CN117787367A - 基于LTspice的神经元仿真系统及方法 - Google Patents

Abstract

本发明涉及一种基于LTspice的神经元仿真系统，该系统包括：比较模块，用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；状态模块，用于根据该当前时刻的第三电压得到当前时刻的第一电压；神经元模块，用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；该比较模块，还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。通过上述技术方案，系统中上一时刻的电压影响当前时刻的电压，进而影响下一时刻的电压，形成循环，与LIF神经元电路的特性一致，实现了利用计算机对LIF神经元电路进行仿真，一定程度上促进了神经元模型研究的发展。

Description

基于LTspice的神经元仿真系统及方法

技术领域

本发明涉及电子信息技术领域，具体地，涉及一种基于LTspice的神经元仿真系统及方法。

背景技术

在神经元模型中，LIF(Leaky Integrate-and-Fire)神经元模型是一种简化而常用的模型，尤其在大规模神经网络模拟和计算方面具有重要的优势。而忆阻器是一种能够模拟神经元行为的元件，其电学行为类似于神经元的电生理特性。使用忆阻器实现LIF神经元具有更高的模拟性、低能耗、灵活性和可扩展性，这些特性使得忆阻器成为实现类脑计算中的重要元件。然而，在目前的研究中，由于忆阻器变阻模型的缺失，缺乏能够直接使用计算机对LIF神经元电路进行仿真的方式，阻碍了神经元模型研究的发展。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于LTspice的神经元仿真系统及方法。

根据本发明实施例的第一方面，提供一种基于LTspice的神经元仿真系统，所述系统包括：比较模块、状态模块和神经元模块；所述神经元模块包括：忆阻器R₁；

所述比较模块，用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；

所述状态模块，用于根据所述当前时刻的第三电压得到当前时刻的第一电压；

所述神经元模块，用于根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，所述开态电阻和所述关态电阻根据所述忆阻器R₁得到；

所述比较模块，还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。

可选地，所述神经元模块还包括：第一电源、负载电阻R_load和膜电容C₁；所述第一电源的正极与所述忆阻器R₁的第一端连接，所述第一电源的负极接地，所述忆阻器R₁的第二端与所述负载电阻R_load的第一端连接，所述负载电阻R_load的第二端接地，所述膜电容C₁与所述忆阻器R₁并联；所述第二电压为所述忆阻器R₁两端的电势差；

所述神经元模块，还用于根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的忆阻器R₁的阻值；

所述神经元模块，还用于根据所述第一电源的电压、所述负载电阻R_load的阻值和所述当前时刻的忆阻器R₁的阻值得到所述当前时刻的第二电压。

可选地，所述当前时刻的忆阻器R₁的阻值计算公式如下所示：

R₁＝1/(((1-V₃)/Ron)+(V₃/Roff))

其中，R₁为所述当前时刻的忆阻器R₁的阻值，V₃为所述当前时刻的第三电压的电压值，R_on为所述开态电阻的阻值，R_off为所述关态电阻的阻值。

可选地，所述比较模块包括：第二电源、第三电源、比较电阻R₂、第一分压电阻R₃、传压电阻R₄、第二分压电阻R₅和电容C₂；所述第二电源的正极与所述第一分压电阻R₃的第一端连接，所述第二电源的负极接地，所述第一分压电阻R₃的第二端与所述比较电阻R₂的第一端连接，所述比较电阻R₂的第二端接地，所述传压电阻R₄与所述比较电阻R₂并联，所述传压电阻R₄的第一端与所述第二分压电阻R₅的第一端连接，所述传压电阻R₄的第二端接地，所述第二分压电阻R₅的第二端连接所述电容C₂的上极板，所述电容C₂的下极板连接所述第三电源的正极，所述第三电源的负极接地；

