一种基于忆阻器阵列的识别系统技术方案

本发明专利技术公开了一种基于忆阻器阵列的识别系统，包括图像采集模块、神经网络模块、通讯模块、FPGA模块、微处理器模块、数模转换模块以及忆阻器阵列；所述神经网络模块与所述图像采集模块连接，所述神经网络模块通过所述通讯模块与所述FPGA模块连接，所述FPGA模块连接分别与所述微处理器模块和所述数模转换模块连接，所述忆阻器阵列与所述数模转换模块连接。本发明专利技术搭建了一种忆阻器阵列电路接口，为忆阻器阵列电路提供有限的输入，方便科研人员在忆阻器技术方面的丰富性研究。并可代替大量的电子突触运算，极大的节省了研究人员的精力和研究机构的研究成本。

【技术实现步骤摘要】
一种基于忆阻器阵列的识别系统
本专利技术涉及神经网络
，尤其设计了一种基于忆阻器阵列的识别系统，具体是一种由上位机软件和以FPGA+嵌入式开发板为核心的硬件电路构建的系统。
技术介绍
随着材料技术的发展，忆阻器作为一种有记忆功能的非线性电阻，带来了电子电路的结构体系、原理、设计理论的巨大变革，是继电阻、电容、电感之后的第四种无源基本电路元件，为电子技术中存储和处理功能的进一步发展提高提供了潜在的可能性。由于生物神经科学方面限制，虽然忆阻器已经在制作工艺方面有所改进，但其特殊的生物特性，因而其在集成电路方面实用普及仍有许多的科学技术难题要解决，并且，将忆阻器单独作为一个元器件来使用的意义并不大。但集成使用起来难度十分不易，对科研工作和忆阻器实际应用有着极高的门槛。近年来，对于忆阻器阵列电路的等效电路的模拟仿真日益兴起，通过等效电路来实现忆阻器，虽然在使用上模拟了忆阻器的功能，在理论上有所拓展，但在实际应用领域并未有相应的较为突破性的应用发展，与此同时在实际应用研究方面，面对忆阻器研究的高成本问题，往往要使得研究机构的不堪重负。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术针对图像识别和新型器件忆阻器的特殊要求，为了使得平台更具智能化，获得更好的实用性、准确度、丰富度，采用了深度学习的算法；因为忆阻器件集成电路的信号的不定向性，针对具体的忆阻器作为突触的识别技术研究，我们可通过设计简单电路，并采用有限输入的方式来实现研究目的；与以往忆阻器识别技术开发的项目不同的的是，本次采用了软件+硬件平台的方式，为忆阻器阵列电路提供有限的输入，方便科研人员在忆阻器技术方面的丰富性研究。并可代替大量的电子突触运算，极大的节省了研究人员的精力和研究机构的研究成本。技术方案：一种基于忆阻器阵列的识别系统，包括图像采集模块、神经网络模块、通讯模块、FPGA模块、微处理器模块、数模转换模块以及忆阻器阵列；所述神经网络模块与所述图像采集模块连接，所述神经网络模块通过所述通讯模块与所述FPGA模块连接，所述FPGA模块连接分别与所述微处理器模块和所述数模转换模块连接，所述忆阻器阵列与所述数模转换模块连接；所述图像采集模块对目标图像进行采集，并将其采集得到的图像发送至所述神经网络模块；所述神经网络模块采用人工神经网络对所述图像采集模块采集的图像进行识别，并将识别之后的结果通过所述通讯模块发送至所述FPGA模块；所述神经网络模块的规模取决于输入变量的个数m和识别类型的个数n；所述FPGA模块对所述神经网络模块发送过来的数据分解成数字信号，并将其逐一传送给所述数模转换模块，同时为数模转换模块提供时序；所述FPGA模块与所述微处理器模块连接，实现数据的读取、存储以及计算；所述数模转换模块根据输入变量的个数设计成m路数模转换器；并根据所述FPGA模块提供的时序接收所述FPGA模块传送过来的数据，输出对应的的模拟信号至所述忆阻器阵列；所述忆阻器阵列为由二极管同忆阻器串联之后，再通过级联的方式扩展形成的n*m阵列；所述忆阻器阵列的输出端连接有运放，在所述忆阻器阵列与所述运放连接的线路上设有按键开关SW，所述忆阻器阵列连接有电阻Rx，所述Rx接地；所述忆阻器阵列与所述数模转换模块连接，并接收所述数模转换模块输入的模拟信号并对所输入的模拟信号进行处理，输出信号为其中，i表示输入变量，i＝1,2,…,m；j表示识别类型，j＝1,2,…,n；Wij表示忆阻器阵列中对应忆阻器的权重，所述输出信号经运放后，发送至所述微处理器模块；所述微处理器模块分别与所述FPGA模块和所述忆阻器阵列连接，接收经所述忆阻器阵列处理过的信号并处理输出结果最终根据输出结果得到识别的图像类型。