神经元中的随机共振及含噪周期方波脉冲信号的最优检测

理论研究表明 ,神经元用于含噪周期方波脉冲信号传输时存在随机共振现象 ,信号的占空比和神经元的阈值对随机共振的影响有一定的规律 .同时 ,可获得大于 1的信噪比增益 ,这是线性系统不能实现的 ,因而可将神经元的应用推广到非线性信号处理领域 .在此基础上 ,对应用神经元实现含噪周期方波脉冲信号检测的最优条件和最优特性进行了分析 .最后 ,通过仿真实验验证了理论分析的正确性     

含相关色噪声和周期方波信号的双稳系统的随机共振

本文研究了含相关色噪声和周期方波信号的双稳态系统的随机共振（Stochastic Resonance, SR）. 在绝热极限条件下，本文利用统一色噪声逼近（Unified Colored-Noise Approximation, UCNA）法将原系统转化为相关高斯白噪声及周期方波信号驱动的新双稳系统，给出其Fokker-Planck方程，然后基于双态理论推导了系统的信噪比（Signal-to-Noise Ratio, SNR）的表达式．本文分析了势参数、噪声参数及信号参数对系统信噪比的影响，发现对所有参数随机共振均出现．本研究可望为实际应用提供一些理论基础．     

基于随机共振大参数微弱周期信号检测

研究了非线性双稳系统的动力学机理,根据非线性系统产生随机共振的同步条件,提出了不满足绝热近似理论的大参数微弱信号实现随机共振的方法。通过对系统参数的适当调整,实现了大频率信号和大强度噪声淹没的微弱周期信号的检测。理论分析和仿真实验表明,该方法有效地实现了大参数微弱信号随机共振,使得利用随机共振法检测大参数微弱周期信号不再局限于尺度变换法。     

基于变步长随机共振的弱信号检测技术

针对绝热近似小参数随机共振难以满足工程实践中大参数下的弱信号检测，以及单一频率的共振分析在实际应用中的局限性问题，提出了一种变步长随机共振数值算法．该方法通过调整计算步长，使随机共振理论同时适用于犬、小参数条件下的弱信号特征提取．计算机仿真结果表明，对变步长随机共振后的信号作幅值谱和小波分析，均能准确得到低信噪比信号中的多个有用成分，充分证明该算法在大参数条件下可对弱信号中的多个特征频率产生共振输出．同时，变步长随机共振也可以有效抑制信号小波分解中由强噪声引起的边频干扰，提高小波分析在低信噪比信号检测中的可靠性．     

小波分析在动态测试信号降噪中的应用

论述了小波分析在动态测试信号降噪中的应用.主要分析如何引入小波变换理论并通过它去除动态测试信号中的白噪声.随后阐述小波分析去除噪声的工程实现方法及其相对FFT除噪方法的优势.对一例加入白噪声的力脉冲信号进行了计算机仿真实验,结果表明,用小波变换处理含噪信号,具有明显效果.     

随机共振神经元利用噪声辅助进行信号传输特性分析

根据生物神经元是利用噪声通过随机共振机制进行信息处理的现象,以阀值神经元为例,采用香农第二定理,分析了双极性信号和白噪声通过由多个神经元串联或并联组成的系统的输出情况,从品质因数、传输长度等角度对多个神经元串联系统的输出特性随噪声强度变化进行了分析．实验结果表明：系统存在随机共振现象,即存在最优的噪声量可以最大限度地增强信息传输;串联时传输信息量随级数的增大而减小,并联时正好相反;噪声的分布形式只影响共振效应的强弱,而不影响系统的随机共振特性;均匀白噪声比高斯白噪声有更强的共振效应．从而说明了噪声对信息传输的积极作用．     

信号逼近在复杂信号去噪中的应用

对具有不同类型时频结构的复杂信号,为了最优化非线性信号逼近,可根据信号自适应地选择基。分析了通过极小化凹花费函数,从基字典中挑选“最佳”基的原理,采用快速最佳基的树搜索算法,在小波包基和局部余弦基这一类基中寻找被处理信号的最优基,实现了含噪语音录音信号的去噪。结果表明,最优经验局部余弦基对此类复杂信号的去噪效果远比固定小波基阈值去噪效果好。     

