1.一种基于神经元小世界网络随机共振的弱信号感知方法,其特征在于,该方法具体包括以下步骤:
步骤1、构建基于概率随机连接的小世界网络;
小世界网络中的节点按环形规律分布,网络中的每一个节点分别对应于唯一的标号l,l∈[1,n],n为小世界网络的节点总数;标号根据节点在网络中的位置,按顺时针方向依次递增,首尾连接,最终构成一个封闭的环形结构;定义标号为i和j的两个小世界网络节点之间的距离di,j,如式(1)所示,其中|·|表示取绝对值函数;
di,j=min(|j-i|,|n-j+i|),i,j∈[1,n],i≠j(1)
对于标号为i的节点,i∈[1,n],其与标号为j的节点之间按概率pi,j进行随机连接,pi,j按如下规则进行设定;
ifj==mod((i+1),n)
pi,j=1;
else
pi,j=p;
其中mod为取余数函数,p为随机数,p∈[0,1];
步骤2、构建fhn神经元计算模型,将其作为小世界网络的基本节点;其中小世界网络只有一个节点接受外界输入刺激,其节点标号记为in,in∈[1,n],该节点采用的fhn神经元计算模型如式(2)所示;
式中,εv、εw分别表示膜电位和恢复变量的特征时间,其中εv、εw独立设置,从而可灵活改变膜电位势函数势垒以提高势阱间的跃迁概率;vin和ωin分别表示标号为in的节点输出信号和恢复变量;b表示无量纲的正数;isig表示外界输入刺激,对应于需感知的周期弱信号,isig的周期记为tsig;ζ表示均值为0,噪声强度为σ的高斯白噪声;isig、ζ与
式中,其中lin,j表示标号为in和j的两个小世界网络节点之间连接关系,lin,j=1或0分别表示上述两个节点之间存在或不存在突触连接;αin,j表示标号为in和j的两个小世界网络节点之间的连接强度,与它们之间的距离din,j成反比,如式(4)所示;
对于小世界网络中标号为i的节点,i∈[1,n],i≠in,它们均不接受外界输入刺激,其fhn神经元计算模型如式(5)所示;
式中,vi、ωi和
步骤3、计算小世界网络节点的互相关系数
对于in节点,互相关系数计算如式(6)所示;
式中,
对于小世界网络中标号为i的节点,i∈[1,n],i≠in,互相关系数计算如式(7)所示;
式中,
步骤4、确定最优互相关系数对应的ζ噪声强度σ;在步骤3的基础上,求出不同高斯白噪声强度下,小世界网络中每一个节点的互相关系数,求和并取最大值,具体如式(8)所示;
获取csum最大值时所对应的参数z,从而确定ζ的噪声强度σ=0.01z;
步骤5、获取小世界网络节点优化后的输出v′in和v′i,其中i∈[1,n],i≠in;在步骤4计算得到σ的基础上,舍弃互相关系数过低的异常节点输出信息,得到优化后的输出v′in和v′i,其中i∈[1,n],i≠in;计算过程如式(9)和(10)所示;
式中,threshold表示自适应阈值;
步骤6、确定整个小世界网络的输出,即弱信号感知结果vout;为提高弱信号增强性能的鲁棒性,对小世界网络所有节点的输出信号采用均值融合,得到最终的弱信号感知结果vout,具体如式(11)所示;
式中,kin、ki用来表示小世界网络节点in,以及小世界网络其余节点i的输出是否有效,具体如式(12)和(13)所示;
2.根据权利要求1所述的一种基于神经元小世界网络随机共振的弱信号感知方法,其特征在于:所述的threshold取小世界网络所有节点的互相关系数中值。
3.根据权利要求1所述的一种基于神经元小世界网络随机共振的弱信号感知方法,其特征在于:m取50。