所述比较模块，还用于根据所述上一时刻的第一电压与所述上一时刻的第二电压得到当前时刻的比较电阻R₂的阻值；

所述比较模块，还用于根据所述第二电源和所述第一分压电阻R₃得到所述当前时刻的比较电阻R₂两端的电压值；

所述比较模块，还用于根据所述当前时刻的比较电阻R₂两端的电压值得到当前时刻的传压电阻R₄两端的电压值；

所述比较模块，还用于根据所述当前时刻的传压电阻R₄两端的电压值和所述第二分压电阻R₅得到所述电容C₂的上极板的电势，从而得到所述当前时刻的第三电压。

可选地，所述当前时刻的比较电阻R₂的阻值计算公式如下所示：

其中，R₂为所述当前时刻的比较电阻R₂的阻值，V₁为所述上一时刻的第一电压的电压值，V₂为所述上一时刻的第二电压的电压值。

可选地，所述状态模块包括：第四电源、第五电源、状态电阻R₅和第三分压电阻R₆；所述第四电源的正极连接所述第三分压电阻R₆的第一端，所述第三分压电阻R₆的第二端与状态电阻R₅的第一端连接，所述状态电阻R₅的第二端与所述第五电源的正极连接，所述第四电源的负极与所述第五电源的正极连接，所述第五电源的负极接地；

所述状态模块，还用于根据所述当前时刻的第三电压得到当前时刻的状态电阻R₅的阻值；

所述状态模块，还用于根据所述当前时刻的状态电阻R₅的阻值、所述第三分压电阻R₆和所述第五电源得到所述当前时刻的第一电压。

根据本发明实施例的第二方面，提供一种基于LTspice的神经元仿真方法，应用于基于LTspice的神经元仿真系统，所述系统包括：忆阻器R₁；所述方法包括：

根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；

根据所述当前时刻的第三电压得到当前时刻的第一电压；

根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，所述开态电阻和所述关态电阻根据所述忆阻器R₁得到；

根据所述当前时刻的第一电压和所述当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。

可选地，所述系统还包括：第一电源、负载电阻R_load和膜电容C₁；所述第一电源的正极与所述忆阻器R₁的第一端连接，所述第一电源的负极接地，所述忆阻器R₁的第二端与所述负载电阻R_load的第一端连接，所述负载电阻R_load的第二端接地，所述膜电容C₁与所述忆阻器R₁并联；所述第二电压为所述忆阻器R₁两端的电势差；所述根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压，包括：

根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的忆阻器R₁的阻值；

根据所述第一电源的电压、所述负载电阻R_load的阻值和所述当前时刻的忆阻器R₁的阻值得到所述当前时刻的第二电压。

可选地，所述系统还包括：第二电源、第三电源、比较电阻R₂、第一分压电阻R₃、传压电阻R₄、第二分压电阻R₅和电容C₂；所述第二电源的正极与所述第一分压电阻R₃的第一端连接，所述第二电源的负极接地，所述第一分压电阻R₃的第二端与所述比较电阻R₂的第一端连接，所述比较电阻R₂的第二端接地，所述传压电阻R₄与所述比较电阻R₂并联，所述传压电阻R₄的第一端与所述第二分压电阻R₅的第一端连接，所述传压电阻R₄的第二端接地，所述第二分压电阻R₅的第二端连接所述电容C₂的上极板，所述电容C₂的下极板连接所述第三电源的正极，所述第三电源的负极接地；所述根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压，包括：

根据所述上一时刻的第一电压与所述上一时刻的第二电压得到当前时刻的比较电阻R₂的阻值；

根据所述第二电源和所述第一分压电阻R₃得到所述当前时刻的比较电阻R₂两端的电压值；

根据所述当前时刻的比较电阻R₂两端的电压值得到当前时刻的传压电阻R₄两端的电压值；

根据所述当前时刻的传压电阻R₄两端的电压值和所述第二分压电阻R₅得到所述电容C₂的上极板的电势，从而得到所述当前时刻的第三电压。

可选地，所述系统还包括：第四电源、第五电源、状态电阻R₅和第三分压电阻R₆；所述第四电源的正极连接所述第三分压电阻R₆的第一端，所述第三分压电阻R₆的第二端与状态电阻R₅的第一端连接，所述状态电阻R₅的第二端与所述第五电源的正极连接，所述第四电源的负极与所述第五电源的正极连接，所述第五电源的负极接地；所述根据所述当前时刻的第三电压得到当前时刻的第一电压，包括：

