1.一种自适应阈值神经元信息处理方法，其特征在于，所述方法包括：
接收前端脉冲神经元输出信息；
读取当前脉冲神经元信息；
根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息；
读取当前自适应阈值变量和阈值电位，并根据所述当前自适应阈值变量和所述阈值电位，计算当前自适应阈值；
判断所述当前脉冲神经元输出信息是否大于或等于所述自适应阈值，若是，则输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，若否，
不输出所述当前脉冲神经元输出信息，并根据第二自适应阈值更新模型更新所述当前自适应阈值变量。
2.根据权利要求1所述的自适应阈值神经元信息处理方法，其特征在于：
所述前端脉冲神经元输出信息包括：前端脉冲神经元输出的脉冲尖端信息、前端脉冲神经元与当前脉冲神经元的连接权重索引；
所述当前脉冲神经元信息包括：当前时间窗宽度、当前时间窗内脉冲尖端信息序列、历史膜电位信息和膜电位泄漏信息；
则根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息，包括：
根据所述前端脉冲神经元与当前脉冲神经元的连接权重索引，读取前端脉冲神经元与当前脉冲神经元的连接权重；
根据所述前端脉冲神经元输出的脉冲尖端信息，和所述当前时间窗内脉冲尖端信息序列，更新所述当前时间窗内脉冲尖端信息序列，获取当前时间窗内脉冲尖端信息更新序列；
根据所述当前时间窗宽度、所述当前时间窗内脉冲尖端信息更新序列，通过衰减函数计算前端脉冲神经元输入信息；
根据所述前端脉冲神经元输入信息、所述前端脉冲神经元与当前脉冲神经元的连接权重、所述历史膜电位信息、所述膜电位泄露信息，通过脉冲神经元计算模型，计算当前脉冲神经元输出信息。
3.根据权利要求2所述的自适应阈值神经元信息处理方法，其特征在于，所述当所述当前脉冲神经元输出信息大于或等于所述自适应阈值时，输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，还包括：
确定发放触发标志信息为发放触发，所述发放触发标志信息包括发放触发或发放不触发；
复位不应期计时器，并更新所述历史膜电位信息为预设的复位膜电位信息。
4.根据权利要求3所述的自适应阈值神经元信息处理方法，其特征在于，所述则不输出所述当前脉冲神经元输出信息，并根据第二自适应阈值更新模型更新所述当前自适应阈值变量，还包括：
确定所述发放触发标志信息为发放不触发；
读取不应期宽度和不应期计时器的当前时间步；
根据所述不应期宽度和所述不应期计时器的当前时间步，判断当前时间是否在不应期内，若当前时间在所述不应期内，将所述不应期计时器累加计时一个时间步，不更新所述历史膜电位信息；
若当前时间不在所述不应期内，将所述不应期计时器累加计时一个时间步，并更新所述历史膜电位信息为所述当前脉冲神经元输出信息。
5.根据权利要求1所述的自适应阈值神经元信息处理方法，其特征在于，所述读取当前自适应阈值变量和阈值电位，并根据所述当前自适应阈值变量和所述阈值电位，计算当前自适应阈值，包括：
读取随机阈值掩模电位、阈值偏置、当前自适应阈值变量和随机阈值；
将所述随机阈值和所述随机阈值掩模电位进行按位与操作，获取阈值随机叠加量；
根据所述阈值随机叠加量和所述阈值偏置，确定所述阈值电位；
根据所述阈值电位和所述当前自适应阈值变量，确定所述当前自适应阈值。
6.根据权利要求1所述的自适应阈值神经元信息处理方法，其特征在于，所述根据第一自适应阈值更新模型更新所述当前自适应阈值变量，包括：
读取发放阈值增量和所述当前自适应阈值变量；
根据预设的衰减常数和所述当前自适应阈值变量，计算第一阈值；
将所述发放阈值增量叠加至所述第一阈值，获取第二阈值；
根据所述第二阈值更新所述当前自适应阈值变量。
7.根据权利要求6所述的自适应阈值神经元信息处理方法，其特征在于，所述根据第二自适应阈值更新模型更新所述当前自适应阈值变量，包括：
读取所述当前自适应阈值变量；
根据所述预设的衰减常数和所述当前自适应阈值变量，计算第三阈值，
根据所述第三阈值更新所述当前自适应阈值变量。
8.根据权利要求3所述的自适应阈值神经元信息处理方法，其特征在于，所述输出所述当前脉冲神经元输出信息，包括：
读取发放使能标识，所述发放使能标识包括允许发放数据或不允许发放数据，当所述发放使能标识为允许发放数据时，
读取所述发放触发标志信息，当所述发放触发标志信息为发放触发时；
输出所述当前脉冲神经元输出信息。
9.一种自适应阈值神经元信息处理系统，其特征在于，包括：
