α稳定分布噪声下基于FHN模型的UWB-IR信号检测

针对传统FitzHugh-Nagumo(FHN)模型检测方法在α稳定分布噪声条件下检测性能退化的问题,在α稳定分布的统计特性基础上,将三倍分散系数异常值剔除准则引入FHN模型检测方法,提出基于三倍分散系数-FHN模型的超宽带冲激无线电(ultra wideband-impulse radio,UWB-IR)检测方法。此外,对传统三倍分散系数准则进行改进,使用样本分位数法对α稳定分布参数进行估计,避免了传统三倍分散系数准则对α稳定分布参数先验信息的依赖,使其适合全盲条件下的UWB-IR信号检测。仿真实验表明,该算法能有效抑制α稳定分布噪声中的强脉冲,可较好地重构UWB-IR信号波形,实现了强α稳定分布噪声条件下UWB-IR信号的有效检测。

关联高斯与非高斯噪声激励的FHN神经元系统的稳态分析

本文主要研究了关联乘性非高斯噪声和加性高斯白噪声共同激励的FHN(Fitz Hugh-Nagumo)神经元系统.利用路径积分法和统一色噪声近似,推导出该系统的定态概率密度函数表达式.通过研究发现,乘性噪声强度D、加性噪声强度Q、噪声自关联时间τ以及互关联系数λ均可以诱导系统产生非平衡相变现象,而非高斯参数q却不可以诱导系统产生非平衡相变现象.此外,我们还发现参数D和λ的增大有利于神经元系统从激发态向静息态转换,Q和τ的增大有利于神经元系统从静息态向激发态转换,q的增大会使得神经元系统停留在静息态的概率增加.

一种新的有源忆阻器在耦合FHN神经网络中的应用

设计了一个新的阈值双稳态局部有源忆阻器,通过理论分析和数值验证研究了其忆阻和局部有源特性。在该忆阻器数学模型的基础上,提出了一种忆阻突触耦合FHN神经网络。利用分岔图、Lyapunov指数、相位图和时序图研究了网络参数以及初始状态对其动力学行为的影响。研究发现,随着参数和初始状态变化,忆阻突触耦合FHN神经网络能够产生混沌行为,并在特定条件下出现复杂的共存吸引子,具有丰富的动力学特性。

基于FHN神经元随机共振的低剂量肺部CT图像增强

目的研究FitzHugh-Nagumo(FHN)神经元在弱信号检测中的随机共振机制,实现低剂量肺部CT图像的增强。方法本文以低剂量肺部CT影像为例,在验证FHN神经元随机共振能够增强一维含噪信号有用信息的基础上,引入基于FHN神经元随机共振的图像增强方法:分别实现二维CT影像在行方向和列方向上的降维操作,以此作为FHN神经元随机共振的输入序列;FHN神经元的输出信号经过光栅扫描逆过程以及幅值映射放大处理后,通过判别器,完成低信噪比CT影像的增强。结果 FHN神经元随机共振方法增加了图像对比度,凸显影像中的有用信息。结论本文研究为图像增强技术在医学影像中的应用提供了一种有效的新思路。

基于阵列级联FHN神经元的弱信号随机共振复原研究

目的基于神经元的突触多输入连接以及动作电位的连续传递特性,提出一种阵列级联FHN神经元模型,用于实现弱信号的复原。方法采用光栅扫描和Hilbert扫描相结合的方法对二维图像进行降维,以充分反映图像像素在邻域上的关联性,并基于峰值信噪比指标对低信噪比图像复原的效果进行分析。结果阵列级联FHN神经元模型能够有效抑制噪声,凸显信号轮廓边缘与细节,使信号层次感更强,同时对内噪声具有较强的鲁棒性。结论基于阵列级联FHN模型的随机共振机制将为弱信号复原提供一种新的思路。