根据所述当前时刻的第三电压得到当前时刻的状态电阻R₅的阻值；

根据所述当前时刻的状态电阻R₅的阻值、所述第三分压电阻R₆和所述第五电源得到所述当前时刻的第一电压。

本发明的实施例提供的技术方案可以包括以下有益效果：

在上述技术方案中，提出一种基于LTspice的神经元仿真系统，该系统包括：比较模块、状态模块和神经元模块；该神经元模块包括：忆阻器；该比较模块，用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；该状态模块，用于根据该当前时刻的第三电压得到当前时刻的第一电压；该神经元模块，用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，该开态电阻和关态电阻根据忆阻器得到；该比较模块，还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。通过上述技术方案，通过上一时刻的电压得到当前时刻的电压，再根据当前时刻的电压得到下一时刻的电压，系统中上一时刻的电压影响当前时刻的电压，进而影响下一时刻的电压，形成循环，与LIF神经元电路的特性一致，实现了利用计算机对LIF神经元电路进行仿真，一定程度上促进了神经元模型研究的发展。

本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1是根据一示例性实施例示出的一种基于LTspice的神经元仿真系统的示意图。

图2是根据一示例性实施例示出的一种神经元模块的示意图。

图3a是根据一示例性实施例示出的一种神经元模块输出的第二电压的示意图。

图3b是根据一示例性实施例示出的一种神经元电路输出电压的示意图。

图4是根据一示例性实施例示出的一种比较模块的示意图。

图5是根据一示例性实施例示出的一种比较模块的示意图。

图6是根据一示例性实施例示出的一种基于LTspice的神经元仿真方法的流程图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

为了便于理解本发明方案，首先对现有技术相关情况和本发明的发明构思予以简要说明。

类脑计算是一种模拟人脑中神经元间相互协作的电生理过程的计算方法，它可以应用于人工智能、模式识别、控制等领域。区别于传统的冯诺依曼架构，类脑计算无需大量数据互相传输，并以更加灵活的方式处理更复杂的信息。而神经元是类脑计算的不可或缺的组成部分。与传统计算机相比，神经网络中的细胞之间同时处理大量信息，这使得类脑计算在模拟人脑处理信息方面有很大的优势。

在代码实现中，LIF神经元的动态行为通常通过离散化(例如使用欧拉法或改进的欧拉法)连续的时间模型来模拟。这样可以将微分方程转化为迭代形式，便于在数字计算机上进行计算。近年来，LIF神经元模型及其变体在神经形态计算和脉冲神经网络等领域得到了广泛应用，因为它们相对简单且能够捕捉某些生物神经元的重要特性。例如，多室LIF神经元模型和高效的神经形态学习系统就是对传统LIF模型的扩展和优化，旨在提高网络的性能和能效。然而，在目前的研究中，由于忆阻器变阻模型的缺失，缺乏能够直接使用计算机对LIF神经元电路进行仿真的方式，阻碍了神经元模型研究的发展。

图1是根据一示例性实施例示出的一种基于LTspice的神经元仿真系统的示意图，如图1所示，该系统10包括：比较模块101、状态模块102和神经元模块103；该神经元模块103包括：忆阻器R₁；

该比较模块101，用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压。

该状态模块102，用于根据当前时刻的第三电压得到当前时刻的第一电压。

该神经元模块103，用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，该开态电阻和关态电阻根据忆阻器R₁得到。

该比较模块101，还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。

可以理解的是，本发明采用忆阻器模拟LIF神经元的仿电脉冲行为，忆阻器是一种被动电子元件。它类似于电阻器，能够产生和维持电流通过某个装置。然而，与电阻器不同的是，忆阻器在断开电源后仍能“记忆”先前通过的电荷量。忆阻器的阻值由流经它的电荷量确定，因此通过测量忆阻器的阻值，可以知道流经它的电荷量，从而具有记忆电荷的作用；值得一提的是，忆阻器中具有两个重要的参数，即阈值电压Vth和保持电压Vhold，阈值电压是指忆阻器从一种电阻状态转换到另一种电阻状态所需要的电压值。当施加的电压超过这个阈值时，忆阻器会发生电阻状态的变化；例如，当施加的电压超过阈值电压Vth时，忆阻器会从高阻态切换至低阻态，忆阻器的阻值会变为较低的阻值。保持电压Vhold是指忆阻器在切换到某个电阻状态后，为了维持该状态需要的最小电压或不需要额外电压的情况。一旦忆阻器通过超过阈值电压Vth的信号切换到一个新的电阻状态，只要没有施加足以触发状态改变的反向电压或电流，它就应该能在零电压或低于阈值电压的情况下保持其电阻状态。

