| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 论文的研究背景 | 第7页 |
| 1.2 随机共振的发展及研究现状 | 第7-9页 |
| 1.3 随机共振的基本理论 | 第9-13页 |
| 1.3.1 几种典型的随机共振模型 | 第9-12页 |
| 1.3.2 主要的随机共振理论 | 第12-13页 |
| 1.4 本文的研究方向和主要工作 | 第13-15页 |
| 第二章 信号检测和信息传输理论 | 第15-21页 |
| 2.1 经典的信号检测理论 | 第15-18页 |
| 2.1.1 二元及多元假设检测模型 | 第15-16页 |
| 2.1.2 两种特殊的贝叶斯准则 | 第16-18页 |
| 2.1.3 高斯混合噪声改善多元信号检测的相关结论 | 第18页 |
| 2.2 信息传输理论 | 第18-21页 |
| 2.2.1 离散信源的信息熵 | 第18-19页 |
| 2.2.2 Shannon 互信息 | 第19-21页 |
| 第三章 一类非线性神经网络中噪声改善信息传输 | 第21-30页 |
| 3.1 引言 | 第21页 |
| 3.2 一类非线性神经网络模型 | 第21-23页 |
| 3.3 加性和乘性噪声改善信息传输 | 第23-27页 |
| 3.3.1 Shannon 互信息表达式 | 第23页 |
| 3.3.2 数值计算和仿真结果分析 | 第23-27页 |
| 3.4 阈值系统中噪声改善图像处理 | 第27-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第四章 改进的非线性神经网络中噪声改善信息传输 | 第30-37页 |
| 4.1 引言 | 第30页 |
| 4.2 改进的非线性神经网络模型 | 第30-32页 |
| 4.3 加性和乘性噪声改善信息传输 | 第32-36页 |
| 4.3.1 Shannon 互信息表达式 | 第32-33页 |
| 4.3.2 数值计算与仿真结果分析 | 第33-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 总结与展望 | 第37-39页 |
| 参考文献 | 第39-43页 |
| 附录1 图表清单 | 第43-44页 |
| 附录2 程序清单 | 第44-50页 |
| 附录3 攻读硕士学位期间撰写的论文 | 第50-51页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第51-52页 |
| 致谢 | 第52页 |