煤体爆破破碎分维评价方法的研究

提出了煤体爆破破碎分维评价方法和分维比概念 ,考虑了煤体原始结构特征对煤体爆破破碎效果的影响。通过主因素分析 ,明确了爆破参数与分形维数、分维比的相关关系以及影响的显著性大小 ,探讨了不同分维和分维比的表征含义。在单自由面深孔煤体爆破的条件下 ,爆破块度相似分维与分维比体现了顶煤预爆破破裂裂隙的整体分布 ,可作为定量评价爆破方案的主要指标 ,表面裂隙分维测量计算简易 ,是煤体内部裂隙的外在表现 ,可作为初步评价爆破方案的定量指标。应用煤体爆破破碎分维评价方法对大同矿务局忻州窑矿坚硬顶煤进行了预爆破研究 ,取得了很好的经济效益。

感知神经网络的信息传输及电路实现研究

为提高神经元网络信号的传输效率,改善人们对外界刺激的感知能力,本文采用平均互信息量的评价方法,研究了费茨休夫-南云感知神经元模型中信息传输的随机共振现象,探讨了并联单层神经元网络和双层神经元网络的信息处理功能,并用PSpice电路对神经元网络的信息传输进行了实验验证。数值模拟与电路仿真结果表明,FHN神经元并联模型和双层神经元网络具有随机共振现象,在一定的噪声强度范围内,双层神经元网络对输入信号的响应好于单层神经元网络,噪声能够提高神经元网络的输入输出互信息量,平均互信息量的最大值对应最优的传输性能,证明噪声对神经网络信息传输具有增强作用。该研究对感知神经元群体的信息传输具有重要的启示意义。

广义相关检测器中噪声增强条件的研究

为了检测在噪声存在的情况下弱信号是否出现,本文对噪声增强广义相关检测器性能的条件进行了研究。通过观测数据,给定虚警概率,证明了一类广义相关检测器中随机共振现象的存在性,并给出了噪声增强广义相关检测器性能的必要条件及求解最优尺度噪声强度的解析方程。研究结果表明,当观测数据足够大时,广义相关检测器的检测概率是检测功效的单调函数;噪声与检测器结构参数都可以视为一种增强检测器性能的调谐因素。该方法作为一种新的信号检测技术,对非线性信号处理的发展具有重要意义。

周期性语音信号传输的超阈值随机共振研究

为增强感知神经细胞的功能,对感知神经元中周期性语音信号传输中的超阈值随机共振现象进行研究。实验分析了感知神经元输出与周期性语音信号的互相关系数随噪声强度和神经元数目的增加而变化的非单调关系,证实了神经元中超阈值随机共振现象作为感觉神经信息编码策略的可能性,基于短时Fourier频谱分析表明噪声对于感知神经元输出信号中的基频成分具有增强作用。

参数调节随机共振与信号处理的研究——在四进制基带PAM信号传输中的应用

依据非线性双稳态系统的性质,提出了系统参数调节应满足的条件.给出了当输入信号为等概率的四进制脉冲幅值调制(PAM)时,系统输出理论渐近误码率计算公式.为使误码率最小,根据系统输入输出的非线性关系,给出了输入信号幅值的选取方法.数字仿真实验证实,参数调节随机共振系统可以有效传输四进制PAM信号.对系统输出非稳态概率密度的表达式的研究可以使理论分析结果更符合实际情况.

震荡随机共振的信噪比增益研究与电路仿真

为提高硬限幅符号并联电路系统的输出信噪比,研究了震荡随机共振与阵列随机共振的机制以及电路实现方法。通过计算阵列输入输出信噪比增益,发现两类随机共振方法都能够使得非线性电路并联系统、输入信号与内部噪声(高频干扰)达到协同,并且随着阵列数目增加,信噪比增益存在大于1的区域。同样条件下,与阵列随机共振方法相比,震荡随机共振能够获得更好的输出信噪比,且易于实现。

兴奋性神经群体的非周期信息传输研究

研究了FitzHugh-Nagumo(FHN)可兴奋性神经元的小世界网络模型中非周期信息传输的问题。此小世界网络模型的每个节点都是一个FHN神经元,每个神经元的输入为具有一定相关时间的高斯非周期信号,而内部噪声为强度相同但相互独立的高斯白噪声。数值结果表明,随着噪声强度的增加,输入输出信号的相关系数出现了非周期随机共振现象。连接度对于非周期信号传输性能影响有限。对于两个不同小世界网络的互相关进行了分析以期提高信息传递率。这些研究结果对于复杂系统信号处理理论具有重要意义。