采用遗传算法的自适应随机共振系统弱信号检测方法研究

针对传统自适应随机共振系统只能实现单参数优化的缺点,提出了一种基于遗传算法的多参数同步优化自适应随机共振算法.该算法选用由双稳系统输出的信噪比作为遗传算法的适应度函数,能够实现随机共振系统中多个参数的自适应选取,从而最优地检测出原始信号中的微弱周期成分.同时,将该优化算法和移频变尺度随机共振相结合,可以实现大参数条件下的随机共振.仿真数据和滚动轴承外环故障数据的分析表明,该算法收敛速度快,简单易行,在采样点数较少的条件下能从强噪声背景中检测出微弱的高频周期成分,因此具有良好的工程应用前景.     

改进的匹配追踪在方波信号滤波中的应用

为了克服常规滤波方法对方波信号滤波能力的不足,实现对方波信号的精确滤波,提出了一种改进的匹配追踪算法。针对方波信号特征,构建了与方波信号匹配而对噪声不敏感的方波原子;基于正交匹配追踪,并吸收子空间追踪的回溯思想,改进了最优原子选择方法;鉴于有用信号与噪声信号的能量差异,使用了一种自适应迭代停止标准,能准确找到有用信号和噪声的临界点,解决噪声能量未知的预估问题。对不同信噪比下的仿真方波信号进行滤波,经实测验证,所提方法在信噪比和均方误差方面都优于常规去噪算法,且保留了方波的特征,适用于方波信号的滤波。     

一种非线性双稳系统的微弱信号捕获装置设计

基于信号检测技术中随机共振的原理,采用数值模拟手段,建立脉冲多普勒信号检测的随机共振系统;对信号进行频率压缩,使之变为满足发生随机共振条件的低频信号,实现随机共振;给出信号检测的随机共振软件程序、硬件电路,实现强噪声环境下对较大频率微弱信号的捕获。     

一种改进的基于VC维的非平稳信号小波消噪方法

利用正交小波多分辨分析技术,研究了非过采样和有限样本下非平稳信号的滤波消噪问题。根据统计学习的结构风险最小化原则和VC维理论,给出一种改进的基于VC维的小波消噪方法,使消噪后信号在函数估计意义下具有最小的实际风险,克服了传统的小波信号消噪方法的应用缺陷。对典型非平稳信号消噪处理的仿真结果表明:与现有的几种信号消噪方法相比,该方法可有效提高信号去噪性能,改善已有结果难以在提高消噪性能和降低模型复杂度间实现最优折中的不足。     

级联双稳随机共振降噪下的有噪ICA研究

研究了强噪声混合条件下的独立分量分析（ICA）问题．提出了一种将级联双稳随机共振（SR）用于有噪ICA盲源分离的方法．该方法利用级联双稳SR对时域波形降噪的优良特性，先对有噪ICA信号进行SR输出，再进行ICA盲源分离．实验结果表明，利用上述方法可以有效提高有噪ICA的分离效果．     

信号噪声下整合发放神经元模型的随机共振

文章基于整合发放神经元模型,研究了信号噪声与背景噪声共同作用下神经元系统的随机共振现象。利用随机平均法推导出了神经元系统的输出幅值增益精确表达式,并考察了背景噪声、信号噪声相关时间和信号噪声与背景噪声两噪声的关联强度对神经元系统输出幅值增益的影响。通过数值模拟发现,当背景噪声较弱时,神经元系统有明显的随机共振现象;当信号噪声自相关时间较短及背景噪声与信号噪声间两噪声间关联强度较小时,神经元系统也会出现随机共振现象。     

频移变尺度自适应随机共振在大信号检测中的应用

针对随机共振检测大信号的局限性和判断随机共振发生时刻的盲目性,提出了将基于频域信噪比的自适应算法引入频移变尺度随机共振中,自动调节双稳态系统结构参数和采样频率,自动获取随机共振状态,实现大参数信号检测.数值仿真实验结果表明,频移变尺度自适应随机共振可以从强噪声背景中提取较高频率的周期信号;能自适应地寻找到随机共振发生时刻,获得了较高的输出信噪比,在信号检测领域具有更好的应用前景.     

