一种改进FHN神经元滤波模型研究

高娃 阚阅

摘 要： 突触滤波是神经元处理和传递信息的重要过程，有助于生物在复杂环境中获取所需信息。针对当前人工神经元模型中较少考虑到突触滤波机制，本文以FitzHugh-Nagumo（FHN）人工神经元模型为基础构建基于膜电势增量变化的神经元数学模型，在此基础上模拟突触滤波机制，从而提出一种改进FHN神经元滤波模型。而后，对该模型的稳定性条件、幅频响应进行了分析，并通过不同信噪比条件下的典型信号和语音信号实验对该模型的信息传递能力和滤波能力进行验证。实验结果表明，该模型能够有效传递输入信息、提高输入信息强度，且有效抑制其中噪声部分。

关键词： FHN模型;突触滤波;模型响应

文章编号： 2095-2163（2021）03-0016-06 中图分类号：TP391 文献标志碼：A

【Abstract】Synaptic filtering， which is quite helpful to get the information needed in complex environment for living things， is an important process for neurons to process and transmit information. For synaptic filtering is rarely considered in modeling the artificial neuron models， this paper proposes an improved FitzHugh-Nagumo（FHN）model. By building a neuron model that can describe the incremental change of membrane potential based on the FHN model and simulating the synaptic filtering on this basis， the mathematical description of the proposed improved FHN model is derived. Then， the stability condition and the responses are discussed， and the information transmit ability and the filtering ability of the proposed model are tested by the typical signals and the speech signals in the cases of different conditions with different signal-noise ratios （SNRs）. The experiments verify that， the model can realize the transmission of inputs， increase the intensity of inputs and reduce the noises of inputs effectively.

【Key words】 FHN model; synaptic filtering; model response

0 引 言

神经元突触短时程效能增强或压抑（即突触易化和突触抑制）被研究人员认为与信息处理中的滤波功能有关，能帮助生物在外环境中获取所需信息[1-2]。例如，Fortune等人[2]认为神经元突触可塑性有助于实现噪声滤波与外环境信息识别，Khanbabaie等人[3]发现中枢神经元的短时突触抑制特性可以滤除噪声，Cian等人[4]研究认为突触短时程效能增强和压抑有助于优化神经信息传递。近年来，越来越多研究人员开始模拟突触滤波或者构建突触模型。例如，Hiratania等人[5]通过构建一个树突神经元模型证明了多突触连接的突触可塑性表现出了近似于粒子滤波属性。Tong等人[6]则提出了一种突触双室模型，将其作为增益器用以放大或抑制信息传输。……