并且，在本发明中，比较模块101、状态模块102和神经元模块103的输入以及输出为一个循环，其中，比较模块101用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；状态模块102用于根据当前时刻的第三电压得到当前时刻的第一电压；神经元模块103用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，开态电阻和关态电阻根据忆阻器得到；最后得到的当前时刻的第一电压和当前时刻的第二电压又由比较模块101利用，用于得到下一时刻的第三电压，从而形成一个循环。相应的，由于比较模块101、状态模块102和神经元模块103的输入和输出的循环，上一时刻的第一电压和上一时刻的第二电压的变化会影响当前时刻的第三电压，当前时刻的第三电压又会影响当前时刻的第一电压和当前时刻的第二电压，因此，整个神经元仿真系统中的电压是有一定变化规律的，这与LIF神经元电路自身的特点一致，因此可以实现LIF神经元电路的仿真。

在上述技术方案中，提出一种基于LTspice的神经元仿真系统，该系统包括：比较模块、状态模块和神经元模块；该神经元模块包括：忆阻器；该比较模块，用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；该状态模块，用于根据该当前时刻的第三电压得到当前时刻的第一电压；该神经元模块，用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，该开态电阻和关态电阻根据忆阻器得到；该比较模块，还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。通过上述技术方案，通过上一时刻的电压得到当前时刻的电压，再根据当前时刻的电压得到下一时刻的电压，系统中上一时刻的电压影响当前时刻的电压，进而影响下一时刻的电压，形成循环，与LIF神经元电路的特性一致，实现了利用计算机对LIF神经元电路进行仿真，一定程度上促进了神经元模型研究的发展。

可选地，图2是根据一示例性实施例示出的一种神经元模块的示意图，如图2所示，该神经元模块103还包括：第一电源、负载电阻R_load和膜电容C₁；第一电源的正极与忆阻器R₁的第一端连接，第一电源的负极接地，忆阻器R₁的第二端与负载电阻R_load的第一端连接，负载电阻R_load的第二端接地，膜电容C₁与忆阻器R₁并联；第二电压为忆阻器R₁两端的电势差；

该神经元模块103，还用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的忆阻器R₁的阻值；

该神经元模块103，还用于根据第一电源的电压、负载电阻R_load的阻值和当前时刻的忆阻器R₁的阻值得到当前时刻的第二电压。

可以理解的是，该第一电源为电压可调整的电源；负载电阻R_load的阻值通常介于开态电阻的阻值和关态电阻的阻值之间，负载电阻R_load的阻值可调整，当负载电阻R_load的阻值越大，第二电压越低，当负载电阻R_load的阻值越小，第二电压越高。在神经元模块103中，采用的电容为膜电容C₁，膜电容(Membrane Capacitor)是一种电子元器件，它由两个导电极板组成，中间夹有绝缘膜材料，这个绝缘膜材料可以是聚酯、聚丙烯、陶瓷或其他合适的材料。

在一种实施方式中，图3a是根据一示例性实施例示出的一种神经元模块输出的第二电压的示意图，如图3a所示，红色曲线表征外加的第一电源，蓝色曲线表征该基于LTspice的神经元仿真系统输出的第二电压，横坐标为时间，纵坐标为电压。图3b是根据一示例性实施例示出的一种神经元电路输出电压的示意图，如图3b所示，蓝色曲线表征外加的电源，红色曲线表征LIF神经元输出的电压，横坐标为时间，纵坐标为电压。

可选地，当前时刻的忆阻器R₁的阻值计算公式如下所示：

R₁＝1/(((1-V₃)/Ron)+(V₃/Roff))

其中，R₁为当前时刻的忆阻器R₁的阻值，V₃为当前时刻的第三电压的电压值，R_on为开态电阻的阻值，R_off为关态电阻的阻值。

可以理解的是，根据上述公式可知，忆阻器R₁的阻值随着当前时刻的第三电压的电压值不断变化着，忆阻器R₁的阻值会随着随着当前时刻的第三电压的电压值在开态电阻的阻值和关态电阻的阻值之间切换，以模拟LIF神经元放电脉冲行为。开态电阻的阻值可以为500欧姆，关态电阻的阻值可以为50000欧姆。

