基于忆阻交叉架构的图片均值学习电路

摘要

本发明公开了一种基于忆阻交叉架构的图片均值学习电路，其特征在于：包括由忆阻器交叉架构构成的MMCA层和由忆阻器交叉架构构成的IMCA层，所述MMCA层与IMCA层之间通过CMOS单元连接；所述CMOS单元根据输入像素对应的阻值的均值和MMCA层里存储阻值的均值之间的差值，调整MMCA层里的忆阻器阻值，使MMCA层里存储的阻值趋近于输入像素平均值对应的阻值；所述CMOS单元根据输入像素对应的阻值和MMCA层里存储的阻值之间的误差，调整IMCA层里的忆阻器阻值，当误差值小于一定阈值时，IMCA层里忆阻器的阻值增大，反之忆阻器的阻值减小。本发明提出了采用均值方法对忆阻交叉架构进行图片学习和写入，具有高容错和并行处理的特点。

权利要求

1.基于忆阻交叉架构的图片均值学习电路，其特征在于：包括由忆阻器交叉架构构成的储存层MMCA(Memory Memristor Crossbar Array)层和由忆阻器交叉架构构成的影响层IMCA(Impact Memristor Crossbar Array)层，所述MMCA层与IMCA层之间通过CMOS单元连接；所述CMOS单元根据输入像素对应的阻值的均值和MMCA层里存储阻值的均值之间的差值，调整MMCA层里的忆阻器阻值，使MMCA层里存储的阻值趋近于输入像素平均值对应的阻值；所述CMOS单元根据输入像素对应的阻值和MMCA层里存储的阻值之间的误差，调整IMCA层里的忆阻器阻值，当误差值小于一定阈值时，IMCA层里忆阻器的阻值增大，反之忆阻器的阻值减小；在图片学习阶段，行导线连接双晶体管结构的学习电路，进行图片学习；在图片识别阶段，行导线连接求和电路，根据电路里识别因子的阻值进行图片识别；所述求和电路的输出端连接一个双晶体管结构，所述双晶体管结构的输出端连接一个忆阻器。

2.根据权利要求1所述的基于忆阻交叉架构的图片均值学习电路，其特征在于：所述MMCA层中的忆阻交叉架构的行线和列线的端口处各设置有一个双晶体管结构，与列线连接的双晶体管结构与CMOS单元连接。

3.根据权利要求1所述的基于忆阻交叉架构的图片均值学习电路，其特征在于：所述IMCA层中的忆阻交叉架构的行线和列线的端口处各设置有一个双晶体管结构，与列线连接的双晶体管结构与CMOS单元连接。

4.根据权利要求1-3任意一项所述的基于忆阻交叉架构的图片均值学习电路，其特征在于：所述CMOS单元包括第一数模转换器、第二数模转换器、脉冲生成器和微控制器；输入信号经第一数模转换器转换后输入到微控制器中，MMCA层里存储的信息经第二数转换器变换后输入到微控制器中；所述CMOS单元根据输入像素对应的阻值的均值和MMCA层里存储的阻值之间的差异，生成相应的反馈脉冲信号，调整MMCA层里的忆阻器阻值，使MMCA层里存储的阻值趋近于输入像素平均值对应的阻值；所述CMOS单元根据输入像素对应的阻值和MMCA层里存储的阻值之间误差生成前馈脉冲信号，调整IMCA层里的忆阻器阻值，当误差小于一定阈值时，IMCA层里的对应的阻值增大，反之忆阻器的阻值减小。

