個人認為仿生學是最好的機器學習。哲學有助于科學研究的推進，有助于思想火花的碰撞。萬物皆有靈性，或許整個自然界都在遵守著固定的規律向前走。因為導師的研究方向是EEG信號的處理，最近看了些有關EEG信號處理的文章。現記錄如下。EEG信號的研究最困難的就是信號的提取，因為EEG信號十分微弱，其中又會摻雜著噪聲。所以EEG的信號的提取阻擋了EEG信號分析，處理的研究。而EEG信號降噪的方法主要采取小波變換，小波變換主要特點是在時頻域都可以精準的分析。小波變化主要涉及到尺度函數和小波函數，尺度函數粗略的表示信號，小波函數表示信號的細節。CSP是針對EEG信號多通道傳輸的解決辦法。提取共同的特征可以和數據融合（貝葉斯升級的那個算法）的方法相結合達到降噪的目的。格蘭杰關系用于檢測和分析信號處理的效果。哈哈哈一本正經的胡說八道啦。下面貼上轉載的好文章。

1948年，美國貝爾實驗室青年科學家香農（Shannon C）發表了《通訊的數學理論》的著名論文。他把熱力學中描述系統無序性的重要概念“熵”（entropy）引入信息論。把熵作為信息不確定度的一個測度。他同時定義了數字化信息的基本單位：比特。

香農的這篇論文被認為是現代信息論的奠基之作。同年，美國麻省理工學院教授維納（N.Wiener）出版了《控制論：關于在動物和機器中控制和通訊的科學》。由此，控制論成為一門獨立的專門的學科。維納博士在這本書中指出：在科學發展上可以得到最大收獲的領域是各種已經建立起來的部門之間的被忽視的無人區。

這里所說的“無人區”，就是我們今天所說的邊緣學科。

近50年來，隨著信息論、控制論、生命科學、微電子學、計算機科學的發展，人們越來越驚異于人類大腦的奇妙。至少到目前為止，人類大腦信號處理的機制對人類自身來說，仍是一個黑盒子。也就是說，科學家們除了對大腦的一些物理參數有所了解之外，對于人類大腦如何處理外界信號，如何把人類感官所接收的信息進行融合、處理并進行存儲、傳輸和加工，幾乎一無所知。

現代電子計算機技術的發展，似乎使人越來越相信：我們在信號處理理論和技術方面的進展都已陸續地在大腦信號處理中得到了印證。計算機需要有聽覺、視覺，要能學習，能理解：這些我們人類大腦早就具有了；人的機體會受到病毒感染，不料在計算機領域也出現了病毒：計算機的運行需要有一個操作系統，那么我們人類大腦中也存在操作系統嗎？

計算機、人工智能的下一步怎么發展呢？讓我們去探索一下人類大腦的信號處理機制吧！如果把人類大腦信號處理機制研究清楚，那么毫無疑問，新的信號處理理論就會應運而生。換句話說，有兩條看來完全不同的進化道路，它們走向同一目標并得出完全相同的結果。

一條是人類大腦的信號處理系統，經過幾百萬年的自然選擇，在“適者生存”鐵的規則的約束下，正不斷地沿著某種最佳的方向，緩慢地，但是有效地前進著；另一條是人類自身，根據對科學知識的積累，經過在各領域內的艱苦探索，不斷完善對客觀世界的認識，并得出一個又一個新的發現。

現代信號處理領域一個最引人注目的成就就是信號的數字化處理，它空前迅速發展的動力來自于微電子技術、計算機技術、人工智能方面的推動。但是，到目前為止我們還沒有證據可以證明，人類大腦在進行信號處理時也存在著某種類型的數字化處理，這就使得我們有理由對信息的數字化進程進行冷靜的思考。

1995年，美國麻省理工學院教授、媒體實驗室的負責人尼葛洛龐帝（Negroponte N）出版了《數字化生存》一書，引起了美國和世界各地讀者的興趣。他把近20年來信息領域的數字化革命的豐碩成果，以及將要引起的對人類生活的巨大沖擊展現在世人面前。1998年1月31日，美國前任副總統戈爾（Gore S）在加利福尼亞科學中心作了題為“數字地球——認識我們這顆星球”的講演，提出充分利用數字信息促進社會進步和發展。

根據粗略的估計，人類獲得信息的主要來源是聽覺（約占5%）與視覺（約占90%），其他還有味覺、觸覺及嗅覺等。在60年代初期之前，對信息的處理方式主要限于模擬方式。它的特點是這種信號在時間上是不分間隔的，在幅度上是不分層的。從60年代開始，由于計算機技術的迅猛發展，特別是70年代以來微電子技術的驚人進步，使得信號的數字化處理以空前未有的速度向前發展。

1946年當馮·諾伊曼等計算機專家研制成功第一臺電子計算機ENIA（時，它的總重量為30噸，占地面積相當于一個小的體育館，平均每7分鐘就有一個電子管失效。它的耗電也十分驚人，當它工作時，整個費城燈光暗淡。1971年Intel公司推出的第一個微處理器芯片4001.其功能大體上和ENIA（相當，而它的體積只有后者的萬分之一。微處理芯片的發展速度異常迅速，它基本上遵從所謂摩爾（Moore G）定律，這就是微處理器芯片每隔18個月性能提高一倍，價格降到原來的1/2。摩爾博士是Intel公司的創始人之一，他在1973年提出這一觀察結果。但是據他自己說，早在1964年他還在仙童公司工作時，就注意到半導體工業發展的這一事實了。1998年1月在美國Proc.lEEE上重新公布了摩爾這一斷言的手稿（見附圖），摩爾聲稱這一結論無需作任何改變。我們現在還很難預測，這一定律能夠有效的時間究竟還有多長，有的科學家認為，至少在2010年前是正確的。也有的科學家認為，從固體物理學的基本理論來看，芯片的線寬是有限制的，從而微處理器芯片的性能就受到限制。