电磁刺激对FHN神经元系统的调控作用

本文系统地研究了外加电磁刺激对FitzHugh-Nagum。(FHN)神经元系统动力学行为的调控作用。首先,在强非线性电磁感应的作用下,FHN神经元对外加电磁刺激的响应呈现显著的非线性变化特点,不仅能够产生混沌的放电现象,而且还出现了不同放电模式之间的转迁。其次,在电磁感应的作用下,周期振g的电磁刺激对Newman-Watts小世界的神经元网络的脉冲放电频率和同步性都能够进行有效地调控,不仅提高了神经元网络对局部弱激励信号的探测和响应能力,而且能有效地控制网络时空斑图从相位同步到完全同步的演化。本文的研究揭示了电磁刺激对单个神经元和神经元网络系统动力学行为的显著调控能力,有待为生理上应用电磁刺激辅助治疗精神疾病提供理论指导。

基于混沌量子粒子群的FHN神经元UWB信号检测

在UWB-IR信号检测中,针对目前所采用的量子粒子群FHN神经元模型易造成粒子群多样性降低,易陷入局部最优,导致求解精度不高的问题,对量子粒子群算法中量子更新参数引入混沌优化算法,提出了基于混沌量子粒子群算法的FHN神经元UWB-IR信号检测方法,分析了所提算法的收敛性,并对所提算法的性能进行仿真验证。仿真结果表明,所提算法与现有算法相比,可提高粒子群的多样性和算法的收敛速度,提高算法精度,实现多个系统参数同时最优,从不同噪声强度下自适应地检测出UWB-IR信号。

基于小波包-FHN模型的UWB-IR信号检测

在超宽带冲激无线电信号检测中,针对FHN神经元模型随机共振中检测信噪比受限的问题,研究分析了小波包理论及传统单阈值小波包的缺点,结合新的分段阈值小波包去噪算法,提出一种小波包与FHN神经元模型随机共振联合检测的新方法,并对所提算法的性能进行仿真验证。仿真实验表明,新方法克服了FHN模型的信噪比门限,降低了FHN模型的检测信噪比,改善了FHN模型的检测性能,可有效恢复强噪声背景下的超宽带冲激无线电信号波形。

FHN-ML电耦合神经元的发放模式和分岔分析

以FitzHugh-Nagumo(FHN)和Morris-Leca(rML)神经元模型为基础,通过两个神经元的电耦合,构建一个FHNML模型。基于FHN-ML模型,研究外界刺激和时滞对FHN-ML模型发放模式的影响,并对该模型的簇放电类型进行分类。结果表明FHN-ML模型中ML神经元发放模式对交流频率ω和钾离子平衡电位V_k改变非常敏感,可以得到不同的新型簇发放模式。随着时滞的增加,神经元放电先后经历混沌状态和周期簇放电,并且存在明显的加周期分岔现象。若应用快慢动力学分岔分析,将ML神经元中的慢变调节电流I作为分支参数,FHN-ML模型具有两种类型簇放电模式及其动力学性质。

基于FHN神经元模型的UWB信号检测方法

针对FHN模型检测UWB信号时需要已知UWB信号和调节噪声强度来产生随机共振的局限性,研究分析了FHN模型系统参数与发生随机共振现象的关系,推导了新的输入输出互相关函数,提出了基于新互相关函数的参数调节FHN模型检测新方法。采用新方法对强噪声中的UWB脉冲信号进行检测并对该方法的检测性能进行了仿真比较与分析。仿真结果表明,新方法可以较为准确地检测到淹没在强噪声中的未知UWB脉冲信号,是一种低信噪比非合作下检测UWB信号的方法。

Lévy噪声和高斯白噪声共同激励的FHN神经元系统的动力学特性

研究了Lévy噪声和高斯白噪声共同激励下的一维FHN神经元系统的动力学特性。利用Janicki-Weron算法产生Lévy噪声,并采用四阶Runge-Kutta算法模拟出方程的稳态概率密度函数;然后通过稳态概率密度函数图像进一步对FHN神经元系统进行了稳态分析。通过数值仿真发现:乘性噪声强度D、加性噪声强度Q、稳定性指标α、偏斜参数β这些参数都可以诱导系统产生相变现象;乘性噪声强度D和稳定性指标α的增大使得FHN神经元系统停留在激发态的概率逐渐升高;加性噪声强度Q和偏斜参数β的增大使得神经元系统逐渐从激发态转变到静息态;乘性噪声强度D和加性噪声强度Q的改变对系统的作用正好相反。

