神经编码优势：生物声呐与感觉系统信息处理机理

劳伦特提出的几个问题中［8］，还有一个是“为什么是这样的形式？”。我们可以尝试从S 空间编码的优越性和系统的适应性来讨论。

1．模拟编码和数字编码相结合的特性

脑科学家都知道脑中充满了神经脉冲，而且脉冲的波形都是一样的。神经脉冲本身并不携带也不可能携带信息，神经信息是携带在神经脉冲之间的时间间隔中的。时间间隔是连续可变的，所以神经信号属于模拟信号。但是仅以两个脉冲之间的时间间隔作为信号，在分辨时间长短上会产生“读出”困难，神经编码很难具有高分辨率，即不能靠时间间隔来携带微小变化的信息。为了达到携带微小变化的信息的目的，神经系统采用一串脉冲序列作为信息，因此对每两个神经脉冲之间时间的分辨率要求很低，精细分辨靠的是后面一长串脉冲序列，从以下距离公式可以看出这一点（见第5 章分析）：

只要脉冲序列足够长，也就是i 趋向足够大，就可以分辨出极细小的变化，这是一个非常巧妙的编码方式。

2．按时间延迟特性编码可克服很多噪声干扰

现有的模拟系统都以幅值作为信号，如模拟电路中都以电压或电流作为信号，这种信号很容易受到其他噪声干扰而改变幅值。按系统延迟特性，对于任何系统，当输入信号延迟一个Δ 时间时，输出也一定延迟一个Δ 时间。任何系统参数的变化，都不会影响Δ 的变化（见第5．12 节）。在电路中找不到时间放大器或时间衰减器，也没有时间干扰器，这说明用时间（如脉冲间时间间隔）携带信息具有很强的抗干扰能力。

3．S 空间编码更适合不稳定和不确定的系统

神经系统本身的不稳定性和不确定性，使信息编码完全不可能按确定性理论来编码。因此只能依靠像S 空间这样的理论来实现编码。由于不稳定系统存在初值敏感性和参数敏感性，因此极小的系统参数变化干扰，就会导致系统输出轨道的大变化，使输出轨道具有不确定性。只有采用S 空间分析才可以克服这一不确定性。请注意表5．2中每一串有限的符号序列实际上都代表了一大群神经脉冲序列（理论上是无限多序列）。

神经系统所携带的信息是模拟量而不是数字量。而S 空间的脉冲序列是不确定的，它所代表的量是相对量。目前的计算机是数字式的，它所代表的是绝对数字量。(www.xing528.com)

4．高效编码

神经系统编码还有一个很大优点就是编码效率很高。原来有不少人认为，人脑的信息处理速度快主要是因为平行计算，实际上这一观点是不完善的。只有100 多个神经元的线虫的反应并不比人慢，但是线虫不可能是靠平行计算的。

应该说，神经系统信息处理速度快的主要原因有：神经系统是模拟系统，肯定比数字系统快；神经系统利用了高效编码。文献［18］指出，人的神经编码中一个神经脉冲大小大约相当于5．8 比特（bit）。我们用S 空间原理也做了电路试验。英文有a 至z 共26 个字母，必须用5 位二进制数字来编码。如果要把“neural coding”这一组不计空格共12 个字母的字串进行编码，需要12×5=60 位二进制码（在计算机中用60bits 表示）。如果用通信信号的1 个周期来表示1 个字母，则需要60 个周期来表示“神经编码”。在数字电路中表示它，需要60 个高、低电平。而根据实验估算，在神经系统中只要6～7 个脉冲就能表示它。

要处理1 个信息或传输1 个信息，神经系统是处理6～7 个脉冲，而二进制码是处理60 个0 或1。显然后者的处理速度大大下降，这一差距在处理大量信息中表现得更为突出。

5.能耗比较

由于采用了脉冲序列，同时又用高效编码，脉冲序列编码的能耗将大大减少。与数字电路中以一个周期为一个比特相比，脉冲序列编码的能耗至少减少了一个数量级，这完全符合生物系统的需要。看来对生物系统，要靠许多神经元的信号来表示一个信息的高能耗的编码方式（如群体编码）是不太可能的。

6.可抵御高频和低频噪声

每一神经元都是累积—释放系统，这种系统原则上是一个低通滤波器，所以对高频信号有过滤作用。S 空间理论可以去掉变化慢的干扰，如温度漂移。神经系统中最大的噪声危害应该是低频脉冲序列，但神经系统又有特殊的方法能把这种低频噪声去除（关于噪声的分析见第11 章）。