神经元模型随机共振特性研究

随机共振在含噪神经元系统的研究中有很大的优势。通过建立神经元仿真模型,并分别以阈值下信号和阈值上信号加以刺激,利用数值仿真和非线性分析理论,分析神经元模型的随机共振特性。结果显示神经元模型在阈值上和阈值下都显示出了单峰性,说明神经元系统中存在随机共振现象。     

基于随机共振电路模拟的微弱周期信号检测

采用电路模拟非线性Duffing振子，利用其随机共振机制来检测微弱周期信号。针对随机共振只适用于极低频输入信号的限制，引入一种适当的变量变换可以将高频信号转化成符合随机共振理论要求的低频信号进行处理，增强了该方法在工程应用中的可行性。采用电路模拟方法检测微弱周期信号，不需要象随机共振数值仿真所要求的那样对信号过采样，在满足采样定理的条件下，可以取较小的采样频率，降低了对硬件的要求。实验表明，该方法能有效地从强背景噪声中检测出微弱周期信号，在机械系统故障早期检测、化学谱信号提取、多传感器测量等领域有实际应用价值。     

周期脉冲序列在阈值系统中随机共振的研究

将混有加性高斯白噪声的周期脉冲序列通过阈值系统,对其传输性质进行理论研究.以输入-输出的信号幅度和信噪比增益来分析随机共振现象,通过调节各相关参数使系统、信号和噪声因协同作用而产生随机共振现象:在某一最优噪声强度下获得最大的信号幅度及信噪比的增益.     

周期脉冲信号在阈值系统中随机共振特性研究

研究含有高斯白噪声的周期脉冲信号,通过阈值系统后的随机共振特性。在一定条件下因系统、信号、噪声的协同作用而产生随机共振现象,在某一最优噪声强度下获得最大的信号幅度放大及信噪比增益。讨论了仿真实验中一些有益的发现和可能的应用。     

双稳系统中非周期随机共振的数值仿真

本文采用互相关方法研究了噪声和随机二进制信号同时激励双稳系统(施密特触发器和双势阱系统)时的输出响应，观察到非周期随机共振：利用双稳系统中的非周期随机共振效应，可以减小随机信号传输中的噪声水平，改善输出信号质量，这在数字通信领域具有十分重要的意义。     

基于随机共振的微弱信号检测

介绍随机共振(SR)方法的基本思想,并建立数学模型。随机共振系统是非线性双稳态系统,存在某一最佳输入噪声强度,使系统产生最高信噪比输出,达到抑制噪声,放大微弱信号的目的。针对传统系统随机共振只适用于极低频信号的局限,本文引入尺度变换,消除了对待检信号频率的限制,通过Matlab仿真,验证了其对微弱信号检测的有效性。     

基于随机共振和非中心F分布的频谱感知算法

为解决频谱感知算法在低信噪比(SNR)时检测概率较低且检测所需采样点数较多的问题,提出了基于随机共振和非中心F分布(SRNF)的频谱感知算法。通过引入直流随机共振噪声,建立了SRNF的系统模型,推导了服从非中心F分布的检验统计量表达式、虚警概率与检测概率以及判决门限表达式,并采用数值法求解最佳的随机共振噪声参数。仿真结果表明,在低信噪比时,所提基于SRNF算法的检测性能优于能量检测(ED)算法和基于F分布的盲频谱感知(BSF)算法,当虚警概率为5%、信噪比为–12 d B、采样点数为200时,所提算法的检测概率是95%,分别比BSF算法和ED算法高34%和67%;当信噪比为–12 dB、检测概率达到95%时,所提算法所需的采样点数是210,比BSF算法节省了340个采样点。此外,噪声不确定度对所提算法的影响小于ED算法。     

基于随机共振的微弱信号检测研究

微弱信号是淹没在噪声中的小信号,且一般其信噪比比较低。微弱信号的检测在物理、电子和生物医学方面都具有重要的意义。依据随机共振理论,噪声在一定的条件下有利于微弱信号的检测。研究了随机共振的原理、双稳态系统中的随机共振现象及随机共振的应用研究现状。     

阈值阵列模型与超阈值随机共振

研究了随机共振的一个特殊形式——超阈值随机共振。超阈值随机共振是基于阈值阵列模型的随机共振现象。分析了阈值阵列模型输出随机过程的统计特性,固定输入信噪比,可观察输出信噪比增益随阈值噪声方差的改变产生非单调变化的规律。实验验证了含噪周期输入信号经阈值阵列系统,在统计独立、服从高斯分布的阈值噪声作用下,输出信号信噪比增益大于1。且对于非高斯噪声,会获得更高的输出信噪比。     

基于双稳类随机共振的信息检测

研究了小参数随机共振(SR)的响应幅值与信号频率和噪声强度的关系,并从噪声频谱的罗伦兹(Lorentz) 分布特性推出,只有在噪声能量集中的低频区域才能产生随机共振的论点。得出了二次采样大参数类随机共振的实现条件,即采样频率至少是信号频率的50倍并根据噪声强度选择二次采样频率。在大参数情况下,由双稳系统输入输出信噪比的分析,阐明了大参数类随机共振方法从强噪声中检测出弱信号的可行性。运用周期和非周期弱信号的检测实例,进一步证明了该方法的有效性和实用性。     