最优加权随机汇池网络的估计性能研究

利用自适应最优加权随机汇池网络对随机参数估计进行了理论和实验分析。将随机噪声优化的随机汇池网输出向量进行最优线性加权优化,给出了具有任意节点数目的随机汇池网络最优权向量以及估计信号与真实信号之间均方误差表达式。同时,在实际信号处理任务中,待估参数和噪声的统计信息经常是未知的,本文给出了基于观测数据的最优权向量和均方误差近似估计算法。理论和实验都验证了随机噪声对于随机汇池网络的优化能力,也展现了自适应最优加权随机汇池网络良好的估计性能。

噪声增强局部最优处理器信噪比增益的研究

在弱信号情况下,一种易于实现且性能渐近于Neyman-Pearson处理器的结构称为局部最优处理器。利用分叉噪声构造了一类局部最优处理器,证实了这类处理器对于非零噪声强度具有最大输出输入信噪比增益,即局部最优处理器性能的噪声增强现象。

阵列噪声增强技术在数字信息隐藏中的应用研究

研究了阵列噪声增强技术在数字信息隐藏中应用。非耦合的双稳态检测器组成的并联阵列可视为一种规则网络,阵列噪声与检测器参数都是可调谐参数,网络输出性能能够由非零阵列噪声优化。这就是阵列随机共振现象,也可以视为一种阵列噪声增强技术。将代表版权等信息的黑白字符水印排列成二进制序列之后,依据非线性双稳态检测器的频率检测鲁棒性,将之调制成具有一定延迟时间的脉冲调幅信号。宿主图像经离散余弦变换(DCT)后,在中频区域中选相应数量的DCT系数经Arnold变换置乱后作为背景噪声,水印信号则嵌入这些选定的中频系数中。嵌入水印的DCT系数经过逆变换后得到水印图像。水印图像受到各种信号处理方法的攻击时,可以利用非线性双稳态检测器从攻击图像中提取水印字符。通过阵列噪声增强技术,提取水印和原始水印字符的相似度与单独的双稳态检测器检测结果相比得到了进一步改善。

音频水印非线性检测器的研究

研究了一种用于音频水印的非线性检测器。首先将音频信号进行离散余弦变换,并将变换系数按照绝对值进行排序,依据音频信息本身的特点选取中频系数嵌入水印信息,采用高斯混合概率密度模型来拟合加入水印的中频系数。其次,依据这种非高斯模型的特点,设计了一种非线性检测器来检测水印。实验表明这种非线性水印检测器具有很好的鲁棒性,对于加高斯噪声、重采样、重量化、MPEG压缩、Chebyshev低通滤波等多种攻击都具有较好的抗攻击能力。

离散Hopfield神经网络的手写数字识别研究

利用离散Hopfield神经网络对手写数字识别进行了研究。将受到噪声污染的手写数字储存为二值图像,然后调制成二进制信号通过神经网络进行传输,通过给定权矩阵的Hopfield神经网络进行按址存储,将网络输出的内容再映射为数字图像。实验结果表明:数字图像识别的误码率与调制信号的幅值、码间时间间隔和网络神经元耦合个数成负相关关系,而且随着噪声强度的增加,误码率出现非周期随机共振现象,在一非零最优噪声强度值达到最小,此时数字图像也恢复得更加清晰。这些结果为进一步研究最小误码率优化目标下的Hopfield神经网络自适应权重矩阵提供了实验依据,而且对于神经网络联想记忆中随机因素的作用研究具有重要意义。

耦合神经网络中脉冲信号传输的噪声增强研究

对积分发放神经元耦合网络中脉冲信号传输的噪声增强现象进行了研究。通过权矩阵控制神经元间耦合强度和网络结构,网络中脉冲刺激信号激励靶神经元,而网络内各神经元都受到内部噪声的驱动。研究表明,随着噪声强度的增加,神经网络输出发放率与离散脉冲信号发放率的互相关系数不断增加并达到极值,证实了脉冲信号传输中耦合神经网络中存在噪声增强现象。还进一步分析了门限电势、网络结构以及噪声类型对输入输出发放率之间互相关系数的影响。这些研究结果为进一步将随机共振理论应用到神经系统中脉冲信号传递问题提供了实际依据。

复杂随机系统的信噪比增益研究与阵列随机共振

复杂系统与非线性科学密切相关。为了探讨复杂随机系统信息处理的机制和利用“随机”因素自优化能力,研究了一类无限并联阵列的信噪比增益问题。阵列中每个子系统是一个双稳态振荡器,其输入都是同一个给定的含噪正弦信号。每个子系统内部噪声强度相同,但是相互独立。随着内部噪声强度的增加,信噪比增益出现了随机共振现象和存在大于一的区域,并且这一区域随着并联阵列数目增加而被放大。无限并联阵列的信噪比增益可达到全局最大值。依据阵列非稳态输出均值和稳态自协方差函数的极限性质,本文证明了无限并联阵列的信噪比增益问题可以归结为任两个子系统的统计性能分析。这些研究结果对于复杂系统信号处理理论具有重要意义。

