人工神经网络(ANN)是一种力图建立人脑神经活动的数学模型,进而模仿人脑结构及其功能的信息处理系统。人工神经网络能够大规模并行处理信息,具有自组织、自适应、自学习能力和容错性的优点。人工神经网络的实现方法主要有软件实现和硬件实现。传统的软件实现方法无法实现并行计算,处理速度有限,难于满足实时性的要求,使得应用研究跟不上理论研究。而采用硬件方法实现的神经网络则克服了前者的缺点,能够充分体现人工神经网络并行处理信息的特点。模拟电路结构简单、功耗低、处理速度快、占片面积小,适合用来实现结构复杂的神经网络。但是,相对于设计方法成熟、精度高而且扩展性好的数字电路,模拟电路需要同时考虑功耗、速度、精度、增益、带宽、摆幅、电源电压等各个方面的影响并进行折衷处理,这正是模拟VLSI(Very Large Scale Integration)技术始终没有取得突破的原因。本文运用TMSC0.35μm标准CMOS工艺设计了前馈人工神经网络的各单元模块电路,进而利用提出的单元模块电路实现了前馈人工神经网络系统的设计,并探讨了其应用,本论文做的主要工作有:(1)采用两个平方电路分别为两个基本差分式OTA提供偏置电流,实现了一种跨导宽范围线性可调全差分OTA(LOTA)。提出的LOTA解决了电压输入范围和跨导调节范围不能同时增大的矛盾,实现了跨导增益从负到正的范围内连续线性调节,因而满足神经网络突触电路的要求。(2)在AB类电流镜基础上采用两个跨导线性环电路,设计了一个高精度电流模式四象限模拟乘法器。Pspice仿真测试结果表明提出的乘法器具有精度高、输入范围广、线性度好、功耗低等优点,可作为电流输入的突触电路应用于神经网路中。(3)为了解决神经元激活函数电路结构复杂、参数不可调、与突触电路不匹配的问题,基于跨导线性环和基本差分跨导电路,提出了一种神经元双极性Sigmoid激活函数及其导函数发生器,该函数发生器结构简单、易于编程。通过改变外部偏置电流和电压可调节函数的幅值、阈值和增益因子。(4)为了克服传统单层感知器不能解决异或问题以及对线性不可分数据进行分类的缺点,提出了一个神经元梯形激活函数电路,电路结构简单,仅由一个减法电路和两个阈值函数电路构成。(5)利用提出的单元模块电路实现了前馈人工神经网络的设计,并探讨了其应用,实现的神经网络可用于解决异或问题,实现一维、多维数据分类。(6)简要介绍了版图设计的一般规则、基本流程、工具平台以及应对外部干扰的防护措施,采用Cadence软件的Virtuoso Layout Editor对LOTA、电流模式乘法器、双极性Sigmoid函数和梯形函数电路等神经网络单元模块电路进行了版图设计。