说明书

基于忆阻交叉架构的图片均值学习电路

技术领域

[0001] 本发明涉及神经电路，具体涉及一种基于忆阻交叉架构的图片均值学习电路。

背景技术

[0002] 忆阻器是一种有记忆功能的两端元件，其阻值受控于供给电源的强度、极性以及供电时间。断电后，它能够保持断电时的电阻值。忆阻器作为一个纳米级的设备，一个重要的应用便是用于以忆阻交叉架构(MCA)为基础的存储器。在忆阻器出现之前，交叉架构通常是在交叉点处以开关实现数据0和1的存储，而忆阻器出现后，不仅可以以高阻和低阻存放数据0和1，实现开关功能，还能实现多级存储。采用忆阻器作为存储单元的存储设备称为非易失性阻性随机访问存储器(RRAM)，该存储器有别于传统的动态随机访问存储器(DRAM)。RRAM可使手机使用数周或更久而不需充电；使个人电脑开机后立即启动；笔记本电脑在电池耗尽之后很久仍记忆上次使用的信息。因为忆阻器具有关闭电源后仍记忆数据的能力，忆阻器将比当今的闪存速度更快，耗电更少，体积更小。忆阻器的另一个特点是非易失性。
非易失性是指存储介质所存储的数据能够保持较长的一段时间而无需重复的刷新操作，是未来节能型存储设备的发展趋势。忆阻器存储的信息保持时间远长于DRAM。DRAM存储单元的数据会随时间而消失，因此必须每隔至多16毫秒刷新一次，以保证DRAM正常工作。相比而言，忆阻器更加稳定，相关实验数据证实其几天至几周内不需要刷新，忆阻器在集成电路上集成的密度非常高，因此研制出更坚固耐用的仿生逻辑电路成为可能。

[0003] 美国密歇根大学开发出一种由忆阻器构成的芯片，该芯片能存储103比特信息。此项研究成果将有可能改变半导体产业，使成功研制出体积更小、速度更快、价格更低廉的芯片或电脑成为可能。但是由于忆阻器是一个纳米级元件，基于忆阻交叉架构的电路很容易受到电压影响，而且当电压幅值高到一定程度的时候，还会导致毁灭性的破坏，传统的直接施加脉冲读写忆阻器的方法，在实际中很难达到理想的效果。基于忆阻交叉架构的电路不仅需要保护，还需要很强的容噪能力。相对于二级存储，忆阻器的多级存储更为困难，因为对阻值的控制要求更高，而且对噪声更为敏感。密歇根大学采用忆阻交叉架构和CMOS相结合的系统成功实现了二值图像存储，并通过串联不同的电阻实现了十个灰度级的彩色图像存储。这种多级存储的实现原理是串联电阻的分压性质，随着忆阻器阻值rm接近串联的电阻阻值，作用在忆阻器上的电压vm也会随之降低，也即是，如果串联电阻的阻值为r，那么施加的电压源v最后作用在忆阻器上的电压为vm＝rmv(rm+r)。这种情况下忆阻器的最终写入阻值由串联电阻控制，但实际电路里交叉架构上的半选忆阻器(与目标忆阻器在同一行或者同一列的忆阻器)会变相的加大串联电阻的阻值，从而导致写入噪声。而且由于变换串联电阻的操作不便，使得忆阻交叉架构的大规模读写难以实现。因此采用串联电阻实现多级存储依旧存在很大的局限性。

发明内容

[0004] 鉴于此，本发明的目的在于提供一种基于忆阻交叉架构的图片均值学习电路，本发明将非线性忆阻器模型线性化处理，通过均值方法进行图片写入和识别，获得比传统均值学习更好的抗噪能力和学习效果。

[0005] 本发明的目的是通过以下技术方案来实现的，基于忆阻交叉架构的图片均值学习电路，包括由忆阻器交叉架构构成的MMCA层和由忆阻器交叉架构构成的IMCA层，所述MMCA层与IMCA层之间通过CMOS单元连接；所述CMOS单元根据输入像素对应的阻值的均值和MMCA层里存储阻值的均值之间的差值，调整MMCA层里的忆阻器阻值，使MMCA层里存储的阻值趋近于输入像素平均值对应的阻值；所述CMOS单元根据输入像素对应的阻值和MMCA层里存储的阻值之间的误差，调整IMCA层里的忆阻器阻值，当误差值小于一定阈值时，IMCA层里忆阻器的阻值增大，反之忆阻器的阻值减小。

[0006] 优选的，所述MMCA层中的忆阻交叉架构的行线和列线的端口处各设置有一个双晶体管结构，与列线连接的双晶体管结构与CMOS单元连接。

[0007] 优选的，所述IMCA层中的忆阻交叉架构的行线和列线的端口处各设置有一个双晶体管结构，与列线连接的双晶体管结构与CMOS单元连接；所述行线的端口处还设置有一个求和电路；当学习电路处于图片学习阶段，行线连接双晶体管结构，当学习电路处于图片识别阶段，行线连接求和电路。

