三电平超阈值随机共振模型的研究

针对阈值型感知神经元中语音信号传输问题,本文建立了三电平神经元网络结构模型,给出了系统性能指标,分析了语音信号通过神经元群体时的平均互信息和刺激特定信息。分析结果表明,平均互信息是神经网络有关刺激信号集合的统计意义上信息特征量,而刺激特定信息将平均互信息在信号幅值空间进行了分解,反应了噪声强度和神经元群体数目在不同信号水平下的信息传递效率。该研究为进一步探索阈值性神经元模型中信息编码提供了理论与实验依据。     

突触神经随机汇池网络的信息传递研究

针对突触神经网络的信息传输问题,本文研究了饱和性突触神经随机汇池网络的信息传递特性,分析了网络内部噪声源对于互信息和刺激特定信息的影响,给出了互信息和刺激特定信息的数值计算方法,并对刺激特定信息分布进行实验研究。实验结果表明,在兴奋性和抑制性突触神经共同组成的异质类随机汇池网络中,存在适量噪声能够增强网络信息传递的随机共振现象,远离饱和区的信号幅值对神经元群体信息传递效率的贡献较大。本文的研究结果对进一步理解突触神经信号处理机制具有重要指导意义。     

有界噪声激励下神经系统中反随机共振现象研究

为了考察噪声对神经元系统中内部信息传递的作用,研究了有界噪声对神经元放电行为的影响,特别是噪声对神经元放电的抑制效应即反随机共振现象.通过蒙特卡洛随机模拟方法,系统研究了当输入电流激发神经元持续放电的情况下,有界噪声中各参数对神经元平均放电率的影响.研究发现,随机相位能抑制神经元的放电行为,即产生反随机共振现象;振幅越大,频率越小,抑制效果越明显;且在稳定的振幅和频率条件下,电流强度越小,平均放电率越小,抑制效果越明显.该抑制效应的研究对生物医学疾病如癫痫具有重要的理论意义.     

窄带弱信号检测中的随机共振现象研究

针对雷达、声纳和通信等领域中频段信号经常受窄带噪声污染的问题,本文采用随机共振理论,对窄带噪声环境下的弱信号检测及其随机共振现象进行研究。在圆对称概率密度的窄带非高斯噪声环境下,建立了窄带弱信号观测模型,并对局部最优检测器、广义窄带相关检测器和硬限幅窄带相关检测器中的随机共振现象的存在性进行分析与仿真,同时对给定次优系统中的随机共振性能与自适应次优系统最佳性能进行比较。研究结果表明,噪声与检测器结构参数都可视为影响检测器性能的重要因素,在局部最优检测器中不存在随机共振现象;在广义相关检测器中,广义瑞利噪声环境下的次优系统中存在随机共振现象;在硬限幅窄带相关检测器中,非尺度噪声如莱斯噪声环境下也证实了随机共振现象。该研究为提高雷达和通信领域的信号检测性能提供了理论依据。     

二维神经元模型研究

神经元是神经网络的中枢,经过对一维神经元结构的分析,针对神经元对输入信号的不同整合过程,提出了采用二元函数作为传输函数来建立二维神经元模型的思想方法,介绍了单输入二维神经元和多输入二维神经元的结构。论证了二维神经元感知机的结构设计、学习规则和敛散性,并给出了学习算法。对于算法的约束条件给出了说明,利用此算法设计单层二维神经元网络,解决了线性不可分的异或问题。对于传输函数的设计及其对算法稳定性的影响需要从理论上进一步论证。     

归一化局部最优处理器中随机共振现象的判定研究

为提高静态非线性系统的性能,本文依据局部最优处理器的结构,对给定的局部最优处理器中的随机共振现象进行了深入研究,给出了给定的局部最优处理器中产生随机共振现象的判定定理。利用对于周期弱信号,局部最优处理器具有最大输出信噪比,且其信噪比增益就是噪声概率密度函数的Fisher信息量这一关系和Fisher信息量的卷积不等式,并给出实际例证,结果表明,当向原始信号中加入额外噪声时,更新的局部最优处理器不能进一步提高输出信噪比。该结论为进一步将随机共振理论与非线性信号处理实际问题相结合提供了理论依据。     

