混合振荡神经元网络中反相干共振向相干共振的转迁

混合振荡和相干共振广泛存在于生物神经系统,且与某些生理功能有密切联系.本文采用能产生混合振荡的改进FitzHugh–Nagumo神经元模型构建电耦合神经元网络模型.在确定性的网络模型中,发现耦合强度的增大不仅能使得神经元的放电达到完全同步,还能使得放电模式从混合振荡变为周期1峰放电.引入高斯白噪声后,发现当耦合强度在较大范围内时,随着噪声强度的增大,放电峰峰间期的变差系数先增大后减小再增大,即出现反相干共振向相干共振的转迁.该结果不仅扩展了神经元网络的复杂随机动力学,还揭示了混合振荡的潜在功能.     

神经元网络模型的弱信号随机共振检测研究

基于FitzHugh-Nagumo可兴奋细胞耦合后形成的神经元网络模型,对生物神经系统的弱周期信号随机共振检测机制进行研究。以加和网络的双层FHN神经元模型为例,对周期随机共振现象分别进行研究,并应用信噪比、互信息率对比评价方法,结合输出神经元动作电位的发放频率和幅值,从多个角度进行了定量和定性的描述和比较。实验结果表明,双层FHN神经元网络的随机共振响应优于单神经元的FHN模型,且具有更好的稳定性,可以在一定的噪声强度范围内对输入信号进行有效地检测。     

无标度生物神经元网络的相干共振分析

本文以神经元二维映射模型为节点,构造了一个具有无标度连接特性的生物神经元网络.用高斯白噪声模拟生物神经系统中的环境噪声,通过数字仿真研究了噪声对神经网络动力学行为的影响.噪声可以提高神经元的兴奋性,诱导神经元产生峰电位,当噪声强度为某一适当值时,峰电位序列的有序度可以达到最佳,从而产生相干共振现象.另外,研究表明无标度...     

噪声诱使模块化神经元网络产生随机多共振现象

首先,研究了噪声在多模块神经元网络中诱导的随机多共振现象.随机多共振现象是指存在不同的噪声强度,系统在这些噪声强度下对阈下信号的响应达到局部最优.其次,以FitzHugh-Nagumo神经元构成的模块化神经元网络为研究对象,通过数值模拟发现,神经元网络的系统响应随着噪声强度的增加多次达到局部最优,即产生随机多共振现象.同时,通过分析神经元网络平均膜电位的时序图,发现噪声通过诱导神经元网络在一个周期内产生多次发放进而诱导多次共振.最后,我们分析了两个子网络中加入不同强度的噪声时,噪声诱导神经元网络中的随机多共振现象.结果显示,当两个子网络加入不同强度的噪声时,随机多共振现象也会产生.     

异质性和时滞作用下神经元网络的共振动力学

利用参数互异的Fitzhugh-Nagumo神经元构建了含耦合时滞的无标度神经元网络模型,通过数值模拟的方法,提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学.结果发现,当耦合项中不含时滞时,适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优,即适中的参数异质性能够诱导神经元网络的共振响应,而且异质性诱导共振对耦合强度具有鲁棒性.更重要的是,耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响.当时滞约为信号周期的整数倍时,神经元网络能够周期性地出现共振现象,即适当的耦合时滞能够诱导神经元网络的多重共振,而且这种现象在异质性参数的适当范围内都能明显出现.     

随机共振在强噪声环境中语音增强应用

传统的语音增强方法是在保持语音可懂度和清晰度的前提下,尽可能地从带噪语音中提取需要的纯净语音,而在强噪声环境中,语音信号表现为弱信号,去噪变得困难.基于Hodgkin-Huxley神经元阈上非周期随机共振原理,提出一种自适应调节,添加最佳噪声来进行语音随机共振,从而实现语音增强.Matlab实验结果表明,在强噪声环境中实现对语音信号增强,信噪比提高明显,且效果优于传统算法.方法具有一定鲁棒性,提供了在强噪声环境中增强语音信号的新思路.     

二进制信号传输中随机共振与线性方法的比较

利用随机共振的主动降噪的非线性动力学行为，提出了一种应用随机共振进行二进制信号传输方法，对该方法的合理性作了分析和证明，并就方法的性能与常规的线性方法进行了比较，设计了仿真试验，结果表明，低信噪比传输时，随机共振方法具有明显的优越性。本文的结论不仅扩大了随机共振的应用领域，而且为突破线性方法的极限提供了可能的途径。     

基于小波变换和随机共振的微弱信号检测方法

根据随机共振的噪声选择性和频率敏感特性,提出了基于小波变换和随机共振的微弱信号检测方法.对含噪输入信号经多尺度小波变换分解为不同尺度频率的信号成分后,通过引入尺度收缩因子来调节各尺度信号成分的大小,再将不同尺度的分解信号作为双稳系统的输入,研究了不同尺度频率信号经收缩因子作用后对系统输出信噪比的影响.数值仿真结果表明,选取合适的尺度收缩因子,能有效提高系统输出的信噪比.     

