电磁环境的复杂性和可变性严重影响了神经拟态计算硬件的正常功能,研究具有鲁棒机制的神经拟态计算硬件具有重要意义。借鉴生物脑在外部干扰下具有自适应调节的优势,研究类脑模型的抗扰能力有助于提高神经拟态计算硬件的鲁棒性。然而,现有硬件类脑模型的生物可解释性尚存不足,其拓扑不能反映生物脑的真实连接,限制了类脑模型的信息处理能力。本文基于现场可编程门阵列（Field-Programmable Gate Array,FPGA）实现了更具生物可解释性的功能磁共振成像（functional Magnetic Resonance Imaging,f MRI）脉冲神经网络的类脑模型构建,研究了其在不同噪声下的抗扰功能,并进一步探讨了其抗扰机理。本研究成果为在复杂电磁环境下具有鲁棒机制的类脑模型应用提供了新方法。主要研究内容如下:（1）基于FPGA的f MRI脉冲神经网络构建。为了提高类硬件脑模型的生物可解释性,本文以状态机实现的Izhikevich神经元模块为节点,以包含了兴奋性与抑制性共存的突触可塑性模块为边,以反映人脑网络真实连接的f MRI脑功能网络结构为拓扑约束,实现了更具生物可解释性的f MRI脉冲神经网络。研究结果表明:基于FPGA的f MRI脉冲神经网络,其神经元模块的膜电位波形和突触可塑性模块的突触均值均与软件模拟结果高度拟合,且神经元模块实现的速度比软件模拟提高了一个数量级。（2）基于FPGA的f MRI脉冲神经网络的抗扰功能研究。为了研究更具生物可解释性的类脑模型在复杂电磁环境中的抗扰功能,本文对f MRI脉冲神经网络施加了外部电场噪声、高斯噪声及脉冲噪声,基于放电率相对变化率和膜电位相关性两个指标共同评估了它的抗扰能力,并分析了噪声下f MRI脉冲神经网络的信息处理过程和动态演化行为。研究结果表明:基于FPGA的f MRI脉冲神经网络对外界干扰具有抗扰功能,且其抗扰功能的内在因素是突触可塑性的动态调节。（3）基于FPGA的不同拓扑脉冲神经网络抗扰能力对比分析。为了研究不同拓扑结构对类脑模型抗扰能力的影响,本文对f MRI脉冲神经网络、小世界脉冲神经网络和无标度脉冲神经网络的抗扰能力进行了对比分析,并深入探讨了不同拓扑脉冲神经网络抗扰能力差异的原因。研究结果表明:基于FPGA的f MRI脉冲神经网络的抗扰能力优于小世界脉冲神经网络和无标度脉冲神经网络,且脉冲神经网络的拓扑结构是影响类脑模型抗扰能力差异的重要因素。