专利名称：基于基底神经节的fpga仿生智能控制芯片的制作方法
技术领域：
本发明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。
背景技术：
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。
发明内容
本发明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。实现本发明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。本发明与现有技术相比，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，本发明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。下面结合附图对本发明进一步详细描述。
图1是本发明基于基底神经节的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，本发明基于基底神经节的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则计算过去一段时间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-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。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中除了基底神经节模块3作了创新设计，其他模块均为现有技术。串口接收模块1和传感器(如机器人等外部)以及计算通道输入模块相连，它负责接收传感器信号，并将其传送给计算通道输入模块2。计算通道输入模块2和串口接收模块1以及基底神经节模块3相连。它根据传感器采集的信号，计算三个事件的重要性参数(S1、S2、S3)，并将三个事件的重要性参数传送给基底神经节作为三个通道的输入。通道重要性参数采用如下公式计算
'5, =0.55-0.552-0.353 g^1S2 =—
P
Sz=mx-0.SS2式中ρ为传感采集的数据信号，ml在0至1范围内随着时间线性增长，并且当S3 代表的行为被选择执行后ml清零。基底神经节模块3和计算通道输入模块2以及统计模块4相连。它接收三个通道的重要性参数，输出三路频率范围从IOHZ到60HZ的尖峰脉冲信号供统计模块计数。串口发送模块8和比较模块7以及外围执行机构相连，其波特率配置在203400，它发送比较模块7选中的行为代码，给执行机构执行。结合图2，整个基底神经节模块3由三个通道构成，每个通道均和各自的通道输入信号以及时钟信号、复位信号相连，三个通道均输出GPi尖峰脉冲，通道间相互作用由STN 尖峰信号相连。每个通道的输入和系统时钟信号、复位信号、计算通道输入模块2以及其它通道中STN模块33的输出相连。各通道最终输出由GPi模块35产生的尖峰脉冲。三个通道相互作用机理是若某一个通道的GPi模块35输出的尖峰脉冲频率高，则该通道的STN 模块33输出的尖峰脉冲频率高，另外两个通道检测到第一个通道STN模块33输出的高频率尖峰脉冲，则会降低本通道的GPi模块35尖峰脉冲频率。根据上述基底神经节模块3三个通道的构成，本芯片的工作原理是串口接收模块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根据行为重要性参数计算公式
权利要求
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，每个通道均和各自的通道输入信号以及时钟信号、复位信号相连，三个通道均输出GPi尖峰脉冲，通道间相互作用由STN尖峰信号相连。
3.根据权利要求2所述的基于基底神经节的FPGA仿生智能控制芯片，其特征在于所述的通道由SDl模块(31)、SD2模块(32)、STN模块(33)、GPe模块(34)以及GPi模块(35) 构成，各模块之间的连接关系为SD1模块(31)的输出和GPi模块(35)输入相连；SD2模块(32)的输出和GPe模块(34)的输入相连；STN模块(33)的输入和GPe模块(34)的输出相连，STN模块(33)的输出和GPe模块(34)输入以及GPi模块(35)输入相连，并且STN模块(33)的输出作为整个通道的输出一；GPe模块(34)的输入和另外两个通道的STN模块(33)以及本通道的SD2模块(3》、STN模块(3 输出相连，GPe模块(34)的输出与本通道的STN模块(33)以及GPi模块(35)的输入相连；GPi模块(35)的输入与SDl模块(31)、 STN模块(33)以及GPe模块(34)的输入相连，输出GPi尖峰脉冲作为整个通道的输出二。
4.根据权利要求3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STN模块(33)、GPe模块(34)以及GPi模块(35)均由突触模块(331)和神经元模块 (332)构成，SDl模块(31)、SD2模块(32)由神经元模块(332)构成，突触模块(331)的输入端作为输入信号端，突触模块(331)输出和输入端一起连接到加法器的两个输入端，该加法器的输出信号I和神经元模块(332)的输入相连，该神经元模块(332)的输出连接到另一个加法器的输入端，该另一个加法器的输出作为整个模块的输出。
5.根据权利要求4所述的基于基底神经节的FPGA仿生智能控制芯片，其特征在于所述的突触模块(331)由控制模块(3311)、RAM存储器模块(3312)以及使能模块(3313)
6.
全文摘要
本发明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。
文档编号G05B19/05GK102193518SQ20111012334
公开日2011年9月21日 申请日期2011年5月13日 优先权日2011年5月13日
发明者伏姜, 吴晓蓓, 吴益飞, 杜仁慧, 樊卫华, 王义萍, 郭健, 陈威, 陈庆伟 申请人:南京理工大学