神經(jīng)元隨機(jī)共振機(jī)制及其在語(yǔ)音與圖像處理中的應(yīng)用研究.pdf

1、隨機(jī)共振是非線性系統(tǒng)、隨機(jī)噪聲和輸入信號(hào)之間的一種協(xié)同現(xiàn)象，它反映了噪聲的積極作用，可以在很多非線性系統(tǒng)中觀測(cè)到，特別是在神經(jīng)系統(tǒng)中，隨機(jī)共振發(fā)揮著重要的作用。 目前針對(duì)神經(jīng)元模型的隨機(jī)共振研究，主要集中于閾下單頻周期信號(hào)輸入的情況，但在現(xiàn)實(shí)中，非周期信號(hào)的檢測(cè)和估計(jì)更具有實(shí)際應(yīng)用意義，而且一些理論和模型研究表明，閾上信號(hào)情況下的隨機(jī)共振可能是人類聽覺和視覺感知的潛在機(jī)制。因此，論文重點(diǎn)圍繞神經(jīng)元模型的非周期閾上信號(hào)隨機(jī)共振現(xiàn)象

2、進(jìn)行深入的研究，并基于閾上非周期隨機(jī)共振機(jī)制，開展了語(yǔ)音復(fù)原、圖像復(fù)原和圖像增強(qiáng)的應(yīng)用研究。 首先系統(tǒng)介紹了隨機(jī)共振理論的發(fā)展、研究現(xiàn)狀，簡(jiǎn)要說明了經(jīng)典和非經(jīng)典隨機(jī)共振理論、各種計(jì)算模型，分析整理了常用的隨機(jī)共振評(píng)價(jià)方法。 論文工作分三個(gè)部分： 1.關(guān)于神經(jīng)元模型隨機(jī)共振的研究 選擇了Hodgkin-Huxley(H-H)神經(jīng)元模型、Fitzhugh-Nagumo神經(jīng)元模型以及EEG模型，對(duì)隨機(jī)共振在神經(jīng)

3、系統(tǒng)中信息處理的作用進(jìn)行了仿真研究。在分析三種模型的閾下隨機(jī)共振現(xiàn)象的基礎(chǔ)上，重點(diǎn)研究了其閾上隨機(jī)共振，采用信噪比、互相關(guān)系數(shù)、互信息率對(duì)比評(píng)價(jià)方法，定量描述神經(jīng)元閾上隨機(jī)共振現(xiàn)象的效果，分析神經(jīng)元閾值特性，提供了隨機(jī)共振機(jī)制在信息處理中的應(yīng)用基礎(chǔ)。實(shí)驗(yàn)結(jié)果表明： ●神經(jīng)元模型中的隨機(jī)共振不僅僅局限于周期信號(hào)，對(duì)于非周期信號(hào)也廣泛存在。這一結(jié)論揭示出生物體在復(fù)雜多變的環(huán)境中，可能利用隨機(jī)共振機(jī)制達(dá)到微弱信號(hào)檢測(cè)的目的。

4、●在某些特定的條件下，神經(jīng)元對(duì)閾上信號(hào)也能產(chǎn)生隨機(jī)共振現(xiàn)象。 ●通過分析FHN神經(jīng)元閾值特性，得出結(jié)論：神經(jīng)元模型動(dòng)力學(xué)行為可等效為兩狀態(tài)的閾值跨越行為。這是隨機(jī)共振機(jī)制在信號(hào)檢測(cè)和信息處理中的應(yīng)用基礎(chǔ)。 2.關(guān)于一維信息處理的應(yīng)用研究 選擇含噪語(yǔ)音信號(hào)作為研究對(duì)象，基于神經(jīng)元閾上非周期隨機(jī)共振機(jī)制，提出了一種隨機(jī)共振語(yǔ)音復(fù)原算法，實(shí)現(xiàn)含噪語(yǔ)音信號(hào)閾上隨機(jī)共振，從而達(dá)到語(yǔ)音復(fù)原的目的。利用改進(jìn)后的互相關(guān)系數(shù)衡量語(yǔ)

5、音信號(hào)的隨機(jī)共振效果。將此方法對(duì)含噪語(yǔ)音信號(hào)的復(fù)原效果與傳統(tǒng)方法復(fù)原效果做了比較和分析，得出結(jié)論：在強(qiáng)背景噪聲情況下，本文方法的語(yǔ)音復(fù)原效果要優(yōu)于傳統(tǒng)方法。該方法具有一定的魯棒性，有望轉(zhuǎn)化為工程上的具體應(yīng)用。 3.關(guān)于二維信息處理的應(yīng)用研究 進(jìn)一步分析圖形圖像類二維信號(hào)中隨機(jī)共振的現(xiàn)象，提出一種自適應(yīng)隨機(jī)共振圖像復(fù)原算法，并運(yùn)用于灰度圖像的復(fù)原處理。針對(duì)含噪彩色圖像信息量較大、噪聲尋優(yōu)空間動(dòng)態(tài)變化等特點(diǎn)，基于固定閾值、添

6、加合適類型的噪聲、采用折半方法快速尋找最佳噪聲強(qiáng)度等方法，改進(jìn)前述算法，提出一種快速自適應(yīng)最優(yōu)隨機(jī)共振圖像復(fù)原算法，并用于含噪灰度圖像和彩色圖像的復(fù)原處理。 定性與定量分析了圖像復(fù)原系統(tǒng)中的閾上非周期隨機(jī)共振現(xiàn)象，針對(duì)不同復(fù)原方法、不同噪聲添加次數(shù)對(duì)復(fù)原效果的影響，進(jìn)行了定性與定量的對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，在二維信息處理中，無(wú)論對(duì)于含噪灰度圖像還是彩色圖像，在強(qiáng)背景噪聲下，本文方法復(fù)原效果優(yōu)于傳統(tǒng)方法復(fù)原效果，算法魯棒性較好，對(duì)

7、于圖像處理系統(tǒng)具有一定的通用性。 在算法改進(jìn)過程中，對(duì)比分析了添加高斯白噪聲和均勻分布隨機(jī)噪聲對(duì)隨機(jī)共振效果以及圖像復(fù)原效果的影響，實(shí)驗(yàn)結(jié)果表明，均勻分布隨機(jī)噪聲的性能優(yōu)于高斯白噪聲的性能。 最后，研究基于隨機(jī)共振技術(shù)的微弱圖像信號(hào)增強(qiáng)問題，即借助添加的噪聲，將弱信號(hào)從圖像中提取出來(lái)。 實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)的圖像增強(qiáng)方法，快速自適應(yīng)隨機(jī)共振圖像增強(qiáng)算法可以借助添加的噪聲能量，更好地提取出湮沒在圖像中的微弱信號(hào)