模仿神經(jīng)元網(wǎng)絡(luò)抗擾特性的電磁防護(hù)仿生研究

滿夢(mèng)華，蔡娜，馬貴蕾，王震

?

模仿神經(jīng)元網(wǎng)絡(luò)抗擾特性的電磁防護(hù)仿生研究

滿夢(mèng)華1，蔡娜2，馬貴蕾1，王震3

（1.軍械工程學(xué)院 靜電與電磁防護(hù)研究所，石家莊 050003；2.軍械技術(shù)研究所，石家莊 050003；3.廊坊市健康教育研究所，河北 廊坊 065000）

目的研究神經(jīng)元在噪聲干擾環(huán)境下信息處理的抗擾特性，為電磁防護(hù)仿生研究提供有益借鑒。方法利用Hodgkin-Huxley模型建模神經(jīng)元電信號(hào)的產(chǎn)生，結(jié)合S空間編碼理論分析神經(jīng)信息的表達(dá)。在此基礎(chǔ)之上，研究神經(jīng)信息處理在噪聲干擾環(huán)境下的抗擾特性。建立具有噪聲耦合方式的神經(jīng)元數(shù)學(xué)模型，并在不同噪聲強(qiáng)度下，計(jì)算神經(jīng)元輸出電信號(hào)對(duì)輸入刺激的S空間編碼，討論噪聲對(duì)編碼的影響。結(jié)果在S空間中，神經(jīng)元將輸入刺激信號(hào)編碼成符號(hào)序列，符號(hào)序列間的排序關(guān)系與輸入信號(hào)頻率間的排序關(guān)系所對(duì)應(yīng)。輸入噪聲能夠改變符號(hào)序列的值，但并沒(méi)有改變符號(hào)序列間的排序關(guān)系，從而不會(huì)影響神經(jīng)元在S空間中所表達(dá)的信息。結(jié)論 S空間編碼是神經(jīng)元抵御輸入噪聲干擾的一種重要機(jī)制，值得電子系統(tǒng)借鑒，以提高其抗擾能力。

S空間編碼；Hodgkin-Huxley模型；噪聲；抗擾

信息化條件下，交戰(zhàn)雙方以軍事電子技術(shù)和信息技術(shù)為基礎(chǔ)，在信息領(lǐng)域進(jìn)行對(duì)抗。為了提高武器裝備的信息化水平，微電子技術(shù)得以廣泛運(yùn)用，亦導(dǎo)致信息化裝備對(duì)于各種電磁能量越來(lái)越敏感。隨著諸如雷達(dá)、通信、導(dǎo)航等各種電磁輻射源功率的不斷加大和頻譜增寬，以及系統(tǒng)自身的電磁輻射與靜電等問(wèn)題，使得武器裝備面臨著更加復(fù)雜和惡劣的電磁環(huán)境。因此，傳統(tǒng)的電子系統(tǒng)抗擾和防護(hù)方式面臨著嚴(yán)俊的挑戰(zhàn)。

據(jù)報(bào)道，21世紀(jì)上葉（約2020~2050年）將會(huì)發(fā)生第六次科技革命。這場(chǎng)革命是以生命科學(xué)為基礎(chǔ)，融合信息科技和納米科技，為解決和滿足人類精神生活和生活質(zhì)量的需要提供的最新技術(shù)。主體內(nèi)容包括“整合和創(chuàng)生生物學(xué)”、“思維和神經(jīng)生物學(xué)”、“生命和再生工程”、“信息和仿生工程”、“納米和仿生工程”等。其中，《科學(xué)時(shí)報(bào)》對(duì)108位兩院院士進(jìn)行的問(wèn)卷調(diào)查結(jié)果顯示，信息和仿生工程的支持率最高，達(dá)到72%。由此可見(jiàn)，對(duì)于生物信息機(jī)理的仿生研究在科技發(fā)展中的主體地位已得到學(xué)術(shù)界的廣泛認(rèn)同。

