本发明专利技术公开了一种基于基底神经节的现场可编程逻辑门阵列(FPGA)仿生智能控制芯片，该芯片采用自下而上的模块化设计，通过FPGA上的加法器、乘法器以及移位寄存器搭建尖峰神经元模块，然后由尖峰神经元和突触构成纹状体SD1、SD2、底丘脑核STN、苍白球外核GPe和苍白球内核GPi五个核团模块，再由核团构成通道，进而构成整个基底神经节。该芯片体积小巧，集成度高，可靠性强，可用于要求较高场合的机器人行为选择控制。
【技术实现步骤摘要】
本专利技术属于仿生智能控制芯片技术，特别是一种基于基底神经节的现场可编程逻辑门阵列(FPGA)仿生智能控制的芯片。
技术介绍
随着机器人研究向着智能化方向发展，当前该领域的许多研究工作，如机器蛇、机器鱼、机器狗AIBO的研制，都受到了生物学的启发。然而，这类研究通常是对生物形体的仿生，而对智能的中枢——大脑关注较少。近年来的生物学研究成果表明大脑皮层下一群神经核团——基底神经节在脊椎动物的行为控制过程中扮演着重要角色。因此，对基底神经节在行为选择、行为学习过程中所起的作用加以定性、定量的研究，将会为机器人学研究提供新的思路。生物学研究成果表明基底神经节主要包括纹状体(Striatum)，苍白球(globus pallidus，GP)和底丘脑核(subthalamic nucleus，STN)。其中苍白球GP又分为两部分苍白球内核(globus pallidus internal, GPi)禾口苍白球夕卜核(globus pallidus external segment, GPe)。这些核团受不同强度的激励后会输出不同频率的生物电脉冲信号，并且它们相互之间有着广泛的联系，共同协调和控制人以及其它脊椎动物的运动。其中，纹状体是基底神经节主要的输入性核团，它接受来自几乎整个大脑皮层，脑干的许多区域以及边缘系统的神经输入。按照多巴胺受体的不同，纹状体中的神经元可分为SDl SD5型，以SD1、 SD2型为主。多巴胺会兴奋SDl型神经元而抑制SD2型神经元。SDl型神经元投射于苍白球内核GPi，而SD2型神经元投射于苍白球外核GPe，两者都是通过释放出抑制型神经递质 Y-氨基丁酸(GABA)对目标核团起抑制作用。苍白球内核GPi是基底神经节的主要输出核团之一，它受到纹状体中SDl型神经元的抑制作用，同时还受到底丘脑核STN的激励作用。 而苍白球外核GPe受到来自纹状体中SD2型神经元的抑制作用，并且它本身也抑制着底丘脑核STN。底丘脑核STN是基底神经节中主要的兴奋性核团，释放出的激励型神经递质谷氨酸会作用于基底神经节的输出核团苍白球内核GPi ；同时它本身也受到来自皮层的激励性输入以及来自苍白球外核GPe的抑制性输入。上述所有的核团又是由若干个突触和神经元组成的，神经元与神经元之间通过突触相连。突触的连接强度会随着神经元释放的生物电脉冲频率的变化而变化生物电脉冲频率越高，突触连接强度越大，两个神经元连接也越紧密。基于上述生物作用机理，国外研究者提出了几种不同的基底神经节模型，最具影响力的当属Albin等人提出的直接-间接通道模型(DIPM)，该模型能够成功地解释帕金森病的作用机理。随后Gumey等人对DIPM进行了改进，提出了选择_控制通道模型(SCPM)，该模型考虑了多巴胺神经元在行为选择过程中的作用和影响。此外，Humphries等人在SCPM 基础上提出了其扩展模型。但上述这些研究都是通过软件方法实现基底神经节的功能，并没有将其硬件化。近年来神经网络的硬件实现也受到国内外研究者的关注。例如，Weinstein等人针对传统的基于软件实现的神经网络在复杂度增加时出现的实时性和精确度性能下降，探讨了如何用FPGA实现高性能的神经网络；Cassidy等人用FPGA实现了尖峰神经网络，试图在实时性、精度、柔性以及可靠性等指标上取得比传统方法更好的性能；Maguire等人分析了用FPGA实现大规模的尖峰神经元网络所面临的技术挑战。此外，Li Jearghal等人也进行了神经网络的硬件实现等相关研究。但是，这些研究都只对普通神经网络的FPGA实现进行了分析，而不是针对基底神经节这一重要的行为选择机构。
