虚拟仪器中欠阻尼系统随机共振的应用与优化

针对现实应用中的噪声问题,基于虚拟仪器(Labview)的实验平台,在欠阻尼二阶线性系统中利用随机共振对弱信号进行检测仿真实验,研究表明,该系统输出信噪比呈非单调变化,适当调节系统参数和噪声强度可观察到欠阻尼二阶线性系统中存在随机共振现象,提高了信号的信噪比,进而可以检测到夹杂在噪声中的弱信号.该仿真系统还可以改造成检测实际弱信号的检测系统,与实际应用接轨,并通过遗传算法进行了参数优化,得到了预期理想效果,具有现实应用意义.     

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。     

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。     

EEG动力学模型中随机共振现象的仿真研究

脑电图(electroencephalogram,EEG)中随机共振现象的研究对于分析大脑系统的行为具有重要理论意义和应用价值.为了模拟大脑系统中检测信号的机制,提出使用信噪比、互相关系数、互信息率对比评价方法,对EEG动力学模型中随机共振现象进行了研究.实验结果表明,EEG动力学模型不但存在着周期随机共振现象,同时也存在着非周期随机共振现象.此研究为大脑系统中存在着随机共振现象的观点提供了一种新的证据.     

基于随机共振的惯性传感器信号实时处理方法

根据惯性传感器信号处理特点,研究其基于随机共振的信号实时处理方法。首先,从实时性的角度出发,确定随机共振数值算法--龙格库塔法,并对其进行相应改进,实现实时处理。然后,研究单稳系统中各个参数对信号恢复结果的影响,确定系统处理的较佳参数。最终的仿真结果表明,静态信号的零漂值得到了较大改善,而动态信号的信噪比最大可提高约20 dB。同时,为了进一步验证算法,在数字信号处理硬件平台上实现算法,采样频率为5 000 Hz,结果完全能够满足惯性传感器信号处理的要求。因此,所提算法能够有效进行惯性传感器信号实时处理,为随机共振理论在惯性传感器信号处理中的应用提供了重要参考。     

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.     

生物神经网络系统的动力学研究进展及展望

生物神经网络系统是复杂的非线性动力学系统,其动力学研究是国内外关注的一个重要课题.本文概括性地介绍神经网络系统的动态特性及影响因素,包括时滞和噪声对神经元网络的同步,同步转迁和随机共振的影响,并且介绍神经网络系统的建模问题.由于生物神经网络通常是动态的系统,因此建立模型要考虑网络如何受时变连接方式的影响,最后对今后研究给出一些展望.     

基于双稳阱内随机共振的OFDM信号检测方法研究

为了解决OFDM(orthogonal frequency division multiplexing)传输系统中接收端对微弱OFDM信号的检测问题,本文将双稳阱内随机共振系统与OFDM信号增强和解调过程相结合,推导了多载波信号激励下双稳阱内随机共振系统从零状态变化到势阱状态所需时间的解析表达式,分析了暂态响应导致的多载波信号在一个符号内的能量损失问题;推导了系统稳态输出方程,分析了稳态过程对子载波已调信号叠加直流偏置分量的问题;探讨了在不同系统参数和噪声强度下阱内随机共振对OFDM信号解调性能的影响。仿真结果表明：该方法可有效实现信号与噪声阱内协同作用,提高OFDM信号的检测性能。     

基于自适应尺度变换-双稳态随机共振模型的BPSK信号检测算法

为提升在强噪声背景下对二进制相移键控(binary phase shift keying, BPSK)信号的检测性能, 针对主流方法在抑制噪声过程中信号受到一定程度的削弱、信号处理系统引入新噪声导致检测性能下降的问题,提出了基于自适应尺度变换双稳态随机共振模型的BPSK信号检测算法。对于经典的双稳态随机共振系统只能处理小幅度、低频段的周期信号的情况, 首先将双稳态随机共振系统进行尺度变换, 证明在高采样率条件下, 双稳态随机共振系统可应用于高频的BPSK信号, 并基于Neyman-Pearson准则设计了非线性阈值检测系统, 推导且定量表示出检测器的误码率, 以此作为反馈量, 自适应地调节系统参数, 构建了信号检测的完备流程。通过仿真实验验证了尺度变换的可行性以及所提算法的适用性, 为低信噪比条件下的弱BPSK信号检测提供了理论依据。     

