FitzHugh―Nagumo神经元模型非阈下响应的随机共振

研究了当FitzHugh-Nagumo(FHN)神经元模型在弱信号激励下只有阈上振荡响应时的随机共振。研究结果表明:随着FHN神经元模型的分岔参数的增加,发生了一个由两个吸引子(阈上振荡和阈下振荡)变化到一个吸引子(阈上振荡)的分岔;当FHN神经元模型的分岔参数位于分岔点的右边时,在弱信号激励下系统的响应只有阈上振荡存在,此时在外噪声或者内噪声的调制下,系统响应的能量向输入信号频率处集中,而信噪比随噪声强度的变化曲线呈现出单峰曲线,随机共振发生了,并且此时随机共振发生的机制是由于系统运动在分岔点左右三个吸引子(两个在分岔前一个在分岔后)之间的跃迁而产生的。     

噪声诱导下单热敏神经元信号检测

利用热敏神经元动作电位发放图、ISI分叉图、功率谱密度(PSD)等,系统地研究了单热敏神经元在噪声诱导下的随机共振现象.通过对比分析发现分岔周期数为1或者2的情况下,存在一最优输入信号频率fopt,使得神经元输出信噪比(rSNR)最高.不同噪声强度D下,热敏神经元对输人信号检测能力各异,低噪声强度下检测能力较好.     

外界刺激与神经细胞电位发放的关系

利用数值方法和神经细胞膜电位的Hodgkin-Huxley方程,研究了直、交流电和噪声刺激对神经细胞膜电位发放的影响．通过分析刺激后神经细胞膜电位发放的振幅、频率和峰问距离等特征,得到了外界直流电流刺激的强度与刺激后膜电位发放振幅的递减关系．交流电流刺激的强度和振幅对应出现复杂的振幅窗口和频率窗口;Gauss噪声的影响随刺激强度的增加可破坏电位发放的节律．     

抑制性突触输入对神经元发放率响应的影响

文章基于整合发放神经元模型,研究抑制性突触输入和外部周期刺激对神经元发放率的影响。数值结果表明:在突出输入等于阈值时,适当频率的抑制性突触输入对神经元发放率具有易化作用,对神经元发放率峰值具有延迟作用;在突出输入小于阈值时,抑制性突出输入抑制神经元膜电位发放;在外部刺激作用下,神经元发放率幅值与外部刺激有关,刺激频率越高,发放率幅值越小,刺激强度越大,发放率幅值越大。     

基于自相关检测法和能量重心法的正弦信号频率估计算法

为了提高淹没在高斯白噪声中的实正弦信号的频率估计精度,提出了一种综合的结合自相关检测法和能量重心法的正弦信号频率估计算法。该算法首先通过多次自相关运算对输入信号进行预处理,可检测出淹没在噪声中的微弱正弦信号,来提高信噪比;然后对信号进行FFT(fast fourier transform)运算可得信号的功率谱,通过搜索最大值谱线的位置可粗估计出信号频率;最后运用离散频谱能量重心法,可精确估计出正弦信号的频率。仿真结果表明本算法在整个频段上频率估计性能比较稳定、频率估计的均方根误差更小,性能优于Rife算法、Quinn算法和能量重心法,并易于硬件实现,具有工程实用价值。     

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。     

含频率噪声信号对单模激光损失模型随机共振的影响

 采用抽运噪声和实虚部关联的量子噪声驱动的单模激光损失模型,运用线性化近似方法计算了频率有涨落的周期信号输入时激光系统的输出光强的相关函数、功率谱及信噪比.研究了信号的频率噪声强度D、振幅B和频率Ω对信噪比与噪声关联系数共振曲线的影响,结果发现:频率的强度D会减小输出光强的信噪比,使共振现象减弱.     

