目录
一、理论基础
阀值系统随机共振（Stochastic Resonance，SR）是一种非线性现象，最初在物理学领域被发现，后来也被广泛应用于神经科学、生物学、信息论等领域中。它指的是当一个非线性系统接收到一个弱信号时，在一定条件下通过增加噪声的强度来提高信号的检测能力的现象。在许多实际应用中，系统的噪声是不可避免的，阀值系统随机共振的发现为利用噪声提高系统性能提供了一种新的思路。
1、阀值系统模型
阀值系统是一种非线性系统，它的输入信号通过一个固定的阈值进行判断，只有当输入信号的幅度超过了阈值时，系统才会输出一个信号。阀值系统的一个典型例子是神经元，它接收到一些突触输入，只有当总输入超过某个阈值时才会发放动作电位。在物理学中，阀值系统也可以用来描述一些非线性振动器，例如Duffing振子。
阀值系统的数学模型可以用以下形式表示：
\frac{dX}{dt} = f(X)+g(X)\xi(t)+I(t)
其中，$X$是系统的状态变量，$f(X)$是系统的非线性动力学方程，$g(X)\xi(t)$是输入信号，$\xi(t)$是一个服从均值为0、方差为1的高斯白噪声，$I(t)$是一个确定性的输入信号。$g(X)$是一个标量函数，用来描述输入信号的加强程度，通常被称为增益函数。
2、随机共振现象
在阀值系统中，输入信号的检测能力往往受到噪声的影响。当输入信号很弱的时候，噪声会使得信号变得更加模糊，难以被检测到。但是，当噪声的强度适当增加时，输入信号的检测能力反而会提高。这种现象被称为随机共振。
随机共振可以用下面三个图形来解释。
上图表示一个低通滤波器，它的输入是一个低频正弦信号和一个高斯白噪声，输出是信号的幅值。当噪声的强度很小时，信号的幅值被噪声压低，无法被检测到。当噪声的强度适当增加时，信号的幅值反而会被增强，这是因为噪声使得信号能够通过滤波器的截止频率，如上图中红线所示。
上图表示一个阀值系统，它的输入是一个正弦信号和一个高斯白噪声，输出是信号的幅值。当噪声的强度很小时，信号的幅值被噪声压低，无法触发系统的输出。当噪声的强度适当增加时，信号的幅值变得更加明显，可以触发系统的输出。
上图表示阀值系统的输出信号随噪声强度的变化。当噪声很小时，输出信号的幅值很小，无法被检测到。随着噪声强度的增加，输出信号的幅值先增大后减小，最终达到一个峰值。这个峰值对应着噪声强度的一个临界值，称为共振临界值。当噪声强度等于共振临界值时，系统的输出信号能够最大化，达到最佳检测效果。
3、阀值系统随机共振的物理机制
阀值系统随机共振的物理机制可以用两个方面来解释：噪声增强信号的幅值和激发系统非线性行为。
噪声增强信号的幅值
当噪声的强度适当增加时，噪声会使得信号的幅值变得更加明显。这是因为噪声是随机的，可以使得信号的波动更加随机，从而增强信号的幅值。另外，噪声还可以使得信号的频率成分变得更加广泛，从而使得信号能够通过滤波器的截止频率，增强信号的检测能力。
激发系统非线性行为
阀值系统的非线性行为是随机共振的另一个重要因素。在阀值系统中，当输入信号的幅值超过阈值时，系统会发生突变，输出信号的幅值会急剧增加。这种突变是非线性的，随着噪声强度的增加，噪声可以使得系统的非线性行为更加明显，从而增强信号的检测能力。
4、阀值系统随机共振的应用
阀值系统随机共振在许多领域中都有广泛的应用，例如：
神经科学：阀值系统随机共振可以用于解释生物神经元在接收到弱信号时的响应机制。
信号处理：阀值系统随机共振可以用于增强低信噪比信号的检测能力，例如在雷达、通信等领域中。
生物物理学：阀值系统随机共振可以用于研究生物分子的振动和动力学特性。
经济学：阀值系统随机共振可以用于研究市场波动和金融风险控制。
5、总结
阀值系统随机共振是一种非线性现象，可以通过增加噪声的强度来提高系统的检测能力。随机共振可以用来解释生物神经元的响应机制，增强低信噪比信号的检测能力，研究生物分子的振动和动力学特性，以及研究市场波动和金融风险控制等领域。阀值系统随机共振的发现为利用噪声提高系统性能提供了一种新的思路。
二、核心程序
...............................................................
sadd=s+y;
for i=1:n
if(sadd(i)>=theta)
Y(i)=1;
else
Y(i)=0;
end
end
S=0; %相似度
for i=1:n
if(Y(i)==1)
S=S+1;
end
end
Se(kk)=S/n;
end
theta=2.1;%阀值
for kk=1:101
%产生高斯噪声
p=(kk-1)/10;
P(kk)=p;
y=randn(1,n);
y=y/std(y);
y=y-mean(y);
b=sqrt(p);
y=b*y;
sadd=s+y;
for i=1:n
if(sadd(i)>=theta)
Y(i)=1;
else
Y(i)=0;
end
end
S=0; %相似度
for i=1:n
if(Y(i)==1)
S=S+1;
end
end
Se2(kk)=S/n;
end
theta=5;%阀值
for kk=1:101
%产生高斯噪声
p=(kk-1)/10;
P(kk)=p;
y=randn(1,n);
y=y/std(y);
y=y-mean(y);
b=sqrt(p);
y=b*y;
sadd=s+y;
for i=1:n
if(sadd(i)>=theta)
Y(i)=1;
else
Y(i)=0;
end
end
S=0; %相似度
for i=1:n
if(Y(i)==1)
S=S+1;
end
end
Se3(kk)=S/n;
end
figure(1);
plot(P,Se);grid on;xlabel('噪声强度D');ylabel('输入－输出信号相似度S');title('阀值系统中的随机共振现象');
hold on;
plot(P,Se2,'red');
plot(P,Se3,'green');
up2110三、仿真结论
