为碳化钨粉产业的发展提供助
学位
学位
学位
学位
学位
学位
学位
日盲紫外光电探测器已经广泛应用于光通信、3D打印、天文研究、生物医疗、军事应用等领域。目前市场上广泛应用的是以硅基电感耦合器件和微通道板器件为主的日盲紫外光电探测器,其中硅基电感耦合器件会受到背景光的干扰,使用时需要配合日盲滤光片,使用成本高;微通道板器件结构比较复杂,只能在极高偏压下工作。氧化镓禁带宽度为4.9 e V,对日盲区紫外线本征响应且响应度极高,非常适合日盲紫外光探测。但电子迁移率不高
学位
在信息技术快速发展的今天,人工智能技术对社会的方方面面起着至关重要的作用。随着人工智能技术的引入,智能监控系统已经被应用到城市的各种场所用来检测和预防危险事件的发生。公共场所的危险事件在发生之前往往存在行人的异常行动,徘徊是指行人在特定区域不断移动却没有明显的位移,发现这种异常行动对提高公共安全具有意义。目前,基于深度学习的徘徊检测算法的模型过于复杂,需要较高算力设备的支持,否则难以应用于行人密集
学位
近年来,随着深度学习理论和方法的飞速发展,多目标跟踪的研究成果不断涌现。然而,由于多目标跟踪任务复杂,难点众多,所以其准确率和处理效率也一直徘徊不前。在融入了深度学习的模型后,多目标跟踪算法的复杂度和计算量更是大增。此外,在现实的道路交通场景下对行人或机动车等物体进行跟踪,往往伴随着轨迹碎片化的问题、超参数的影响剧烈问题、跟踪实时性差的问题和跟踪精度不符合实际需求的问题等等。为了解决这些实际存在的
学位