電磁防護(hù)仿生研究正是通過(guò)探索生物體電磁信息傳遞的抗擾機(jī)理，將生物抗擾機(jī)制引入電子設(shè)計(jì)領(lǐng)域，突破本征特性領(lǐng)域轉(zhuǎn)換的關(guān)鍵技術(shù)，提出武器裝備電磁防護(hù)仿生的新原理和新方法，為電子裝備提供有別于傳統(tǒng)方式的設(shè)計(jì)思想、工作原理和體系結(jié)構(gòu)，以提高其在復(fù)雜電磁環(huán)境下的可靠性與適應(yīng)性，為解決電磁干擾與毀傷問(wèn)題提供一種全新的技術(shù)支撐。

神經(jīng)系統(tǒng)工作在一個(gè)充滿噪聲的環(huán)境中，無(wú)論是對(duì)外界環(huán)境的感知，內(nèi)部信號(hào)的傳遞，還是肌肉動(dòng)作的控制，噪聲干擾普遍存在于神經(jīng)信息處理的各個(gè)環(huán)節(jié)。其面臨的噪聲源可以歸納為三類：在神經(jīng)突觸傳導(dǎo)信號(hào)時(shí)引入的噪聲，即突觸噪聲；由神經(jīng)細(xì)胞膜上離子通道引入的噪聲，即通道噪聲；外界輸入信號(hào)所包含的噪聲，即輸入噪聲[1—3]。這些噪聲會(huì)導(dǎo)致神經(jīng)元產(chǎn)生動(dòng)作電位信號(hào)的時(shí)間和間隔發(fā)生變化，但從未影響神經(jīng)信息處理的功能。例如，成千上萬(wàn)只蝙蝠棲息于同一山洞之中，它們共用同頻段聲波進(jìn)行觀察與交流，但從未發(fā)生類似多部“雷達(dá)”或“電臺(tái)”間的同頻干擾現(xiàn)象，大腦的神經(jīng)細(xì)胞每天都有凋亡，但是其生理功能依然正常[4—5]。

神經(jīng)系統(tǒng)的這一抗擾特征已逐漸成為神經(jīng)生物學(xué)領(lǐng)域的研究熱點(diǎn)。Gong等人研究了高斯噪聲與非高斯噪聲對(duì)神經(jīng)系統(tǒng)的影響[6]。Sakumura等人研究發(fā)現(xiàn)，一定強(qiáng)度的噪聲反而能夠增強(qiáng)大腦信息處理信息的能力[7]。Liang等人研究發(fā)現(xiàn)，興奮神經(jīng)元在相位噪聲輸入下依然可以識(shí)別信號(hào)[8]。童勤業(yè)等人研究了聽(tīng)覺(jué)哺乳動(dòng)物的聽(tīng)覺(jué)系統(tǒng)可以在復(fù)雜環(huán)境中識(shí)別信號(hào)，抵抗干擾[9]。上述研究揭示了神經(jīng)系統(tǒng)的抗擾現(xiàn)象，但并未從神經(jīng)信息處理的角度探尋神經(jīng)抗擾的原理，解釋噪聲引起神經(jīng)信號(hào)的變化卻沒(méi)有影響信息表達(dá)的原因。

神經(jīng)編碼是理解神經(jīng)信息處理機(jī)制，分析抗擾特性時(shí)所面臨的首要問(wèn)題。目前，頻率編碼[10—12]和時(shí)間編碼[13—15]得到普遍認(rèn)可。其中，文獻(xiàn)[9]提出的S空間編碼屬于時(shí)間編碼范圍，其對(duì)神經(jīng)元?jiǎng)幼麟娢恍蛄羞M(jìn)行精確的定量分析，為研究神經(jīng)信息處理抗擾機(jī)制提供了有效的途徑。文獻(xiàn)[16]利用S空間編碼研究蝙蝠聽(tīng)覺(jué)神經(jīng)系統(tǒng)處理多普勒信號(hào)時(shí)，發(fā)現(xiàn)背景環(huán)境造成神經(jīng)元輸入信號(hào)的輕微抖動(dòng)并沒(méi)有影響其信息處理能力。

