33、模拟视网膜形态电路：实现视网膜及类视网膜处理

模拟视网膜形态电路：实现视网膜及类视网膜处理

1. 比较器决策时间与功耗

比较器的决策时间取决于通过反相器的电流量。在超低电流水平下，仅允许皮安级电流通过反相器时，开关时间以毫秒为单位。当电流值增大时，开关时间会显著缩短，在 300 皮瓦时，决策时间约为 20 微秒。在超低功耗配置下，该比较器每次决策消耗的能量小于 10 皮焦耳，确保了其极低的功耗。

2. 可重构场

可重构场的处理原理图允许双向电流流动，它由三个部分组成：双向输入级、缩放电路和输出减法级。通过 2 位全局控制，该电路将四个独立的可重构图像处理内核硬连线到像素中，包括拉普拉斯算子、垂直和水平索贝尔滤波器以及平滑阵列。
- 电路组成与工作原理 ：器件 Q1 和 Q2 构成低阻抗连续时间光电流检测电路，该电路的输出被 Q6 和 Q7 反相，并由加权部分（器件 Q3 至 Q5 和 Q8 至 Q9）进行缩放。这些晶体管被硬连线成内核配置并输出到减法电路，从而创建一个可重构的双向电流图像单元，实现实时卷积。
- 电流范围与器件特性 ：光电二极管的电流输出在 100 飞安至 10 纳安之间变化。在这个范围内，所有模拟器件都处于弱反型（WI）区域，并呈现指数跨导特性。
- 限制因素 ：内核大小受 CMOS 工艺的金属互连电容限制，滤波器加权受电流镜缩放的限制。虽然实现大量可编程模拟计算较为困难，但可以实现一些有用的特定电路，如索贝尔和拉普拉斯滤波器。此时，可以使用全局控制的数字开关系统，如基本的 4 位数字开关。

3. 智能神经节细胞

为了与片外逻辑通信，成像芯片需要输出类似数字的信息。无机硅光电二极管具有高达 5 个数量级的动态范围，但通常仅实现 8 位动态范围，这对于图像强度变化较大的场景可能会有问题。
- 频率编码优势 ：可以将光或特征强度的电压或电流表示转换为尖峰信号的频率，而不是进行 8 位、10 位、12 位或 16 位数字信号的光栅扫描输出。频率编码的优势在于可以通过采样时间快速修改动态范围，并且像素在产生尖峰时可以异步地向后续处理单元突出显示重要特征，而无需全局光栅，这在稀疏编码系统中具有重要的内存空间优势。
- 自适应光感受器 ：早期的工作开发出了一种自适应光感受器，它可以检测对比度而不受整体光强度的影响。一种电流反馈技术可以大大降低产生尖峰的能量成本，同时保持可接受的速度。光电流使电容器放电，导致 v_photo 下降，并由 Q6 至 Q7 反相器进行阈值处理，提供电流反馈以在交叉点增加速度并降低功耗。

4. ON - OFF 神经节细胞

任何积分系统的主要缺点是在低光强度下频率响应较低。通过实现互补的 ON 和 OFF 通道，可以解决这个问题。
- 通道创建与竞争 ：电流被缓冲并镜像以创建 ON 和 OFF 通道。在 OFF 通道中，电流被反转，使得低光电流产生高的 OFF 电流，反之亦然。两个通道通过电容将电流积分成电压进行竞争，当触发阈值被超过时，以尖峰的形式释放电压，并重置收集的电荷。
- 电路设计与优化 ：为了减少冗余，仅释放第一个尖峰（ON 或 OFF），并重置两个通道。添加滞后以防止当光强度接近明暗通道之间的阈值时电路在 ON 和 OFF 之间振荡。

5. 脉冲宽度编码

脉冲宽度编码可用于向尖峰添加额外信息。例如，ON - OFF 编码可以用单个脉冲宽度来描述，而不是使用两条单独的输出线。在这种情况下，双极细胞的矢量输出决定了神经节细胞输出尖峰的脉冲宽度。

6. 地址事件表示（AER）

传统的 CMOS 和 CCD 成像芯片通过光栅扫描像素矩阵来提取图像信息，而哺乳动物视觉系统则采用不同的方式。视网膜形态成像芯片可以借鉴哺乳动物视觉系统的编码方案，采用地址事件表示（AER）。
- 编码方式
- 速率编码 ：通过计算特定时间段内事件的频率来进行编码，实际上是对一组尖峰上的冗余信息进行平均。
- 尖峰编码 ：测量尖峰之间的时间间隔，利用冗余信息。
- 首次尖峰时间编码 ：设置一个起始触发，测量达到第一个尖峰所需的时间。
- AER 协议优势 ：AER 协议的信息是异步的，因此可以实现简单而强大的算法，而无需显著增加能量消耗。例如，通过在首次尖峰时间系统中添加全局时间截止，可以进行图像阈值处理。

