基于归一化自适应随机共振的SSR检测方法

为了快速、准确地检测出次同步谐振(sub-synchronous resonance,SSR)早期信号,针对其频率较大、幅值较小的特点,基于随机共振理论,提出一种归一化自适应随机共振SSR检测方法。将随机共振方程做归一化变换,实现了对大参数信号的检测;进行自适应参数调节,使输出信号信噪比达到最优值。仿真结果表明该方法具有抗噪性好、实现简单、检测频率范围广的优点。

基于阈上随机共振的弱信号双色中波红外图像融合

提出了基于阈上随机共振的弱信号双色中波红外图像融合方法.利用阈上随机共振分别增强两幅图像的弱信号,通过中值滤波对图像降噪,然后对降噪图像进行支持度变换融合,得到信息丰富、细节明显的融合图像.实验结果表明,融合图像的局部标准差提高了247.7%、局部熵提高了45.52%、峰值信噪比分别提高了6.71%和6.65%,证明了该方法的有效性.

基于神经元阈上非周期随机共振机制的灰度图像复原研究

传统的图像复原方法在重建被噪声污染的图像时,都只是将噪声作为一种干扰加以消除。当噪声增强、图像信号减弱时,由于受方法本身消噪能力的限制,图像的恢复变得非常困难,因此,基于Hodgkin-Huxley神经元阈上非周期随机共振原理,提出了一种通过自适应调节和添加最优噪声的方法来实现图像随机共振,以取得最佳的复原效果。实验结果表明,该方法对于被噪声污染的灰度图像,特别是对于强噪声背景下的灰度图像,其复原的效果优于传统的方法。由于该方法具有较强的鲁棒性,因此为强噪声背景下的图像复原、目标识别等工程应用提供了一种新的思路。

阈值阵列模型下的超阈值随机共振信噪比增益

研究了阈值阵列模型和超阈值随机共振现象。对该模型进行剖析,认为阈值阵列系统可以分解为单个阈值系统与集总平均器的级联。为了研究周期输入下的超阈值随机共振现象,理论分析了周期输入下的阈值阵列模型输出随机过程的统计特性,以输出信噪比增益作为随机共振的测度,固定输入信噪比,观测输出信噪比增益相对于阈值噪声方差的变化规律。证实当输入噪声为高斯噪声时,在阈值阵列系统中加入统计独立的高斯白噪声可使输出信噪比增益大于1,当输入噪声为非高斯噪声时,可获得更高的输出信噪比增益。

极大阈值网络中的噪声提高Fisher信息

基于Fisher信息研究了3种典型噪声下极大阈值网络中的随机谐振和阈上随机谐振现象。通过研究得到极大阈值网络中的噪声能够提高Fisher信息,即随机谐振和阈上随机谐振现象存在,噪声有助于信号的估计。随着网络中阈值单元数的增加,Fisher信息的最大值迅速地增加,随机谐振和阈上随机谐振的功效显著增强。这些结果说明极大阈值网络中的随机谐振和阈上随机谐振对于噪声具有一定的鲁棒性,同时也拓展了随机谐振和阈上随机谐振在信号估计方面的应用。

自适应随机共振的图像复原研究

传统的图像滤波复原技术都是把噪声当成一种有害的干扰加以消除,但随着噪声的强度增加,传统的图像复原办法对强噪声背景下的图像复原效果很差。本文主要基于Hodgkin-Huxley(H-H)神经元阈上非周期随机共振原理,通过一种自适应调节的方法不断添加噪声实现图像的随机共振,从而达到最佳的图像复原效果。实验结果证明,相对于传统的图像复原方法,本文所提出的方法在强噪声的背景下对图像的恢复有更好的效果,随着噪声强度的变化具有比传统方法更好的鲁棒性,为图像复原提供了一种新思路。

传感器阵列中阈上随机共振现象的仿真研究

研究了具有阈值特性的传感器阵列中的随机共振现象。使用相关系统数被来衡量输入随机信号和输出响应之间的非线性匹配程度。这一测度反映了输出与输入之间的信息转换率,因此可被用来考察阈值系统中的随机共振现象。文中从单个阈值单元模型出发,通过对输出信号进行估计,得出了噪声作用下输出随机变量与输入随机变量之间的相关系数。仿真结果表明在该类系统中,不但存在有阈值下的随机共振现象,而且也存在阈值上随机共振现象。

