随机噪声激励下FHN神经元系统的动力学特性

发布时间：2020-10-27 23:46

　　 随机动力学用概率与统计方法研究自然界、工程及社会中各种随机动力学过程与现象。早期的随机动力学研究主要针对的是线性随机系统,然而随着研究的深入学者们发现,在许多实际问题中系统都包含非线性这一本质因素,因此必须考虑非线性因素对系统运动的影响。近年来,随机力作用下非线性系统的动力学问题受到了各领域科学家们的广泛关注。本文对随机噪声激励下神经元系统的非稳态及稳态特性、平均首次穿越时间以及随机共振等复杂动力学行为展开研究。本文主要内容如下:1.对随机噪声激励下的FHN神经元系统的非稳态及稳态特性进行探讨。首先,对色噪声和高斯白噪声激励下的FHN神经元系统的非稳态特性进行研究,运用格林函数的(?)理论及本征值本征矢理论得到系统非定态解的表达式。在此基础上分析了噪声强度及关联时间对系统非定态解的影响,发现神经元系统处于非稳定状态时,主要受关联时间τ的影响。其次,对关联噪声激励下FHN神经元系统的稳态特性进行探讨,利用路径积分法和统一色噪声近似,推导出了该系统的定态概率密度函数表达式,并且通过数值模拟验证近似方法的有效性,经验证发现由近似方法推导的理论结果与数值模拟结果高度吻合,说明所运用的近似方法是有效的。进一步,分析了各参数对定态概率密度函数的影响。通过研究发现,加性噪声强度(?)和关联时间τ可以诱导系统产生非平衡相变,而乘性噪声强度D、关联系数λ、非高斯参数q不可以诱导系统非平衡相变的产生。2.对关联噪声激励下的一维FHN神经元系统的平均首次穿越时间及随机共振进行探讨。首先,在推导出的系统的定态概率密度函数表达式的基础上,根据平均首次穿越时间的定义和最速下降法得到两个方向的平均首次穿越时间的表达式。讨论不同参数对两个方向的平均首次穿越时间的影响。通过研究发现:乘性噪声强度D、非高斯参数q、关联系数λ在一定的取值下,有利于神经元细胞静息态与激发态间的跃迁,而加性噪声强度(?)不利于神经元细胞静息态到激发态的跃迁。然后,对外加周期信号及相互关联的噪声共同激励下FHN神经元系统的随机共振进行探讨。并根据两态模型理论,得到系统的信噪比表达式。讨论不同参数取值下对神经元系统随机共振现象的影响。研究发现,信噪比SNR作为加性噪声强度(?)的函数时,在非高斯参数q、自相关时间τ以及关联系数λ的不同取值下,神经元系统可以产生多重随机共振现象。
【学位单位】：天津工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：O175
【部分图文】：

图２－２非定态解ｐ（ｖ，／）分别随时间／和变量ｖ变化的曲线??（Ｄ?＝?０．３?？?Ｑ?＝?０．１?，?ｔ?＝?０．５?）??图２－２给出了非定态解／Ｋｖ，〇分别随时间／和变量ｖ变化的曲线。从图２－２??中可以看出非定态解ｐ（ｖ，〇随时间ｆ和变量ｖ的变化是不同的。由图２－２?（ａ）中??可以看出，ｐ（ｖ，／）随着／的增加先增大到一个极大值，然后随着／的进一步增大逐??渐减小并趋向０。说明神经元系统在非稳定状态的演化是在较短时间完成的，随??着时间的推移神经元系统缓慢恢复和调节逐渐趋于稳定状态。固定时间／，当／较??小时非定态解／ＨＶ）随着变量ｖ的增大有增加的趋势，当／较大时非定态解??随着变量ｖ的变化并不十分明显。由图２－２?（ｂ）中可以看出，；７（ｖ，／）跟随ｖ取值??的变化而变化。固定变量ｖ值，当ｖ取较小值时非定态解ｐ（ｖ，／）随着／的增大而增??大

图２－３非定态解／）（ｖ，〇作为时间／的函数随不同参数０和ｆｌ变化的曲线??（ｖ?＝?０．３，?ｒ?＝?０．５，?Ｚ）?＝?０．３，?Ｑ－Ｏ．ｌ?）??图２－３给出了非定态解／７（ｖ，〇作为时间／的函数随加性噪声强度０和乘性噪??声强度Ｄ变化的曲线。从图２－３中可以看出非定态解ｐ（ｖ，／）随加性噪声强度０和??乘性噪声强度Ｄ的变化趋势基本一致。由图２－３?（ａ）和（ｂ）可以看出，当参数??和￡）取＿个同值时，非定态解ｐ（ｖ，／）儿乎无变化，说明这两个参数对于祌经兀系??统非定态解ｐ（ｖ，／）几乎没有影响。??９．?．?．?１?．?．?１?１??Ｉ?：???１＝０．４??８?＇?Ｉ??１＝０．５??７?■??ｔ＝０．６??５－?Ｕ?＇??５?ｎ?：：?？??匕．?ｎｆｊ?．??：??门?Ｉ?Ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ???０?０．１?０．２?０３?０４?０．５?０．６?０７?０．８?０９?１??ｔ??图２－４非定态解ｐ（ｖ，／）作为时间／的函数随参数ｒ变化的曲线??（ｖ?＝?０．３，?Ｄ＾Ｏ．３，?Ｑ?＝?Ｏ．Ｉ?）??图２－４给出了非定态解／Ｋｖ，／）作为时间／的函数随噪声关联时间ｒ的变化曲??线。由上图可以看出

