CN113465635A - 一种传感器与神经网络计算单元信号转换的装置 - Google Patents
一种传感器与神经网络计算单元信号转换的装置 Download PDFInfo
- Publication number
- CN113465635A CN113465635A CN202110646862.1A CN202110646862A CN113465635A CN 113465635 A CN113465635 A CN 113465635A CN 202110646862 A CN202110646862 A CN 202110646862A CN 113465635 A CN113465635 A CN 113465635A
- Authority
- CN
- China
- Prior art keywords
- signal
- sensor
- memristor
- neural network
- conversion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 29
- 230000000694 effects Effects 0.000 claims abstract description 20
- 238000009966 trimming Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 5
- 230000010354 integration Effects 0.000 abstract description 4
- 238000013529 biological neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000638 stimulation Effects 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- GQYHUHYESMUTHG-UHFFFAOYSA-N lithium niobate Chemical group [Li+].[O-][Nb](=O)=O GQYHUHYESMUTHG-UHFFFAOYSA-N 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
- G01D5/12—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means
- G01D5/14—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means influencing the magnitude of a current or voltage
- G01D5/16—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means influencing the magnitude of a current or voltage by varying resistance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明为一种信号转换装置，具体涉及一种传感器与神经网络计算单元信号转换的装置，基于忆阻器可编程负微分电阻效应。本发明中，通过由传感器输出信号引起的忆阻器中导电离子状态变化对忆阻器输出的负微分电阻信号进行编程，进而基于可编程的负微分电阻效应实现对传感信号直接且定量的转换。在纳米尺度上，通过单一器件连接的方式，无源的忆阻器直接将传感器信号转换成模拟状态的电流信号，不再需要进行模拟信号与数字信号之间的转换。一方面，可以提高信号转换接口的集成度；另一方面，能够通过省去模数转换(A/D)和数模转换(D/A)过程降低能量消耗和信号延迟。
Description
技术领域
本发明属于一种信号转换装置，具体涉及一种传感器与神经网络计算单元信号转换的装置，基于忆阻器可编程负微分电阻效应。
背景技术
随着脑机接口、感-存-算一体化系统的快速发展，迫切需要实现将传感器信号转化为可与生物神经网络系统或者人工神经网络计算硬件系统兼容的模拟信号。因此，对于能够实现该信号转换的电子器件的需求日益迫切。
然而，现有实现对于传感器信号进行信号转换的方法主要是基于硅基互补金属氧化物半导体(CMOS)技术开发的信号转换模块，这种信号转换模块本身不具备类生物特性。通常需要先将传感器的模拟信号转换为数字信号，然后利用各种互连的电子元器件或者专用集成电路(ASIC)模块在数字域中进行处理，再转换为相应的模拟信号。这一传统信号转换过程涉及模数转换(A/D)和数模转换(D/A)，这种由大量有源电子元器件组成的A/D和D/A模块会导致大功耗、高延迟以及系统集成度的降低。
发明内容
针对现有技术的不足以及应用需求，本发明提供了一种传感器与神经网络计算单元信号转换的装置，基于忆阻器可编程负微分电阻效应(NDR)实现。
一种传感器与神经网络计算单元信号转换的装置，由具有可编程负微分电阻效应的忆阻器构成，其输入接传感器输出，输出接神经网络计算单元。
所述忆阻器针对传感器输出信号，通过具有可编程负微分电阻效应的忆阻器对传感器输入的信号进行定量转换，最终输出相应的负微分电阻信号。经转换后输出的负微分电阻信号具有类生物特性，是与脑机接口、神经网络计算单元兼容的模拟信号。
传感器直接与忆阻器连接，传感器的输出信号作为忆阻器的输入信号。在传感器输出信号的刺激下，忆阻器内部的导电离子的状态会发生变化。忆阻器的这一物理状态变化表现在具有负微分电阻效应的忆阻器的输出信号上。不同的传感器输出信号作用于忆阻器会产生不同的负微分电阻输出信号。从而，基于忆阻器可编程负微分电阻效应，实现了传感器与神经网络计算单元之间的信号转换。
进一步的，所述传感器与忆阻器用导线直接连接，或通过整体集成的方式连接。
进一步的，所述忆阻器接收至少一个传感器信号和/或至少一个传感器。
进一步的，所述传感器的输出信号先进行信号修整再接入忆阻器，修整方式包括滤波、放大和/或降噪，以实现更好的信号转换效果。
进一步的，所述传感器信号为电压信号。
本发明通过由传感器输出信号引起的忆阻器中导电离子状态变化对忆阻器输出的负微分电阻信号进行编程，进而基于可编程的负微分电阻效应实现对传感信号直接和定量的转换。在纳米尺度上，通过单一器件连接的方式，无源的忆阻器直接将传感器信号转换成模拟状态的电流信号，不再需要进行模拟信号与数字信号之间的转换。一方面，可以提高信号转换接口的集成度；另一方面，能够通过省去模数转换(A/D)和数模转换(D/A)过程降低能量消耗和信号延迟。
附图说明
图1为实施例中传感器与神经网络计算单元信号转换的示意框图；
图2为实施例的三角波传感器信号和忆阻器输出信号示意图；