高斯混合噪声下非线性门限阵列中噪声改善信息的传输(英文)

为了探讨随机谐振现象的发生对信号、非线性系统和噪音的依赖性,特别是对噪音的依赖性,以互信息量为测度研究了二进制信号在非线性门限阵列的传输问题.在高斯混合噪音下计算了单门限系统和门限阵列的互信息量.通过研究得到:高斯混合噪音能改善信息的传输;随机谐振和超门限随机谐振现象不但在单门限系统中而且在门限阵列中存在;噪声分布中的参数影响随机谐振和超门限随机谐振现象的出现;随着门限阵列中门限单元数的增加,门限阵列能大大地改善信息的传输效果.这些结果进一步说明随机谐振和超门限随机谐振现象对噪声分布特性的依赖,同时也拓展了随机谐振和超门限随机谐振在信息传输中的应用.

基于阈上随机共振现象的弱信号检测

为了说明当信号幅值处于系统阈值上时,噪声依然对信号起到增强作用,研究了加和网络模型中的随机共振现象,并且将该模型作为线性检测器的预处理器以构成非线性检测器,来进行对弱信号的检测研究。在搭建的非线性检测器中采用奈曼皮尔逊准则对信号做出判决。仿真结果表明:在加和网络模型中观察到了阈上随机共振现象,且非线性检测器的检测性能明显优于线性检测器。这为强噪声环境中提高弱信号检测问题开辟了一条新思路。

用信号检测理论和泊松过程仿真感觉系统中随机共振现象

运用心理物理学的实验方法来研究噪声对某一感觉通路的作用是神经信息学中的重要手段,一些研究者们已经借用此类实验方法证实了感觉通路中存在有噪声作用的随机共振现象,但是相应的理论研究工作仍不完善.基于信号检测理论中的理想观测器模型,考察了在保守阈值下的阈下随机共振现象和宽松阈值下的阈上随机共振现象.另外,文中从更接近实际神经电活动的角度出发,使用神经元放电的泊松模型来详细分析噪声对感觉神经系统的作用。

基于阈上随机共振的混合气体识别研究

在深入分析阈值随机共振系统模型的基础上,提出了一种基于最大互相关系数的方法来进行混合气体的分类识别。实验结果表明,该分类方法准确可行,为分类识别提供了一种新的思路和方法。

基于随机共振检测的神经元非周期激励响应模拟研究

非周期激励响应对于神经系统的研究具有重要理论意义和应用价值.为了模拟生物感觉系统中检测信号的机制,基于随机共振检测原理,采用互信息率评价方法,对Hodgkin-Huxley单神经元非周期激励响应进行了研究.实验结果表明,Hodgkin-Huxley单神经元不但阈值下存在非周期随机共振现象,在某些特定的条件下,阈值上也同样存在看非周期随机共振现象.由于噪声广泛存在于信号之中,由此,为研究强噪声背景下的神经系统信号检测提供了一种新的方法.

一类非线性网络系统中噪声改善信号的相关性

基于相关系数研究了在一类非线性神经网络系统中加性和乘性噪声作用下的阈上随机共振现象。仅在加性噪声或者乘性噪声的作用下,对每一个固定的系统阈值,加性噪声下的阈上随机共振比乘性噪声下的阈上随机共振更容易发生,且相关系数所达到的峰值也比在乘性噪声下的峰值大,这说明加性噪声更有利于改善信号的相关性。系统阈值的增加会降低阈上随机共振的功效;而阈值单元数目的增多,会提高阈上随机共振的功效。加性和乘性噪声共同作用下的阈上随机共振现象同样存在,对系统阈值进行恰当选取和增加系统阈值单元数目使得阈上随机共振现象更加明显;给定乘性噪声而改变加性噪声比固定加性噪声而改变乘性噪声阈上随机共振更容易发生,且功效更好。

阈值系统中的LDPC译码随机共振及应用研究

研究阈值阵列系统中低密度奇偶校验码(LDPC)的译码随机共振现象。经过LDPC编码调制的信源序列通过阈值阵列系统添加独立同分布的高斯噪声,接收端采用BP迭代译码算法,译码性能以误码率为测度。仿真结果表明,当信号是阈下时,噪声强度增加,误码率先降后增,随机共振发生,且在阈值单元个数较多时,随机共振现象越明显;当信号是阈上时,噪声总是恶化译码的性能,随机共振不存在。进而研究莱斯噪声作用下的译码随机共振现象,并发现存在阈上随机共振。最后推广到图像在LDPC编译码系统中传输的实际应用中,证实了噪声对其传输效果的明显改善作用。这些结果显示了非线性系统信道译码中噪声的改善作用,扩展了随机共振在信道译码中的应用。