值得一提的是，当忆阻器R₁的阻值确定后，神经元模块103中根据负载电阻R_load的阻值和忆阻器R₁的阻值可以确定忆阻器R₁两端的电势差，即膜电容C₁上极板和下级板的电势差，即第二电压。并且，在第一电源的正极和忆阻器R₁的第一端之间可以增加一个阻值固定的电阻，避免膜电容C₁与忆阻器R₁直接和第一电源连接。

可选地，图4是根据一示例性实施例示出的一种比较模块的示意图，如图4所示，比较模块101包括：第二电源、第三电源、比较电阻R₂、第一分压电阻R₃、传压电阻R₄、第二分压电阻R₅和电容C₂；第二电源的正极与第一分压电阻R₃的第一端连接，第二电源的负极接地，第一分压电阻R₃的第二端与比较电阻R₂的第一端连接，比较电阻R₂的第二端接地，传压电阻R₄与比较电阻R₂并联，传压电阻R₄的第一端与第二分压电阻R₅的第一端连接，传压电阻R₄的第二端接地，第二分压电阻R₅的第二端连接电容C₂的上极板，电容C₂的下极板连接第三电源的正极，第三电源的负极接地；

该比较模块101，还用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的比较电阻R₂的阻值；

该比较模块101，还用于根据第二电源和第一分压电阻R₃得到当前时刻的比较电阻R₂两端的电压值；

该比较模块101，还用于根据当前时刻的比较电阻R₂两端的电压值得到当前时刻的传压电阻R₄两端的电压值；

该比较模块101，还用于根据当前时刻的传压电阻R₄两端的电压值和第二分压电阻R₅得到电容C₂的上极板的电势，从而得到当前时刻的第三电压。

可选地，当前时刻的比较电阻R₂的阻值计算公式如下所示：

其中，R₂为当前时刻的比较电阻R₂的阻值，V₁为上一时刻的第一电压的电压值，V₂为上一时刻的第二电压的电压值。

可以理解的是，第二电源和第三电源的大小根据实际情况设定，当前时刻的比较电阻R₂的阻值与上一时刻的第一电压的电压值以及上一时刻的第二电压的电压值有关。即当上一时刻的第一电压的电压值大于上一时刻的第二电压的电压值时，比较电阻R₂的阻值为2欧姆；当上一时刻的第一电压的电压值小于上一时刻的第二电压的电压值时，比较电阻R₂的阻值为0欧姆；当上一时刻的第一电压的电压值等于上一时刻的第二电压的电压值时，比较电阻R₂的阻值为1欧姆。根据当前时刻的比较电阻R₂的阻值和第一分压电阻R₃的阻值，可以得到与比较电阻R₂并联的传压电阻R₄两端当前时刻的电压值，在根据传压电阻R₄两端当前时刻的电压值和第二分压电阻R₅得到电容C₂的上极板的电势。值得一提的是，第三电源在比较模块101中的作用是提供偏置电压，使得比较电压得到的当前时刻的第三电压反相，以改变第三电压输出的时序。其中，传压电阻R₄的阻值通常较大，第一分压电阻R₄和第二分压电阻R₅的阻值通常较小，例如可以设定为1欧姆。

可选地，图5是根据一示例性实施例示出的一种比较模块的示意图，如图5所示，状态模块102包括：第四电源、第五电源、状态电阻R₅和第三分压电阻R₆；第四电源的正极连接第三分压电阻R₆的第一端，第三分压电阻R₆的第二端与状态电阻R₅的第一端连接，状态电阻R₅的第二端与第五电源的正极连接，第四电源的负极与第五电源的正极连接，第五电源的负极接地。

该状态模块102，还用于根据当前时刻的第三电压得到当前时刻的状态电阻R₅的阻值；

该状态模块102，还用于根据当前时刻的状态电阻R₅的阻值、第三分压电阻R₆和第五电源得到当前时刻的第一电压。

可以理解的是，第四电源的电压值根据忆阻器的阈值电压Vth和保持电压Vhold设定，例如，第四电源的电压值可以为2*(Vth-Vhold)。第五电源的电压值可以与保持电压Vhold的电压值相同。由于当前时刻的状态电阻R₅的阻值与根据当前时刻的第三电压在数值上相同，因此在得到当前时刻的状态电阻R₅的阻值后可以得到状态模块102中的电流，根据第五电源和当前时刻的状态电阻R₅分得的电压可以得到当前时刻的第一电压。