一种随机共振联合小波变换的符号速率估计方法

在非合作通信中,很多情况下由于信道恶化,使得接收信号的信噪比偏低,导致无法对符号速率这一重要参数进行准确估计.随机共振能够在一定程度上利用噪声能量,使其转移并增强微弱信号,小波变换则可以有效检测相位和幅度的瞬变,利用二者各自优势,提出了一种将随机共振与小波变换联合进行MPSK（Multiple Phase Shift Keying,多进制数字相位调制）和MQAM（Multiple Quadrature Amplitude Modulation,多进制正交幅度调制）信号符号速率的估计方法.先利用自适应参数调节随机共振为带噪信号匹配最佳系统参数,之后利用Haar小波变换进一步提取突变信息,不仅弥补了单独使用随机共振效果不佳及其作为非线性系统易发散的缺点,还降低了小波最佳尺度难以确定的影响.仿真实验表明,该方法能够在一定程度上提高输出峰值,降低信噪比门限,适合于低信噪比下的符号速率估计.     

基于随机共振的语音增强研究

传统的语音增强方法是通过线性过滤除噪声达到语音增强的目的,而在强噪声环境中,语音信号表现为弱信号．去噪变得困难,而随机共振能利用噪声增强语音信号。基于Hodgkin—Huxley神经元阈上非周期随机共振原理,提出一种自适应调节,添加最佳噪声来实现语音增强。实验结果表明,在强噪声能够实现对语音信号的增强,具有一定的鲁棒性,提供了在强噪声环境中增强语音信号的新思路。     

基于随机共振和信息几何的协作频谱感知方法

为提高频谱感知系统在低信噪比环境下对微弱信号的感知性能,提出了一种基于随机共振技术和信息几何理论的频谱感知方法。首先通过随机共振技术增强输入信号的能量,以提高感知信号的信噪比。然后,基于信息几何理论将信号矩阵的协方差矩阵对应成流形上的点,并计算流形上样本点之间的散度距离作为感知信号的特征数据。最后,采用BP神经网络对信号特征数据进行分类,有效避免了决策阈值的计算,快速实现了频谱决策。仿真实验证明,所提方法在低信噪比条件下具有更好的感知性能,有效提高了复杂环境下的频谱检测概率。     

基于人工鱼群算法的自适应随机共振方法研究

随机共振为微弱通信信号的检测提供了新途径.本文提出一种基于人工鱼群算法的自适应随机共振新方法,重点研究基于随机共振的微弱周期信号检测技术,将人工鱼群算法和归一化处理结合增强随机共振,适当添加噪声并设定自适应步长策略及迭代停止条件.理论分析和仿真结果表明,对比传统群智能算法处理随机共振其在算法适应性及稳定性、最佳共振精确度、寻优收敛速度、精度方面有明显提升,并为信噪比增益带来3-5dB的提升,运算时间复杂度降低逾70%.     

大参数随机共振的两种方法及数值仿真

分析了白噪声通过双稳系统的频谱特点，解释了小参数信号（小频率、小幅度）出现随机共振的原因，探讨实现大参数信号随机共振的两种变换方法，并进行了仿真验证。为实际工程中对大频率微弱信号的检测提供了依据。     

随机共振研究现状及其发展趋势

随机共振是一种常见于非线性系统中由适当噪声引起的系统最优响应现象,其理论与研究成果被应用于多个领域。与传统的噪声有害观点相反,随机共振现象反映了噪声的积极作用。而有关随机共振问题的研究已成为热点,文中针对近期随机共振的一些研究理论和应用成果进行了全面回顾,并对随机共振研究发展趋势进行了展望。     

利用随机共振解调微弱MFSK信号

采用随机共振解调微弱MFSK信号解决了传统解调方法误码率高的问题.根据大噪声环境下信号能借助噪声能量发生随机共振这一理论,先将微弱MFSK信号通过双稳态随机共振系统以提高其信噪比,对随机共振系统的输出信号用FFT来区分每段信号的载波频率,最后依据判决准则解调MFSK信号.当信噪比较高时,可向信号中人为添加白噪声来使之适...     

一种基于随机共振的PD雷达小目标检测方法

当导弹处于低空尾追攻击时,实现强副瓣杂波中弱小雷达目标检测给弹载雷达信号处理提出了一定挑战。为改善信杂比、提高检测性能,引入近年发展起来的随机共振技术。文中在介绍随机共振原理并分析脉冲多普勒雷达回波频谱特性的基础上,提出了基于随机共振原理的脉冲多普勒雷达弱小目标检测方法,并给出了检测算法流程,进而在理论上分析了该算法的检测性能。仿真实验表明,该算法有效提高了信杂比,对于脉冲多普勒体制下的弱小目标信号检测有显著效果。