论文部分内容阅读
癫痫是大脑神经元异常放电引起中枢神经系统功能失常的一种慢性神经系统疾病，目前药物和手术是治疗癫痫的主要手段，然而有30%的患者癫痫症状还没有任何治疗手段可以控制，多年以来癫痫一直是临床治疗的一个重点难题。最近电磁刺激方法在控制癫痫发作和治疗癫痫方面取得了令人鼓舞的进展。大脑中神经元集群之间的同步是神经元编码和信息处理的重要机制，神经元网络的异常同步（过同步、超同步）可能会导致癫痫等精神疾病，因此研究神经元网络的去同步机制具有重大的实际意义。而大脑是一个高度复杂的非线性系统，神经元模型的建立为我们研究大脑活动提供了可能，但这些神经元模型中的参数在实际生理试验中是无法测量的。无迹卡尔曼滤波器(Unscented Kalman Filter, UKF)的出现为估计含有大量噪声的神经元状态提供了一个有效方法，它能估计非线性系统的状态和参数，为测量和控制模型参数提供了可能。本文首先在海马锥体神经元模型的基础上建立了四个神经元耦合的假突触耦合网络模型，分析了此模型的动力学特性，得到了影响此网络模型同步性的参数，即模型中的关键参数。为了实现闭环控制，本文提出使用UKF的方法，从被噪声污染的测量动作电位中估计耦合网络模型的参数和状态变量。然后是估计并控制模型中的关键参数。使用UKF估计假突触耦合网络模型中不可测的关键参数，最后将UKF加入到闭环控制中与模型组成反馈控制系统，通过调节外加电场刺激来控制模型的参数值，从而改变假突触耦合网络模型的同步状态，实现网络模型同步特性的可控性。本文将闭环控制策略与UKF相结合，提出一种新型闭环控制方法，它能解决模型参数未知情况下的控制问题，且保证系统的鲁棒性。文中给出了详细的设计过程和步骤，仿真结果证明了所设计控制算法的有效性。本文的研究结果为癫痫的电刺激机制提供理论基础。