脉冲神经网络(SNN)采用脉冲序列表征和传递信息，与传统人工神经网络相比，更具有生物可解释性。但典型SNN的特征提取能力受到其结构限制，对于图像数据等多分类任务的识别准确率不高，不能与卷积神经网络(CNN)相媲美。针对该问题，提出了一种新型的自适应编码脉冲神经网络(SCSNN)，将CNN的特征提取能力和SNN的生物可解释性结合起来，采用生物神经元动态脉冲触发特性构建网络结构，并设计了一种新的替代梯度反向传播方法直接训练网络参数。所提出的SCSNN网络分别在MNIST数据集和Fashion-MNIST数据集做了验证，取得较好的识别结果，在MNIST数据集上准确率达到了99.62%，在Fashion-MNIST数据集上准确率达到了93.52%，验证了本模型的有效性。