一种基于感知速度与感知角度的网格野计算模型

发布时间：2021-04-22 01:03

　　直接使用速度信息和角度信息驱动网格细胞吸引子对环境编码的方法,抗干扰能力较差且不具有仿生性。针对这一问题,本文提出一种基于感知速度与感知角度的网格野计算模型。其特点在于,通过对视觉流进行解码处理获得视觉速度,对速度细胞建模并解码获得本体速度,对视觉速度和本体速度进行融合求得感知速度信息;利用加入兴奋性连接的一维环状模型模拟头朝向细胞的放电机制,使机器人以仿生的方式获取当前的感知角度信息。最后,融合速度和角度两种感知信息实现对网格细胞吸引子模型的驱动。对所提模型进行实验验证,结果表明该模型可以实现网格细胞周期性六边形放电野模式以及精确的路径积分功能。研究成果为仿海马认知机制的机器人认知地图构建方法研究奠定了基础。 

【文章来源】：生物医学工程学杂志. 2020,37(05)北大核心EICSCD

【文章页数】：12 页

【文章目录】：
引言
1 模型架构
2 感知速度的获取
    2.1 基于光流法的视觉速度获取
    2.2 基于速度细胞模型的本体速度获取
    2.3 感知速度的求解
3 感知角度的获取
    3.1 头朝向细胞的建模
    3.2 一维环状头朝向细胞的建模
4 网格细胞网格野计算模型
5 实验验证
    5.1 感知速度模型实验验证
    5.2 感知角度模型实验验证
    5.3 网格野计算模型实验验证
    5.4 网格野计算模型鲁棒性测试对比实验
    5.5 真实环境路径积分对比实验
6 结论


【参考文献】：
期刊论文
[1]基于粒子群算法的RBF网络参数优化算法[J]. 崔海青,刘希玉.  计算机技术与发展. 2009(12)

博士论文
[1]被动运动相关的海马神经信号解析与信息编码模型研究[D]. 谢康宁.清华大学 2012

硕士论文
[1]基于鼠脑空间认知机理的空间表达方法研究[D]. 罗子维.北京工业大学 2018
[2]基于鼠脑海马认知机理的机器人面向目标的导航模型研究[D]. 李倜.北京工业大学 2016



本文编号：3152850