所述FPGA模块对其分解的数字信号作如下处理：如果所述数字是正数，将所述数字信号发送至所述微处理器存储；如果所述数字是负数，采用一个字节8位末尾余1的方式对信号进行标记，然后发送给数模转换模块；在发送的时候，所述FPGA模块如果检测到数字字节8位末尾余1，那么确定该数字为负数，此时将所述FPGA模块的某一引脚GPIOX置高，所述微处理器模块读取到所述引脚GPIOX的信号，并在读取到所述数模转换模块的值之后，标记为负值；所述微处理器模块对所述输出信号进行运算其中Verf为所述数模转换模块的工作参考电压。所述神经网络模块包括识别网络模块和识别降维模块；所述识别网络模块通过设定不同的权重值和激励函数来确定网络的连接方式；所述识别降维模块采用深度学习中的卷积和池化的方式，采用混合高斯分布模型背景建模方法进行前景提取，再通过Canny算子进行轮廓检测，最后通过卷积神经网络进行图像识别。所述二极管采用肖基特二极管。所述二极管采用MSR0320、MBR0520、MBR120、MBRS1-40、MBRM110或MBRS41-0LT3G其中一种。所述图像采集模块采用多种不同型号的独立摄像头或者电脑自带的摄像头。所述目标图像包括手势、字母以及数字。所述FPGA模块可采用多种型号的FPGA开发板。所述微处理器模块校验所述识别系统是否正常运行；若检测到异常之后，则将出错信息通过所述通讯模块返回到所述识别系统；所述异常为微处理器模块同所述FPGA模块的程序跑飞或检测数据发生错位。所述通讯模块根据实际需要采用I2C、uart、蓝牙或Nrf2401无线模块方式。有益效果：为了使得忆阻器的应用领域研究门槛降低，增添其可扩展性，通过以上位机+FPGA+stm32搭建了一种忆阻器阵列电路接口。为忆阻器阵列电路提供有限的输入，方便科研人员在忆阻器技术方面的丰富性研究。并可代替大量的电子突触运算，极大的节省了研究人员的精力和研究机构的研究成本。附图说明图1为本专利技术系统结构框图。图2为本专利技术的GUI界面图。图3为FPGA的连接结构图。图4为stm32的连接结构图。图5为数模转换器与忆阻器阵列连接结构图。图6为忆阻器阵列电路连接图图7为忆阻器阵列单排构成示意图。图8为硬件整体构成示意图。图9为本专利技术具体实施例的忆阻器阵列处理信号的等效参考图。图10为系统执行流程图。具体实施方式下面结合附图对本专利技术作更进一步的说明。图1为本专利技术系统结构框图。如图1所示，本专利技术基于忆阻器阵列的识别系统包括图像采集模块、神经网络模块、通讯模块、FPGA模块、微处理器模块、数模转换模块以及忆阻器阵列。所述神经网络模块与所述图像采集模块连接，所述神经网络模块通过所述通讯模块与所述FPGA模块连接，所述FPGA模块连接分别与所述微处理器模块和所述数模转换模块连接，所述忆阻器阵列与所述数模转换模块连接；所述图像采集模块为摄像头，用于对目标图像进行采集，并将其采集得到的图像发送至所述神经网络模块；所述目标图像包括手势、字母以及数字等。所述图像采集模块的采集区域是参考所述摄像头所摄像的范围，可根据此区域对目标图像采集校准。在本专利技术中，所述图像采集模块可以采用多种不同型号的独立摄像头或者电脑自带的摄像头。在本专利技术中，所述图像采集模块可以根据选择需识别的物体类型、依据具体的需要情况来对通道的数目选择以及选择阈值。所述阈值具体如下：为了解决(去除背景)接收到的有用信号频率相近的、系统无法滤除的干扰信号所带来的影响，采用弱梯度值过滤边缘像素，并保留具本文档来自技高网...