[0008] 优选的，所述求和电路的输出端连接一个双晶体管结构，所述双晶体管结构的输出端连接一个忆阻器。

[0009] 优选的，所述CMOS单元包括第一数模转换器、第二数模转换器、脉冲生成器和微控制器；输入信号经第一数模转换器转换后输入到微控制器中，MMCA层里存储的信息经第二数转换器变换后输入到微控制器中；所述CMOS单元根据输入像素对应的阻值的均值和MMCA层里存储的阻值之间的差异，生成相应的反馈脉冲信号，调整MMCA层里的忆阻器阻值，使MMCA层里存储的阻值趋近于输入像素平均值对应的阻值；所述CMOS单元根据输入像素对应的阻值和MMCA层里存储的阻值之间误差生成前馈脉冲信号，调整IMCA层里的忆阻器阻值，当误差小于一定阈值时，IMCA层里的对应的阻值增大，反之忆阻器的阻值减小。

[0010] 由于采用了上述技术方案，本发明具有如下的优点：

[0011] 本发明所述方法基于多层忆阻交叉架构，层与层之间立体叠加，不仅可以直接对二值图、灰度图进行处理，还可以直接对彩色图片进行处理，高效利用空间。忆阻交叉架构的读写电路中，采用时间片技术和均值学习算法，其中，利用忆阻器的阈值特性，进行时间片的划分，能够使电路得到很好的保护，双晶体管结构有效抑制潜电路的产生，而均值学习算法使电路对忆阻器的数学模型和计算的准确度的要求大大降低，同时也对电路误差的容忍程度更高，CMOS单元的并行处理可以有效缩减系统所需时间。

附图说明

[0012] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

[0013] 图1为多层忆阻交叉架构的电路结构图；

[0014] 图2为CMOS单元结构图；

[0015] 图3为双晶体管结构图；

[0016] 图4为图片处理过程，学习过程由(1)(2)(3)(4)标记，识别过程由(1)(2)(5)标记；

[0017] 图5为为忆阻器的读电流对应的像素和阻值(a)对于二值图，忆阻值被分为高阻和低阻，分别表示1和0；(b)对16位的灰度图，忆阻值被分为256个区间对应256个灰度值；

[0018] 图6为本文忆阻交叉架构均值图片学习与传统均值学习的对比，(a)为原图，(b)为初始图片，(c)为MCA中存储的图片，(d)为传统均值方法存储的图片，(e)为MCA中图片和原图的误差，(f)为传统方法中图片和原图的误差；

[0019] 图7为未分割的具有不同背景的彩色人脸和树叶的样本图片，前四幅作为训练样本，后两幅作为测试样本。

[0020] 具体实施方法

[0021] 以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

[0022] 如图1所示的多层MCA结构中，第一层MCA称为存储忆阻交叉架构(MMCA)，第二层称为影响因子忆阻交叉架构(IMCA)。两层之间通过CMOS单元1连接。MMCA用于存储图片，忆阻器称为存储因子(对于彩色图片，构建三个MMCA，对应RGB三个通道)，初始值随机生成，IMCA用于标记像素，忆阻器3称为影响因子，初始值全部设为中间值。在图片学习的时候，CMOS单元会同时对两层MCA进行读写操作，但在识别阶段，只会进行读操作，具体流程如图4所示。学习过程由(1)(2)(3)(4)标记，识别过程由(1)(2)(5)标记。MMCA层和IMCA层的读写电路基本一致，不过IMCA层的行线连接的信号有两个选择。在图片学习时，行线连接双晶体管结构，在图片识别时，行线连接放大器求和电路，求和电路连接一个充当识别因子的忆阻器，初始值为最大阻值，直流电压源辅助写入和重置识别因子。求和电路中，识别因子的阻值会因为前馈脉冲而降低，因此识别因子的阻值越高，表明图片的相似度越高。由于求和电路里的放大器使电压反向，所以识别因子的连接极性与MCA里的忆阻器的连接极性相反。在识别一副图片之前，求和电路中的开关闭合，-2vt直流电压重置识别因子到roff，所有晶体管处于未激活状态，以防止电流流入MCA中。在识别图片的过程中，开关断开，不过求和电路中的VccP晶体管激活，使得IMCA层中的电流通过识别因子，从而实现写功能。

[0023] 忆阻交叉架构的读写电路中，每一行的端口处连接一个选择电路，用于选定行，每一列的端口连接CMOS处理单元，用于生成操作MCA的列脉冲信号。MMCA层和IMCA层的列线共用CMOS处理单元。MCA以行为单位对图片进行读写，因此对于一幅图片而言，行数越多，处理所需时间越多。CMOS处理单元的个数与列数一致，因此减少列数便可以减少CMOS单元的个数，降低电路复杂度，行和列的作用可以互换。由于一次只选定一行，所以一个CMOS单元一次只会分别读写一个MMCA层和IMCA层里的忆阻器。当读取图片时，在选定行施加一个读信号，其他未选定的行接地。当写入图片时，选定行和未选定行分别施加不同的信号。因此通过信号的控制便可区分图片读取和写入。

