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。

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。

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。

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。

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。

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。

描述神经元相互作用的非线性动力学方程的解析解

神经系统是由大量神经元构成的非线性动力系统，动力学行为十分复杂ＦＨＮ模型提供了在该系统中观察时间周期振荡这种非线性现象的实验证据．本文利用扰动法从理论上求出了ＦＨＮ模型所给出的非线性动力学方程的解析解。

具有耦合的 Fitz-Hugh-Nagumo 方程组的整体吸引子和维数估计

讨论了具有耦合的Ｆｉｔｚ－Ｈｕｇｈ－Ｎａｇｕｍｏ模型初边值问题的长时间行为．首先利用Ｇｒｅｎ公式及Ｓｏｂｏｌｅｖ空间的嵌入定理，证明了耦合的ＦＨＮ模型的整体吸引子的存在性；其次利用广义Ｓｏｂｏｌｅｖ－Ｌｉｍｂ－Ｔｈｉｒｉｎｇ不等式和线性化算子迹的计算，又给出了该吸引子的维数估计．讨论了耦合的ＦＨＮ模型的动力行为，关于这方面的研究以前尚未见论及；文章去除了一般文献中关于解的“不变区域”的限制．

可激发系统在医学物理学中的教学实践

作为充实医学物理学教学的一个重要尝试,我们将非线性动力学中的可激发系统引入教学当中,用来描述神经元、心肌细胞等的性质和行为。本文从医学物理学教学的角度,从离子通道、离子电流、膜电位等基本概念入手,对于可激发系统模型的建立及其基本性质分析做了简单介绍。将这一部分内容引入医学物理学的教学,不仅可以让学生了解物理学在医学研究中的重要价值,增强学生学习医学物理课程的兴趣和主动性,而且可以让学生初步了解神经元、心肌细胞等的生理学知识,以及模型分析中所涉及的非线性动力学的基本方法。

主从FitzHugh-Nagumo神经元的鲁棒输出同步控制

将内模理论应用于混沌吸引子的同步控制,针对电耦合FitzHugh-Nagumo神经元中存在未知的参数和不确定的异质扰动,引入内模并设计合适的状态反馈控制器保证了主从系统的鲁棒输出同步的半局Lyapunov渐进稳定性,有效克服了系统不确定异质干扰的影响;仿真结果验证了所提控制方法的有效性。

兴奋性神经群体的非周期信息传输研究

研究了FitzHugh-Nagumo(FHN)可兴奋性神经元的小世界网络模型中非周期信息传输的问题。此小世界网络模型的每个节点都是一个FHN神经元,每个神经元的输入为具有一定相关时间的高斯非周期信号,而内部噪声为强度相同但相互独立的高斯白噪声。数值结果表明,随着噪声强度的增加,输入输出信号的相关系数出现了非周期随机共振现象。连接度对于非周期信号传输性能影响有限。对于两个不同小世界网络的互相关进行了分析以期提高信息传递率。这些研究结果对于复杂系统信号处理理论具有重要意义。

Lévy noise induced stochastic resonance in an FHN model

This paper aims to investigate the stochastic resonance （SR） in an FitzHugh-Nagumo （FHN） model with an additive LEvy noise numerically. The non-Gaussian LEvy noise is a kind of general random noise which is different from the usual Gaussian noise, and it has small fluctuations with the unpredictable jumps to describe the random fluctuations in an FHN model. SR is determined by the signal-to-noise ratio （SNR）, and the numerical simulation results show the occurrence of the SR phenomena in the given FHN system. The influence of various parameters of the LEvy noise and the FHN model on the SR will be exam- ined, and some mechanisms of the LEvy noise-induced SR are presented which are different from those of the Gaussian noise.