英國科學家福萊斯特（Frester T）在總結了微電子技術的這種驚人發展速度之后，在他所著的《高技術社會》中發出了感嘆，他說：“如果汽車或飛機行業也像計算機行業這樣發展，那么今天一輛羅爾斯·羅伊斯汽車的成本只有2.75美元；跑300萬英里（482.8萬km）只用1加侖汽油。而一架波音767飛機的價格只需500美元，用5加侖汽油在20分鐘內便可環繞地球一周”。

數字化浪潮正在席卷全球，數字化信息處理技術正在使人類生活質量提到空前高的水平。

但是信息的數字化處理絕不是信息處理的完美無缺的方式，它只是信息處理理論與發展過程中的一個階段，下一階段是如何的呢？最直接的方法是去探求人類大腦信號處理方式，且然，目前對我們來說，仍是一個黑盒子。

據測算，人類大腦的平均重量約為1.6kg，占成年人體重的2%~3%，大腦的基本組成部分為神經元，總數約為100~140億個，大腦工作時要消耗人體氧氣攝入量的20%~30%，人腦的記憶容量大約是10^15比特，如果一個人活100歲，自出生后，每秒存儲103比特信息，那么，仍只用去這個容量的1%。科學家目前對人類大腦的知識，特別是大腦對外界信號處理系統的奧秘必將會大大擴展我們現有信號處理理論和技術的研究范圍，大大推動人工智能科學（包括人工語音合成、自然語言識別、圖像識別等領域）的發展，同時會為研制體積更小、速度更快、功耗更小、可靠性更高的智能計算機提供依據。

要探索大腦信號處理機制，要遵循由易到難、由表及里的途徑，因為人類大腦的信號處理系統對我們人類本身來說，仍是一個黑盒子。用傳統的研究輸入/輸出關系的方法，或者用人工神經網絡理論中的建模方法不能達到揭示這種系統秘密的目的。我們要解決的問題實際上也迫使我們采用一種逐步逼近的方法，這些問題歸結起來是：

·人類大腦對聽覺、視覺和其他感宮所接收到的信號是先進行數據融合還是先進行處理，也就是存在于人類大腦中的數據融合系統是屬于哪一個層次的？（根據現代信息論的研究，數據融合可以分為三個層次，即數據級、特征級和決策級〉。

·自然界作用于人類大腦的信號，無論是聲音、光波或其他信號都是模擬信號，大腦在接收這種信號之后進行數字化處理嗎？即進行時間采樣和幅度量化嗎？

如果是進行了數字化處理，是哪一種數字化處理呢？在時間上是等間隔采樣嗎？存在信息論中的奈奎斯特（Nyguist）采樣率嗎？在空間上進行分層嗎？是等間隔分層嗎？還是采用某種壓擴（即A-律，μ-律壓擴方法）？

進一步還要探索，如果進行了數字化處理，是幾比特的數字化？信息的單位是比特嗎？

·人類大腦作為一個超級信號處理系統是否具有“操作系統”，如果沒有，大腦的運行是如何進行的？如果有，這是一種什么樣式的操作系統？不同個體之間有什么差異？

人類對異體器宮移植的排斥是否受操作系統的影響？

信息在人類大腦中是如何傳輸、存儲和加工的？記憶、聯想、判斷是如何產生或形成的？

·人類對自然語言理解是如何實現的？圖像識別的機制是什么？目標分類識別的概念是如何存儲于大腦之中的？

人類大腦的存儲系統的輸入顯然是按時間順序的，但是在應用時卻能不受存入順序的影響，這種順序輸入是如何變為記憶并重新被讀出的？

·大腦記憶中順序讀出是如何實現的，是不是存在某種引導系統？實踐證明，要不出任何錯誤按一定速率背誦一首詩歌是十分困難的，但是如果唱一首同樣長度的歌曲幾乎不會有任何問題。這里，樂曲是不是起著引導地址的作用？

·某些特別的信息和刺激會引起思維的混亂、記憶的喪失或錯亂。那么，特別的信號會引起電腦或其他信息處理系統的失效嗎？我們有可能給聲納或雷達發送某種信號使得它們失去功效嗎？

等等，等等。

隨著我們對人類大腦信號處理機制研究的深入，還會出現更多的新問題，這些問題的解決會使我們現代計算機的功能更強大，真正地像人一樣會聽、會談、會思考、會學習、會理解。

要揭示人類大腦的奧秘需要從事數學、電子學、控制論、生命科學、信息論、計算機科學的專家共同努力，也許還要有哲學家的參與。不同領域專家的聯合有利于問題的清晰化和尋求最好的解決途徑，如果某一個問題是一個生物學方面的問題，那么10個不懂生物學的信患論專家不見得會比一個生物學家更有效。

除了死亡之外，沒有任何正常的方法可以將人類大腦中的記憶全部清除，這有一點類似于現代微機中的“復位”操作。除非把計算機徹底失效，否則它的程序、數據總還存在于存儲系統中。

總結

以上是生活随笔為你收集整理的新的信息论诞生前的若干问题分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。