[0024] CMOS单元是系统里最复杂的部分，包括数模转换器，脉冲生成器，微控制器等。其原理是根据输入像素对应的阻值的均值和MMCA里存储的阻值的均值之间的均值差异，调整MMCA层里的忆阻器阻值；根据输入像素和存储像素的差值，调整IMCA层里的忆阻器阻值。CMOS单元接收输入像素信号pin，可以获知输入的像素值，同时通过读信号的电流ipix读出忆阻器阻值rm，并获得存储的像素值(取下界)，通过图片叠加技术计算要写入的均值像素值，并生成相应的反馈脉冲信号vb，使MMCA层里存储的阻值趋近输入像素平均值对应的阻值。
根据图片均值叠加的原理，MMCA层里忆阻器阻值的调整幅度为Δrm(n)＝(f(pin)-rm)/(n+
1)，f(pin)是输入像素对应的忆阻值，n是写入次数，n+1表示考虑了初始忆阻器阻值，由于因此一幅图片写入次数越多，存储的图片会越精确。CMOS单元根据输入
像素pix(n)和存储像素pm(n)之间的误差perr生成前馈脉冲信号vf，对IMCA层里的影响因子进行调整。perr低于一定阈值时，IMCA层里忆阻影响因子增大，反之，则降低，这意味着越容易变化的像素其影响因子越低，对图片的识别判断作用越小，这样系统进行图片识别时对噪声容忍程度更高。

[0025] CMOS单元的脉冲信号有三个时间片：读时间片，正写入时间片(增加阻值)，负写入时间片(降低阻值)。如果考虑读电压的影响，可以加入第四个时间片，用负的读电压来消除影响。此处由于读信号影响极小，故而忽略。每个时间片里生成的电压值不同，读时间片的电压值为0V，由于CMOS处于定义为负的列纳米线端，因此正写入时间片生成负的电压，负写入时间片生成一个正的电压。而定义为正的行纳米线里，选中行和未选中行不同时间片信号也不同，选中行读时间片里有读信号vr，正写入时间片里有正信号vt，负写入时间片里有负信号-vt；未选中行读时间片信号为0V，正写入时间片里有负信号-vt，负写入时间片里有正信号vt。行和列所有信号单独作用时都低于阈值，但共同作用时会使作用在选中的忆阻器上的电压高于阈值，而没有选中的忆阻器上电压依旧低于阈值，这意味着选中的忆阻器在进行写入操作，而未选中的忆阻器阻值不会变，而且由于未选中的忆阻器与选中的忆阻器的电压差距不大，从而使未选中的忆阻器受到保护。

[0026] 为抑制潜电路，在每一行每一列末端都添加图1中椭圆标记里的双晶体管结构2。在正写入时间片，行晶体管VccP和列晶体管VccN激活，使正电流通过，在负写入时间片，行晶体管VccN和列晶体管VccP激活，使负电流通过。在读时间片，选中行的四个晶体管都被激活。这样，读写电流可以正常工作，而潜电路也将极大的减弱。

[0027] 本发明提供的基于忆阻交叉架构的均值图片学习方法，此方法基于脉冲控制，对电路进行很好的保护，而且高容噪，便于大规模集成。通过用时间片脉冲电路取代串联电阻来重新实现忆阻交叉架构的读写，可以避免半选忆阻器的并行效应。由于忆阻器是一个非线性元件，在多级存储中不易控制，而且脉冲电路中潜电路等也会导致噪声，因此对传统的直接写入方法加以改进，将非线性忆阻器模型线性化处理，通过均值方法进行图片写入和识别，获得比传统均值学习更好的抗噪能力和学习效果。

[0028] 如图6所示，本实施例中进行图片学习时，先对图片进行均值学习，对MMCA层和IMCA层进行训练，再对MMCA层和IMCA层进行读操作，实现图片识别。本方法主要包括以下步骤：

[0029] S1.设计忆阻器、图片像素和电信号之间的对应关系。对二值图，忆阻器的阻值被划分为高阻和低阻，分别表示1和0，对16位的灰度图，忆阻器的阻值可以分为256个区间对应256个灰度值。施加一个读信号vr即可通过读电流获得对应的像素值，如图5所示。