在一种实施方式中，在该基于LTspice的神经元仿真系统初始状态时，忆阻器R₁为高阻态，阻值等于关态电阻，此时忆阻器R₁两端的电势差，即第二电压的值较高，当此时的第二电压大于阈值电压时，第一电压小于第二电压，此时比较电阻R₂的阻值为0欧姆，相应的，传压电阻R₄分得的电压为0V，得到此时的第三电压为0V，因此，此时状态模块101中的状态电阻R₅的阻值为0欧姆；由于第一电压的改变，导致第三电压改变，进而使得忆阻器R₁的阻值发生变化，忆阻器R₁变为低阻态，此时与忆阻器R₁并联的膜电容C₁分得的电压减小，即此时的第二电压减小；当第二电压小于第一电压时，比较电阻R₂的阻值变为1欧姆，传压电阻R₄分得的电压增加，得到的此时的第三电压增加，进而影响状态模块102中的状态电阻R₅的阻值，以及第一电压的电压值，第一电压的电压值产生的变化影响第三电压，进而使得忆阻器R₁的阻值发生变化(忆阻器R₁切换至高阻态或低阻态)，进而影响膜电容C₁分得的电压，即第二电压。

通过上述技术方案，利用比较模块、状态模块和神经元模块之间的电压值变化引起的阻值变化，利用神经元模块中的忆阻器两端的电压模拟神经元放电脉冲行为，与LIF神经元电路的特性一致，实现了利用计算机对LIF神经元电路进行仿真，一定程度上促进了神经元模型研究的发展。

图6是根据一示例性实施例示出的一种基于LTspice的神经元仿真方法的流程图，该方法应用于基于LTspice的神经元仿真系统，该系统包括：忆阻器R₁；如图6所示，该方法包括：

在S601中，根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压。

在S602中，根据当前时刻的第三电压得到当前时刻的第一电压。

在S603中，根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，该开态电阻和关态电阻根据忆阻器R₁得到。

在S604中，根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。

可选地，该系统还包括：第一电源、负载电阻R_load和膜电容C₁；第一电源的正极与忆阻器R₁的第一端连接，第一电源的负极接地，忆阻器R₁的第二端与负载电阻R_load的第一端连接，负载电阻R_load的第二端接地，膜电容C₁与忆阻器R₁并联；第二电压为忆阻器R₁两端的电势差；S603包括：

根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的忆阻器R₁的阻值；

根据第一电源的电压、负载电阻R_load的阻值和当前时刻的忆阻器R₁的阻值得到当前时刻的第二电压。

可选地，该系统还包括：第二电源、第三电源、比较电阻R₂、第一分压电阻R₃、传压电阻R₄、第二分压电阻R₅和电容C₂；第二电源的正极与第一分压电阻R₃的第一端连接，第二电源的负极接地，第一分压电阻R₃的第二端与比较电阻R₂的第一端连接，比较电阻R₂的第二端接地，传压电阻R₄与比较电阻R₂并联，传压电阻R₄的第一端与第二分压电阻R₅的第一端连接，传压电阻R₄的第二端接地，第二分压电阻R₅的第二端连接电容C₂的上极板，电容C₂的下极板连接第三电源的正极，第三电源的负极接地；S603包括：

根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的比较电阻R₂的阻值；

根据第二电源和第一分压电阻R₃得到当前时刻的比较电阻R₂两端的电压值；

根据当前时刻的比较电阻R₂两端的电压值得到当前时刻的传压电阻R₄两端的电压值；

根据当前时刻的传压电阻R₄两端的电压值和第二分压电阻R₅得到电容C₂的上极板的电势，从而得到当前时刻的第三电压。

可选地，该系统还包括：第四电源、第五电源、状态电阻R₅和第三分压电阻R₆；第四电源的正极连接第三分压电阻R₆的第一端，第三分压电阻R₆的第二端与状态电阻R₅的第一端连接，状态电阻R₅的第二端与第五电源的正极连接，第四电源的负极与第五电源的正极连接，第五电源的负极接地；S602包括：