循环平稳性与随机共振理论的非绝热描述

噪声背景中周期信号的循环平稳性是信号处理中一个重要的特征。本文利用随机循环平稳过程的有关理论研究复杂随机动态系统中的随机共振现象。依据系统输出的一维准稳态概率密度近似理论,本文推导了系统输出二维跃迁概率密度、稳态自相关函数和系统输出信噪比的公式。输出信噪比随着输入噪声强度增加而呈现的随机共振现象,理论分析和数值试验结果非常吻合。此理论为随机共振理论的一种非绝热描述,不仅能够解释经典随机共振现象,而且能够描述驻留随机共振现象,对于复杂随机动态系统的信息处理机制具有重要理论指导意义。

数字图像乘性与加性水印算法比较研究

本文利用数字图像离散余弦变换系数的广义高斯分布模型,在图像嵌入水印后峰值信噪比(peak signal to noise ratio,PSNR)一致的条件下,以检测概率为衡量指标,理论分析了数字图像加性和乘性算法在未受到攻击时的性能,乘性算法的性能随形状参数的变大而提高,而加性算法的相关检测器性能与形状参数无关。攻击实验分析表明,除了抗滤波攻击性能较差外,加性算法在其他攻击下表现出较强的鲁棒性。

数字图像多水印算法中的随机共振检测器研究

主要研究了一种基于随机共振检测器的数字图像多水印算法。首先将多水印信息调制为不同码率的二进制脉冲幅值调制信号,然后选取图像DCT域中不同段中频系数进行置乱,依据加性数字多水印的嵌入算法,对于数字水印信息的加密过程进行了改进。这种多水印信息的特点使得双稳态非线性系统成为一种比较合适的检测器。这种非线性检测器具有较好的鲁棒性,可以检测出不同码率的数字多水印。实验表明,这种加密和检测方法对于噪声污染、JPEG压缩和剪切等多种攻击具有较好的效能。

耳蜗神经网络中语音信号传输的刺激条件信息研究

在耳蜗神经网络对语音信号的刺激响应过程中,针对如何区分编码最有效率的语音信号分量问题,提出了刺激条件信息分布计算方法,研究了给定刺激条件下平均不确定性度的减小。实验结果表明:积分发放神经网络膜电位发放的刺激条件信息不仅能够从统计意义上给出平均互信息的大小,而且清晰地表明信号中各分量的编码效率,确定输入信号中对于互信息量起主要作用的事件分量范围以及内部噪声的可利用性,证实噪声强度与最大刺激条件信息量之间的非单调关系,这些研究结果为进一步探索人工耳蜗动作电位发放的解码方案提供了理论依据。

窄带弱信号检测中的随机共振现象研究

针对雷达、声纳和通信等领域中频段信号经常受窄带噪声污染的问题,本文采用随机共振理论,对窄带噪声环境下的弱信号检测及其随机共振现象进行研究。在圆对称概率密度的窄带非高斯噪声环境下,建立了窄带弱信号观测模型,并对局部最优检测器、广义窄带相关检测器和硬限幅窄带相关检测器中的随机共振现象的存在性进行分析与仿真,同时对给定次优系统中的随机共振性能与自适应次优系统最佳性能进行比较。研究结果表明,噪声与检测器结构参数都可视为影响检测器性能的重要因素,在局部最优检测器中不存在随机共振现象;在广义相关检测器中,广义瑞利噪声环境下的次优系统中存在随机共振现象;在硬限幅窄带相关检测器中,非尺度噪声如莱斯噪声环境下也证实了随机共振现象。该研究为提高雷达和通信领域的信号检测性能提供了理论依据。

归一化局部最优处理器中随机共振现象的判定研究

为提高静态非线性系统的性能,本文依据局部最优处理器的结构,对给定的局部最优处理器中的随机共振现象进行了深入研究,给出了给定的局部最优处理器中产生随机共振现象的判定定理。利用对于周期弱信号,局部最优处理器具有最大输出信噪比,且其信噪比增益就是噪声概率密度函数的Fisher信息量这一关系和Fisher信息量的卷积不等式,并给出实际例证,结果表明,当向原始信号中加入额外噪声时,更新的局部最优处理器不能进一步提高输出信噪比。该结论为进一步将随机共振理论与非线性信号处理实际问题相结合提供了理论依据。