异时滞分数阶细胞神经网络的电路设计与仿真

张梓涛，袁 晓

(四川大学电子信息学院，四川成都 610064)

1 引言

细胞神经网络(Celluar Neural Networks，CNN)[1]是20世纪80年代后期由Chua和Yang提出并建立.细胞神经网络的出现促进了人工智能的发展，同时混沌非线性学领域也得到了很大的发展.混沌现象是自然界中普遍存在的一种宏观无序、微观有序的非线性现象，亦是确定性非线性系统的一种复杂非周期的时间演化现象.由于混沌信号的高随机性、复杂性、初值敏感性，以及确定性系统方程的易实现性[2]，使得混沌在非线性科学、保密通信、图像处理、信号检测等方向具有广泛的研究和应用价值[3]。

分数阶系统能表现神经网络的联想、记忆、遗传等复杂特性，相比整数阶更能揭示复杂多变系统其固有特征和非线性规律[4，5]。

现实生活中任何系统在进行信号传输时都会存在一定的时滞，且有些系统加入时滞后会发生根本性的变化[6]，因此时间延迟这一因素在具体工程应用中显得十分重要.本文提出一种异时滞分数阶细胞神经网络模型，研究不同时延下系统的混沌状态，发现通过改变部分参数值可使系统具有相似的混沌吸引子.笔者研究了0.02ms、0.04ms和0.08ms不同时滞组合下分数阶CNN系统电路的混沌特性，发现通过改变某个电阻的值，可使其Multisim仿真结果与数值计算具有相似的混沌相图，从而证实了设计理念的正确性和现实可行性．

2 分数阶CNN模型及数值仿真

CNN是每一个相同的细胞元在空间上与相邻的细胞元连接形成的拓扑结构，网……