技术实现思路
本专利技术在于提供一种基于基底神经节的现场可编程逻辑门阵列(FPGA)仿生智能控制芯片，该芯片体积小巧、方便使用，能够作为行为选择控制器。实现本专利技术的技术解决方案为一种基于基底神经节的FPGA仿生智能控制芯片， 将串口接收模块、计算通道输入模块、基底神经节模块、统计模块、存储器模块、平均频率计算模块、比较模块、串口发送模块用硬件描述语言Verilog HDL编程并集成到一片FPGA 中，即串口接收模块和外部的传感器相连，计算通道输入模块和串口接收模块相连，基底神经节模块和计算通道输入模块相连，统计模块和基底神经节模块相连，存储器模块和统计模块相连，平均频率计算模块和存储器模块相连，比较模块和平均频率计算模块相连，串口发送模块和比较模块相连，外部的执行机构和串口发送模块相连，执行输出的行为选择信号；所述的串口接收模块接收外部传感器的数据信号并将其发送至计算通道输入模块，计算通道输入模块根据行为重要性计算出基底神经节模块输入参数，基底神经节模块输出尖峰脉冲信号；统计模块对尖峰脉冲信号进行计数，若检测到尖峰脉冲则将内部计数器的值加1 ；若没有检测到尖峰脉冲，则计数器的值维持不变，计数器的值每发生变化都将存储器模块中的数据同步跟新；平均频率计算模块则计算过去时间t内基底神经节模块输出的尖峰脉冲频率平均频率计算模块读取存储器模块中尖峰脉冲统计数据，记作P1，同时启动FPGA片内定时器，当定时器周期到，平均频率计算模块再次读取存储器模块中尖峰脉冲统计数据，记作P2 ；尖峰脉冲输出的平均频率为P2-Pl/t，比较模块接收平均频率计算模块统计的尖峰脉冲频率，比较频率的大小，频率最大的那一路即被选中，该路对应的行为代码被送至串口发送模块，该串口发送模块随即发送行为选择代码给外部执行机构执行。本专利技术与现有技术相比，其显著优点为(1)传统的基于基底神经节的行为选择控制都是通过计算机软件编程实现的，本专利技术将所有功能其固化在一片体积微小的芯片中，与现有的技术相比，不仅缩小了系统体积，简化了电路连接，增强了系统稳定性，而且大大缩短了开发周期，方便工程技术人员使用。( FPGA具有硬件可编程能力，在外部电路固定的情况下可以编程更改FPGA的内部逻辑结构以适合不同的需要，具有一定的灵活性。 (3)利用现有的生物学研究结果，通过FPGA片上的加法器、存储器和移位寄存器连接成神经元模块、突触模块，进而构成核团模块、通道以及整个基底神经节来实现行为选择控制功能。下面结合附图对本专利技术进一步详细描述。 附图说明图1是本专利技术基于基底神经节的FPGA仿生智能控制芯片的整体结构图。图2是基底神经节模块的结构图。图3是基底神经节通道的结构图。图4是核团模块的工作原理图。图5是突触模块的工作原理图。图6是神经元模块的工作原理图。具体实施例方式结合图1，本专利技术基于基底神经节的FPGA仿生智能控制芯片，将串口接收模块1、 计算通道输入模块2、基底神经节模块3、统计模块4、存储器模块5、平均频率计算模块6、比较模块7、串口发送模块8用硬件描述语言Verilog HDL编程并集成到一片FPGA中，即串口接收模块1和外部的传感器相连，计算通道输入模块2和串口接收模块1相连，基底神经节模块3和计算通道输入模块2相连，统计模块4和基底神经节模块3相连，存储器模块5和统计模块4相连，平均频率计算模块6和存储器模块5相连，比较模块7和平均频率计算模块6相连，串口发送模块8和比较模块7相连，外部的执行机构和串口发送模块8相连，执行输出的行为选择信号。其工作过程如下所述的本文档来自技高网...