【技术保护点】
1.一种基于忆阻器阵列的识别系统，其特征在于：包括图像采集模块、神经网络模块、通讯模块、FPGA模块、微处理器模块、数模转换模块以及忆阻器阵列；所述神经网络模块与所述图像采集模块连接，所述神经网络模块通过所述通讯模块与所述FPGA模块连接，所述FPGA模块连接分别与所述微处理器模块和所述数模转换模块连接，所述忆阻器阵列与所述数模转换模块连接；所述图像采集模块对目标图像进行采集，并将其采集得到的图像发送至所述神经网络模块；所述神经网络模块采用人工神经网络对所述图像采集模块采集的图像进行识别，并将识别之后的结果通过所述通讯模块发送至所述FPGA模块；所述神经网络模块的规模取决于输入变量的个数m和识别类型的个数n；所述FPGA模块对所述神经网络模块发送过来的数据分解成数字信号，并将其逐一传送给所述数模转换模块，同时为数模转换模块提供时序；所述FPGA模块与所述微处理器模块连接，实现数据的读取、存储以及计算；所述数模转换模块根据输入变量的个数设计成m路数模转换器；并根据所述FPGA模块提供的时序接收所述FPGA模块传送过来的数据，输出对应的的模拟信号至所述忆阻器阵列；所述忆阻器阵列为由二极管同忆阻器串联之后，再通过级联的方式扩展形成的n*m阵列；所述忆阻器阵列的输出端连接有运放，在所述忆阻器阵列与所述运放连接的线路上设有按键开关SW，所述忆阻器阵列连接有电阻Rx，所述Rx接地；所述忆阻器阵列与所述数模转换模块连接，并接收所述数模转换模块输入的模拟信号...

【技术特征摘要】
1.一种基于忆阻器阵列的识别系统，其特征在于：包括图像采集模块、神经网络模块、通讯模块、FPGA模块、微处理器模块、数模转换模块以及忆阻器阵列；所述神经网络模块与所述图像采集模块连接，所述神经网络模块通过所述通讯模块与所述FPGA模块连接，所述FPGA模块连接分别与所述微处理器模块和所述数模转换模块连接，所述忆阻器阵列与所述数模转换模块连接；所述图像采集模块对目标图像进行采集，并将其采集得到的图像发送至所述神经网络模块；所述神经网络模块采用人工神经网络对所述图像采集模块采集的图像进行识别，并将识别之后的结果通过所述通讯模块发送至所述FPGA模块；所述神经网络模块的规模取决于输入变量的个数m和识别类型的个数n；所述FPGA模块对所述神经网络模块发送过来的数据分解成数字信号，并将其逐一传送给所述数模转换模块，同时为数模转换模块提供时序；所述FPGA模块与所述微处理器模块连接，实现数据的读取、存储以及计算；所述数模转换模块根据输入变量的个数设计成m路数模转换器；并根据所述FPGA模块提供的时序接收所述FPGA模块传送过来的数据，输出对应的的模拟信号至所述忆阻器阵列；所述忆阻器阵列为由二极管同忆阻器串联之后，再通过级联的方式扩展形成的n*m阵列；所述忆阻器阵列的输出端连接有运放，在所述忆阻器阵列与所述运放连接的线路上设有按键开关SW，所述忆阻器阵列连接有电阻Rx，所述Rx接地；所述忆阻器阵列与所述数模转换模块连接，并接收所述数模转换模块输入的模拟信号并对所输入的模拟信号进行处理，输出信号为其中，i表示输入变量，i＝1,2,…,m；j表示识别类型，j＝1,2,…,n；Wij表示忆阻器阵列中对应忆阻器的权重，所述输出信号经运放后，发送至所述微处理器模块；所述微处理器模块分别与所述FPGA模块和所述忆阻器阵列连接，接收经所述忆阻器阵列处理过的信号并处理输出结果最终根据输出结果得到识别的图像类型。2.根据权利要求1所述的识别系统，其特征在于：所述FPGA模块对其分解的数字信号...

【专利技术属性】
技术研发人员：肖建，张粮，张健，童祎，吴锦植，洪聪，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32