基于生物脉冲信号的视觉神经编码验证方法研究

研究界对如何对神经编码模型的性能度量还没有达成一个统一的评价标准。现有的主要编码度量方法是对神经编码模型的编码响应与真实生理响应之间的相似度进行度量。该文提出一种通过神经解码验证神经编码模型性能的方法。基于此方法构建了包括传统编码度量方法和神经解码度量方法的视觉脉冲信号编码验证框架,并基于动态视觉刺激下采集的蝾螈视网膜神经节细胞(RGC)脉冲信号数据集对此框架进行了实验验证。选择了具有动态视觉刺激脉冲响应编码能力的编码模型与性能先进的神经解码模型作为标准度量模型。实验从不同神经编码方式和不同维度全面地对3种神经编码模型的编码性能进行了度量。此外,实验结果表明,脉冲频率编码和脉冲计数编码两种编码方式对脉冲编码性能存在不可忽略的影响。

一种基于信道质量分布的极化码打孔算法

传统的打孔算法在选择打孔位时忽略了极化信道的分布特征。因此,文中分析了信道对数似然比的分布特征,提出了一种新的分段选择策略来选择打孔位。该策略利用信道质量分布进行分段,并通过比较对数似然比之和选取打孔比特。最后,提出了一种基于信道质量分布的打孔算法。实验结果表明,该算法可以有效提高打孔性能。