根据当前时刻的第三电压得到当前时刻的状态电阻R₅的阻值；

根据当前时刻的状态电阻R₅的阻值、第三分压电阻R₆和第五电源得到当前时刻的第一电压。

在上述技术方案中，提出一种基于LTspice的神经元仿真系统，该系统包括：比较模块、状态模块和神经元模块；该神经元模块包括：忆阻器；该比较模块，用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；该状态模块，用于根据该当前时刻的第三电压得到当前时刻的第一电压；该神经元模块，用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，该开态电阻和关态电阻根据忆阻器得到；该比较模块，还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。通过上述技术方案，通过上一时刻的电压得到当前时刻的电压，再根据当前时刻的电压得到下一时刻的电压，系统中上一时刻的电压影响当前时刻的电压，进而影响下一时刻的电压，形成循环，与LIF神经元电路的特性一致，实现了利用计算机对LIF神经元电路进行仿真，一定程度上促进了神经元模型研究的发展。

关于上述实施例中的方法，其中各个步骤的具体方式已经在有关该系统的实施例中进行了详细描述，此处将不做详细阐述说明。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (10)

1.一种基于LTspice的神经元仿真系统，其特征在于，所述系统包括：比较模块、状态模块和神经元模块；所述神经元模块包括：忆阻器R₁；

所述比较模块，用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；

所述状态模块，用于根据所述当前时刻的第三电压得到当前时刻的第一电压；

所述神经元模块，用于根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，所述开态电阻和所述关态电阻根据所述忆阻器R₁得到；

所述比较模块，还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。

2.根据权利要求1所述的基于LTspice的神经元仿真系统，其特征在于，所述神经元模块还包括：第一电源、负载电阻R_load和膜电容C₁；所述第一电源的正极与所述忆阻器R₁的第一端连接，所述第一电源的负极接地，所述忆阻器R₁的第二端与所述负载电阻R_load的第一端连接，所述负载电阻R_load的第二端接地，所述膜电容C₁与所述忆阻器R₁并联；所述第二电压为所述忆阻器R₁两端的电势差；

所述神经元模块，还用于根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的忆阻器R₁的阻值；

所述神经元模块，还用于根据所述第一电源的电压、所述负载电阻R_load的阻值和所述当前时刻的忆阻器R₁的阻值得到所述当前时刻的第二电压。

3.根据权利要求2所述的基于LTspice的神经元仿真系统，其特征在于，所述当前时刻的忆阻器R₁的阻值计算公式如下所示：

R₁＝1/(((1-V₃)/Ron)+(V₃/Roff))

其中，R₁为所述当前时刻的忆阻器R₁的阻值，V₃为所述当前时刻的第三电压的电压值，R_on为所述开态电阻的阻值，R_off为所述关态电阻的阻值。

4.根据权利要求1所述的基于LTspice的神经元仿真系统，其特征在于，所述比较模块包括：第二电源、第三电源、比较电阻R₂、第一分压电阻R₃、传压电阻R₄、第二分压电阻R₅和电容C₂；所述第二电源的正极与所述第一分压电阻R₃的第一端连接，所述第二电源的负极接地，所述第一分压电阻R₃的第二端与所述比较电阻R₂的第一端连接，所述比较电阻R₂的第二端接地，所述传压电阻R₄与所述比较电阻R₂并联，所述传压电阻R₄的第一端与所述第二分压电阻R₅的第一端连接，所述传压电阻R₄的第二端接地，所述第二分压电阻R₅的第二端连接所述电容C₂的上极板，所述电容C₂的下极板连接所述第三电源的正极，所述第三电源的负极接地；