信号相位匹配原理的正弦信号参数的最小二乘估计

根据信号相位匹配原理,提出了一种正弦信号频率、振幅和相位参数的最小二乘估计方法.推导了利用单传感器接收信号的参数估计的最小二乘估计计算公式,给出了已知频带内的未知频率,振幅和相位的信号参数估计的搜索算法.分析了最小二乘法使用的方程数、信噪比和采样频率确定后FFT的序列长度对参数估计精度的影响.理论和仿真结果说明,该方法不仅能降低估计频率带宽以外的噪声,而且还可降低被估计频率信号带宽内的噪声,提高了低信噪比时的信号参数估计精度.该算法简单、快速,具有工程应用前景.     

分形高斯噪声驱动的神经元反馈模型中的随机共振现象

基于脑神经科学中的长程相关性和谱幂律形态的普遍性,使用分形高斯噪声建立了一类非线性神经元随机模型,研究了分形高斯噪声在非线性神经元模型中的增强信息传输作用。主要研究一般的反馈神经元模型中,加性分形高斯噪声诱导阈上随机共振现象发生的条件,满足一定条件的噪声强度和系统的Lipschitz条件的随机动力系统可发生阈下随机共振或阈上随机共振现象。理论和模拟结果都显示受分形高斯噪声激励的非线性神经元系统在二值输入的状态下互信息随着噪声强度的变化会达到最大值,并出现单峰状态,从而产生阈下随机共振和阈上随机共振现象。随机共振的现象发生与分形高斯噪声的Hurst指数有关。通过模拟,验证了分形高斯噪声可以增强神经元的信息传输作用。     

基于电子开关式锁相放大器的微弱信号检测方法

在磁感应成像系统中,有用的二次磁场十分微弱,都淹没在主磁场中,因此采用微弱信号检测技术中的锁相放大器来提取。本研究以电子开关为相敏检波核心,利用相敏检波、锁相环、直流放大滤波、AD采样等电路模块,构成了精度高的模拟锁相放大器。该系统检测有效值10~1 000μV频率为1kHz的正弦信号,其误差在2.6%以内;输入相同幅值频率为1.05kHz的噪声信号,其误差最大在3%以内;输入10倍幅值1.05kHz的噪声信号,对测量结果有一定影响,其误差最大8.6%。所以,基于电子开关式锁相放大器有很好的噪声抑制能力,能够在强噪声背景下提取出特定频率微弱信号。     

噪声环境下神经元集群的同步放电

神经系统中的噪声可分为背景噪声和信号噪声。文章建立具有外部周期刺激和混合噪声作用下的耦合神经振子集群的动力学模型,引入描述神经振子集群整体活动的数密度,推导出神经振子集群同步活动的数密度演化方程。数值分析表明:在单一噪声环境下,噪声越强,神经振子集群的同步增益越大;噪声越弱,神经振子集群的同步增益越小。在混合噪声影响下,弱噪声的增加会增加神经振子集群振荡,强噪声的增加会使神经振子集群的有序振荡变为无序。在不同的信号噪声背景下改变刺激强度和刺激频率,强信号噪声有利于神经振子集群对信号的接收;刺激频率增加会缩短神经振子集群同步的振荡周期。     

HH神经元对信号编码的响应

通过计算机数值积分，在HH神经元模型的基础上，对输入正弦、混沌不同动作电位编码的信号时，神经元的输出响应进行了模拟，对比和分析了输入输出信号的异同。     

随机共振神经元利用噪声辅助进行信号传输特性分析

根据生物神经元是利用噪声通过随机共振机制进行信息处理的现象,以阀值神经元为例,采用香农第二定理,分析了双极性信号和白噪声通过由多个神经元串联或并联组成的系统的输出情况,从品质因数、传输长度等角度对多个神经元串联系统的输出特性随噪声强度变化进行了分析．实验结果表明：系统存在随机共振现象,即存在最优的噪声量可以最大限度地增强信息传输;串联时传输信息量随级数的增大而减小,并联时正好相反;噪声的分布形式只影响共振效应的强弱,而不影响系统的随机共振特性;均匀白噪声比高斯白噪声有更强的共振效应．从而说明了噪声对信息传输的积极作用．     

