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

1、隨機共振是非線性系統(tǒng)、隨機噪聲和輸入信號之間的一種協(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)中觀測到，特別是在神經(jīng)系統(tǒng)中，隨機共振發(fā)揮著重要的作用。 目前針對神經(jīng)元模型的隨機共振研究，主要集中于閾下單頻周期信號輸入的情況，但在現(xiàn)實中，非周期信號的檢測和估計更具有實際應(yīng)用意義，而且一些理論和模型研究表明，閾上信號情況下的隨機共振可能是人類聽覺和視覺感知的潛在機制。因此，論文重點圍繞神經(jīng)元模型的非周期閾上信號隨機共振現(xiàn)象

2、進行深入的研究，并基于閾上非周期隨機共振機制，開展了語音復(fù)原、圖像復(fù)原和圖像增強的應(yīng)用研究。 首先系統(tǒng)介紹了隨機共振理論的發(fā)展、研究現(xiàn)狀，簡要說明了經(jīng)典和非經(jīng)典隨機共振理論、各種計算模型，分析整理了常用的隨機共振評價方法。 論文工作分三個部分： 1.關(guān)于神經(jīng)元模型隨機共振的研究 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，對隨機共振在神經(jīng)

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

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

5、音信號的隨機共振效果。將此方法對含噪語音信號的復(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：在強背景噪聲情況下，本文方法的語音復(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 進一步分析圖形圖像類二維信號中隨機共振的現(xiàn)象，提出一種自適應(yīng)隨機共振圖像復(fù)原算法，并運用于灰度圖像的復(fù)原處理。針對含噪彩色圖像信息量較大、噪聲尋優(yōu)空間動態(tài)變化等特點，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度等方法，改進前述算法，提出一種快速自適應(yīng)最優(yōu)隨機共振圖像復(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共振現(xiàn)象，針對不同復(fù)原方法、不同噪聲添加次數(shù)對復(fù)原效果的影響，進行了定性與定量的對比實驗，實驗結(jié)果表明，在二維信息處理中，無論對于含噪灰度圖像還是彩色圖像，在強背景噪聲下，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

7、于圖像處理系統(tǒng)具有一定的通用性。 在算法改進過程中，對比分析了添加高斯白噪聲和均勻分布隨機噪聲對隨機共振效果以及圖像復(fù)原效果的影響，實驗結(jié)果表明，均勻分布隨機噪聲的性能優(yōu)于高斯白噪聲的性能。 最后，研究基于隨機共振技術(shù)的微弱圖像信號增強問題，即借助添加的噪聲，將弱信號從圖像中提取出來。 實驗結(jié)果表明，相比于傳統(tǒng)的圖像增強方法，快速自適應(yīng)隨機共振圖像增強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