论文摘要
随机共振是非线性系统、随机噪声和输入信号之间的一种协同现象,它反映了噪声的积极作用,可以在很多非线性系统中观测到,特别是在神经系统中,随机共振发挥着重要的作用。目前针对神经元模型的随机共振研究,主要集中于阈下单频周期信号输入的情况,但在现实中,非周期信号的检测和估计更具有实际应用意义,而且一些理论和模型研究表明,阈上信号情况下的随机共振可能是人类听觉和视觉感知的潜在机制。因此,论文重点围绕神经元模型的非周期阈上信号随机共振现象进行深入的研究,并基于阈上非周期随机共振机制,开展了语音复原、图像复原和图像增强的应用研究。首先系统介绍了随机共振理论的发展、研究现状,简要说明了经典和非经典随机共振理论、各种计算模型,分析整理了常用的随机共振评价方法。论文工作分三个部分:1.关于神经元模型随机共振的研究选择了Hodgkin-Huxley(H-H)神经元模型、Fitzhugh-Nagumo神经元模型以及EEG模型,对随机共振在神经系统中信息处理的作用进行了仿真研究。在分析三种模型的阈下随机共振现象的基础上,重点研究了其阈上随机共振,采用信噪比、互相关系数、互信息率对比评价方法,定量描述神经元阈上随机共振现象的效果,分析神经元阈值特性,提供了随机共振机制在信息处理中的应用基础。实验结果表明:神经元模型中的随机共振不仅仅局限于周期信号,对于非周期信号也广泛存在。这一结论揭示出生物体在复杂多变的环境中,可能利用随机共振机制达到微弱信号检测的目的。在某些特定的条件下,神经元对阈上信号也能产生随机共振现象。通过分析FHN神经元阈值特性,得出结论:神经元模型动力学行为可等效为两状态的阈值跨越行为。这是随机共振机制在信号检测和信息处理中的应用基础。2.关于一维信息处理的应用研究选择含噪语音信号作为研究对象,基于神经元阈上非周期随机共振机制,提出了一种随机共振语音复原算法,实现含噪语音信号阈上随机共振,从而达到语音复原的目的。利用改进后的互相关系数衡量语音信号的随机共振效果。将此方法对含噪语音信号的复原效果与传统方法复原效果做了比较和分析,得出结论:在强背景噪声情况下,本文方法的语音复原效果要优于传统方法。该方法具有一定的鲁棒性,有望转化为工程上的具体应用。3.关于二维信息处理的应用研究进一步分析图形图像类二维信号中随机共振的现象,提出一种自适应随机共振图像复原算法,并运用于灰度图像的复原处理。针对含噪彩色图像信息量较大、噪声寻优空间动态变化等特点,基于固定阈值、添加合适类型的噪声、采用折半方法快速寻找最佳噪声强度等方法,改进前述算法,提出一种快速自适应最优随机共振图像复原算法,并用于含噪灰度图像和彩色图像的复原处理。定性与定量分析了图像复原系统中的阈上非周期随机共振现象,针对不同复原方法、不同噪声添加次数对复原效果的影响,进行了定性与定量的对比实验,实验结果表明,在二维信息处理中,无论对于含噪灰度图像还是彩色图像,在强背景噪声下,本文方法复原效果优于传统方法复原效果,算法鲁棒性较好,对于图像处理系统具有一定的通用性。在算法改进过程中,对比分析了添加高斯白噪声和均匀分布随机噪声对随机共振效果以及图像复原效果的影响,实验结果表明,均匀分布随机噪声的性能优于高斯白噪声的性能。最后,研究基于随机共振技术的微弱图像信号增强问题,即借助添加的噪声,将弱信号从图像中提取出来。实验结果表明,相比于传统的图像增强方法,快速自适应随机共振图像增强算法可以借助添加的噪声能量,更好地提取出湮没在图像中的微弱信号,从而达到图像增强的目的。值得注意的是,该方法对RGB彩色模型和HSI彩色模型都具有一定的适用性,在某非零叠加噪声强度下,峰值信噪比均具有最大值,噪声的存在起到了改善图像质量的效果,但对不同的图像进行增强处理时,基于RGB模型和基于HSI模型的增强算法各具优势。随机共振理论的应用研究并不局限于语音复原、图像复原、图像增强领域,在图像分割、机械故障检测等领域,也具有潜在的应用价值,需要在今后的工作中开展更广泛深入的研究和探索。