文中主要利用S空間編碼理論和神經(jīng)元電信號(hào)模型，研究神經(jīng)信息處理的抗擾特性?；谏窠?jīng)元Hodgkin-Huxley模型建立噪聲環(huán)境下神經(jīng)元信息處理的數(shù)學(xué)模型，并對(duì)不同輸入信號(hào)進(jìn)行編碼分析，在不同噪聲強(qiáng)度下，討論噪聲對(duì)編碼的影響。

1 方法

首先，利用數(shù)學(xué)建模的方法對(duì)神經(jīng)系統(tǒng)進(jìn)行建模，并構(gòu)建噪聲環(huán)境下的神經(jīng)元計(jì)算模型。在S空間編碼理論的指導(dǎo)下，利用圓映射與符號(hào)動(dòng)力學(xué)的基本方法對(duì)神經(jīng)元模型的結(jié)果進(jìn)行編碼計(jì)算。最后，利用S空間編碼分析神經(jīng)模型的抗擾性。

1.1 噪聲環(huán)境下神經(jīng)元模型建模

由于S空間編碼是針對(duì)神經(jīng)元的輸入輸出信號(hào)進(jìn)行編碼，單一神經(jīng)元即可實(shí)現(xiàn)編碼。采用經(jīng)典的Hodgkin-Huxley模型對(duì)神經(jīng)元建模[17—20]。該模型包括4個(gè)方程和10個(gè)參數(shù)，完備描述了產(chǎn)生動(dòng)作電位所發(fā)生的通透性變化，可以描述神經(jīng)纖維細(xì)胞膜電流、膜電壓關(guān)系，解釋了神經(jīng)元?jiǎng)幼麟娢划a(chǎn)生和傳導(dǎo)的機(jī)理，為研究神經(jīng)信息的處理機(jī)制奠定了理論基礎(chǔ)。

(2)

(3)

式中：ext為外部信號(hào)輸入；為膜電壓；m為膜電容；Na，K，l分別是鈉離子、鉀離子和漏電流通道的電導(dǎo)最大值，Na，K，l分別是相應(yīng)通道的逆轉(zhuǎn)電位；和為鈉離子通道的門控變量，為鉀離子通道的門控變量；∞()，∞()，∞()和τ()，τ()，τ()分別代表，，的飽和值和時(shí)間常數(shù)。

神經(jīng)信息傳遞的載體是動(dòng)作電位序列，單個(gè)動(dòng)作電位具有“全或無(wú)”的特點(diǎn)，其幅值并不攜帶信息，整個(gè)序列中各動(dòng)作電位的間隔表達(dá)信息。因此，在模型計(jì)算中，將神經(jīng)元輸入信號(hào)進(jìn)行簡(jiǎn)化，將一串方波脈沖作為神經(jīng)元模型的輸入ext。

式中：amp為方波脈沖幅值；為脈沖幅值持續(xù)時(shí)間；0為方波脈沖的周期；為周期數(shù)。在文中，amp為20 μA/cm2，為1 ms，0取值為1.2~4.2 ms，間隔為0.2 ms。從而，信號(hào)的頻率0取值為238.1~833.3 Hz。

將ext的周期0疊加強(qiáng)度為、均值為0的隨機(jī)序列()來(lái)實(shí)現(xiàn)輸入信號(hào)ext周期的隨機(jī)波動(dòng)，模擬神經(jīng)元受到的噪聲干擾。受噪聲干擾的ext周期的計(jì)算為：

(6)

