本文设计了一种识别手写体数字的脉冲卷积神经网络数字电路,使用脉冲神经元代替卷积核,并分别对卷积层和池化层设计相应的电路结构,实现全流水线并行.相比于传统的卷积神经网络,在识别MNIST数据集时,卷积神经网络的精确度为98.61%时,脉冲卷积神经网络的精度能达到98.04%.与相同流水线结构的卷积神经网络相比,脉冲神经网络平均能耗减少约50%.