發(fā)布時(shí)間：2018-11-27 19:53

【摘要】：超閾值隨機(jī)共振是隨機(jī)共振一種新的形式,它發(fā)生在多種閾值子系統(tǒng)所構(gòu)成的并聯(lián)陣列。超閾值隨機(jī)共振是對隨機(jī)共振的重要擴(kuò)展,它的產(chǎn)生對信號的幅度沒有要求,不局限于弱信號或亞閾值信號,極大地拓展了傳統(tǒng)隨機(jī)共振的應(yīng)用范圍,其理論和模型對隨機(jī)共振在信息領(lǐng)域和生物醫(yī)學(xué)工程的應(yīng)用研究具有實(shí)際意義。超閾值隨機(jī)共振模型可視為隨機(jī)量化器,本文從隨機(jī)量化的角度研究信號的重構(gòu)方法及性能,主要的成果和創(chuàng)新之處體現(xiàn)在:1.基于超閾值隨機(jī)共振模型,提出了一種新的重構(gòu)方法  最優(yōu)加權(quán)的隨機(jī)量化信號重構(gòu),構(gòu)建了閾值子系統(tǒng)加權(quán)求和陣列模型,推導(dǎo)了最優(yōu)權(quán)系數(shù)及信號重構(gòu)表達(dá)式,并通過三種閾值設(shè)置方案——閾值相同、閾值等間隔及閾值分組研究了該重構(gòu)方法的均方誤差失真性能。研究結(jié)果表明:閾值分組時(shí)的重構(gòu)性能最好,即均方誤差失真值最小。在閾值分組情形,我們又將最優(yōu)加權(quán)重構(gòu)與維納線性重構(gòu)方法相比較,結(jié)果表明,在一定的分組參數(shù)設(shè)置時(shí),我們提出的最優(yōu)加權(quán)重構(gòu)方法優(yōu)于維納線性重構(gòu)。2.將最優(yōu)加權(quán)信號重構(gòu)方案由閾值子系統(tǒng)構(gòu)成的陣列推廣到任意靜態(tài)非線性子系統(tǒng),提出了分組加權(quán)的隨機(jī)量化信號重構(gòu)方法。以飽和傳感器為例,研究了多組參數(shù)設(shè)置時(shí)均方誤差失真性能,并與維納線性重構(gòu)方法進(jìn)行比較。研究結(jié)果表明:當(dāng)分組數(shù)大于2、偏移量參數(shù)等間隔設(shè)置時(shí),最優(yōu)加權(quán)重構(gòu)方法的性能優(yōu)于維納線性重構(gòu)。而且,隨著分組數(shù)的增長,均方誤差失真性能顯著地提高。當(dāng)分組數(shù)等于陣列尺寸時(shí),均方誤差達(dá)到最小。另外,對于飽和傳感器的斜率值,除了很小的值外,最優(yōu)加權(quán)重構(gòu)方法的性能也優(yōu)于維納線性重構(gòu)方法。3.將自適應(yīng)濾波理論應(yīng)用到信號重構(gòu)方法中,提出了自適應(yīng)加權(quán)的隨機(jī)量化信號重構(gòu)方法,將最優(yōu)加權(quán)信號重構(gòu)方法擴(kuò)展到能處理具有一般特性的輸入信號的情形中。我們應(yīng)用這個(gè)重構(gòu)方法到閾值子系統(tǒng)構(gòu)成的并聯(lián)陣列,在高斯白噪聲、有色噪聲環(huán)境下研究輸入特性是平穩(wěn)、非平穩(wěn)時(shí)的重構(gòu)性能。研究表明:使用自適應(yīng)加權(quán)的信號重構(gòu)方法,無需輸入信號的先驗(yàn)知識,不但能處理平穩(wěn)信號這種簡單的情形,而且能處理非平穩(wěn)信號和有色噪聲這些比較復(fù)雜的情況。另外,超閾值隨機(jī)共振模型也可視為信號傳輸?shù)耐ǖ?本文研究了信號為廣義高斯分布,噪聲為高斯分布和均勻分布時(shí)的信息傳輸特性,重點(diǎn)分析與討論了廣義高斯分布指數(shù)參數(shù)對最大信息傳輸量的影響。研究表明:指數(shù)參數(shù)是決定系統(tǒng)傳輸特性的重要因素,它影響互信息量的最大值及該值所對應(yīng)的位置。本文提出的加權(quán)重構(gòu)方法,對超閾值隨機(jī)共振理論的發(fā)展和完善、指導(dǎo)其工程應(yīng)用具有重要的意義。
[Abstract]:Super-threshold stochastic resonance is a new form of stochastic resonance, which occurs in parallel arrays composed of multiple threshold subsystems. Super-threshold stochastic resonance is an important extension of stochastic resonance. It does not require the amplitude of signal and is not limited to weak signal or sub-threshold signal, which greatly expands the application of traditional stochastic resonance. Its theory and model have practical significance for the application of stochastic resonance in the field of information and biomedical engineering. The super-threshold stochastic resonance model can be regarded as a stochastic quantizer. This paper studies the signal reconstruction method and performance from the perspective of stochastic quantization. The main achievements and innovations are as follows: 1. Based on the super-threshold stochastic resonance model, a new reconstruction method is proposed. The weighted summation array model of threshold subsystem is constructed, and the optimal weight coefficient and signal reconstruction expressions are derived. The mean square error distortion performance of the reconstruction method is studied by three threshold setting schemes: the same threshold, the equal threshold interval and the threshold grouping. The results show that the reconstruction performance of threshold grouping is the best, that is, the mean square error distortion is the least. In the case of threshold grouping, we compare the optimal weighted reconstruction with the Wiener linear reconstruction method. The results show that the optimal weighted reconstruction method is better than the Wiener linear reconstruction method under certain grouping parameters. 2. The optimal weighted signal reconstruction scheme is extended from an array of threshold subsystems to an arbitrary static nonlinear subsystem, and a grouping weighted stochastic quantization signal reconstruction method is proposed. Taking saturation sensor as an example, the mean square error distortion performance of multiple sets of parameters is studied and compared with Wiener linear reconstruction method. The results show that the performance of the optimal weighted reconstruction method is better than that of Wiener linear reconstruction when the number of blocks is greater than 2 and the offset parameters are set at equal intervals. Moreover, with the increase of the number of groups, the distortion performance of mean square error is improved significantly. When the number of packets is equal to the array size, the mean square error is minimized. In addition, for the slope value of saturated sensor, the performance of the optimal weighted reconstruction method is better than that of Wiener linear reconstruction method. The adaptive filtering theory is applied to the signal reconstruction method. An adaptive weighted stochastic quantization signal reconstruction method is proposed. The optimal weighted signal reconstruction method is extended to the case where the input signal with general characteristics can be processed. We apply this reconstruction method to the parallel array composed of threshold subsystem. We study the reconstruction performance of the input in the environment of Gao Si white noise and colored noise when the input characteristic is stationary and non-stationary. The results show that the adaptive weighted signal reconstruction method can not only deal with the simple case of stationary signal, but also deal with the complex cases of non-stationary signal and colored noise without the prior knowledge of input signal. In addition, the super-threshold stochastic resonance model can also be regarded as the channel of signal transmission. In this paper, we study the information transmission characteristics when the signal is generalized Gao Si distribution, and the noise is Gao Si distribution and uniform distribution. The influence of the generalized Gao Si distribution index parameters on the maximum information transmission is analyzed and discussed. It is shown that the exponential parameter is an important factor in determining the transmission characteristics of the system, and it affects the maximum value of mutual information and the corresponding position of the value. The weighted reconstruction method proposed in this paper is of great significance for the development and improvement of the theory of super-threshold stochastic resonance and for guiding its engineering application.
【學(xué)位授予單位】：青島大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張光璐;王輔忠;;多信號疊加在隨機(jī)共振系統(tǒng)中的研究[J];系統(tǒng)仿真學(xué)報(bào);2009年13期

