一类非线性神经网络中噪声改善信息传输

摘要

通讯领域中，传统的信号检测和估计及改善信息传输的方法总是降低或消除信号中的噪声，但是这种方法不可避免地使原始信号受到损耗而降低了其中有效信息的提取量。随机共振(SR:Stochastic Resonance)与传统处理信号方法的不同之处在于它不仅不消除噪声，而是在原始信号中加入适量的噪声，利用信号、噪声和非线性系统之间的某种协同作用使得信号能量增强，以达到提高信号处理质量和改善信息传输效果的目的。
　　本文研究了随机共振在多元信号检测和信息传输方面的一些应用。主要工作如下：
　　1.以最小错误检测概率为测度，探讨了高斯混合噪声改善多元信号检测的情况，并且得到了一些新的结论：噪声改善信号检测的（阈上）随机共振现象的出现是一个渐变的过程，与信号是阈上还是阈下没有特别的联系；不仅信号在阈下时SR存在，信号在阈上时也会出现噪声改善信号检测的阈上随机共振(SSR:Supra-threshold Stochastic Resonance)现象。
　　2.选取同属高斯分布的噪声和信号，基于互信息，借助于数值计算和计算机仿真比较详细地研究了在加性和乘性噪声共同作用下的一类非线性神经网络系统中噪声改善信息传输的(阈上)随机共振现象。特别发现，改变加性噪声强度比改变乘性噪声强度更能使阈上随机共振发生，这为人们往往仅研究加性噪声提供了一定的依据。接着给出了随机共振在图像处理方面的一个应用示例，使得随机共振现象更具体。
　　3.为了拓展噪声在信号处理方面的应用，对上述的非线性神经网络模型进行了改进，详细研究了系统函数为非线性函数时噪声改善信息传输的(阈上)随机共振现象。结果表明噪声改善信息传输的效果与噪声及其强度、阈值单元数和阈值水平有着密切的联系。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1论文的研究背景

1.2随机共振的发展及研究现状

1.3随机共振的基本理论

1.4本文的研究方向和主要工作

第二章 信号检测和信息传输理论

2.1经典的信号检测理论

2.2信息传输理论

第三章 一类非线性神经网络中噪声改善信息传输

3.1引言

3.2一类非线性神经网络模型

3.3加性和乘性噪声改善信息传输

3.4阈值系统中噪声改善图像处理

3.5本章小结

第四章 改进的非线性神经网络中噪声改善信息传输

4.1引言

4.2改进的非线性神经网络模型

4.3加性和乘性噪声改善信息传输

4.4本章小结

第五章 总结与展望

参考文献

附录1 图表清单

附录2 程序清单

附录3 攻读硕士学位期间撰写的论文

附录4 攻读硕士学位期间参加的科研项目

致谢