基于记忆电阻实现的光圈自适应反射弧结构的设计

海淀实验中学 许宇晗

基于记忆电阻实现的光圈自适应反射弧结构的设计

海淀实验中学 许宇晗

本文为了解决室内摄像头在黑暗环境中遭遇光照会出现曝光过度，拍摄画面出现空白这一问题，设计了基于记忆电阻实现的自适应反射弧结构，通过声音识别传感器来处理声音，然后把经过处理的信号通过STDP算法进行学习分析，最终输出电信号来调整摄像头的光圈大小，从而在一定程度上解决了拍摄光圈调整滞后的问题，增加了画面的稳定程度，减小了对于摄像头的耗损程度。

记忆电阻；神经元；反射弧；电路设计；STDP

1.引言

随着安保设备普及度的提高，室内摄像头这项安全保障工具越来越普及。可当黑暗中的摄像头在外部人员打开仓门猛然遭遇强光时，会出现一段实现的拍摄画面空白，对于摄像头感光元件造成了很大的耗损，同时，也给了犯罪分子可趁之机。最近科学家们刚发现的记忆电阻所具有的人工智能潜力恰好就能帮助解决这一问题。同时，再利用反射弧结构模型和声音传感器、光线传感器等传感器和光圈电机等驱动设备的技术支持，我们设计了光圈自适应反射弧这一模型。

2.记忆电阻的性质

1)记忆电阻的同电感电路相似，也存在电流相对于电压相位的滞后性，我们从记忆电阻的李萨如图中可以看出图像的形状非常类似于磁滞回线。

2)记忆电阻的电流方向和阻值存在着这样的关系：在记忆电阻上通正向电流→流经记忆电阻的正向电荷↑→记忆电阻的阻值↓；反之，记忆电阻的阻值↑。所以当流经记忆电阻的电流由正变负时，其阻值为最小值，为导通状态；反之，其阻值最大，为截止状态。

3)记忆电阻的电流电压曲线围成的面积与其通入的信号的频率有关，通入的频率越高时，电流电压曲线的面积越小，滞回曲线越趋近于线性。

4）在通过记忆电阻的flux较大时，记忆电阻的仿真曲线为非线性曲线；通量较小时，近似为线性。其上每一点相对于原点连线的斜率即为记忆电阻的阻值M。

3.神经元结构简介

（1）神经元

神经元属于神经细胞，由细胞体与突起组成。突起分为轴突和树突。

细胞体是代谢和营养中心，即细胞核存在的地方。神经元的功能就是接受刺激、产生兴奋、传导兴奋。（2）突触

兴奋在神经纤维上的传导是以神经冲动的形式来传导电信号，通过改变膜内外钾离子、钠离子浓度来改变电位差，双向传导、不衰减。该神经元的膜内外电位从静息电位的内负外正变为动作电位内正外负，则传导兴奋，称为去极化；若电位依然为内负外正，且电位差升高，则传导抑制，称为超极化。其中，静息电位的形成是通过钾离子的外流，动作电位的形成是通过钠离子的内流，跨膜运输方式均为协助扩散。

而在神经元之间，兴奋通过突触这一结构来实现从电信号到化学信号再到电信号的传递。

突触分为突触前膜、突触间隙和突触后膜。

突触前膜的神经元兴奋，把兴奋传导至突触小体，位于突触小体的突触小泡在突触前膜依据细胞膜的流动性释放出神经递质，在突触间隙中实现化学信号的转变。神经递质作用于突触后膜的受体上，把信号传导至突触后膜的神经元上。

其中，神经递质分为兴奋类（乙酰胆碱）和抑制类（γ-氨基丁酸）。也就是说，对于突触后膜的神经元或兴奋或抑制。这一过程，线粒体参与功能，单向传递、存在突触延搁。兴奋一般惠氏肌肉收缩、腺体分泌。

4.声音识别传感器

（1）声音识别系统原理

声音识别的关键主要在传感器，其设计主要分为两个部分，一个部分是软件部分，另一个部分是硬件部分，硬件部分原理是采用一个电容似的驻极体话筒，当有不同频率的振幅和声波传入话筒时，会导致话筒内电容间距d的变化，电容的变化会产生电压信号，电压信号经过AD转换之后，就可以获得数字信号，进而进入软件模块进行进一步的分析。当我们提取完语音特征之后，我们会按照特定算法要求，同参考模式进行匹配进行进一步的分析。目前比较多的模型匹配技术有HMM、、ANN和DTW等，我们经过进一步的选择， 最终决定选用DTW算法为原型，通过编程来实现相关的功能。声音识别传感器设计包括硬件设计和软件设计两个部分，其中软件设计部分的核心是声音识别算法实现。声音识别算法包括前端处理和后端匹配两个部分，前端处理包括预处理和特征提取，常用的特征包括短时均值能量、短时均值过零率、预测系数、倒谱、共振峰等。这些特征参数按照时间序列构成待测数据集，然后按照特定算法要求通参考模式进行匹配得到结果。目前比较多的模型匹配技术有DTW、HMM和人工神经网络（ANN）等，本文以DTW算法为原型基础编程实现。

（2）软件编程与实现

我们的语音识别传感器编程主要包括三部分：语音采集、训练和识别。

第一步：语音采集。采集外接的语音，并转化为相应的声音压缩文件，

第二部：声音训练。对录入的语音进行预处理和Mel倒谱系数提取，得到相应的语音模块并保存到指定的文件中；

第三步：语音识别：对待测语音进行预处理和Mel倒谱系数提取，然后与保存的模板进行匹配，得到识别结果的相似度，进而得出最后的决策。①

5.基于STDP算法实现自适应反射弧的功能

（1）STDP概述

STDP是Spike-Timing-Dependent-Plasticity的简称,可译作脉冲时间依赖的可塑性。这种学习机制最初是从机器学习算法提出，被用于机器智能及神经科学计算领域。STDP在十多年的发展过程中，其生物和生理基础的合理性都得到了充分的正式。事实上，STDP这种学习机制中，生物学上的神经网络的实现机制与和记忆电阻的工作机制非常地相似，如果将记忆电阻通过STDP与神经网络进行相互关联，那么我们可以得到一种全新的，自适应的学习机器。②

（2）反射弧

反射是在中枢神经系统的参与下，动物体或人体对内外环境变化作出的规律性应答。所以反射是神经调节的基本方式，而完成反射活动的结构基础就是反射弧。

（3）模型

由巴普洛夫的实验，我们设计了这样的模型（如图1所示）：