摘要
自动驾驶车辆依赖于容错的多传感器融合技术，以便在传感器失效的情况下实现准确的感知和可靠的决策。然而，传统的容错机制难以完全识别与特定事件相关联的有效传感器对（或一组传感器），当信号延迟、错位或部分可用时，这些机制常常会产生错误的激活结果。本文提出了一种混合信号忆阻式关联学习电路（ALC），该电路引入了两种关键机制：选择性传感器配对和电子可调的时间验证，以确保只有正确分组且时间上一致的传感器输入才能参与学习和输出生成。该设计采用忆阻器、运算放大器、逻辑门和锁存器实现，功耗低于300毫瓦，并且可以在标准CMOS技术中实现高度可扩展集成。仿真结果表明，与传统关联学习方法相比，该电路将错误激活率从78.6%降低到了0%。最后，通过使用商用忆阻器集成电路和忆阻器仿真电路进行的台式实验验证了这一概念的可行性，并对实验结果进行了比较。此外，我们还展示了ALC输出在实时场景中的潜在应用，即该架构如何驱动真实车辆中的执行器，证明了其在处理实时响应方面的有效性。
利益冲突
作者声明没有利益冲突。
数据可用性声明
支持本研究结果的数据可向相应作者提出合理请求后获取。