时滞作用下忆阻耦合FHN-ML神经元模型的分岔分析

通过构建时滞作用下忆阻耦合FHN-ML神经元模型,研究不同时滞对该神经元系统动力学行为的影响。利用Routh-Hurwitz判据和Hopf分岔定理证明FHN-ML神经元系统平衡点的稳定性及Hopf分岔的存在性。利用范式理论和中心流形定理进一步证明FHN-ML神经元系统的分岔方向及周期解的稳定性。通过Matlab软件绘制以反转电压和电流频率为双参的周期分岔图及以电流频率为单参的峰峰间期(ISI)分岔图,发现在时滞作用下,FHN-ML神经元系统的放电模式会产生延迟现象,且当增大时滞时,延迟程度加大,混沌放电区域减小,加周期分岔的周期数减小。所得分析结果有助于理解延迟效应对电磁辐射作用下的耦合神经元网络放电活动的影响。

FHN神经元小世界网络随机共振下的弱信号增强

考虑到生物神经系统显著的弱信号感知能力,提出一种基于概率随机重连的神经元动态连接小世界网络。首先为提高计算神经模型工作效率,本文改变了FHN神经元恢复变量和膜电位特征时间默认相等的思路,可灵活调整膜电位势函数的势垒高度以提高状态的跃迁概率;其次将改进后的FHN神经元作为网络节点,引入基于距离连接权重的动态突触的神经元节点互连模式,通过调整外部干扰和网络内部的噪声强度,使系统进入随机共振状态;最后根据FHN神经元输入输出信号之间的互相关系数,对网络各节点输出进行筛选和融合,从而实现弱信号增强还原。对多种形式的输入弱信号进行了实验,结果表明,本方案可以有效实现弱信号的还原和增强,不仅能保持周期信号频谱的一致性,还能使原始弱信号和系统输出信号的互相关系数保持在0.92以上。因此,基于FHN神经元的小世界网络,能够充分利用随机共振特性,为弱信号的增强复原也提供了一种新的思路。

Lévy噪声激励的带有时滞反馈FHN神经元系统的动力学行为研究

对Lévy噪声激励的带有时滞反馈FHN神经元系统的动力学行为进行了研究。分别利用Janicki-Weron算法和四阶Runge-Kutta算法产生Lévy噪声并模拟出FHN系统方程的稳态概率密度曲线,然后对FHN神经元系统的随机P-分岔现象进行了探讨。研究发现:时滞量的增大会诱导神经元由激发态转移到静息态,而时滞反馈强度的增大有利于神经元从静息态向激发态转变;Lévy噪声强度和稳定性指标的增大都会导致系统模型的稳态概率密度曲线由单峰结构转化为双峰结构,减小了神经元处于静息态的概率,增大了其处于激发态的概率;然而Lévy噪声偏斜参数的增大会促进神经元由激发态向静息态转变。

基于FHN神经元自适应多通道随机共振图像增强

为了解决图像受到采集设备以及外界噪声干扰,导致图像质量出现不同程度退化的问题,提出一种基于FHN神经元自适应的多特征并行通道级联随机共振图像增强方法。首先将原始输入图像分解为朝向、亮度以及亮度对比度等特征信息独立通道;然后构建基于遗传算法的自适应随机共振多特征并行通道对输入信息流并行处理机制,通过遗传算法求解每一个通道FHN神经元随机共振系统的最优参数,以实现特定噪声自适应最优FHN神经元参数设置,达到非线性FHN神经元、图像信号以及噪声之间的共振协同作用;最终对并行多通道的输出特征增强信息进行融合,再通过一个级联FHN神经元对融合数据做深度优化,实现FHN神经元非线性系统和带噪声输入图像的最佳匹配。以本实验室基于常规微生物学实验需要而采集的菌落图作为实验对象,采用仿自然光悬浮式暗视野系,以F/1.4大光圈镜头,对培养后皮氏培养皿上所生长的菌落进行了千万像素级的成像。通过与其他图像增强算法实验结果的对比,证明了本方法的有效性和鲁棒性,PSNR值保持在35以上,在保持菌落图像细节的基础上,对原图像具有很好的增强效果。通过利用随机共振机制,设计的多特征独立通道的自适应随机共振信息增强处理方法,为图像增强方法提供了新的思路以及后续的图像处理任务提供了基础。

