累积放电模型及其符号动力学研究.pdfVIP

物理学报 Acta Phys. Sin. Vol. 62, No. 14 (2013) 140502 累积放电模型及其符号动力学研究* 1 1 1† 2 陈冲 丁炯 张宏 陈琢 1) ( 浙江大学生物医学工程系, 杭州 310027 ) 2) ( 浙江大学城市学院自动化系, 杭州 310015 ) ( 2013年3月3 日收到; 2013年4月1 日收到修改稿) 基于累积释放模型提出了一种累积放电模型. 相比于累积释放模型, 累积放电模型无须变化的阈值调制, 即可 出现多种状态, 例如混沌态、锁频等. 利用符号动力学对其进行研究, 发现在一定的参数条件下, 模型的输出符号序 列可以被用于监测模型参数的变化, 而且与神经系统的测量相似, 都具有很高的分辨率. 计算机仿真和电路实验得 到的结果也验证了上述说法. 电路实验结果显示模型的输出符号序列对输入频率的分辨率最高可以达到0.05 Hz, 对 电流幅值的分辨率可达到1 A, 并且都具有很大的动态范围. 关键词: 符号动力学, 混沌, 累积释放模型, 非线性电路 PACS: 05.45.a, 05.45.Ac, 07.07.Df, 87.15.A DOI: 10.7498/aps.62.140502 混沌态等; 2) 累积放电模型的脉冲发放频率不会随 1 引言 着充电电流的增加而无限地增加, 它的脉冲发放频 率都会低于或等于输入的充电频率. 在连续时间的神经元模型方面, H-H 方程模 本文接着利用符号动力学理论对该模型进行 12 34 56 分析, 提出了一种简单的符号化方法. 由于符号序 型 、FHN 模型 和累积释放模型 已经被 广泛研究. 累积释放模型是一种最简单的神经元模 列的大小关系与模型参数的大小关系是相对应的, 型. 它虽然不是生理学的模型, 但是却表现了神经 所以从获得的符号序列可以方便地分辨出模型参 元兴奋性的两个关键方面: 1) 被动的; 2) 累积输入 数的变化, 从而达到监测模型参数变化的目的. 本 7 文设计了累积放电模型电路和符号采集系统, 用实 并且当充电到阈值时发放脉冲 . 累积释放模型的 基本动力学过程如下: 输入电流给电容(神经元) 充 际的电路实验结果验证了符号化方法的有效性和 电, 当电容电压(膜电位) 充电到上阈值时, 模型会 监测的高精度性. 释放一个脉冲, 同时电压被立刻置位到下阈值. 在 累积释放模型中, 阈值调制扮演了一个极为重要的 2 累积放电模型 角色. 如果累积释放模型的阈值使用余弦或正弦调 制, 在合适的参数区间范围内, 系统可以进入混沌 累积放电模型的电路实现简图如图1(a) 所示. 5 8 系统开始工作时, 开关S 向1 闭合然后立即断开. 状态. Brette 和Hamanaka 等 分别在理论上和 实验上证明了这一点. 如果累积释放模型的上阈 充电周期到来时, S 向2 闭合, 电容从0 V 开始充 值和下阈值都是恒定的, 那么脉冲的发放就一定是 电. 当电容充电到上阈值电压时, 比较器翻转, S 向 周期的了, 动力学特性就会大大减少. 基于累积释 3 闭合, 电容进入放电