2 蔡衛(wèi)菊;金波;劉開健;;隨機(jī)共振理論與微弱信號檢測應(yīng)用綜述[J];計(jì)算機(jī)與信息技術(shù);2010年04期

3 鄧學(xué)欣,王太勇,冷永剛,范勝波;自適應(yīng)掃頻隨機(jī)共振方法的研究[J];西安交通大學(xué)學(xué)報(bào);2005年01期

4 安良;陳勵軍;陸佶人;;海洋噪聲背景下基于隨機(jī)共振方法的波束形成[J];聲學(xué)技術(shù);2006年02期

5 向?qū)W勤;楊翠容;范影樂;李軼;;基于隨機(jī)共振檢測的神經(jīng)元非周期激勵響應(yīng)模擬研究[J];電子器件;2007年04期

6 王晶;張慶;梁霖;張熠卓;徐光華;;采用遺傳算法的自適應(yīng)隨機(jī)共振系統(tǒng)弱信號檢測方法研究[J];西安交通大學(xué)學(xué)報(bào);2010年03期

7 邱勤偉;焦賢發(fā);朱良燕;;對稱二值噪聲下線性系統(tǒng)的隨機(jī)共振[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年08期

8 惠國華;陳裕泉;;隨機(jī)共振信噪比譜分析方法及其初步應(yīng)用研究[J];傳感技術(shù)學(xué)報(bào);2010年08期

9 吳利平;李贊;李建東;;隨機(jī)共振參數(shù)的自適應(yīng)調(diào)整策略與性能分析[J];北京郵電大學(xué)學(xué)報(bào);2011年02期

10 李曉龍;冷永剛;范勝波;石鵬;;基于非均勻周期采樣的隨機(jī)共振研究[J];振動與沖擊;2011年12期

相關(guān)會議論文 前10條

1 康艷梅;;關(guān)于隨機(jī)共振的理論研究——幾個(gè)尚未解決的問題[A];第三屆全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2009年

2 靳艷飛;;隨機(jī)共振若干基礎(chǔ)問題的研究[A];第四屆全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2010年