基于电子开关式锁相放大器的微弱信号检测方法

在磁感应成像系统中,有用的二次磁场十分微弱,都淹没在主磁场中,因此采用微弱信号检测技术中的锁相放大器来提取。本研究以电子开关为相敏检波核心,利用相敏检波、锁相环、直流放大滤波、AD采样等电路模块,构成了精度高的模拟锁相放大器。该系统检测有效值10~1000μV频率为1kHz的正弦信号,其误差在2.6%以内;输入相同幅值频率为1.05kHz的噪声信号,其误差最大在3%以内;输入10倍幅值1.05kHz的噪声信号,对测量结果有一定影响,其误差最大8.6%。所以,基于电子开关式锁相放大器有很好的噪声抑制能力,能够在强噪声背景下提取出特定频率微弱信号。
     

关联噪声驱动下单模激光系统的随机共振现象

研究了具有实虚部关联的量子噪声和泵噪声驱动的单模激光系统受信号调制后的输出信噪比,发现输出信噪比随量子噪声实虚部间关联系数的变化曲线有极大值,即存在随机共振现象,且信噪比极大值处对应的量子噪声实虚部间关联系数λq=0,分析了量子噪声强度、泵噪声强度、输入信号振幅、净增益对随机共振的影响．     

一种正弦波形变化光刺激器研制

光遗传学方法为调控特定神经元及神经环路提供了一种新的途径,极大地推动了神经科学的发展。在利用光遗传学方法调控细胞时,通常需要正弦波形变化的光刺激信号。该文采用偏振激光器、半波片、偏振片及步进电机,搭建一套光强变化呈正弦规律的刺激器,其输出频率精准,最高频率可达89 Hz。实践表明,该技术方案将在光遗传学中有良好的应用前景。     

信号噪声下整合发放神经元模型的随机共振

文章基于整合发放神经元模型,研究了信号噪声与背景噪声共同作用下神经元系统的随机共振现象。利用随机平均法推导出了神经元系统的输出幅值增益精确表达式,并考察了背景噪声、信号噪声相关时间和信号噪声与背景噪声两噪声的关联强度对神经元系统输出幅值增益的影响。通过数值模拟发现,当背景噪声较弱时,神经元系统有明显的随机共振现象;当信号噪声自相关时间较短及背景噪声与信号噪声间两噪声间关联强度较小时,神经元系统也会出现随机共振现象。     

噪声改善多元信号的相关性

在4种典型噪声下讨论了噪声改善多元信号的相关性.当输入信号在阈上时,随着噪声强度的增强,输入信号与输出信号之间的相关性越来越小,噪声总是恶化信号的传榆;当输入信号在阈下时,随着噪声强度的增强,输入信号与输出信号之间的相关系数先是单调递增,达到一个最大值然后再单调递减,适量的噪声能改善信号的相关性,随机谐振现象存在.随着阈值系统阈值的增大,随机谐振功效逐渐降低,最佳噪声强度逐渐增大.     

时滞耦合神经振子集群相响应同步

在神经系统中,突触前神经元到突触后神经元的信息传递过程中存在时滞。文章建立具有外部周期刺激和噪声共同作用下的时滞耦合神经振子集群的相位演化模型,引入平均数密度来描述神经振子集群的同步活动,导出描述神经振子集群概率密度的演化方程。数值模拟结果表明:时滞对神经振子群同步活动具有影响,当时滞增大时,神经振子集群呈现稳定周期同步振荡,而同步程度降低;随着刺激强度增大,神经振子集群的同步程度增强;随着刺激频率的增强,神经振子集群的同步程度快速减弱;当刺激频率接近特征频率时,神经振子集群同步程度降低;随着噪声强度的增强,神经振子集群的同步程度增强。     

正弦信号频率估计算法研究

为精确估计噪声中正弦信号的频率,研究了任意长度正弦信号的频率估计算法.取2的整数次幂个数据样本点,基于谱线插值算法估计短序列的频率.根据信号的频率、频率分辨率及最大谱线对应的索引值之间的关系,确定原信号傅里叶变换(DFT)幅度最大谱线对应的索引值.利用谱线插值解决了任意长度正弦信号的频率估计问题.仿真结果表明:该算法的性能不随信号频率的变化而变化,在整个频段范围内比较稳定,均接近正弦波信号频率估计的克拉美-罗限.