（ａ）?（ｂ）??图２－３非定态解／）（ｖ，〇作为时间／的函数随不同参数０和ｆｌ变化的曲线??（ｖ?＝?０．３，?ｒ?＝?０．５，?Ｚ）?＝?０．３，?Ｑ－Ｏ．ｌ?）??图２－３给出了非定态解／７（ｖ，〇作为时间／的函数随加性噪声强度０和乘性噪??声强度Ｄ变化的曲线。从图２－３中可以看出非定态解ｐ（ｖ，／）随加性噪声强度０和??乘性噪声强度Ｄ的变化趋势基本一致。由图２－３?（ａ）和（ｂ）可以看出，当参数??和￡）取＿个同值时，非定态解ｐ（ｖ，／）儿乎无变化，说明这两个参数对于祌经兀系??统非定态解ｐ（ｖ，／）几乎没有影响。??９．?．?．?１?．?．?１?１??Ｉ?：???１＝０．４??８?＇?Ｉ??１＝０．５??７?■??ｔ＝０．６??５－?Ｕ?＇??５?ｎ?：：?？??匕．?ｎｆｊ?．??：??门?Ｉ?Ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ???０?０．１?０．２?０３?０４?０．５?０．６?０７?０．８?０９?１??ｔ??图２－４非定态解ｐ（ｖ，／）作为时间／的函数随参数ｒ变化的曲线??（ｖ?＝?０．３
【相似文献】

相关期刊论文 前10条

1 张卫同;李志强;陈欢;石盛超;随机共振锁频环路影响因素[J];飞行器测控学报;2017年05期

2 石海霞;;智能算法在自适应随机共振中的应用[J];科技展望;2016年32期

3 任昱昊;季冰;许丽艳;段法兵;;震荡随机共振的信噪比增益研究与电路仿真[J];复杂系统与复杂性科学;2015年01期

4 李忠虎;蔡志全;;基于调制随机共振的微弱信号频率检测方法[J];仪表技术与传感器;2014年08期

5 赵军;赖欣欢;孔明;林敏;;双频信号作用下的单稳随机共振数值研究[J];噪声与振动控制;2013年01期

6 方倩;赵文礼;;基于随机共振原理的自适应检测系统设计[J];杭州电子科技大学学报;2013年01期

7 雷亚国;韩冬;林京;何正嘉;谭继勇;;自适应随机共振新方法及其在故障诊断中的应用[J];机械工程学报;2012年07期

8 涂水林;邬正义;吴正阳;;阵列调制随机共振在微弱信号特征提取方面的应用[J];计算机测量与控制;2012年06期

9 张丽珠;于健;;基于调制随机共振大频率信号检测的仿真[J];天津职业技术师范大学学报;2012年04期

10 万频;詹宜巨;李学聪;王永华;;一种单稳随机共振系统信噪比增益的数值研究[J];物理学报;2011年04期

相关博士学位论文 前10条

1 李志星;基于强噪声背景下随机共振的微弱故障诊断方法研究[D];北京科技大学;2018年

2 刘军;随机共振与感觉信息处理的理论和实验研究[D];浙江大学;2004年

3 杨祥龙;随机共振理论在弱信号检测中的应用研究[D];浙江大学;2003年

4 李建龙;随机共振的参数调节方法及在信号处理中的应用[D];浙江大学;2005年

5 杨定新;微弱特征信号检测的随机共振方法与应用研究[D];国防科学技术大学;2004年

6 冷永刚;大信号变尺度随机共振的机理分析及其工程应用研究[D];天津大学;2004年

7 汪茂胜;耦合动力系统中若干复杂性和非线性问题的研究[D];中国科学技术大学;2007年

8 郭锋;随机共振及其在微弱信号检测中的应用[D];电子科技大学;2007年

9 曾令藻;反常过程中的非周期随机共振理论[D];浙江大学;2008年

10 刘进;基于非线性随机共振的弱信号检测理论研究[D];西安电子科技大学;2015年

相关硕士学位论文 前10条

1 代志家;基于振动共振与逻辑随机共振的微弱信号增强方法研究[D];安徽大学;2018年

2 徐海粟;长波无线通信信道模拟与随机共振信号处理实验研究[D];电子科技大学;2018年

3 周鹏;基于自适应随机共振的滚动轴承故障诊断方法研究[D];安徽大学;2018年

4 闫大芹;基于级联随机共振对2DPSK信号传输误码率的研究[D];天津工业大学;2018年

5 袭蓓;随机噪声激励下FHN神经元系统的动力学特性[D];天津工业大学;2018年

6 曾嘉葵;随机干扰下昆虫生态系统稳态转换的时间延迟效应研究[D];昆明理工大学;2017年

7 吴恩浩;基于多尺度随机共振谱的滚动轴承故障诊断方法研究[D];中国科学技术大学;2017年

8 曹威;自适应随机共振在锚杆无损检测中的应用[D];石家庄铁道大学;2017年

9 赵武龙;随机共振弱光信号增强的理论研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2016年

10 孙恒;基于随机共振的弱光信号重构技术研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2016年

本文编号：2859251