神經元模型參數辨識及控制的研究.pdf

1、神經系統(tǒng)具有復雜的非線性動力學行為，應用神經元模型能定量的描述神經系統(tǒng)的動力學特性，有助于揭示生理機制；醫(yī)學上，通過對人體施加外加電場刺激來治療癲癇、帕金森等疾病的研究日益增多。因此有必要以神經元模型為研究對象，探尋通過改變外加刺激來控制神經元電生理參數變化。獲得精確神經元數學模型是上述研究的關鍵。而通過對測量得到的神經元膜電壓序列分析是估計電生理參數和變量，進而得到神經元模型的有效方法之一。
　　 本文首先應用混沌同步及自適應

2、控制理論，從動作電位序列估計得到FitzHugh-Nagumo(FHN)神經元模型的參數。此方法能有效的跟蹤系統(tǒng)參數的波動，并且對噪聲有較強的魯棒性。然后應用無跡卡爾曼濾波(Unscented KalmanFilter,UKF)的方法，從被強噪聲污染的測量動作電位序列中估計FHN模型的全部狀態(tài)變量和參數。然后將上述方法應用到Hindmarsh-Rose(HR)、Morris-Lecar(ML)和Hodgkin-Huxley(HH)等神經

3、元模型中，證明UKF對強非線性模型的普適性。應用聯合混沌同步和UKF方法，先應用UKF對被噪聲污染的動作電位濾波并估計出所有狀態(tài)變量，再用混沌同步方法估計模型參數，仿真結果證明聯合方法估計效果優(yōu)于單一算法。
　　 估計并控制HH模型中有重要生理意義的變量。首先應用UKF估計HH神經元模型中的不可測變量。然后將UKF與原模型組成反饋系統(tǒng)，通過調節(jié)外加輸入刺激來控制系統(tǒng)的模型參數值，使神經元模型具有不同的放電模式，實現神經元放電的可