随着自动驾驶、军事等领域对高速、高精度传感器需求的进一步提高,传统逐帧扫描图像传感器时间误差大、数据冗余等一系列缺点逐渐暴露出来。随后人们提出仿生图像传感器的概念,并且脉冲型仿生图像传感器与传统逐帧扫描图像传感器相比,具有冗余数据少、时间精度高和功耗低等优势,可应用于动态检测和高速目标追踪等领域。然而,随着传感器阵列增大和场景复杂度提升,脉冲型仿生图像传感器的输出时间误差和光强量化误差开始增大,并使该传感器的发展陷入了瓶颈,因此本文针对脉冲型仿生图像传感器及其误差进行了详细的分析与研究。本文首先研究了脉冲型仿生图像传感器的两种像素结构与各模块工作原理并完成系统级建模。其中异步脉冲型像素采用地址-事件表示（Address-Event Representation,AER）的异步读出方式,并且仅对变化信息进行输出,从源头上消除了冗余的静态背景信息;而同步脉冲型像素采用同步读出方式,通过将场景信息转化为时域脉冲信号的方式实现了数据的压缩。随后基于对传感器整体架构的分析,本文采用0.11μm工艺对两种像素阵列进行了电路设计与版图绘制。最后,本文研究了脉冲型仿生图像传感器的输出误差。1.通过对异步脉冲传感器中信号传输延时的分析,本文提出一种信号快速读出方法,该方法可以有效降低信号传输延时,结果显示:在阵列大小为128×128且全阵列触发的条件下传输延时降低了79%,并且当像素阵列增大时提升效果更优。2.本文基于误差模型与芯片测试结果对同步脉冲传感器的光强量化误差进行了分析并总结出传感器参数对于误差的影响,结果表明:传感器参数主要影响脉冲频率（Pulse Frequency Modulation,PFM）量化误差的大小和脉冲宽度（Pulse Width Modulation,PWM）量化误差的波动;当光照度由100 lux增加到780 lux时,PFM量化误差由-2.5%增加到8%,PWM量化误差的波动范围由（0.1%-4%）增加到（-5%-24%）;并且在光照为300 lux的条件下,通过模型预测结果选择参考电压和复位电压等参数大小可以让芯片在实际工作中获得最小的脉冲频率量化误差（6.5%）和最小的脉冲宽度量化误差波动范围（11%-15%）。