近日，广东技术师范大学人工智能与主动健康交叉创新实验室李亚老师团队在IEEE计算智能新兴主题期刊《IEEE Transactions on Emerging Topics in Computational Intelligence》上发表论文“Circuit Implementation of Memristive Fuzzy Logic for Blood Pressure Grading Quantification” (Ya Li, Shaojun Ji, and Qinghui Hong*, IEEE Transactions on Emerging Topics in Computational Intelligence,10.1109/TETCI.2024.3404004）。该工作为解决健康监测过程中存在的自然语言形式描述的定性、模糊或不确定性等问题提供了电路的实现方法，设计了一种面向血压分级量化的忆阻模糊逻辑模拟电路。该电路将收缩压和舒张压作为输入信号，通过模糊逻辑推理计算得出输出信号来判断人体血压状态诊断结果。电路包括：1）模糊化模块，2）规则库模块，3）推理引擎模块。模糊化模块使用忆阻器阵列来搭建一个可以全并行编程的隶属函数电路，并通过电路将输入的收缩压和舒张压信号转换为对应的隶属度。规则库模块主要通过模拟电路实现基于血压模糊语义集的模糊规则。推理引擎模块的功能是将存储在血压规则库中的规则转化为模糊语义集之间的映射关系，并推理出血压分级量化的结果。PSpice的仿真计算结果表明，忆阻模糊逻辑电路的计算精度可达99.7%左右，电路实现血压分级量化的准确率达到98.69%。

图1：基于忆阻模糊逻辑电路的血压分级量化系统示意图

与传统方法相比，本文设计的忆阻模糊逻辑电路在面积开销、功耗和计算时间方面都具有很大的优势。首先，本文设计的电路不需要额外的控制单元，这大大降低了电路的尺寸。其次，与混合信号电路相比，该电路可以直接处理传感器上的模拟信号，而不需要复杂的数字模拟转换，这在一定程度上降低了电路的功耗。此外，在数字电路中对数字信号的处理依靠时钟控制，多个时钟周期的计算和量化是数字电路中处理数字信号的必要过程。直接使用模拟电路可以消除数字电路中的信号处理和转换的延迟，提高电路的计算速度。

图2：血压分级量化的忆阻模糊逻辑电路

通过对比软件和电路的计算时间，可以发现，电路的计算速度更快。这是因为在传统的冯·诺伊曼架构系统中，存储和操作单元是分开的，命令和数据的传输需要更多的时间。当处理大量血压数据时，串行计算方法所需的时间将大大增加。然而，该电路利用模拟电路中并行计算的固有优势，可以加快计算速度，实现一步计算。因此，忆阻模糊逻辑电路计算所用的时间相比软件就会非常短。特别是在穿戴式设备的血压监测场景下，低延迟是一个非常重要的指标。

这项工作得到广东省教育厅项目（2021ZDZX1079）、广东省基础与应用基础研究基金（2021A1515110078）以及国家自然科学基金（62001163和62234008）资助。