随机共振及其在信号检测中的应用研究

　　在检测和传递信息的过程中，噪声通常被认为是有害的。 然而随着随机共振概念的提出，这一观念有所改变。 在某些非线性系统中，适量的噪声加到信号中能够起到放大的作用，这种有利于在噪声环境中检测和传递信息的效应就是随机共振的典型特征。

　　随机共振是非线性动力系统中的普遍现象，它向人们展示了噪声在非线性体系中的积极作用：部分噪声的能量转换为信号的能量，从而增强弱信号的信噪比。 在过去二十多年的研究中，科学家们发现在物理、 化学、 生物、 通信、 电子、 光学、 神经网络、 视觉、 听觉等众多科学领域都存在随机共振现象。 在20 世纪80年代90年代主要研究了双稳态系统中随机共振的原理及应用，并且在光学系统中发现了随机共振现象。 从上世纪90年代至今，在物理、 化学等各个学科中都形成了随机共振的理论方法，同时随机共振也开始应用于传感器、 生物医学、 信号处理、 通信网络等领域。

　　近年来对阈值系统随机共振现象的研究受到了广泛的关注。 在这类系统中，阈值下的弱信号在噪声的作用下获得了部分能量，从而使得信号跃迁阈值。 也就是说，通过随机共振现象，噪声能增强阈下信号对系统的响应。 通常的研究认为随机共振只出现在阈下信号，而对于阈上信号，则不能观察到随机共振。 然而近的理论和模型研究都表明对于多阈值系统和神经元并行阵列的阈上信号也可以出现噪声优化信息传递率的现象。 这一过程与随机共振类似，称为阈值上随机共振。

　　由多个阈值单元构成的并行网络在工程中广泛存在，例如： 模-数变换； 由多个传感器组成的加和阵列；构成电子鼻的多个气敏传感器等，其中每个传感器具有一定的灵敏度，存在对信号响应的阈值，就是典型的多阈值加和并行网络系统。 而且具有多个阈值电平的网络在神经元建模中也经常用到，因此/ 研究这些阈值系统中的随机共振就显得非常重要了。

　　本文研究在阈上随机共振模型和仿真的基础上，将其应用到混合气体识别的训练中，以期作为一种模式识别的新方法。

点击原文PDF：