基于信息论下阈值阵列模型中的阈上随机共振现象

研究了高斯混合噪声作用下阈值阵列模型中的阈上随机共振现象.通过建立阈值阵列模型,运用理论分析和数值仿真相结合的方法,分析了高斯混合噪声作用下高斯信号通过系统时的互信息.数值仿真表明,通过控制变量法,当阈值单元数目越多或者系统阈值越大时,阈上随机共振发生的现象更加明显.所得结论可以为进一步探索阈值阵列模型提供基础.

基于阈上随机共振的侯马盟书虚拟修复方法

针对山西侯马盟书严重退化问题,对其文字的提取和虚拟修复问题进行了研究。将图像处理算法与人机交互相结合,提出一种基于阈上随机共振的侯马盟书虚拟修复方案。首先将原始RGB盟书图像变换到色调、饱和度、亮度(HSV)颜色空间,再利用阈上随机共振对亮度图像进行复原,然后通过改进的双边滤波Canny算子提取文字轮廓信息,并结合人机交互对确实的文字轮廓进行修复;最后利用颜色迁移算法将经过填充的文字恢复成原有朱砂红颜色。实验结果证明,该方法能有效修复笔画连通性差的模糊字迹和褪掉的色彩。

多阈值系统中的阈上随机共振研究

以互信息为测度,通过模型建立与数值计算,发现在一定强度的加性噪声和乘性噪声共同作用下,多阈值系统中出现了阈上随机共振现象。提高阈值与增加阈值单元数都可以让系统更易于出现该现象,然而阈值的提高会减弱系统中信息传输的效果。在噪声强度较弱时,提高阈值单元输出元数可以增强系统中信息传输的效果,但过高的输出元数会使系统中的阈上随机共振现象消失,并且使互信息的值趋于饱和。

多阈值随机汇池网络自适应估计性能研究

本文研究了数模转换中多阈值随机汇池网络的自适应信号估计性能,给定网络节点数目,将模数转换的阈值进行均匀划分,分析了随机汇池网络输出的分布函数,理论给出了多阈值随机汇池网络的最优权向量和最小均方误差表达式,以及大规模网络输出的Fisher信息量近似值,实验验证了多阈值随机汇池网络中超阈值随机共振现象,随着阈值数量的增加,噪声的有益性逐渐减弱,而网络估计的最小均方误差不断变小且逐渐接近Fisher信息意义下的误差界。研究结果表明多阈值随机汇池网络的自适应信号估计方法具有重要的应用价值。

语音信号传输过程中的阈上随机共振现象

对利用阈上随机共振现象来改善语音信号的传输进行了研究。在理论上,选取输入输出互相关系数作为测度,用拉普拉斯信号模拟语音信号,研究了拉普拉斯信号在多阈值系统中受到加性高斯噪声和乘性高斯噪声作用下的阈上随机共振现象。在实际应用中,同样选取输入输出互相关系数作为测度,用真实的语音信号作为输入信号,在受到加性高斯噪声和乘性高斯噪声共同作用下的多阈值系统中进行仿真。理论研究结果表明,在受加性噪声和乘性噪声共同作用情况下的多阈值系统中,当噪声强度在一定范围内变化时,该系统中出现了阈上随机共振现象。仿真结果表明,语音信号在上述系统中传输时,也发生了阈上随机共振现象,即验证了利用阈上随机共振可以改善语音信号的传输。

一类非线性神经网络系统的超阈值随机共振现象

超阈值随机共振可用来解释一些生物现象.本文对一类非线性多阈值神经网络模型的超阈值随机共振现象进行了探讨.首先推导出了系统输出互信息的表达式,然后分析了系统参数及噪声对互信息量的影响.通过数值计算发现,在阈值系统的信息传递过程中,根据乘性噪声和加性噪声对系统信息传递影响的不同,对系统的阈值进行恰当选取是至关重要的.此外,还发现系统的阈值单元数目越多,超阈值随机共振现象就越容易出现.