相干信号的空间谱估计算法研究

研究相干信号谱估计精度问题,由于空间信号噪声影响,识别精度低。为此提出了一种改进的解相干谱估计算法——全局滑动修正算法。可通过对平滑子阵划分的修正,突破了阵列布局限制,有效地使可利用的子阵数目大于双向空间平滑中的子阵个数,采用全部的阵元当做一个滑动的子阵,得到一个新的包含空间谱信息的协方差矩阵,再对其进行特征值分解,然后按照MUSIC算法进行谱估计。仿真结果证明,全局滑动修正算法能很好地对相干信号进行解相干DOA估计,并且在信噪比较低时,比前后向空间平滑算法具有更高的估计精度。     

基于随机共振的力觉临场感主从遥控系统

在力觉临场感主从遥控系统的应用中,操作员与工 作站之间通常相隔很远,操作员所发出的控制信号及工作站的力反馈信号必然会受到未知环 境中随机噪声的干扰,有时信号甚至会淹没在噪声中,本文将随机共振模型引入力觉临场感 系统,设计了一种可有效抑制并利用噪声的力觉临场感主从遥控系统．     

正弦波调制对谐振式陀螺中谐振信号的影响

谐振式光纤陀螺（R—FOG）是利用光学Sagnac效应实现对转动角速度检测的一种高精度惯性传感器件。理论分析了正弦波调制特性,搭建了光学微谐振腔的调制解调实验系统,实验对比了正弦波、锯齿波、三角波3种调制波形对谐振信号信噪比的影响,得出了正弦波调制效果最好,提高了谐振信号的信噪比。针对不同调制幅度和频率条件下的正弦波调制对谐振信号的影响进行了测试,得出了调制幅度和调制频率对谐振信号的影响,为光学微谐振腔在谐振式陀螺系统应用中相位调制选择最佳的参数提供了参考。     

网络噪声和振子数量对同步化行为的影响

选取了三个反映同步化程度的指标平均向量场、同步因子和放电概率,数值模拟研究了网络噪声和振子数量对同步化行为的影响.随着噪声强度的增大,三个指标都出现了先增加再降低的现象,即发生了相干共振.在不同的耦合强度和噪声强度下,三个同步化指标随着振子数量的增加都呈现出了降低的趋势,表明了网络同步化行为的减弱.研究结果对如何利用噪...     

二值噪声激励下耦合欠阻尼双稳系统的随机共振

研究了二值噪声激励下耦合欠阻尼双稳系统的随机共振问题.首先,数值模拟二值噪声,研究了噪声参数对二值噪声输出的影响;其次,分析了噪声参数对系统输出的影响,发现随着噪声强度的增大,粒子可以在两个势阱之间进行跳跃,而且跳跃的频率随着噪声强度的增大而增大;最后,描述了噪声对系统输出功率谱以及信噪比的影响.结果发现在一定噪声强度下,功率谱的输出有峰的结构,并且峰值在关键的噪声处达到最大.特别地,对于不同的参数,信噪比的变化呈现非单调性,从而可以找到使信噪比峰值最大的最优参数.     

基于随机共振的机器人二值化触觉传感器降噪方法

机器人触觉传感器由于测量机理、敏感元件、维间耦合干扰、读取电路噪声等多方面的原因,存在着较强的干扰噪声,这种噪声对触觉信号的二值化过程带来了严重影响,本文首次利用非线性系统的随机共振现象,对机器人触觉传感器的二值化过程进行优化,从而实现二值化触觉传感器的降噪,实验结果证明了本方法的有效性。     

通道扰动对神经元网络动力学行为的影响

利用Hodgkin-Huxley（H-H）神经元数学模型,研究高斯白噪声通过通道扰动对神经网络时空动力学行为的影响.相同参数条件下,比较外激励噪声与通道扰动对神经元网络各种时空斑图的影响,发现通道扰动更有利于神经元网络时空斑图之间的转换和螺旋波的形成.最后,进一步分析了温度和耦合强度对神经网络时空动力学行为的影响.     

基于RBF神经网络的模拟数字信号调制识别

针对多种信号在低信噪比条件下识别率低的问题,利用高阶累积量良好的抑制噪声特性,通过构造高阶累积量作为特征参数之一,并联合其他特征参数,采用优化的径向基神经网络对模拟数字信号进行自动调制识别。Matlab仿真表明,该种方法能够有效提高低信噪比条件下的信号识别率。     

Genesio体系中的内信号随机共振

采用数值模拟的方法,研究了不同耦合方式下Genesio体系中振子的动力学行为,分别讨论了当体系处于周期-1振荡态时,单个振子、双边耦合和单边耦合情况下体系对噪声及耦合的响应情况。发现噪声强度、耦合方式及耦合强度都会对体系的内信号传递产生不同的影响。在合适的噪声水平和耦合强度及方式下,体系内信号能够被传递和放大,产生内信号随机共振现象。同时发现双边耦合比单边耦合更有利于信号的传递。本文的模拟结果将对内信号随机共振现象的试验研究有一定的意义。     

前馈型神经元网络中的放电频率传递分析

本文建立了一个基于Hodgkin-Huxley神经元的前馈神经元网络模型,研究了平均放电频率在前馈神经元网络中的传递情况。研究结果显示,适当的层间连接概率与输人噪声强度能够提髙前馈神经元网络的同步效率,进而增强网络稳定传递放电频率的性能。此外,通过引入并调节突触时滞,发现适当的时滞对神经元耦合系统的完全同步和前馈神经元网络内信息传输有明显的促进作用。