7. 仲裁树

对于成像阵列，在像素级添加地址标记方案需要大量的硅面积。此外，AER 本质上是随机的，可能会在多路复用阶段发生冲突，导致信息失真。
- 一维仲裁方案 ：仲裁树方案可以对信息提取进行排序，并为提取的事件标记其起源地址。在一维阵列中，当特定地址位置想要输出事件时，其输出请求线会变高，激活仲裁单元，仲裁单元根据“先到先得”的逻辑决定是否将请求传输到下一级。
- 二维仲裁方案
- 位 - AER ：在二维系统中，如果提取单个单元的尖峰时间，这种方法称为位 - AER。通常，逻辑电路会将位事件从并行形式转换为串行形式，以与串行通信协议兼容，此时称为位 - 串行。
- 字 - 串行方案 ：在字 - 串行方案中，当事件通过行仲裁方案时，会读取该行的所有列信息，而不是单个像素。该方案的优点是增加了带宽，但更适合均匀矩阵阵列。

以下是可重构场处理电路的组成部分表格：
| 组成部分 | 功能 |
| ---- | ---- |
| 双向输入级 | 允许双向电流输入 |
| 缩放电路 | 对信号进行缩放处理 |
| 输出减法级 | 实现信号的减法运算 |

mermaid 格式流程图展示一维仲裁树信息提取过程：

graph LR
    A[地址请求输出事件] --> B[激活仲裁单元]
    B --> C{是否允许传输}
    C -- 是 --> D[传输至下一级]
    C -- 否 --> B
    D --> E{是否到达最终单元}
    E -- 否 --> D
    E -- 是 --> F[发送确认信号至地址编码器]
    F --> G[发送信号至读取单元请求输出]
    G --> H[读取单元读取地址]
    H --> I[发送信号至重置单元重置仲裁器]
    I --> J[发送确认信号至请求像素重置尖峰过程]

模拟视网膜形态电路：实现视网膜及类视网膜处理

8. 不同仲裁方案对比

为了更清晰地了解不同仲裁方案的特点，下面对几种常见的仲裁方案进行对比分析。

仲裁方案	适用场景	优点	缺点
位 - AER	二维系统中提取单个单元尖峰时间	可与串行通信协议兼容	最大吞吐量受行列线电容电阻限制或仲裁时间限制，且随地址矩阵增大吞吐量大致呈对数下降
字 - 串行方案	均匀矩阵阵列	增加带宽	不太适合非均匀的非线性成像阵列

9. 位 - AER 最大吞吐量分析

位 - AER 的最大吞吐量由地址矩阵的大小 (n_x\times n_y) 和仲裁单元时间 (t_{unit}) 决定，其关系大致为：
(\eta_{arb} \propto \frac{1}{\log_2\sqrt{n_xn_y}})
从这个公式可以看出，随着地址矩阵的增大，最大可能的吞吐量会大致以对数阶跃函数的形式降低。这意味着在设计使用位 - AER 方案的系统时，需要谨慎考虑地址矩阵的大小，以平衡系统的吞吐量需求。

10. 字 - AER 系统详细流程

字 - AER 系统在处理事件时有着独特的流程。当一个地址产生事件时，它不检查行是否空闲，而是向仲裁器发送请求信号。
- 行仲裁 ：行仲裁器按照既定的仲裁树进行仲裁。
- 信号传递 ：仲裁完成后，信号被发送回 X - 编码器和读取单元。
- 信息读取 ：X - 编码器读取并缓冲像素的信号，读取单元读取该行，Y - 编码器提交产生事件的行的地址。
- 重置操作 ：最后，重置单元重置 X - 仲裁器和该行上产生事件的像素。

mermaid 格式流程图展示字 - AER 系统的处理流程：

graph LR
    A[地址产生事件] --> B[发送请求信号至仲裁器]
    B --> C[行仲裁器进行仲裁]
    C --> D[发送信号至 X - 编码器和读取单元]
    D --> E[X - 编码器读取并缓冲信号]
    D --> F[读取单元读取该行]
    F --> G[Y - 编码器提交地址]
    G --> H[重置单元重置 X - 仲裁器和像素]

11. 输出信息流优化

在字 - AER 系统中，输出信息流可以进行优化。如果 Y - 编码器直接读取给定行中产生事件的像素，其输出到移位寄存器的情况如未去除无事件列的情况。但为了实现信息压缩和提高带宽，可以去除无事件的列，这样的输出更符合实际需求。

12. 总结

模拟视网膜形态电路在实现视网膜及类视网膜处理方面有着独特的优势和多种技术手段。通过智能神经节细胞的频率编码、ON - OFF 神经节细胞的互补通道设计、脉冲宽度编码等方式，可以有效地处理图像信息，并且在与片外逻辑通信时采用地址事件表示（AER）协议，能够更好地适应不同的应用场景。同时，针对 AER 可能出现的冲突问题，仲裁树方案提供了有效的解决办法，不同的仲裁方案适用于不同的系统架构。在实际应用中，需要根据具体的需求和场景，综合考虑各种因素，选择合适的技术和方案，以实现高效、低功耗的图像信息处理。

以下是智能神经节细胞相关技术的总结列表：
- 频率编码：可快速修改动态范围，在稀疏编码系统中有内存空间优势。
- 自适应光感受器：能检测对比度，不受整体光强度影响。
- ON - OFF 神经节细胞：解决积分系统在低光强度下频率响应低的问题。
- 脉冲宽度编码：为尖峰添加额外信息。

通过对这些技术的深入了解和应用，可以推动视网膜形态电路在成像领域的进一步发展。