图3为实施例中忆阻器的负微分电阻效应放大图；
图4为实施例中不同传感器信号的示意图；
图5为实施例中可编程的负微分电阻效应的忆阻器输出信号示意图。
附图标记：传感器-1,忆阻器-2,生物神经系统或人工神经网络系统-3。
具体实施方式
下面结合附图和实施例对本发明做进一步的详细说明。
实施例
如图1所示，一种传感器与神经网络计算单元之间信号转换的装置，基于忆阻器可编程负微分电阻效应实现,通过忆阻器2将传感器1的信号转换后接入生物神经系统或人工神经网络系统3中。
所述传感器1与忆阻器2通过导线连接，忆阻器的输出信号作为生物神经网络单元或人工神经网络单元3的输入信号。
其中传感器1为温度传感器，温度传感器的输出信号为电压信号，忆阻器为基于铌酸锂薄膜的忆阻器，忆阻器的输出信号为电流信号；生物神经网络单元或人工神经网络单元为任意需要相关信号转换的信息处理系统。
如图2所示，温度传感器输出信号为周期是6s的三角波信号，正向三角波信号的幅值为2V，负向三角波信号的幅值为-4V。所述铌酸阻变忆阻器与温度传感器直接连接，在经过所述三角波信号的刺激后，忆阻器的电流输出结果如图所示。在负向电压范围内出现负微分电阻现象。
图3是本实施例图2中负微分电阻区域的放大图。当正向三角波信号的幅值为2V时，因负微分电阻效应引起的峰值电流与谷值电流之间的差值为2.77μA。本实施例中的负微分电阻区域的忆阻器输出电流信号符合标准高斯分布。
图4是实施例中不同传感器信号的示意图。正向三角波信号的幅值分别为0.5V、1V、1.5V、2V、2.5V、3V，负向三角波信号的幅值都为-4V。
如图5所示，因为负微分电阻效应，在不同幅值的正向三角波传感器信号的刺激下，忆阻器的输出电流的峰值也出现对应于幅值变化的变化。在忆阻器中，可电压编程的负微分电阻效应将不同的传感器三角波电压信号转换成了对应的符合高斯分布的电流信号。
综上所述，可见本发明能够对传感器信号完成直接和定量转换，利用忆阻器的可编程负微分电阻效应将不同的传感器三角波电压信号转换成了对应的符合高斯分布的电流信号。因此，具有可编程负微分电阻效应的忆阻器可作为连接传感器与生物神经网络系统与或者人工神经网络硬件系统之间的信号转换接口。
Claims (4)
1.一种传感器与神经网络计算单元信号转换的装置，其特征在于：
由具有可编程负微分电阻效应的忆阻器构成，其输入接传感器输出，输出接神经网络计算单元；
所述忆阻器针对传感器输出信号，通过具有可编程负微分电阻效应的忆阻器对传感器输入的信号进行定量转换，最终输出相应的负微分电阻信号，经转换后输出的负微分电阻信号与神经网络计算单元兼容。
2.如权利要求1所述传感器与神经网络计算单元信号转换的装置，其特征在于：所述传感器与忆阻器用导线直接连接，或通过整体集成的方式连接。
3.如权利要求1所述传感器与神经网络计算单元信号转换的装置，其特征在于：所述忆阻器接收至少一个传感器信号和/或至少一个传感器。
4.如权利要求1所述传感器与神经网络计算单元信号转换的装置，其特征在于：所述传感器的输出信号先进行信号修整再接入忆阻器，修整方式包括滤波、放大和/或降噪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110646862.1A CN113465635A (zh) | 2021-06-10 | 2021-06-10 | 一种传感器与神经网络计算单元信号转换的装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110646862.1A CN113465635A (zh) | 2021-06-10 | 2021-06-10 | 一种传感器与神经网络计算单元信号转换的装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113465635A true CN113465635A (zh) | 2021-10-01 |
Family
ID=77869514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110646862.1A Pending CN113465635A (zh) | 2021-06-10 | 2021-06-10 | 一种传感器与神经网络计算单元信号转换的装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113465635A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130106462A1 (en) * | 2011-10-26 | 2013-05-02 | Jianhua Yang | Field-programmable analog array with memristors |
| CN108109654A (zh) * | 2016-11-25 | 2018-06-01 | 李晓兵 | 一种基于忆阻器的可编程模拟电路 |
| CN108878647A (zh) * | 2018-06-29 | 2018-11-23 | 西南交通大学 | 一种同时具有负微分电阻和忆阻功能的器件制备方法 |
| CN109800729A (zh) * | 2019-01-28 | 2019-05-24 | 清华大学 | 信号处理装置及信号处理方法 |
| CN110443168A (zh) * | 2019-07-23 | 2019-11-12 | 华中科技大学 | 一种基于忆阻器的神经网络人脸识别系统 |
| CN110487917A (zh) * | 2019-08-30 | 2019-11-22 | 重庆高开清芯科技产业发展有限公司 | 一种基于神经网络的应力波检测与分析系统 |
| CN110842915A (zh) * | 2019-10-18 | 2020-02-28 | 南京大学 | 一种基于忆阻交叉阵列的机器人控制系统及方法 |
| CN111076770A (zh) * | 2019-12-09 | 2020-04-28 | 电子科技大学 | 一种传感元件与忆阻器结合的多模态智能传感器 |
| CN210745111U (zh) * | 2019-12-09 | 2020-06-12 | 南京信息工程大学 | 一种可编程的忆阻器仿真器 |
| WO2020260422A1 (en) * | 2019-06-24 | 2020-12-30 | Aictx Ag | An event-driven spiking neutral network system for detection of physiological conditions |