式中：T為未受干擾的周期；()表示強(qiáng)度為、均值為0的隨機(jī)序列。在文中強(qiáng)度取值為0~0.4，間隔為0.1。不同噪聲強(qiáng)度下的ext的頻率如圖1所示。

圖1 不同噪聲強(qiáng)度下輸入信號(hào)頻率隨時(shí)間變化

1.2 S空間編碼

S空間是基于動(dòng)作電位序列的可排序性提出的，因?yàn)樯窠?jīng)系統(tǒng)接收到的外界信號(hào)都具有排序性，比如聲音的大小、光的明暗、氣味濃淡等。動(dòng)作電位序列就是這些信號(hào)在神經(jīng)系統(tǒng)中的反應(yīng)，因此，動(dòng)作電位序列集合構(gòu)成的序列空間也應(yīng)該是可排序的。S空間編碼可以通過(guò)對(duì)動(dòng)作電位序列進(jìn)行計(jì)算變換，將神經(jīng)信息轉(zhuǎn)化到一維有序空間中，然后對(duì)神經(jīng)信息進(jìn)行研究。

S空間編碼主要分兩步進(jìn)行[21]。

1）利用圓映射轉(zhuǎn)換方法判斷神經(jīng)系統(tǒng)的狀態(tài)是否適合S空間編碼，即輸入信號(hào)對(duì)應(yīng)的圓映射軌跡應(yīng)該是單調(diào)提升的。如圖2所示，圖2a是神經(jīng)元在恒頻率方波脈沖刺激下產(chǎn)生的動(dòng)作電位序列，經(jīng)過(guò)圓映射計(jì)算可變換為圖2b的圓映射軌跡，該軌跡是單調(diào)提升的，因此可以進(jìn)行S空間編碼。

2）利用符號(hào)動(dòng)力學(xué)的分析方法完成編碼。首先，利用神經(jīng)元輸入信號(hào)和輸出動(dòng)作電位計(jì)算符號(hào)序列。動(dòng)作電位相鄰峰峰值之間輸入信號(hào)脈沖的個(gè)數(shù)P即是一個(gè)符號(hào)。由此，神經(jīng)元輸入信號(hào)和輸出動(dòng)作電位之間的關(guān)系就轉(zhuǎn)化為一串符號(hào)序列：{1，2，3，…P，…}。

然后判斷符號(hào)序列的序關(guān)系和輸入信號(hào)的序關(guān)系，不同的輸入信號(hào)頻率對(duì)應(yīng)不同的符號(hào)序列。假設(shè)在頻率分別為f和f的輸入信號(hào)刺激下，可以得到兩串符號(hào)序列和：

式中：a，b是符號(hào)序列中的符號(hào)。通過(guò)比較符號(hào)序列和中第一個(gè)不相同符號(hào)的大小，得到符號(hào)序列的序關(guān)系。該序關(guān)系對(duì)應(yīng)輸入信號(hào)頻率的序關(guān)系，實(shí)現(xiàn)序空間編碼。符號(hào)序列和之間的符號(hào)距離為[9]：

式中：表示符號(hào)序列中出現(xiàn)的最大符號(hào)；代表符號(hào)序列符號(hào)的編號(hào)。從符號(hào)距離定義的公式發(fā)現(xiàn)，越排在符號(hào)序列起始位置的符號(hào)，對(duì)符號(hào)距離的貢獻(xiàn)就越大，后續(xù)符號(hào)對(duì)距離的貢獻(xiàn)呈指數(shù)形式衰減。