所述比较模块，还用于根据所述上一时刻的第一电压与所述上一时刻的第二电压得到当前时刻的比较电阻R₂的阻值；

所述比较模块，还用于根据所述第二电源和所述第一分压电阻R₃得到所述当前时刻的比较电阻R₂两端的电压值；

所述比较模块，还用于根据所述当前时刻的比较电阻R₂两端的电压值得到当前时刻的传压电阻R₄两端的电压值；

所述比较模块，还用于根据所述当前时刻的传压电阻R₄两端的电压值和所述第二分压电阻R₅得到所述电容C₂的上极板的电势，从而得到所述当前时刻的第三电压。

5.根据权利要求4所述的基于LTspice的神经元仿真系统，其特征在于，所述当前时刻的比较电阻R₂的阻值计算公式如下所示：

其中，R₂为所述当前时刻的比较电阻R₂的阻值，V₁为所述上一时刻的第一电压的电压值，V₂为所述上一时刻的第二电压的电压值。

6.根据权利要求1所述的基于LTspice的神经元仿真系统，其特征在于，所述状态模块包括：第四电源、第五电源、状态电阻R₅和第三分压电阻R₆；所述第四电源的正极连接所述第三分压电阻R₆的第一端，所述第三分压电阻R₆的第二端与状态电阻R₅的第一端连接，所述状态电阻R₅的第二端与所述第五电源的正极连接，所述第四电源的负极与所述第五电源的正极连接，所述第五电源的负极接地；

所述状态模块，还用于根据所述当前时刻的第三电压得到当前时刻的状态电阻R₅的阻值；

所述状态模块，还用于根据所述当前时刻的状态电阻R₅的阻值、所述第三分压电阻R₆和所述第五电源得到所述当前时刻的第一电压。

7.一种基于LTspice的神经元仿真方法，其特征在于，应用于基于LTspice的神经元仿真系统，所述系统包括：忆阻器R₁；所述方法包括：

根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；

根据所述当前时刻的第三电压得到当前时刻的第一电压；

根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；其中，所述开态电阻和所述关态电阻根据所述忆阻器R₁得到；

根据所述当前时刻的第一电压和所述当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。

8.根据权利要求1所述的基于LTspice的神经元仿真方法，其特征在于，所述系统还包括：第一电源、负载电阻R_load和膜电容C₁；所述第一电源的正极与所述忆阻器R₁的第一端连接，所述第一电源的负极接地，所述忆阻器R₁的第二端与所述负载电阻R_load的第一端连接，所述负载电阻R_load的第二端接地，所述膜电容C₁与所述忆阻器R₁并联；所述第二电压为所述忆阻器R₁两端的电势差；所述根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压，包括：

根据所述当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的忆阻器R₁的阻值；

根据所述第一电源的电压、所述负载电阻R_load的阻值和所述当前时刻的忆阻器R₁的阻值得到所述当前时刻的第二电压。

9.根据权利要求1所述的基于LTspice的神经元仿真方法，其特征在于，所述系统还包括：第二电源、第三电源、比较电阻R₂、第一分压电阻R₃、传压电阻R₄、第二分压电阻R₅和电容C₂；所述第二电源的正极与所述第一分压电阻R₃的第一端连接，所述第二电源的负极接地，所述第一分压电阻R₃的第二端与所述比较电阻R₂的第一端连接，所述比较电阻R₂的第二端接地，所述传压电阻R₄与所述比较电阻R₂并联，所述传压电阻R₄的第一端与所述第二分压电阻R₅的第一端连接，所述传压电阻R₄的第二端接地，所述第二分压电阻R₅的第二端连接所述电容C₂的上极板，所述电容C₂的下极板连接所述第三电源的正极，所述第三电源的负极接地；所述根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压，包括：

根据所述上一时刻的第一电压与所述上一时刻的第二电压得到当前时刻的比较电阻R₂的阻值；

根据所述第二电源和所述第一分压电阻R₃得到所述当前时刻的比较电阻R₂两端的电压值；

根据所述当前时刻的比较电阻R₂两端的电压值得到当前时刻的传压电阻R₄两端的电压值；

根据所述当前时刻的传压电阻R₄两端的电压值和所述第二分压电阻R₅得到所述电容C₂的上极板的电势，从而得到所述当前时刻的第三电压。

10.根据权利要求1所述的基于LTspice的神经元仿真方法，其特征在于，所述系统还包括：第四电源、第五电源、状态电阻R₅和第三分压电阻R₆；所述第四电源的正极连接所述第三分压电阻R₆的第一端，所述第三分压电阻R₆的第二端与状态电阻R₅的第一端连接，所述状态电阻R₅的第二端与所述第五电源的正极连接，所述第四电源的负极与所述第五电源的正极连接，所述第五电源的负极接地；所述根据所述当前时刻的第三电压得到当前时刻的第一电压，包括：

根据所述当前时刻的第三电压得到当前时刻的状态电阻R₅的阻值；

根据所述当前时刻的状态电阻R₅的阻值、所述第三分压电阻R₆和所述第五电源得到所述当前时刻的第一电压。