论文目录
相关论文文献
- [1].色噪声驱动下的随机共振现象[J]. 唐山师范学院学报 2020(03)
- [2].布朗马达在周期余弦势能与线性耦合作用下的随机共振现象研究[J]. 黑龙江科学 2020(18)
- [3].一类线性系统的随机共振研究[J]. 运城学院学报 2017(03)
- [4].线性系统中随机共振现象的研究[J]. 江西师范大学学报(自然科学版) 2012(02)
- [5].三态噪声诱导的无穷耦合粒子形成的系统随机共振现象[J]. 宁波大学学报(理工版) 2012(02)
- [6].嘈杂小世界网络中的随机共振现象[J]. 分子科学学报 2008(04)
- [7].一类非线性神经网络系统的超阈值随机共振现象[J]. 物理学报 2012(17)
- [8].生物系统中随机共振现象及其应用[J]. 生物医学工程学杂志 2009(01)
- [9].时间序列模型中的随机共振现象[J]. 振动.测试与诊断 2014(01)
- [10].三值噪声调制下电路中的随机共振现象[J]. 宁波大学学报(理工版) 2013(01)
- [11].双值噪声扰动下分数阶串联电路的随机共振现象[J]. 宁波大学学报(理工版) 2018(05)
- [12].有界噪声激励下神经系统中反随机共振现象研究[J]. 中北大学学报(自然科学版) 2017(01)
- [13].窄带弱信号检测中的随机共振现象研究[J]. 青岛大学学报(工程技术版) 2014(03)
- [14].关联高斯噪声激励下集合种群模型的随机共振[J]. 齐齐哈尔大学学报(自然科学版) 2017(05)
- [15].跨模态随机共振现象——一种特殊形式的多感觉整合[J]. 生物医学工程学杂志 2010(04)
- [16].线性调频信号激励过阻尼双稳系统的随机共振现象研究[J]. 物理学报 2013(08)
- [17].正常大鼠丘脑底核神经元放电模式中的随机共振现象[J]. 立体定向和功能性神经外科杂志 2011(03)
- [18].α稳定噪声环境下过阻尼系统中的参数诱导随机共振现象[J]. 物理学报 2012(04)
- [19].基于阈上随机共振现象的弱信号检测[J]. 微处理机 2011(04)
- [20].混沌干扰下的随机共振研究[J]. 四川理工学院学报(自然科学版) 2011(05)
- [21].周期信号和非高斯噪声联合激励下Brusselator系统的动力学行为[J]. 应用力学学报 2020(03)
- [22].色噪声作用下二阶线性系统中随机共振现象的研究[J]. 海军工程大学学报 2012(05)
- [23].α稳定噪声驱动的非对称双稳随机共振现象[J]. 物理学报 2015(02)
- [24].非对称三值噪声激励下一类线性系统的随机共振现象[J]. 陕西师范大学学报(自然科学版) 2012(01)
- [25].信号噪声下整合发放神经元模型的随机共振[J]. 合肥工业大学学报(自然科学版) 2017(08)
- [26].基于随机共振现象的瓦斯检测方法研究[J]. 煤矿机电 2010(03)
- [27].随机共振现象与微弱信号接收[J]. 数字通信世界 2015(03)
- [28].振荡分子驱动马达[J]. 物理 2013(01)
- [29].非高斯噪声激励的肿瘤增长系统的多重随机共振现象[J]. 四川大学学报(自然科学版) 2018(04)
- [30].EEG动力学模型中随机共振现象的仿真研究[J]. 系统仿真学报 2008(16)