| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-24页 |
| ·研究背景和研究意义 | 第10-11页 |
| ·研究现状和发展趋势 | 第11-22页 |
| ·随机共振理论研究 | 第13-17页 |
| ·随机共振应用研究 | 第17-18页 |
| ·基于神经元模型的随机共振机制研究现状 | 第18-22页 |
| ·主要研究内容 | 第22页 |
| ·本文组织结构 | 第22-24页 |
| 第二章 随机共振基本理论研究 | 第24-43页 |
| ·随机共振研究模型 | 第24-26页 |
| ·经典随机共振理论 | 第26-36页 |
| ·随机共振机制定性分析 | 第27-29页 |
| ·绝热近似理论 | 第29-33页 |
| ·驻留时间理论 | 第33-36页 |
| ·非经典随机共振理论 | 第36-38页 |
| ·随机共振评价方法 | 第38-43页 |
| ·信噪比评价指标 | 第38-39页 |
| ·相关性理论评价指标 | 第39-40页 |
| ·信息理论评价指标 | 第40-41页 |
| ·驻留时间评价指标 | 第41页 |
| ·尖峰信号间隔直方图 | 第41-43页 |
| 第三章 神经元模型的随机共振机制研究 | 第43-69页 |
| ·Hodgkin-Huxley神经元模型 | 第44-50页 |
| ·模型仿真参数 | 第45页 |
| ·Hodgkin-Huxley神经元的阈值下随机共振 | 第45-48页 |
| ·Hodgkin-Huxley神经元的阈值上随机共振 | 第48-50页 |
| ·FitzHugh-Nagumo神经元模型 | 第50-58页 |
| ·模型仿真参数 | 第50页 |
| ·FitzHugh-Nagumo神经元的阈值下随机共振 | 第50-54页 |
| ·FitzHugh-Nagumo神经元的阈值上随机共振 | 第54-58页 |
| ·EE G动力学模型 | 第58-64页 |
| ·模型仿真参数 | 第59页 |
| ·EEG动力学模型的周期信号响应随机共振 | 第59-62页 |
| ·EEG动力学模型的非周期信号响应随机共振 | 第62-64页 |
| ·神经元模型的阈值特性分析 | 第64-68页 |
| ·结论 | 第68-69页 |
| 第四章 随机共振在语音复原上的应用研究 | 第69-76页 |
| ·随机共振语音复原算法 | 第69-71页 |
| ·实验数据库 | 第71-72页 |
| ·英文数据库 | 第71页 |
| ·中文数据库 | 第71-72页 |
| ·孤立词库 | 第72页 |
| ·实验结果及讨论 | 第72-74页 |
| ·结论 | 第74-76页 |
| 第五章 随机共振在图像复原上的应用研究 | 第76-97页 |
| ·图像复原概述 | 第76-78页 |
| ·图像退化/复原模型 | 第77页 |
| ·图像复原效果的衡量 | 第77-78页 |
| ·自适应随机共振图像复原算法及灰度图像复原研究 | 第78-84页 |
| ·算法基本思想 | 第78-81页 |
| ·灰度图像复原仿真实验 | 第81-84页 |
| ·快速自适应最优随机共振图像复原算法及图像复原研究 | 第84-93页 |
| ·算法速度优化 | 第84-88页 |
| ·添加噪声类型的优化 | 第88-91页 |
| ·快速自适应最优随机共振图像复原算法 | 第91-93页 |
| ·快速自适应最优随机共振图像复原算法的彩色图像复原 | 第93-96页 |
| ·结论 | 第96-97页 |
| 第六章 随机共振在图像增强上的应用研究 | 第97-106页 |
| ·图像增强概述 | 第97-98页 |
| ·基于随机共振技术的图像增强算法 | 第98页 |
| ·实验结果及讨论 | 第98-105页 |
| ·结论 | 第105-106页 |
| 第七章 总结与展望 | 第106-109页 |
| ·工作总结 | 第106-108页 |
| ·工作展望 | 第108-109页 |
| 致谢 | 第109-110页 |
| 参考文献 | 第110-119页 |
| 附录 | 第119页 |