阈值阵列系统中TCM编译码的随机共振现象

为了进一步降低网格编码调制(TCM)信号在接收端的误码率(BER),提高TCM码的译码性能。采用了一种离散的多阈值阵列系统与维特比译码器相结合的系统。并经过理论推导出阈值阵列系统输出端信号和TCM编码信号之间的互信息;同时通过仿真实验,分析了误码率的变化情况;并对两种不同测度下的变化情况进行了对比。理论分析表明,在适当噪声条件下,使信号无损传输到译码端;仿真实验也表明,在适当的噪声强度阈值阵列单元数量和噪声强度条件下,误码率会得到大幅度的降低。对比两种测度下的随机共振现象(SR),发现随机共振的存在性与测度有关。理论分析和仿真实验都表明,在该系统中适当的噪声能够显著提高互信息,降低误码率;随着阈值单元数的增加,这种效果也越发明显。     

White noise estimation for discrete-time systems with random delay and packet dropout

This paper is concerned with the optimal and suboptimal deconvolution problems for discrete-time systems with random delayed observations. When the random delay is known online, i.e., time stamped, the random delayed system is reconstructed as an equivalent delay-free one by using measurement reorganization technique, and then an optimal input white noise estimator is presented based on the stochastic Kahnan filtering theory. However, tb_e optimal white-noise estimator is timevarying, stochastic, and doesn＇t converge to a steady state in general. Then an alternative suboptimal input white-noise estimator with deterministic gains is developed under a new criteria. The estimator gain and its respective error covariance-matrix information are derived based on a new suboptimal state estimator. It can be shown that the suboptimal input white-noise estimator converges to a steady-state one under appropriate assumptions.     

一类随机系统的概率密度函数形状控制

本文提出了一种非线性随机系统稳态响应的概率密度函数形状控制方法.首先利用FPK方程确立了概率密度函数指数部分的Taylor展开项系数与系统控制增益间的关系,然后将概率密度函数的形状控制问题转化为一个非线性跟踪优化问题,最后针对该优化问题设计了相应的粒子群优化算法,获得了最优控制增益.仿真结果验证了本文方法的有效性.     

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。     

需求随机情形下时效性物品的随机存储策略

针对具有固定存储寿命、并且批量补充与批量随机需求情形下一类时效性产品的随机存储问题，应用排队论的思想和方法给出了其排队论模型，将状态概率方程组转化为可用数学软件求解的形式并给出了一般的算法，从而在货物需求强度已知的情况下可以得到近似最优的货物补充强度，最后给出实际算例，得到了三种情况下近似最优的货物补充强度。     

基于Copula函数的齿轮箱剩余寿命预测方法

齿轮箱是风力发电机组的关键部件，对风力发电机的整体寿命有直接影响.针对齿轮箱的剩余寿命，提出了一种多退化量下的剩余寿命预测方法.首先，在分析齿轮箱寿命的影响因素基础上，选取齿轮箱的振动加速度和噪声作为退化量；其次，采用基于核估计和随机滤波理论的方法分别对齿轮箱的振动加速度和噪声进行建模，从而获得齿轮箱的剩余寿命概率密度函数，进而得到其边缘分布函数；再利用Copula函数表示齿轮箱的振动加速度和噪声之间的随机相关性，求得齿轮箱剩余寿命的联合分布函数，从而得到齿轮箱剩余寿命的联合概率密度函数，得到齿轮箱剩余寿命预测值；最后，提出基于赤池信息准则模型评价的Copula函数选择方法.通过齿轮箱的试验验证了该方法的有效性.     

Periodic Solution and Ergodic Stationary Distribution of Stochastic SIRI Epidemic Systems with Nonlinear Perturbations

This paper formulates two stochastic nonautonomous SIRI epidemic systems with nonlinear perturbations. The main aim of this study is to investigate stochastic dynamics of the two SIRI epidemic systems and obtain their thresholds. For the nonautonomous stochastic SIRI epidemic system with white noise, the authors provide analytic results regarding the stochastic boundedness, stochastic permanence and persistence in mean. Moreover, the authors prove that the system has at least one nontrivial positive T-periodic solution by using Lyapunov function and Hasminskii's theory. For the system with Markov conversion, the authors establish sufficient conditions for positive recurrence and existence of ergodic stationary distribution. In addition, sufficient conditions for the extinction of disease are obtained. Finally, numerical simulations are introduced to illustrate the main results.     

一种新型的非线性随机大系统自适应镇定方法

研究了一类具有严反馈形式并含有Wiener噪声扰动的非线性随机大系统,其互联项满足线性增长约束。利用微分几何的理论,应用Backstepping算法,基于Lyapunov稳定性理论,选择了适合这类组合非线性系统的状态观测器,设计了自适应输出反馈分散控制律和自适应律,使得闭环,互联的非线性随机大系统实现了概率意义下的全局稳定,仿真结果表明了控制算法的有效性。     

DIVERGENCE RATE OF STATE OF AR SYSTEMS WITH UNSTABLE UNIT ROOTS

The order of weighted sum of noise sequence for stochastic system is estimated by using limit theory in probability. Then the divergence rates of state of unstable AR system driven by noise of martingale difference sequence are established.