双耳幅值差确定声源方向的神经信息处理机理研究

神经信息系统实质上是定量系统,应引起足够重视.关于神经系统的定量研究方面的报道比较少见.这一问题将会影响进一步的研究,如双耳声音定向.双耳定向是定量测量,用定性分析的方法无法满足要求.已有的生理实验发现声音输入信号强度与听觉神经的输出频率存在单调递增关系,所以本文中声音强度的变化被简化成神经脉冲频率的变化.本文基于圆映射和符号动力学原理,建立了神经回路定量模型,模型中对同侧输入回路采用兴奋性耦合,对侧输入回路采用抑制性耦合,并考虑神经元间突触连接的量子释放特征,采用化学耦合模型实现连接,用耦合系数表示神经元间的耦合程度.采用Hodgkin-Huxley模型仿真研究听觉神经回路的输入/输出脉冲序列关系.在已经仿真过的参数范围,模型在输入信号变化与输出脉冲频率变化间存在单调递增/递减的关系.对于单输入单输出的神经元,采用符号动力学方法进行符号化;对于多输入单输出的神经元,采用分析各输出脉冲的产生时间,判断其变化位置,从神经脉冲序列中得到对应的两耳声音幅值差变化,以此定位声源.随着输出脉冲数的增加,符号序列的长度增加,符号序列对输入信号变化敏感,能够得到较高的测量精度.仿真结果表明这个模型是定量的,神经脉冲序列能够区分信号的大小.

神经元参数估计的符号动力学方法

提出一种与现有的参数估计完全不同的方法—用符号动力学实现参数估计。按符号动力学原理对系统输出信号进行粗粒化测量,根据符号序列的距离来衡量两条轨道的接近程度,可实现高精度的参数估计,精度与输出符号序列的长度相关。采用26个脉冲,估计的误差即可小于1/1000。该方法不需要对系统输出作精确测量,对不稳定系统也能实现估计,对于脉冲式工作的神经元的参数估计尤为有效。

基于神经编码的生物回声定位研究

蝙蝠等动物的神经系统能完成回声定位,从而确定障碍物方位。为了研究神经系统的实现过程,以单个神经元的信息编码为基础,从Izhikevich神经元模型出发,将经过神经元模型作用后得到的神经脉冲序列,经过圆映射理论和符号动力学分析,转换成符号序列。通过分析输入两耳的有相位差的脉冲与输出的符号序列之间的关系,从而得到生物回声定位的机理。

蝙蝠听觉神经系统如何在复杂环境中识别昆虫

生物声纳的高灵敏度和高可靠性一直是仿生设计所追求的目标,然而至今仍没有一个令人信服的物理模型能很好得解释生物声纳优越性能的原因,其主要是缺乏对动物听觉系统神经信息编码的认识.本文从蝙蝠听觉神经系统的生理结构出发,用圆映射和符号动力学方法讨论了蝙蝠听觉神经系统在复杂环境中处理多普勒信号的一种可能性方案,并通过计算机仿真证明了其合理性.针对蝙蝠神经系统的不稳定性,用符号动力学的方法分析神经系统信息处理的机理具有良好的鲁棒性和高灵敏度.这种新的信号处理方法的研究,为生物声纳信号的处理过程的进一步认识提供了一种新的解释.