有色噪声中非线性滤波器的信噪比研究

针对实际信号处理中噪声的有色性和微弱信号,本文对有色噪声中非线性滤波器的信噪比问题进行研究。利用柯西-施瓦兹不等式和瑞利商定理,推导了信噪比理论上限值,并对有色高斯噪声进行了一阶滑动平均建模,同时在弱相关系数条件下,为提高系统输出信噪比,给出了信号波形优化方法。研究结果表明,阈值系统中一阶滑动平均有色噪声的相关系数能够提高输出信噪比,在尺度有色噪声下,随机共振现象不会发生,而在高斯混合色噪声中,存在随机共振现象。本研究为噪声增强非线性信号处理技术提供了重要参考价值。     

自适应随机共振二进制基带信号处理

在二进制基带数字信号处理系统中引入随机共振作为非线性处理模块,可以有效地提高系统的输出信噪比.从误码率和输入输出互信息角度对随机共振进行研究,提出一种基于互信息的自适应随机共振信号处理方法,增强了二进制基带数字信号处理系统的鲁棒性.系统运行前先使用一很短的训练序列,随机共振模块根据输入输出互信息按照梯度方向自动调整系统参数,经有限步迭代后自动收敛到最佳共振点,并保持此状态对未知信息序列进行处理,使系统输出端误码率达到最低.仿真结果表明,新算法迅速收敛到最大互信息值,与直接判决方法相比具有更大的信噪比增益.     

基于FitzHugh-Naguno神经元随机共振机制的图像复原

应用随机共振机制,借助噪声能量实现图像复原,改善低信噪比图像的输出质量.通过分析FitzHugh-Nagumo(FHN)神经元的阈上随机共振机理,以及在相平面上的阈值工作特性,对FHN神经元模型进行约简,以峰值信噪比(PSNR)为图像复原的评价函数,提出基于随机共振的自适应最优图像复原算法.以含噪mountain彩色图像和LED芯片图像为实验对象,与均值滤波、维纳滤波等图像复原算法进行仿真对比研究.结果表明:随机共振方法较好地抑制了噪声、恢复了图像细节和色彩信息,且随着噪声的增强,随机共振方法复原图像的峰值信噪比变化较小,该方法具有较好的鲁棒性.     

二维神经元模型研究

神经元是神经网络的中枢，经过对一维神经元结构的分析，针对经元对输入信号的不同整合过程，提出了采用二元函数作为传输函数来建立二维神经元模型的思想方法，介绍了输入二维神经元和多输入二维神经元的结构。论证了二维神经元感知机的结构设计、学习规则和敛散性，并给出了学习算法。对于算法上的约束条件给出了说明，利用此算法设计单层二维神经元网络，解决了线性不可分的异或问题。对于传输函数的设计及其对算法稳定性的影响需要从理论上进一步论证。     

有限字符集信号传输的互信息计算

针对目前有限字符集上衰落信道下的数字通信传输方法无法既简洁又准确地计算互信息值问题,提出了一种新的互信息值计算方法.通过分析对数似然比与互信息之间的关系,对高信噪比和低信噪比两种情况下的简化计算进行加权组合,实现了宽信噪比区间内的低复杂度和准确的互信息值计算.实验结果表明,该算法不仅能够准确地计算互信息值,而且能够简洁、准确地评估无线传输的差错概率.与目前常用算法相比,本文算法具有准确、简便和直观的优势,对数字通信系统性能的理论分析具有较好的指导意义.     

Lévy noise induced stochastic resonance in an FHN model

This paper aims to investigate the stochastic resonance(SR) in an Fitz Hugh-Nagumo(FHN) model with an additive Lévy noise numerically. The non-Gaussian Lévy 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 Lévy noise and the FHN model on the SR will be examined, and some mechanisms of the Lévy noise-induced SR are presented which are different from those of the Gaussian noise.     

Reliability of weak signals detection in neurons with noise

Previous experimental and theoretical studies have demonstrated that a weak signal can be amplified and optimized by the assistance of noise. The response of the system undergoes stochastic resonance (SR) like behavior. The underlying mechanisms are fairly simple and robust. This phenomenon has been observed in a large variety of systems, including physical and biological systems. In the nervous system, the majority of synaptic input is too weak to make neurons fire a spike. This weak (or subthreshold) signals detection is very important for animal survival, and pulse detection is a simple but basic task of neuronal information transmission and processing. Some studies have found that subthreshold signals can be transmitted by the application of external noise. However, neurons are subjected to various kinds of inherent noise. Recently, theoretical work has revealed that this inherent noise improves signals detection ability. The detection ability of a single neuron is limited, and the neuronal circuit can perform this task very well by detecting the synchronization of presynaptic potentials. Here, we review recent studies of subthreshold detection by both single neurons and neuronal circuits.     