前端脉冲神经元输出信息接收模块，用于接收前端脉冲神经元输出信息；
当前脉冲神经元信息读取模块，用于读取当前脉冲神经元信息；
当前脉冲神经元输出信息计算模块，用于根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息；
当前自适应阈值计算模块，用于读取当前自适应阈值变量和阈值电位，并根据所述当前自适应阈值变量和所述阈值电位，计算当前自适应阈值；
当前脉冲神经元输出信息输出模块，用于判断所述当前脉冲神经元输出信息是否大于或等于所述自适应阈值，若是，则输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，若否，
则不输出所述当前脉冲神经元输出信息，并根据第二自适应阈值更新模型更新所述当前自适应阈值变量。
10.根据权利要求9所述的自适应阈值神经元信息处理系统，其特征在于：
所述前端脉冲神经元输出信息包括：前端脉冲神经元输出的脉冲尖端信息、前端脉冲神经元与当前脉冲神经元的连接权重索引；
所述当前脉冲神经元信息包括：当前时间窗宽度、当前时间窗内脉冲尖端信息序列、历史膜电位信息和膜电位泄漏信息；
所述当前脉冲神经元输出信息计算模块，包括：
脉冲神经元连接权重读取单元，用于根据所述前端脉冲神经元与当前脉冲神经元的连接权重索引，读取前端脉冲神经元与当前脉冲神经元的连接权重；
时间窗内脉冲尖端信息序列更新单元，用于根据所述前端脉冲神经元输出的脉冲尖端信息，和所述当前时间窗内脉冲尖端信息序列，更新所述当前时间窗内脉冲尖端信息序列，获取当前时间窗内脉冲尖端信息更新序列；
前端脉冲神经元输入信息计算单元，用于根据所述当前时间窗宽度、所述前端脉冲神经元与当前脉冲神经元的连接权重，通过衰减函数计算前端脉冲神经元输入信息；
脉冲神经元输出信息计算单元，用于根据所述前端脉冲神经元输入信息、所述当前时间窗内脉冲尖端信息更新序列、所述历史膜电位信息、所述膜电位泄露信息，通过脉冲神经元计算模型，计算当前脉冲神经元输出信息。
11.根据权利要求10所述的自适应阈值神经元信息处理系统，其特征在于，还包括：
发放触发确定单元，用于确定发放触发标志信息为发放触发，所述发放触发标志信息包括发放触发或发放不触发；
发放触发动作单元，用于不应期计时器，并更新所述历史膜电位信息为预设的复位膜电位信息。
12.根据权利要求11所述的自适应阈值神经元信息处理系统，其特征在于，还包括：
当发放触发确定单元，确定的所述发放触发标志信息为发放不触发；
发放不触发动作单元，用于读取不应期宽度和不应期计时器的当前时间步；根据所述不应期宽度和所述不应期计时器的当前时间步，判断当前时间是否在不应期内，若当前时间在所述不应期内，将所述不应期计时器累加计时一个时间步，不更新所述历史膜电位信息；若当前时间不在所述不应期内，将所述不应期计时器累加计时一个时间步，并更新所述历史膜电位信息为所述当前脉冲神经元输出信息。
13.根据权利要求9所述的自适应阈值神经元信息处理系统，其特征在于，所述当前自适应阈值计算模块，包括：
阈值信息接收单元，用于读取随机阈值掩模电位、阈值偏置和随机阈值；
阈值随机叠加量获取单元，用于将所述随机阈值和所述随机阈值掩模电位进行按位与操作，获取阈值随机叠加量；
阈值电位确定单元，用于根据所述阈值随机叠加量和所述阈值偏置，确定所述阈值电位；
当前自适应阈值确定单元，用于根据所述阈值电位和所述当前自适应阈值变量，确定所述当前自适应阈值。
14.根据权利要求9所述的自适应阈值神经元信息处理系统，其特征在于，所述当前脉冲神经元输出信息输出模块，包括：
第一自适应阈值更新单元，用于读取发放阈值增量和所述当前自适应阈值变量；根据预设的衰减常数和所述当前自适应阈值变量，计算第一阈值；将所述发放阈值增量叠加至所述第一阈值，获取第二阈值；根据所述第二阈值更新所述当前自适应阈值变量。
15.根据权利要求14所述的自适应阈值神经元信息处理系统，其特征在于，所述所述当前脉冲神经元输出信息输出模块，包括：
第二自适应阈值更新单元，用于读取所述当前自适应阈值变量；根据所述预设的衰减常数和所述当前自适应阈值变量，计算第三阈值，根据所述第三阈值更新所述当前自适应阈值变量。
16.根据权利要求11所述的自适应阈值神经元信息处理系统，其特征在于，所述当前脉冲神经元输出信息输出模块，包括：
发放使能标识读取单元，用于读取发放使能标识，所述发放使能标识包括允许发放数据或不允许发放数据，当所述发放使能标识为允许发放数据时，
发放触发标志信息读取单元，用于读取所述发放触发标志信息，当所述发放触发标志信息为发放触发时；
当前脉冲神经元输出信息输出单元，用于输出所述当前脉冲神经元输出信息。