| CN112764532A (zh) * | 2020-12-31 | 2021-05-07 | 北京信息科技大学 | 基于脑电眼电结合的键鼠控制系统及控制方法 |
| US20210143834A1 (en) * | 2017-07-11 | 2021-05-13 | Technion Research & Development Foundation Limited | Reconfigurable dac implemented by memristor based neural network |
-
2021
- 2021-06-10 CN CN202110646862.1A patent/CN113465635A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130106462A1 (en) * | 2011-10-26 | 2013-05-02 | Jianhua Yang | Field-programmable analog array with memristors |
| CN108109654A (zh) * | 2016-11-25 | 2018-06-01 | 李晓兵 | 一种基于忆阻器的可编程模拟电路 |
| US20210143834A1 (en) * | 2017-07-11 | 2021-05-13 | Technion Research & Development Foundation Limited | Reconfigurable dac implemented by memristor based neural network |
| CN108878647A (zh) * | 2018-06-29 | 2018-11-23 | 西南交通大学 | 一种同时具有负微分电阻和忆阻功能的器件制备方法 |
| CN109800729A (zh) * | 2019-01-28 | 2019-05-24 | 清华大学 | 信号处理装置及信号处理方法 |
| WO2020260422A1 (en) * | 2019-06-24 | 2020-12-30 | Aictx Ag | An event-driven spiking neutral network system for detection of physiological conditions |
| CN110443168A (zh) * | 2019-07-23 | 2019-11-12 | 华中科技大学 | 一种基于忆阻器的神经网络人脸识别系统 |
| CN110487917A (zh) * | 2019-08-30 | 2019-11-22 | 重庆高开清芯科技产业发展有限公司 | 一种基于神经网络的应力波检测与分析系统 |
| CN110842915A (zh) * | 2019-10-18 | 2020-02-28 | 南京大学 | 一种基于忆阻交叉阵列的机器人控制系统及方法 |
| CN111076770A (zh) * | 2019-12-09 | 2020-04-28 | 电子科技大学 | 一种传感元件与忆阻器结合的多模态智能传感器 |
| CN210745111U (zh) * | 2019-12-09 | 2020-06-12 | 南京信息工程大学 | 一种可编程的忆阻器仿真器 |
| CN112764532A (zh) * | 2020-12-31 | 2021-05-07 | 北京信息科技大学 | 基于脑电眼电结合的键鼠控制系统及控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 董华: "基于忆阻器件的模数转换器的设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105373765B (zh) | 电容式指纹感测装置及其方法 | |
| CN103778420A (zh) | 具有自动增益控制的指纹检测系统及其自动增益控制方法 | |
| US11507228B2 (en) | Acoustic wave signal reading circuits, control methods, and acoustic wave signal reading apparatuses | |
| WO2016127737A1 (en) | Fingerprint detection circuit and electronic device | |
| CN216053107U (zh) | 电容式指纹感测装置 | |
| CN102402347A (zh) | 光感应输入面板及具有光感应输入机制的显示装置 | |
| CN101093987A (zh) | 低电压检测电路 | |
| TW201820791A (zh) | 類比至數位轉換器 | |
| CN110210349B (zh) | 指纹传感器和移动终端 | |
| CN111076770A (zh) | 一种传感元件与忆阻器结合的多模态智能传感器 | |
| CN113465635A (zh) | 一种传感器与神经网络计算单元信号转换的装置 | |
| WO2016127733A1 (en) | Fingerprint detection circuit and electronic device | |
| CN113532489A (zh) | 一种基于莫特绝缘体忆阻器的电容型传感架构 | |
| CN113489925A (zh) | 一种实现卷积计算的焦平面探测器读出电路 | |
| CN103439379A (zh) | 一种基于电化学传感器的读出电路及读出方法 | |
| CN212646871U (zh) | 一种基于嵌入式的配电监测装置 | |
| CN109255437B (zh) | 一种可灵活配置的忆阻神经网络电路 | |
| CN111579866A (zh) | 一种信号频率测试方法及装置 | |
| CN207398159U (zh) | 传感器和光传感器系统 | |
| CN204633918U (zh) | 一种将模拟图像转换为二值数字图像的电路模块 | |
| CN210690679U (zh) | 一种伺服驱动器系统的高精度电流采样电路 | |
| Mugliette et al. | FPGA active digital cochlea model | |
| CN217138075U (zh) | 脑电采集用前置电路 | |
| WO2021106866A1 (ja) | 焦電型赤外線検出器及び集積回路 | |
| CN215839116U (zh) | 脑电信号采集终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211001 |