电磁驱动下一类混合神经元模型的动力学响应与图像加密应用

在神经元活动的建模和分析中，应考虑一些生物物理效应。由于神经系统细胞内外离子浓度的波动，在神经元群之间的集体电活动和信号传递过程中，需要考虑电磁场的内部波动和跨膜磁通的影响。本文将磁通量变量引入到一类混合神经元中，通过调制膜电位来产生复杂的时变电磁场。利用Xppauto、Matcont和Matlab的分析工具，讨论了新模型平衡点的存在性、初值敏感性和双参数分岔。研究发现，当外界激励电流和电磁场发生变化时，新模型可以诱发丰富的放电模式，如静息态尖峰放电、周期性（或混沌）团簇放电，尤其是磁通量变量和磁场的引入引起的共存放电、隐藏放电等新现象。通过以上分析，基于电磁感应的神经元模型具有很高的非线性度和更敏感的参数，这使得加密算法拥有较大的密钥空间。基于此，本文设计了一幅加密算法图像，该图像首先对明文图像的像素进行扩散，然后对其位置进行两次置乱。最后，一系列数值实验表明，所设计的加密算法算法能够有效地对图像进行加密，具有较高的安全性。本文考虑了神经细胞内外的电磁感应效应，有助于更全面地理解神经元之间的信息编码和转换规律。更大的分叉参数和更高的复杂度也使得所设计的神经元模型在图像加密中具有良好的应用前景。