2 結(jié)果與討論

對(duì)噪聲環(huán)境下的神經(jīng)元模型進(jìn)行仿真計(jì)算，計(jì)算時(shí)間為1000 ms。計(jì)算完成后對(duì)結(jié)果進(jìn)行S空間編碼計(jì)算，得到符號(hào)序列。結(jié)果發(fā)現(xiàn)，當(dāng)神經(jīng)元輸入信號(hào)頻率在312.5~833.3 Hz范圍內(nèi)，圓映射軌跡符合周期或準(zhǔn)周期運(yùn)動(dòng)，計(jì)算出的結(jié)果滿足S空間編碼條件，可以進(jìn)行S空間編碼。當(dāng)頻率為250~312.5 Hz時(shí)，系統(tǒng)輸入輸出關(guān)系為鎖相，符號(hào)序列相同，無(wú)法編碼分辨。當(dāng)頻率為238.1~250 Hz時(shí)，系統(tǒng)輸入輸出關(guān)系為混沌狀態(tài)，不適合進(jìn)行符號(hào)編碼。

當(dāng)信號(hào)頻率在312.5~833.3 Hz時(shí)，不同噪聲強(qiáng)度輸入信號(hào)的符號(hào)序列結(jié)果見(jiàn)表1—表5。通過(guò)比較任意兩串符號(hào)序列中出現(xiàn)的第一個(gè)不同符號(hào)，得出兩串符號(hào)序列的序關(guān)系。由表1—表3可知，當(dāng)輸入信號(hào)無(wú)噪聲和噪聲強(qiáng)度在0.1~0.2范圍內(nèi)時(shí)，隨著輸入信號(hào)頻率的減小，符號(hào)序列遞減，即輸入信號(hào)頻率的序遞減，符號(hào)序列的序遞減，兩者之間的序關(guān)系一致。由此，S空間編碼完成了神經(jīng)信息的表達(dá)。

可以發(fā)現(xiàn)，表2和表3中一些相同頻率的信號(hào)對(duì)應(yīng)的符號(hào)序列不同，噪聲的存在改變了符號(hào)序列中的符號(hào)值，但是在噪聲強(qiáng)度0.1和0.2條件下，輸入信號(hào)頻率的序和符號(hào)序列的序依然一致。在噪聲強(qiáng)度為0.3和0.4條件下，隨著輸入信號(hào)頻率的減小，符號(hào)序列不再一致，符號(hào)序列的序關(guān)系出現(xiàn)錯(cuò)誤。因此，一定強(qiáng)度的噪聲雖然改變了符號(hào)序列中的符號(hào)值，但沒(méi)有改變其序關(guān)系，從而不會(huì)影響其信息表達(dá)。

表1 無(wú)噪聲條件下輸入信號(hào)對(duì)應(yīng)的符號(hào)序列

表2 噪聲強(qiáng)度為0.1條件下輸入信號(hào)對(duì)應(yīng)的符號(hào)序列

表3 噪聲強(qiáng)度為0.2條件下輸入信號(hào)對(duì)應(yīng)的符號(hào)序列

表4 噪聲強(qiáng)度為0.3條件下輸入信號(hào)對(duì)應(yīng)的符號(hào)序列

表5 噪聲強(qiáng)度為0.4條件下輸入信號(hào)對(duì)應(yīng)的符號(hào)序列

對(duì)符號(hào)序列進(jìn)行距離計(jì)算，以頻率為833.3 Hz的信號(hào)的符號(hào)序列為基準(zhǔn)點(diǎn)，分別計(jì)算各頻率信號(hào)與頻率為833.3 Hz的信號(hào)之間的符號(hào)序列距離，如圖3所示。無(wú)噪聲和噪聲強(qiáng)度在0.1~0.2時(shí)，隨著頻率差的增大，符號(hào)序列距離增大。噪聲強(qiáng)度在0.3和0.4時(shí)，由圖4可以發(fā)現(xiàn)，頻率差為378.8 Hz的信號(hào)對(duì)應(yīng)的距離小于頻率差為333.3 Hz的信號(hào)。即隨著頻率差的增大，符號(hào)序列距離有時(shí)減小。可見(jiàn)，只有在符號(hào)序列的序未改變的情況下，符號(hào)序列的距離才會(huì)隨著頻率差的增大而增大。

