论文目录 | |
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 |
3.1.1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 |