一种改进FHN神经元滤波模型研究

突触滤波是神经元处理和传递信息的重要过程,有助于生物在复杂环境中获取所需信息。针对当前人工神经元模型中较少考虑到突触滤波机制,本文以FitzHugh-Nagumo(FHN)人工神经元模型为基础构建基于膜电势增量变化的神经元数学模型,在此基础上模拟突触滤波机制,从而提出一种改进FHN神经元滤波模型。而后,对该模型的稳定性条件、幅频响应进行了分析,并通过不同信噪比条件下的典型信号和语音信号实验对该模型的信息传递能力和滤波能力进行验证。实验结果表明,该模型能够有效传递输入信息、提高输入信息强度,且有效抑制其中噪声部分。

电磁效应下耦合时滞神经元动力学分析

考虑神经元内外电磁场分布的变化和时滞的存在,提出一个新的耦合FitzHugh-Nagumo(FHN)神经元模型,并研究了时滞和电流刺激对该神经元模型稳定性的影响.首先,在平衡点处分析该模型的稳定性,判断Hopf分岔的存在性,得到临界时滞的值;其次,将中心流形定理和规范型理论相结合,对临界时滞处存在的周期解进行讨论.通过数值模拟,调整时滞的取值和电流刺激的施加方式,发现在临界时滞处,该神经元系统失稳,当对系统施加一定程度的电流刺激时,该神经元系统从周期放电模式转化为静息状态,系统的稳定性恢复.结果表明,电流刺激可以调控时滞耦合神经元系统的动力学行为,从而进一步改善该系统的稳定性.

早期股骨头坏死影像学诊断的成本效益分析

目的:探讨早期成人股骨头缺血坏死(femoral head necrosis,FHN)的MR、CT、SPECT和X线平片4种影像学检查的成本效益比,寻找较好的成本效益的检查方法。方法:分析和总结82例129髋随访和病理证实或具有典型影像学表现的早期(ARCO I^II期)成人FHN病人的髋关节影像学资料。全部病例均同期行MRI、CT、单光子发射计算机体层摄影(single photon emission computed tomography,SPECT)和X线平片检查。采用成本效果分析法(cost-effectiveness analysis,CE A),对4种影像学检查诊断效率研究中的数据进行分析,比较其正确检出费用(cost of accurate diagnosis,CAD)。结果:4种影像学检查方法的诊断差异有显著性意义。早期诊断成人FHN的检出费用最低的是X线平片,对于X线平片确诊组和诊断可疑组,MRI检出费用并无太大变化,而CT费用最低;对于X线平片诊断阴性组,MRI诊断的敏感性和准确性综合比较高于CT和SPECT,且诊断费用也最低。结论:X线适合早期股骨头坏死的筛选,而MRI诊断的敏感性和准确性综合比较高于CT和SPECT,而且应当作为X线诊断阴性的可疑股骨头坏死患者进一步诊断的首选。。

混沌信号驱动实现螺旋波和时空混沌抑制

首次提出采用Logistic映射的混沌信号抑制螺旋波.应用该方案对2个模型包括Fitzhugh-Nagumo和Pan-filov系统进行了研究.数值计算结果表明:在无噪声下,微弱的混沌信号驱动可以很快控制系统到达均匀稳定态;在时空噪声下,可以观测到螺旋波的破裂和丰富的斑图.该结果不同于噪声驱动下的螺旋波动态行为.

太行山东坡焚风的数值模拟

根据太行山区多年的气候统计资料，分析了太行山区焚风的气候特征，并利用数值模式模拟了地形的热力强迫效应和动力影响机制对焚风形成和发展的影响。模拟结果清楚地再现了太行山焚风的气候特征，并揭示出焚风的决定性影响因子及下垫面热力强迫过程的修正作用，指出太行山东坡陡峭的阶梯状下沉地形强迫引起的过山气流，从次临界向超临界状态转换是焚风形成的根本原因。下垫面加热过程削弱了焚风的强度。