圖3 噪聲環(huán)境下不同頻率差和符號(hào)序列距離關(guān)系

圖4 不同頻率差下噪聲強(qiáng)度和符號(hào)序列距離關(guān)系

如圖3所示，在噪聲強(qiáng)度為0.1~0.2范圍內(nèi)時(shí)，噪聲未影響符號(hào)序列間的序關(guān)系，但噪聲強(qiáng)度改變了S空間距離。如在頻率差為277.8 Hz下，不同噪聲強(qiáng)度下的距離不同。即在符號(hào)序列的序和頻率的序都確定的情況下，符號(hào)序列的距離不定。這體現(xiàn)了S空間的特點(diǎn)，在S空間中，只要序是確定的，符號(hào)序列之間的距離是可變的，距離的改變不會(huì)影響序關(guān)系。因此，S空間編碼允許符號(hào)序列產(chǎn)生一定的距離變化，但是其序關(guān)系可以不變，即S空間編碼可以抵抗一定強(qiáng)度噪聲的影響。

在噪聲強(qiáng)度達(dá)到0.3時(shí)，S空間編碼不能正確處理信息，而在強(qiáng)度為0.2時(shí)則可以。由圖1可以發(fā)現(xiàn)，噪聲強(qiáng)度為0.3時(shí)，由于噪聲強(qiáng)度的增大，輸入信號(hào)的頻率產(chǎn)生重疊，即輸入信號(hào)的頻率已不具備排序性，故單純利用S空間編碼無(wú)法將其正確排序。S空間編碼正確分辨信息的前提條件是分辨的信息因素具有基本排序性。也就是說(shuō)，只要噪聲強(qiáng)度沒(méi)有改變輸入信號(hào)頻率的序關(guān)系，輸入的帶干擾信號(hào)還是具有排序性的，S空間編碼依然可以正確編碼帶有噪聲的輸入信號(hào)。

神經(jīng)系統(tǒng)很有可能是在S空間處理信息的，S空間最大的特點(diǎn)是只有序的關(guān)系，而不用量的關(guān)系。即S空間中兩點(diǎn)之間的距離可以任意變化，只要不改變兩者之間的大小關(guān)系，其表達(dá)的信息就沒(méi)有改變。因此，只要干擾噪聲不影響環(huán)境信號(hào)的序關(guān)系，神經(jīng)系統(tǒng)就可以通過(guò)S空間編碼正確處理信息，大大降低了對(duì)輸入信號(hào)的要求。這種信息處理方式為電子系統(tǒng)的電磁防護(hù)仿生研究[22—24]提供了有益的借鑒。電子系統(tǒng)是在笛卡爾坐標(biāo)空間中處理信息的，其利用信號(hào)間的序關(guān)系和距離關(guān)系來(lái)表征信息，即笛卡爾坐標(biāo)空間中兩點(diǎn)之間的距離和大小關(guān)系都未改變，才能表現(xiàn)相同的信息。這對(duì)環(huán)境干擾較為敏感，即便是一個(gè)很小的電磁干擾信號(hào)，就足以影響其信息的表達(dá)。因此，在電磁防護(hù)仿生研究中，可以模仿S空間編碼理論，提高電子系統(tǒng)對(duì)于電磁干擾的抵御與適應(yīng)能力。

3 結(jié)論

文中基于神經(jīng)元Hodgkin-Huxley模型和S空間編碼方法，建立了噪聲環(huán)境下神經(jīng)元信息處理的簡(jiǎn)單模型，并對(duì)不同輸入信號(hào)進(jìn)行編碼分析，研究了不同噪聲強(qiáng)度對(duì)S空間編碼的影響。S空間編碼具有抗擾性，這是神經(jīng)系統(tǒng)抗擾能力的一種體現(xiàn)，神經(jīng)系統(tǒng)可以利用S空間編碼抵抗干擾對(duì)信息處理的影響，其抗擾特點(diǎn)如下。

