基于記憶電阻實現的光圈自適應反射弧結構的設計

海淀實驗中學 許宇晗

基于記憶電阻實現的光圈自適應反射弧結構的設計

海淀實驗中學 許宇晗

本文為了解決室內攝像頭在黑暗環境中遭遇光照會出現曝光過度，拍攝畫面出現空白這一問題，設計了基于記憶電阻實現的自適應反射弧結構，通過聲音識別傳感器來處理聲音，然后把經過處理的信號通過STDP算法進行學習分析，最終輸出電信號來調整攝像頭的光圈大小，從而在一定程度上解決了拍攝光圈調整滯后的問題，增加了畫面的穩定程度，減小了對于攝像頭的耗損程度。

記憶電阻；神經元；反射弧；電路設計；STDP

1.引言

隨著安保設備普及度的提高，室內攝像頭這項安全保障工具越來越普及。可當黑暗中的攝像頭在外部人員打開倉門猛然遭遇強光時，會出現一段實現的拍攝畫面空白，對于攝像頭感光元件造成了很大的耗損，同時，也給了犯罪分子可趁之機。最近科學家們剛發現的記憶電阻所具有的人工智能潛力恰好就能幫助解決這一問題。同時，再利用反射弧結構模型和聲音傳感器、光線傳感器等傳感器和光圈電機等驅動設備的技術支持，我們設計了光圈自適應反射弧這一模型。

2.記憶電阻的性質

1)記憶電阻的同電感電路相似，也存在電流相對于電壓相位的滯后性，我們從記憶電阻的李薩如圖中可以看出圖像的形狀非常類似于磁滯回線。

2)記憶電阻的電流方向和阻值存在著這樣的關系：在記憶電阻上通正向電流→流經記憶電阻的正向電荷↑→記憶電阻的阻值↓；反之，記憶電阻的阻值↑。所以當流經記憶電阻的電流由正變負時，其阻值為最小值，為導通狀態；反之，其阻值最大，為截止狀態。

3)記憶電阻的電流電壓曲線圍成的面積與其通入的信號的頻率有關，通入的頻率越高時，電流電壓曲線的面積越小，滯回曲線越趨近于線性。

4）在通過記憶電阻的flux較大時，記憶電阻的仿真曲線為非線性曲線；通量較小時，近似為線性。其上每一點相對于原點連線的斜率即為記憶電阻的阻值M。

3.神經元結構簡介

（1）神經元

神經元屬于神經細胞，由細胞體與突起組成。突起分為軸突和樹突。

細胞體是代謝和營養中心，即細胞核存在的地方。神經元的功能就是接受刺激、產生興奮、傳導興奮。（2）突觸

興奮在神經纖維上的傳導是以神經沖動的形式來傳導電信號，通過改變膜內外鉀離子、鈉離子濃度來改變電位差，雙向傳導、不衰減。該神經元的膜內外電位從靜息電位的內負外正變為動作電位內正外負，則傳導興奮，稱為去極化；若電位依然為內負外正，且電位差升高，則傳導抑制，稱為超極化。其中，靜息電位的形成是通過鉀離子的外流，動作電位的形成是通過鈉離子的內流，跨膜運輸方式均為協助擴散。

而在神經元之間，興奮通過突觸這一結構來實現從電信號到化學信號再到電信號的傳遞。

突觸分為突觸前膜、突觸間隙和突觸后膜。

突觸前膜的神經元興奮，把興奮傳導至突觸小體，位于突觸小體的突觸小泡在突觸前膜依據細胞膜的流動性釋放出神經遞質，在突觸間隙中實現化學信號的轉變。神經遞質作用于突觸后膜的受體上，把信號傳導至突觸后膜的神經元上。

其中，神經遞質分為興奮類（乙酰膽堿）和抑制類（γ-氨基丁酸）。也就是說，對于突觸后膜的神經元或興奮或抑制。這一過程，線粒體參與功能，單向傳遞、存在突觸延擱。興奮一般惠氏肌肉收縮、腺體分泌。

4.聲音識別傳感器

（1）聲音識別系統原理

聲音識別的關鍵主要在傳感器，其設計主要分為兩個部分，一個部分是軟件部分，另一個部分是硬件部分，硬件部分原理是采用一個電容似的駐極體話筒，當有不同頻率的振幅和聲波傳入話筒時，會導致話筒內電容間距d的變化，電容的變化會產生電壓信號，電壓信號經過AD轉換之后，就可以獲得數字信號，進而進入軟件模塊進行進一步的分析。當我們提取完語音特征之后，我們會按照特定算法要求，同參考模式進行匹配進行進一步的分析。目前比較多的模型匹配技術有HMM、、ANN和DTW等，我們經過進一步的選擇， 最終決定選用DTW算法為原型，通過編程來實現相關的功能。聲音識別傳感器設計包括硬件設計和軟件設計兩個部分，其中軟件設計部分的核心是聲音識別算法實現。聲音識別算法包括前端處理和后端匹配兩個部分，前端處理包括預處理和特征提取，常用的特征包括短時均值能量、短時均值過零率、預測系數、倒譜、共振峰等。這些特征參數按照時間序列構成待測數據集，然后按照特定算法要求通參考模式進行匹配得到結果。目前比較多的模型匹配技術有DTW、HMM和人工神經網絡（ANN）等，本文以DTW算法為原型基礎編程實現。

（2）軟件編程與實現

我們的語音識別傳感器編程主要包括三部分：語音采集、訓練和識別。

第一步：語音采集。采集外接的語音，并轉化為相應的聲音壓縮文件，

第二部：聲音訓練。對錄入的語音進行預處理和Mel倒譜系數提取，得到相應的語音模塊并保存到指定的文件中；

第三步：語音識別：對待測語音進行預處理和Mel倒譜系數提取，然后與保存的模板進行匹配，得到識別結果的相似度，進而得出最后的決策。①

5.基于STDP算法實現自適應反射弧的功能

（1）STDP概述

STDP是Spike-Timing-Dependent-Plasticity的簡稱,可譯作脈沖時間依賴的可塑性。這種學習機制最初是從機器學習算法提出，被用于機器智能及神經科學計算領域。STDP在十多年的發展過程中，其生物和生理基礎的合理性都得到了充分的正式。事實上，STDP這種學習機制中，生物學上的神經網絡的實現機制與和記憶電阻的工作機制非常地相似，如果將記憶電阻通過STDP與神經網絡進行相互關聯，那么我們可以得到一種全新的，自適應的學習機器。②

（2）反射弧

反射是在中樞神經系統的參與下，動物體或人體對內外環境變化作出的規律性應答。所以反射是神經調節的基本方式，而完成反射活動的結構基礎就是反射弧。

（3）模型

由巴普洛夫的實驗，我們設計了這樣的模型（如圖1所示）：