[0030] S2.对非线性忆阻器数学模型进行线性化处理。以惠普非线性模型为例，可以将非线性函数直接虚拟为1。

[0031] 学习阶段：

[0032] S3.行开关用于选中目标行，由地址编码器的输出进行控制。MMCA和IMCA中选中行和未选中行施加信号如图1中行线端所标识。

[0033] S4.CMOS单元根据均值调整和忆阻器数学模型生成前馈和反馈的列脉冲信号。

[0034] 这里，S4中CMOS单元每隔3T处理一个忆阻器，T为一个脉冲信号的时间片。根据忆阻器最坏调整情况设计T的大小，确保列脉冲幅值不超过阈值。由于将忆阻器进行了线性化处理，列脉冲幅值设计根据具体模型的线性化放大或缩小，以保证阻值的调整力度，比如惠普模型线性化处理后，列脉冲幅值则可设计为模型计算结果的两倍。CMOS单元里的具体操作步骤为：

[0035] 每隔3T接收一个输入像素pin(n)，n表示第n个像素。

[0036] 每隔3T获取读出的电流信号ipix(n)。

[0037] 根据pin(n)和ipix(n)计算反馈脉冲幅值vb，根据信号的极性，在相应时间片生成反馈列脉冲信号。

[0038] 根据pin(n)和pm(n)计算前馈脉冲幅值vf，在相应时间片生成反馈的列脉冲信号。将输入像素pin(n)和存储像素pm(n)之间的误差的绝对值perr(n)＝|pin(n)-pm(n)|，perr∈(0，255)，转为学习阶段对应的前馈脉冲信号vf＝γ(pt-perr(n))，γ是学习系数，为正实数。
由于|vf|≤vt，因此γ具有取值范围。pt∈(0,255)是允许的误差像素阈值，决定了MCA的容噪能力。当像素误差低于阈值，那么前馈脉冲的幅值vf＞0，因此前馈脉冲会被编译在负写入时间片里，使阻值降低，影响因子增大，如果高于阈值，那么vf＜0，前馈脉冲则会被写入正写入时间片里。

[0039] 识别阶段：

[0040] S3.行开关用于选中目标行，由地址编码器的输出进行控制。MMCA层中选中行施加读信号，未选中行接地。IMCA层中所有行连接求和电路。

[0041] S4.CMOS单元不产生反馈信号，而前馈信号计算公式为vf＝γperr(n)，由于0＜vf≤vtIMCA层里的忆阻器处于保护状态中，其阻值不会发生变化。

[0042] S5.求和电路里的识别因子的阻值会因为从IMCA里流出的电流而降低。

[0043] 图6采用灰度图对MMCA的存储能力进行验证，忆阻器模型采用惠普非线性模型，对原图图6(a)学习5次，对比本发明和原始的均值学习方法，可以发现基于MCA的均值存储效果(图6(c))明显比传统的均值学习(图6(d))效果更好，将图6(c)和图6(d)与原图的误差映射为灰度图图6(e)和图6(f)，误差超过5个灰度级的比率分别为0.07％和40.22％，很明显基于MCA的均值存储准确率更高。

[0044] 采用图7中未分割的彩色图片进行人脸和树叶的学习和识别，彩色图片可以认为是由三幅灰度图片组成，因此用三层MMCA分别存储RGB，三层MMCA共用一层IMCA。将前4张图片作为训练样本，重复训练两次，IMCA则通过降低易变部分的影响因子，增加非易变部分的影响因子，实现了对训练过程的记录，将最后两张图片作为测试样本，没有影响因子，人脸和树叶的相似度非常接近，可区分的阻值范围为240Ω。但考虑影响因子，人脸和树叶则可以很轻易的区分出来，可区分的阻值范围为13556Ω。

[0045] 表1 人脸和树叶可识别区间

[0046]相似度(Ω) 人脸5 人脸6 树叶5 树叶6
人脸学习(无影响因子) 24246 23608 23368 22896
树叶学习(无影响因子) 22522 23263 23541 23738
人脸学习(有影响因子) 18930 17158 100 100
树叶学习(有影响因子) 100 4036 17592 18894

[0047] 从识别结果来看，本发明可以有效地提高基于硬件的图像识别成功率。由于存储结构是以像素为单位进行处理的，所以极大的保留了原始图片的色彩，尺寸，位置的信息，这些特征可以结合其他的图像识别方法可以获得更好的识别效果。

[0048] 以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。