现有的信息科学理论强调稳定性和确定性,我们却致力于在不稳定和不确定中分析生物声纳神经系统。本项目基于神经回路模型,针对其输入、输出神经脉冲序列,分析听觉神经系统的定向以及测量多普勒效应的机制,研究对这两类连续信号的大小变化与输出脉冲符号序列的定量关系。到现在为止,我们还难以见到其他研究者的有关神经信息定量化处理的工作。我们的仿真结果,声音信号到两耳间时间差可达0.1ms(局部范围可达十几μs,已接近生物实验5μs水平);并能分辨500Hz信号下0.01Hz的频率变化。由于神经系统鉴别灵敏度高,所以我们猜想蝙蝠等存在双耳Doppler效应差,它可测出前方昆虫飞行方向。本项目解决了不稳定和不确定系统如何能精细地检测小变化信号,也具体地解决了神经系统的"简并性"问题。我们按网络理论推演出的简并性模型与60多年来所采用的Jeffress模型是一致的。而我们的模型在灵敏度和可靠性这两方面大大优于现有的模型,且更接近生物实际。本项目还致力于电路仿真工作。按我们理论分析,我们的系统在灵敏度方面会大大优于现有的人工声纳技术。但是由于很多实际技术问题解决很困难,时间上又太局促,电路仿真未能达到理想目标
英文主题词computational neuroscience; biosonar; neuro-informatics; nonlinear dynamics; S space