论文部分内容阅读
在检测和传递信息的过程中,噪声通常被认为是有害的。但是,在过去的二十年中,随着随机共振概念的提出,传统的认识被认为是不完全的。实际上,添加合适的噪声到某些非线性系统中能够起到放大信号的作用,这种在噪声环境中有利于检测和传递信息的效应便是随机共振现象。本文所提到的随机共振现象是一个广义概念,是指噪声增强信号检测和传输的效应,也就是说用某一指标来衡量检测或传递的性能时,如果这一指标随噪声变化而出现非单调的变化,并且在某一噪声下出现最大值,那么可以说是发生了“共振”。 本文中,我们首先用非线性动力学中的相平面法来定性地分析神经元的阈值特性。结果表明具有明显阈值特性的单个神经元可被看作是一个简单的阈值检测器。另外,在感觉系统中,由于外周神经所感受到的刺激信号总是汇聚到中枢神经,因此文中用一个加和并行网络来模拟这个典型特征。 用一个加和并行的Hodgkin-Huxley(HH)神经元网络模型,我们来模拟感觉系统中外周部分的特性。与单个HH模型相比,引起网络发生随机共振的优化噪声强度有一个更宽的范围。更甚者,当网络中受到阈值上的信号作用时,噪声也不降低其检测能力。这些结果为感觉系统在相对固定的噪声环境中利用随机共振现象来感受外界多变的信号提供了证据。 从信号传输的角度出发,我们用互信息和相关系数等指标研究了加和并行阈值神经元网络中的随机共振现象。从仿真结果中,除了能观察到传统的阈值下随机共振,还能观察到阈值上随机共振(SSR)现象,也就是说即使输入信号处于阈值上,噪声也能增强信息传递率和输入输出信号的匹配程度。 根据心理物理学中的信号检测理论,检测器的接收器和分类器可以作为描述感觉系统中的外周部分和中枢部分(如大脑)的模型。基于此,首先考虑了在神经中枢中的随机共振现象。与以往用此方法研究这种现象不同的是,我们用泊松神经元来构成概率模型。其次,与以往模型中把接收器部分看作是线性模型或单个非线性系统不同,我们用加和并行的阈值神经元网络来模拟接收器部分。仿真结果表明,百分比正确率和感受性指标都出现了随机共振现象。最后我们做了与浙江大学博士学位论文这两个指标相对应心理物理学实验—单择一的强迫选择法和二择一的强迫选择法,实验结果在定性上验证了理论模型。这些工作为说明随机共振现象不是感觉系统中的附带现象提供了佐证。 我们的工作表明,合理利用噪声可达到提高或恢复人体感觉功能的作用。此外,通过对感觉系统中噪声对信号传输的随机共振效应,从仿生的角度来看,可为工程应用中提供一些处理信息的新思路。