估计1/f类分形信号信噪比的新方法

提出了一种通过拟合自相关函数估计1/f类分形信号信噪比的新方法。其总的延迟可以由带噪分形信号的互信息曲线在第一区域内达到极小值的时间来确定。仿真实验结果表明,该方法简单可靠,有效可行,且事先不需要知道分形信号参数及加性白噪声的先验知识,因此具有很好的适应性。     

基于低密度叠加编码调制的新型上行非正交多址接入方案

稀疏码分多址接入（SCMA）方案映射矩阵维度太小时,短环和规则度分布的SCMA映射矩阵与存在远近效应的环境不能很好地匹配,为此,提出一种新型的非正交多址接入方案--低密度叠加编码调制（LDSM）.该方案设计了更加稀疏的非规则度分布映射矩阵,带来分集增益和编码增益,提高整体方案性能的同时,对边缘用户的性能也有所提高.在独立瑞利衰落信道下,通过平均互信息的分析,从理论上证明了LDSM方案较SCMA方案有一定的信噪比增益.仿真结果证明,在远近功率差为10 dB,过载为150%时,小规模的LDSM方案和大规模LDSM方案较SCMA方案的整体用户性能分别能获得2.3 dB和2.46 dB的增益.     

经验模态分解构造观测矩阵的方法

为了大概率地保持信号信息的完整性,观测矩阵被设计得倾向于随机矩阵．但这种随机性也导致有用的信息和无用的信息被接近等概率地测量,降低了感知效率．为了提高观测效率,提出了利用参考信号进行经验模态分解构造观测矩阵的方法--本征模函数循环矩阵．基于Gersgorin圆盘定理证明了该矩阵满足约束等距性条件．以信号降噪效果为衡量标准,仿真了该矩阵的信号降噪过程,结果表明,为参考信号添加一定程度的噪声后形成的观测矩阵,对降噪有更佳的效果; 对于含噪信号与参考信号在时域有错位的情况,虽然在时域上的降噪效果与理想情况有明显的降低,但仍能够更好地凸显信号的频域特征,具有实用价值．     

Effect of initial phase diversity on signal detection in excitable systems

Undoubtedly, the sensory organs of biological systems have been evolved to accurately detect and locate the external stimuli, even if they are very weak. However, the mechanism underlying this ability is still not fully understood. Previously, it had been shown that stochastic resonance may be a good candidate to explain this ability, by which the response of a system to an external signal is amplified by the presence of noise. Recently, it is pointed out that the initial phase diversity in external signals can be also served as a simple and feasible mechanism for weak signal detection or amplification in excitable neurons. We here make a brief review on this progress. We will show that there are two kinds of effects of initial phase diversity: one is the phase disorder, i.e., the initial phases are different and static, and the other is the phase noise, i.e., the initial phases are time-varying like noise. Both cases show that initial phase diversity in subthreshold periodic signals can indeed play a constructive role in the emergence of sustained spiking activity. As initial phase diversity can mimic different arrival times from source signal to sensory organs, these findings may provide a cue for understanding the hunting behaviors of some biological systems.     

基于干扰对齐的多用户全双工通信中干扰消除方法

为了消除多用户全双工干扰信道中的自干扰和互干扰,将干扰对齐思想应用于全双工干扰信道中. 根据多用户全双工模型的特性将其等效为单向信道模型,并给出了等效模型与原模型之间的信道矩阵对应关系;基于此等效模型和信道矩阵对应关系,应用迭代干扰对齐和最大信干噪比方法将其自干扰和互干扰消除;干扰泄漏功率的仿真结果验证了算法的有效性和正确性,系统容量和平均能量效率也较其他算法都有明显提高.     

雷达波形优化的特征互信息方法

针对扩展目标识别中距离敏感性的波形优化问题,在通用注水法的基础上提出了基于特征提取的波形优化设计方法,简称为特征互信息方法．该方法通过最大化识别特征与目标特性之间的互信息以达到增加各类目标可分性的目的．仿真结果表明,相对于线性调频信号和注水法优化信号,特征互信息方法优化信号可以得到更大的互信息,并能较好地提高目标的识别性能．