1）在S空間中，神經(jīng)元將輸入刺激信號(hào)編碼成符號(hào)序列，符號(hào)序列間的排序關(guān)系與輸入信號(hào)頻率間的排序關(guān)系相對(duì)應(yīng)。輸入噪聲能夠改變符號(hào)序列的值，但并沒(méi)有改變符號(hào)序列間的排序關(guān)系，從而不會(huì)影響神經(jīng)元在S空間中所表達(dá)的信息。

2）S空間編碼正確分辨信息的前提條件是分辨的信息因素具有基本排序性。也就是說(shuō)，只要噪聲強(qiáng)度沒(méi)有改變輸入信號(hào)頻率的序關(guān)系，輸入的帶干擾信號(hào)具有排序性，S空間編碼就可以正確編碼帶有噪聲的輸入信號(hào)。

3）結(jié)合S空間編碼計(jì)算分析方法，可以將神經(jīng)信息處理的抗擾機(jī)制轉(zhuǎn)化到電子系統(tǒng)的電磁防護(hù)設(shè)計(jì)。

[1] ALDO A F, LUC P J S, DANIEL M W. Noise in the Nervous System[J]. Nat Rev Neurosci, 2008, 9(4): 292— 303.

[2] WHITE J A, RUBINSTEIN J T, KAY A R. Channel Noise in Neurons[J]. Trends Neurosci, 2000, 23: 131—137.

[3] LINDNER B, GARCIA-OJALVO J, NEIMAN A, et al. Effects of Noise in Excitable Systems[J]. Physics Reports, 2004, 392: 321—424.

[4] NICHOLLS J G. From Neuron to Brain[M]. Fifth Edition. Beijing: Science Press, 2014.

[5] GIMSEONG K, DARA K, HEARY E H, et al. Passive Sound-localization Ability of the Big Brown Bat (Eptes- icus Fuscus)[J]. Hearing Research, 1998, 119: 37—48.

[6] GONG Y, HAO Y, XIE Y, et al. Non-gaussian Noise Optimized Spiking Activity of Hodgkin-Huxley Neurons on Random Complex Networks[J]. Biophysical Chemistry, 2009, 14(4): 88—93.

[7] SAKUMURA Y, ISHII S. Stochastic Resonance with Differential Code in Feedforward Network with Intra-layer Random Connections[J]. Neural Networks, 2006, 19: 469—476.

[8] LIANG X, ZHAO L. Stochastic Resonance in Excitable Neuronal System with Phase-noise[J]. BICS, 2012, 7366: 304—310.

[9] 丁炯, 張宏, 童勤業(yè). 蝙蝠聽(tīng)覺(jué)神經(jīng)系統(tǒng)如何在復(fù)雜環(huán)境中識(shí)別昆蟲[J]. 物理學(xué)報(bào), 2012, 61(15): 1—11.

[10] CHEN L C, GU Y H. Coding Theories and Analyzing Methods of Information Contained in Neuronal Spike Trains[J]. Progress in Physiological Sciences, 1999, 30 (2): 101—106.

[11] BORST A, FREDERIC E. Theunissen. Information Theory and Neural Coding[J]. Nature Neuroscience, 1999, 2 (11): 947—957.

[12] LONDON M, ROTH A, BEEREN L, et al Sensitivity to Perturbations in Vivo Implies High Noise and Suggests Rate Coding in Cortex[J]. Nature, 2010, 466: 123—127.

[13] ABELES B D, WENG C, JIN J, et al. Temporal Precision in the Neural Code and the Timescales of Natural Vision [J]. Nature, 2007, 449: 92—95.

[14] REINAGEL P, REID R C. Temporal Coding of Visual Information in the Thalamus[J]. The Journal of Neuroscience, 2000, 20(14): 5392—5400.

