多阈值系统中的阈上随机共振研究
发布时间:2021-01-02 07:49
非线性系统中,在一定条件下通过增强噪声的作用可以提高信号处理的效果,这一现象被成为随机共振。本文主要对多阈值系统中的阈上随机共振现象进行了研究,具体的研究内容如下:首先以互信息为测度,根据三种不同的阈值取值方法,对加性与乘性高斯噪声共同作用下的多阈值系统中的阈上随机共振现象进行了研究,发现该现象的产生受阈值单元输出元数、阈值单元数、阈值取值方法与阈值大小的影响,其中阈值与阈值输出单元数的选择对于系统中阈上随机共振现象的产生以及信息传输的改善很重要。同时通过对比阈值取值方法发现,对阈值进行分组比未分组时的信息传输效果要差。然后以互信息为测度对加性高斯噪声分别与三种乘性非高斯噪声共同作用下的多阈值系统中的阈上随机共振进行了研究,发现该现象对于噪声具有鲁棒性。通过比较各乘性噪声的效果,发现选取柯西噪声最不利于系统中出现阈上随机共振现象。最后以峰值信噪比为评价标准,研究了对多阈值系统中阈上随机共振现象在图像处理的应用。发现图像处理的效果与系统阈值单元输出元数的选择关联性最强,提高阈值单元输出元数有利于快速增强图像处理的效果。
【文章来源】:南京邮电大学江苏省
【文章页数】:64 页
【学位级别】:硕士
【部分图文】:
随机共振一般模型
McDonnell 等人[54]以信号量噪比为测度研究了具有加性噪声的多阈值 现象,Cheng 等人[55]则分别以互信息和信号量噪比为测度研究了具有乘值系统中的 SSR 现象。在多阈值系统 SSR 现象的研究中,通常情况下对都基于同一种方法,Zhou 等人[56]则以信噪比为测度对不同阈值取值方法因为在实际情况中,系统会同时受到加性噪声和乘性噪声的影响,所以本献的基础上以互信息为测度研究了在加性与乘性噪声共同作用下多阈值 现象,并对不同阈值取值方法进行比较。值系统网络模型型定义与符号说明和乘性高斯噪声共同作用下的多阈值系统网络模型如图 3.1 所示[55]。
京邮电大学硕士研究生学位论文 第三章 加性与乘性高斯噪声作用下多阈值系统中的 SS1, 2, ,, 1, 2, ,j j N j j M. (3.18)由式(3.10)可以计算出互信息 I ( X ; Y )。下图 3.2—图 3.6 给出了在各系统参数下阈值取正值时,互信息I 随不同噪声强度化,其中图 3.3—图 3.5 的阈值分布区间均为[0,1]。
【参考文献】:
期刊论文
[1]一种基于随机共振的无人机侦察图像增强方法[J]. 刘进. 舰船电子对抗. 2018(02)
[2]基于阈上随机共振的侯马盟书虚拟修复方法[J]. 蔺素珍,张商珉,师晓波. 图学学报. 2017(03)
[3]基于动态随机共振的图像快速增强优化算法[J]. 冯永亮. 控制工程. 2016(07)
[4]一类非线性神经网络中噪声改善信息传输[J]. 李欢,王友国. 物理学报. 2014(12)
[5]一类非线性神经网络系统的超阈值随机共振现象[J]. 郭永峰,谭建国. 物理学报. 2012(17)
[6]双稳态随机共振机制及其在图像复原中的应用[J]. 陈可,范影乐,李轶. 中国图象图形学报. 2011(07)
[7]基于变分贝叶斯估计的相机抖动模糊图像的盲复原算法[J]. 孙韶杰,吴琼,李国辉. 电子与信息学报. 2010(11)
[8]基于FitzHugh-Naguno神经元随机共振机制的图像复原[J]. 薛凌云,段会龙,向学勤,范影乐. 浙江大学学报(工学版). 2010(06)
[9]基于双稳态随机共振的图像复原技术研究[J]. 庞全,钱诚,杨翠容,范影乐. 中国图象图形学报. 2008(08)
[10]二进制信号传输中随机共振与线性方法的比较[J]. 李建清,段江海,宋爱国. 数据采集与处理. 2004(04)
本文编号:2952958
【文章来源】:南京邮电大学江苏省
【文章页数】:64 页
【学位级别】:硕士
【部分图文】:
随机共振一般模型
McDonnell 等人[54]以信号量噪比为测度研究了具有加性噪声的多阈值 现象,Cheng 等人[55]则分别以互信息和信号量噪比为测度研究了具有乘值系统中的 SSR 现象。在多阈值系统 SSR 现象的研究中,通常情况下对都基于同一种方法,Zhou 等人[56]则以信噪比为测度对不同阈值取值方法因为在实际情况中,系统会同时受到加性噪声和乘性噪声的影响,所以本献的基础上以互信息为测度研究了在加性与乘性噪声共同作用下多阈值 现象,并对不同阈值取值方法进行比较。值系统网络模型型定义与符号说明和乘性高斯噪声共同作用下的多阈值系统网络模型如图 3.1 所示[55]。
京邮电大学硕士研究生学位论文 第三章 加性与乘性高斯噪声作用下多阈值系统中的 SS1, 2, ,, 1, 2, ,j j N j j M. (3.18)由式(3.10)可以计算出互信息 I ( X ; Y )。下图 3.2—图 3.6 给出了在各系统参数下阈值取正值时,互信息I 随不同噪声强度化,其中图 3.3—图 3.5 的阈值分布区间均为[0,1]。
【参考文献】:
期刊论文
[1]一种基于随机共振的无人机侦察图像增强方法[J]. 刘进. 舰船电子对抗. 2018(02)
[2]基于阈上随机共振的侯马盟书虚拟修复方法[J]. 蔺素珍,张商珉,师晓波. 图学学报. 2017(03)
[3]基于动态随机共振的图像快速增强优化算法[J]. 冯永亮. 控制工程. 2016(07)
[4]一类非线性神经网络中噪声改善信息传输[J]. 李欢,王友国. 物理学报. 2014(12)
[5]一类非线性神经网络系统的超阈值随机共振现象[J]. 郭永峰,谭建国. 物理学报. 2012(17)
[6]双稳态随机共振机制及其在图像复原中的应用[J]. 陈可,范影乐,李轶. 中国图象图形学报. 2011(07)
[7]基于变分贝叶斯估计的相机抖动模糊图像的盲复原算法[J]. 孙韶杰,吴琼,李国辉. 电子与信息学报. 2010(11)
[8]基于FitzHugh-Naguno神经元随机共振机制的图像复原[J]. 薛凌云,段会龙,向学勤,范影乐. 浙江大学学报(工学版). 2010(06)
[9]基于双稳态随机共振的图像复原技术研究[J]. 庞全,钱诚,杨翠容,范影乐. 中国图象图形学报. 2008(08)
[10]二进制信号传输中随机共振与线性方法的比较[J]. 李建清,段江海,宋爱国. 数据采集与处理. 2004(04)
本文编号:2952958
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2952958.html