随机共振类参考英文文献，很难找到的，除非去某些高校图书馆下载 。。。。。。。。。。。。。。。。。。。。。。。。。。。

大数据-算法-非对称双值噪声作用的线性系统随机共振及.pdf

多频信号的自适应随机共振检测方法

基于傅立叶变换的频移特性，探讨双稳态系统中的高频随机共振现象．仿真结果表明，将输入信号的大频率移动到一个小频率后，双稳态系统的输出功率谱在此频率处的值得到明显增强．在一个较大的频率范围内检测强噪声背景下的弱信号的能力大大增强．

从信号处理的角度来讲，在非线性系统中，当输入带噪信号时，以适宜的物理量来衡量系统特性，如信噪比、驻留时间等，通过调节输入噪声强度或系统参数，使系统特性达到一个最大值，此时，我们称信号、噪声和非线性随机系统产生的协同现象为随机共振。

动态随机共振（DSR）是一种用于增强暗和低对比度图像的独特技术。 噪声对于基于DSR的图像增强来说是必需的，并且噪声水平会与亮度同时增大，这会大大降低增强图像的感知质量，并且还会增加后续降噪的难度，因为去除高水平的噪声通常会导致严重的噪声损失。图片细节。 本文提出在增强过程中逐步消除噪声，而不是在增强过程完成后消除噪声。我们首先在变分框架中重写了基于传统偏微分方程（PDE）的DSR模型，然后提出一种用于图像增强的新颖的总变化正则化（TV）DSR方法。 从理论上证明了TV正则化DSR模型解的存在性和唯一性。 此外，我们分别在变体框架和PDE框架中推广了电视正则化DSR模型，因此我们可以将更多现有的去噪方法纳入我们的方法中。 数值比较表明，所提出的技术在对比度和亮度增强以及噪声抑制方面具有显着的性能，因此可以获得具有良好感知质量的增强图像。

归一化随机共振的matlab代码，欢迎大家学习和访问。

完整代码，可直接运行

完整代码，可直接运行

针对强噪声背景中的弱信号检测问题，在经典随机共振处理方法的基础上，利用小波良好的去噪特点，提出了随机共振加小波去噪检测弱信号的新方法，理论分析和仿真结果表明，该方法优于传统的随机共振处理方法，可获得近2.5dB的输出信噪比得益．