[15] HUXTER J, BURGESS N, O′KEEFE J. Independent Rate and Temporal Coding in Hippocampal Pyramidal Cells[J]. Nature, 2003, 425(6960): 828—832.

[16] 唐孝威, 郭愛(ài)克, 吳思, 等. 神經(jīng)信息學(xué)與計(jì)算神經(jīng)科學(xué)[M]. 杭州: 浙江科學(xué)技術(shù)出版社, 2012.

[17] HODGKIN A L, HUXLEY A F. Currents Carried by Sodium and Potassium Ions Through the Membrane of the Giant Axon of Lolgio[J]. J Pjysiol, 1952, 116: 449—472.

[18] HODGKIN A L, HUXLEY A F. The Components of Membrane Conductance in the Giant Axon of Lolgio[J]. J Pjysiol, 1952, 116: 473—496.

[19] HODGKIN A L, HUXLEY A F. The Dual Effect of Membrane Potential on Sodium Conductance in the Giant Axon of Lolgio[J]. J Pjysiol, 1952, 116: 497—506.

[20] HODGKIN A L, HUXLEY A F. Quantitative Description of Membrane and its Application to Conduction and Excitation in Nevre[J]. J Pjysiol, 1952, 117: 500—544.

[21] 丁炯. 基于符號(hào)動(dòng)力學(xué)的神經(jīng)編碼機(jī)制研究[D]. 杭州:浙江大學(xué), 2014.

[22] 常小龍, 劉尚合, 滿夢(mèng)華, 等. 靜電放電損傷自修復(fù)數(shù)字電路模型的建立與優(yōu)化[J]. 高電壓技術(shù), 2012, 38(9): 2329—2335.

[23] MAN Meng-hua, LIU Shang-he, CHANG Xiao-long, et al. The Biological Property of Synthetic Evolved Digital Circuits with ESD Immunity-redundancy or Degeneracy [J]. Journal of Bionics Engineering, 2013, 10(3): 396— 403.

[24] 滿夢(mèng)華, 巨政權(quán), 原青云, 等. 基于電磁仿生概念的靜電放電注入損傷防護(hù)模型設(shè)計(jì)[J]. 高電壓技術(shù), 2011, 37(2): 375—381.

Study on Electromagnetic Protection Bionics by Mimicking the Anti-interference Mechanism of Neural network

MAN Meng-hua1, CAI Na2, MA Gui-lei1, WANG Zhen3

(1.Electrostatic & Electromagnetic Protection Institute, Ordnance Engineering College, Shijiazhuang 050003, China; 2.Ordnance Technical Research Institute, Shijiazhuang 050000, China; 3.Langfang Institute of Health Education, Langfang 065000, China)

Objective To study the good anti-interference ability of neural system of organism appears during information process, which can bring enlightenment to the study of bio-inspired electromagnetic protection. Methods We study the underlying mechanism of neural information processing in noise by using the modi?ed bursting Hodgkin-Huxley neuron model to construct simulation models of neural system and S-space coding theory to analyzing neural information. The neural simulation model with different noise intensity is built, the neural information is coded by S-space coding theory, and influence of noise on neural coding is discussed. Results The results show that the neural information is encoded to symbol sequences in S-space and the frequency of input signal has monotonic relationship with the symbol sequences. The input noise changes the symbols of the symbol sequences but does not change the monotonic relationship, that is, the input noise doesn’t influence the information processing in S-space. Conclusion S-space coding theory is an important mechanism for anti-interference ability of neural system, which is worth to draw lessons from by electronic system.

S-space coding theory; Hodgkin-Huxley model; noise; anti-inference

10.7643/ issn.1672-9242.2017.04.003

TJ01；Q811

A

1672-9242(2017)04-0009-07

2016-10-31；

2016-11-2

國(guó)家自然科學(xué)基金項(xiàng)目（51407194）

滿夢(mèng)華（1984—），男，河北人，博士，主要研究方向?yàn)殡姶欧雷o(hù)仿生。