基于信息论的声音神经形态脉冲编码评估

声音脉冲编码的问题在于将声音波形转换为脉冲。它在许多领域都令人关注，包括基于音频的脉冲神经网络的开发，其中它是处理的第一且最关键的阶段。已有许多算法被提出用于执行声音脉冲编码。然而，目前缺乏系统定量评估其性能的方法。我们提出使用信息论框架解决该问题。具体而言，我们在两项编码任务上评估四种脉冲编码算法的编码效率，这些任务由编码声音的基本特性组成：频率和幅度。所研究的算法为：独立脉冲编码、Send-on-Delta编码、Ben's Spiker算法以及泄漏积分发放编码。利用信息论工具，我们估计脉冲对输入刺激相关方面所携带的信息。我们发现各算法编码效率存在差异，其中泄漏积分发放编码表现最佳。对其在这些编码任务上性能的信息论分析，为更丰富和更复杂声音刺激的编码提供了见解。