神經(jīng)元延遲反饋模型的隨機(jī)共振機(jī)制及其應(yīng)用研究.pdf

1、強(qiáng)噪聲背景下的弱信號(hào)檢測(cè)和增強(qiáng)技術(shù)研究，將有助于理解生物神經(jīng)系統(tǒng)響應(yīng)外界弱刺激的能力，同時(shí)也將有利于測(cè)量新技術(shù)在工程領(lǐng)域中的應(yīng)用。傳統(tǒng)弱信號(hào)檢測(cè)方法，認(rèn)為噪聲的存在對(duì)原信號(hào)是完全有害的，因此只能通過(guò)削弱噪聲來(lái)實(shí)現(xiàn)信號(hào)的增強(qiáng)。但對(duì)于強(qiáng)噪聲背景，尤其是缺乏噪聲先驗(yàn)知識(shí)時(shí)，傳統(tǒng)方法的性能將急劇下降。近年來(lái)，隨機(jī)共振現(xiàn)象在神經(jīng)電生理實(shí)驗(yàn)中被陸續(xù)發(fā)現(xiàn)，表現(xiàn)為適當(dāng)強(qiáng)度的噪聲不僅無(wú)害，反而可以改善神經(jīng)系統(tǒng)對(duì)弱信號(hào)的檢測(cè)性能，它為弱信號(hào)的檢測(cè)提供了新的

2、思路和方法。
　　由于FitzHugu-Nagnmo(FHN)神經(jīng)元模型能夠簡(jiǎn)約地描述神經(jīng)元膜電壓與離子通道之間的內(nèi)在聯(lián)系，因此經(jīng)常被用于神經(jīng)系統(tǒng)弱信號(hào)檢測(cè)的隨機(jī)共振機(jī)制研究。但傳統(tǒng)的FHN神經(jīng)元模型重點(diǎn)關(guān)注于神經(jīng)元級(jí)本身，忽視了神經(jīng)元系統(tǒng)中存在的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)。而本文認(rèn)為神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)在弱信號(hào)檢測(cè)的隨機(jī)共振機(jī)制中扮演了不可或缺的角色，因此本文首先給出了雙層FHN神經(jīng)元網(wǎng)絡(luò)模型，以反映神經(jīng)元之間的層次關(guān)系；然后考慮到神經(jīng)元?jiǎng)幼麟娢辉?/p>

3、傳遞時(shí)的耦合作用，引入了反饋FHN神經(jīng)元網(wǎng)絡(luò)模型；最后為了模擬神經(jīng)動(dòng)作信號(hào)在樹(shù)突傳遞過(guò)程中具有的延遲反應(yīng)以及神經(jīng)細(xì)胞具有的不應(yīng)期效應(yīng)，提出了基于延遲反饋的FHN神經(jīng)元模型。本文將上述改進(jìn)模型分別應(yīng)用于一維周期和非周期弱信號(hào)的檢測(cè)過(guò)程，結(jié)果表明神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)的存在將有利于隨機(jī)共振應(yīng)用的穩(wěn)定性。論文以菌落細(xì)胞圖的弱邊緣分割，以及強(qiáng)噪聲背景下的灰度圖像增強(qiáng)為例，給出了神經(jīng)元模型隨機(jī)共振機(jī)制在二維弱圖像處理中的具體應(yīng)用。
　　本文主要工作

4、和研究成果如下：
　　(1)論文提出了一種基于延遲反饋的FHN神經(jīng)元網(wǎng)絡(luò)模型。新模型不僅能夠反映神經(jīng)元在有效激勵(lì)和內(nèi)外噪聲刺激下動(dòng)作電位發(fā)放的隨機(jī)共振機(jī)制，而且體現(xiàn)了神經(jīng)系統(tǒng)中層次、耦合以及延遲等網(wǎng)絡(luò)特性對(duì)于動(dòng)作電位響應(yīng)的作用。論文針對(duì)延遲反饋網(wǎng)絡(luò)模型，提出采用馬爾科夫概率密度近似方法進(jìn)行分析，給出了新模型應(yīng)用的具體手段。
　　(2)論文給出了一維周期和非周期弱信號(hào)的隨機(jī)共振增強(qiáng)方法。研究了神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)對(duì)于隨機(jī)共振增強(qiáng)性能

5、的影響，重點(diǎn)分析了延遲時(shí)間等網(wǎng)絡(luò)參數(shù)與可選噪聲強(qiáng)度范圍之間的關(guān)聯(lián)性。結(jié)果表明基于延遲反饋的FHN神經(jīng)元網(wǎng)絡(luò)模型具有更寬的噪聲強(qiáng)度優(yōu)化范圍，顯著提高了弱信號(hào)隨機(jī)共振檢測(cè)的穩(wěn)定性和實(shí)用性。
　　(3)論文針對(duì)具有弱邊緣特性的圖像目標(biāo)識(shí)別應(yīng)用，提出了一種基于FHN神經(jīng)元隨機(jī)共振的圖像分割新方法。以非均勻菌落細(xì)胞圖像為例，將行列掃描后的圖像信號(hào)，作為FHN神經(jīng)元的激勵(lì)，獲得相應(yīng)的隨機(jī)共振響應(yīng)；最后，將響應(yīng)通過(guò)決策器得到二維分割圖像。實(shí)驗(yàn)結(jié)