【技术保护点】
１．一种基于基底神经节的ＦＰＧＡ仿生智能控制芯片，其特征在于将串口接收模块（１）、计算通道输入模块（２）、基底神经节模块（３）、统计模块（４）、存储器模块（５）、平均频率计算模块（６）、比较模块（７）、串口发送模块（８）用硬件描述语言Ｖｅｒｉｌｏｇ ＨＤＬ编程并集成到一片ＦＰＧＡ中，即串口接收模块（１）和外部的传感器相连，计算通道输入模块（２）和串口接收模块（１）相连，基底神经节模块（３）和计算通道输入模块（２）相连，统计模块（４）和基底神经节模块（３）相连，存储器模块（５）和统计模块（４）相连，平均频率计算模块（６）和存储器模块（５）相连，比较模块（７）和平均频率计算模块（６）相连，串口发送模块（８）和比较模块（７）相连，外部的执行机构和串口发送模块（８）相连，执行输出的行为选择信号；所述的串口接收模块（１）接收外部传感器的数据信号并将其发送至计算通道输入模块（２），计算通道输入模块（２）根据行为重要性计算出基底神经节模块（３）输入参数，基底神经节模块（３）输出尖峰脉冲信号；统计模块（４）对尖峰脉冲信号进行计数，若检测到尖峰脉冲则将内部计数器的值加１；若没有检测到尖峰脉冲，则计数器的值维持不变，计数器的值每发生变化都将存储器模块（５）中的数据同步跟新；平均频率计算模块（６）则计算过去时间ｔ内基底神经节模块（３）输出的尖峰脉冲频率：平均频率计算模块（６）读取存储器模块（５）中尖峰脉冲统计数据，记作Ｐ１，同时启动ＦＰＧＡ片内定时器，当定时器周期到，平均频率计算模块（６）再次读取存储器模块（５）中尖峰脉冲统计数据，记作Ｐ２；尖峰脉冲输出的平均频率为（Ｐ２－Ｐ１）／ｔ，比较模块（７）接收平均频率计算模块（６）统计的尖峰脉冲频率，比较频率的大小，频率最大的那一路即被选中，该路对应的行为代码被送至串口发送模块（８），该串口发送模块（８）随即发送行为选择代码给外部执行机构执行。...
【技术特征摘要】
1.一种基于基底神经节的FPGA仿生智能控制芯片，其特征在于将串口接收模块(1)、 计算通道输入模块( 、基底神经节模块( 、统计模块(4)、存储器模块( 、平均频率计算模块(6)、比较模块(7)、串口发送模块⑶用硬件描述语言Verilog HDL编程并集成到一片FPGA中，即串口接收模块⑴和外部的传感器相连，计算通道输入模块(2)和串口接收模块⑴相连，基底神经节模块⑶和计算通道输入模块⑵相连，统计模块⑷和基底神经节模块( 相连，存储器模块( 和统计模块(4)相连，平均频率计算模块(6)和存储器模块(5)相连，比较模块(7)和平均频率计算模块(6)相连，串口发送模块⑶和比较模块(7)相连，外部的执行机构和串口发送模块⑶相连，执行输出的行为选择信号；所述的串口接收模块(1)接收外部传感器的数据信号并将其发送至计算通道输入模块0)，计算通道输入模块( 根据行为重要性计算出基底神经节模块C3)输入参数，基底神经节模块C3)输出尖峰脉冲信号；统计模块(4)对尖峰脉冲信号进行计数，若检测到尖峰脉冲则将内部计数器的值加1 ；若没有检测到尖峰脉冲，则计数器的值维持不变，计数器的值每发生变化都将存储器模块(5)中的数据同步跟新；平均频率计算模块(6)则计算过去时间t内基底神经节模块( 输出的尖峰脉冲频率平均频率计算模块(6)读取存储器模块(5)中尖峰脉冲统计数据，记作P1，同时启动FPGA片内定时器，当定时器周期到，平均频率计算模块(6)再次读取存储器模块(5)中尖峰脉冲统计数据，记作P2 ；尖峰脉冲输出的平均频率为(P2_Pl)/t，比较模块(7)接收平均频率计算模块(6)统计的尖峰脉冲频率， 比较频率的大小，频率最大的那一路即被选中，该路对应的行为代码被送至串口发送模块(8)，该串口发送模块(8)随即发送行为选择代码给外部执行机构执行。2.根据权利要求1所述的基于基底神经节的FPGA仿生智能控制芯片，其特征在于所述的基底神经节模块(3)由三个通道构成，...
【专利技术属性】
技术研发人员：陈庆伟，吴益飞，王义萍，陈威，伏姜，杜仁慧，郭健，樊卫华，吴晓蓓，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：84
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。