深孔加工过程油压监测信号消噪技术研究

针对深孔加工过程油压监测信号含有大量脉冲干扰和随机非平稳噪声的特点,提出了一种基于小波包的防脉冲干扰滑动平均滤波方法,该方法首先对油压信号进行小波包消噪,再对小波包处理后的结果进行防脉冲滑动平均处理.实验结果表明,利用小波包技术和防脉冲干扰滑动平均算法相结合的滤波方法,对油压监测信号具有很好的滤波效果,从消噪油压信号中提取的变化率特征可有效实现对深孔加工过程中堵屑故障的监测.     

FHN神经元传输特性研究

以正弦函数为刺激输入,研究了在高斯白噪声作用环境下单个FHN神经元模型的信号传输特性。通过对输出信号进行时域分析,发现FHN神经元系统存在随机共振现象,且信号的传输与噪声强度、外界刺激信号的频率和振幅等因素密切相关。单因素分析表明,适宜的噪声强度有利于信号的传输,频率处于0.2~0.5Hz及振幅达到A=0.4时,正弦输入的响应较为强烈,其他参数不利于信号在神经元中的最优传输。     

超混沌系统脉冲同步及其应用

研究了采用脉冲同步理论解决混沌系统的同步问题,并利用脉冲同步方法构造超混沌脉冲同步系统.根据同步渐进稳定性条件作为前提对系统进行数值仿真.采用同步误差的线性反馈作为脉冲信号,结合谱半径的稳定性定理采用合适的脉冲周期对系统进行了同步仿真实验.实现了超混沌系统的同步.并以正弦信号为例进行了信号传输的实验,进一步在加入白噪声的情况下考察了其同步效果.仿真效果表明,该方法具有较好的鲁棒性和抗噪能力,是对传统同步方法的改进和优化,具有一定的实际应用价值.     

自适应随机共振信号检测系统研究与设计

研究了自适应随机共振信号检测算法,基于MATLAB设计并实现了自适应随机共振信号检测系统,经仿真和实测数据验证表明,该系统检测效果良好,具有实际应用价值。利用该系统可研究测试各种参数及有色噪声对随机共振的影响,可从实际采集数据中恢复微弱信号的时域波形及信号频谱。     

随机共振模型结构参数自寻优方法与应用

在随机共振微弱周期信号检测过程中,如何确定结构参数值非常关键.已有的结构参数选择方法在应用上存在着局限性,如由于模型输入信号的干扰噪声未知,通常定义的信噪比无法获得.针对该问题,首先改写了随机共振模型的数学表达式;然后定义了一种随机共振模型输出信噪比,并给出了计算方法;最后在此基础上,以输出信噪比为评价指标,提出了一种结构参数自寻优方法,用于构建性能优良的随机共振模型.仿真信号分析表明该方法能较好地解决输入信号背景噪声未知的问题,所构建的随机共振模型可有效检测出低频率和高频率的微弱周期信号.通过对转子试验装置上的转子系统早期不平衡故障分析的应用,验证了所提出方法的有效性和实用性.     

噪声诱导下单热敏神经元信号检测

利用热敏神经元动作电位发放图、ISI分叉图、功率谱密度(PSD)等,系统地研究了单热敏神经元在噪声诱导下的随机共振现象.通过对比分析发现分岔周期数为1或者2的情况下,存在一最优输入信号频率fopt,使得神经元输出信噪比(rSNR)最高.不同噪声强度D下,热敏神经元对输人信号检测能力各异,低噪声强度下检测能力较好.