3 劉甜;王青云;張紅慧;;異質(zhì)神經(jīng)元和信息時(shí)滯對神經(jīng)元網(wǎng)絡(luò)隨機(jī)共振的影響[A];第十四屆全國非線性振動暨第十一屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議摘要集與會議議程[C];2013年

4 孫水發(fā);鄭勝;萬均力;;非周期隨機(jī)共振信號處理物理機(jī)制的研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

5 孫水發(fā);鄭勝;萬均力;;非周期隨機(jī)共振信號處理物理機(jī)制的研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

6 康艷梅;蔣耀林;;含色噪聲隨機(jī)共振系統(tǒng)的非線性響應(yīng):一個(gè)半解析研究[A];第八屆全國動力學(xué)與控制學(xué)術(shù)會議論文集[C];2008年

7 康艷梅;江俊;李逸娟;;非正常擴(kuò)散下單穩(wěn)杜芬振子系統(tǒng)中的非傳統(tǒng)隨機(jī)共振[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

8 王寶華;陸啟韶;呂淑娟;;閾下激勵與噪聲聯(lián)合作用下肝細(xì)胞系統(tǒng)的內(nèi)鈣時(shí)空隨機(jī)共振問題[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

9 申建偉;;自誘導(dǎo)隨機(jī)共振相關(guān)研究進(jìn)展及其在基因網(wǎng)絡(luò)動力學(xué)研究中的應(yīng)用[A];第六屆全國動力學(xué)與控制青年學(xué)者學(xué)術(shù)研討會論文摘要集[C];2012年

10 狄根虎;許勇;張鳳琴;;線性系統(tǒng)的隨機(jī)共振研究[A];第九屆全國動力學(xué)與控制學(xué)術(shù)會議會議手冊[C];2012年

相關(guān)重要報(bào)紙文章 前1條

1 董映璧;復(fù)雜物理系統(tǒng)存在多樣性共振[N];科技日報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 段法兵;參數(shù)調(diào)節(jié)隨機(jī)共振在數(shù)字信號傳輸中的應(yīng)用[D];浙江大學(xué);2002年

2 張曉飛;直升機(jī)傳動系統(tǒng)狀態(tài)增強(qiáng)檢測的隨機(jī)共振理論與方法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

3 范劍;隨機(jī)共振和混沌理論在微弱信號檢測中的應(yīng)用研究[D];河北工業(yè)大學(xué);2014年

4 劉進(jìn);基于非線性隨機(jī)共振的弱信號檢測理論研究[D];西安電子科技大學(xué);2015年

5 何美娟;基于統(tǒng)計(jì)復(fù)雜度的雙穩(wěn)系統(tǒng)隨機(jī)共振及動力學(xué)復(fù)雜性研究[D];西北工業(yè)大學(xué);2015年

6 曹偉青;機(jī)械早期故障弱信號提取及智能診斷研究[D];西南交通大學(xué);2015年

7 王楠;非線性系統(tǒng)邏輯隨機(jī)共振的理論研究[D];東南大學(xué);2015年

8 許麗艷;加權(quán)超閾值隨機(jī)共振的信號重構(gòu)方法研究[D];青島大學(xué);2017年

9 周玉榮;隨機(jī)共振及其在神經(jīng)動力學(xué)模型中的應(yīng)用[D];電子科技大學(xué);2009年

10 李建龍;隨機(jī)共振的參數(shù)調(diào)節(jié)方法及在信號處理中的應(yīng)用[D];浙江大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 王仁國;神經(jīng)元系統(tǒng)中的閾上隨機(jī)共振[D];華中科技大學(xué);2007年

2 沈濤;積分發(fā)放模型中的閾上隨機(jī)共振[D];華中科技大學(xué);2008年

3 陳晨;隨機(jī)共振微弱信號檢測的參數(shù)敏感性研究與應(yīng)用[D];西安石油大學(xué);2015年

4 楊濤;典型的生物及化學(xué)系統(tǒng)中隨機(jī)和延遲效應(yīng)研究[D];昆明理工大學(xué);2015年

5 李慧;隨機(jī)Hodgkin-Huxley神經(jīng)元網(wǎng)絡(luò)的相干共振[D];浙江師范大學(xué);2015年

6 王婕;基于隨機(jī)共振和混沌理論的行星齒輪箱微弱信號檢測方法研究[D];電子科技大學(xué);2014年

7 王瀟;基于隨機(jī)共振的CDMA波束成形技術(shù)研究[D];電子科技大學(xué);2014年

8 任昱昊;硬限幅和軟限幅陣列中的隨機(jī)與振蕩共振研究[D];青島大學(xué);2015年

9 譙自健;基于隨機(jī)共振理論的微弱信號檢測方法研究及應(yīng)用[D];蘭州理工大學(xué);2015年

10 馬正木;周期勢系統(tǒng)中由二值噪聲誘導(dǎo)的隨機(jī)共振研究[D];北京理工大學(xué);2015年

，

本文編號：2361870