随机共振

随机共振 (SR) 是一种现象，在这种现象中，通常太弱而无法被传感器检测到的信号可以通过向包含宽频谱的信号添加白噪声来增强。 白噪声中与原始信号频率相对应的频率会相互谐振，放大原始信号而不会放大其余的白噪声——从而提高信噪比，从而使原始信号 更加突出。 此外，添加的白噪声足以被传感器检测到，然后传感器可以将其滤除以有效地检测到原始的、以前无法检测到的信号。

这种通过与添加的白噪声共振来增强无法检测到的信号的现象扩展到许多其他系统——无论是电磁系统、物理系统还是生物系统——并且是一个活跃的研究领域。

随机共振最早由意大利物理学家 Roberto Benzi、Alfonso Sutera 和 Angelo Vulpiani 于 1981 年提出，他们（与 Giorgio Parisi 一起）提出的xxx个应用是在气候动力学的背景下。

当添加到系统的噪声以某种方式改变系统的行为时，会观察到随机共振 (SR)。 从技术上讲，如果非线性系统或设备的信噪比随着噪声强度的中等值而增加，则会发生 SR。 它通常发生在双稳态系统或具有感官阈值的系统中，并且当系统的输入信号低于阈值时。 对于较低的噪声强度，信号不会导致设备越过阈值，因此很少有信号通过它。 对于大噪声强度，输出由噪声主导，也导致低信噪比。 对于中等强度，噪声允许信号达到阈值，但噪声强度不会大到淹没它。 因此，作为噪声强度函数的信噪比图包含一个峰值。

严格来说，随机共振发生在双稳态系统中，当一个小的周期性（正弦）力与一个大的宽带随机力（噪声）一起施加时。 系统响应由竞争/合作使系统在两个稳定状态之间切换的两种力量的组合驱动。 有序度与其在系统响应中显示的周期函数的数量有关。 当周期性力选择得足够小以便不使系统响应切换时，需要存在不可忽略的噪声才能发生。 当噪声较小时，很少发生切换，主要是随机的，系统响应没有明显的周期性。 当噪声很强时，正弦波的每个周期都会发生大量的开关，系统响应不会表现出明显的周期性。 在这两个条件之间，存在噪声的最佳值，它与周期性强制协同一致，以便每个周期几乎准确地进行一次切换（信噪比的xxx值）。

这种有利条件是由两个时间尺度的匹配定量确定的：正弦曲线的周期（确定性时间尺度）和克莱默斯率（即由单一噪声引起的平均开关率：随机时间尺度的倒数） . 因此术语随机共振。

随机共振于1981年首次被发现和提出，用以解释冰河时代的周期性重现。 从那时起，同样的原理被应用到各种各样的系统中。 如今，当噪声和非线性共同决定系统响应阶数的增加时，通常会调用随机共振。

超阈值随机共振是随机共振的一种特殊形式，其中随机波动或噪声在非线性系统中提供信号处理优势。 与大多数发生随机共振的非线性系统不同，超阈值随机共振发生在波动强度相对于输入信号的强度较小，甚至随机噪声较小时。 它不限于亚阈值信号，因此是限定符。

在几种生物的感觉系统的神经组织中观察到了随机共振。 在计算上，神经元由于处理过程中的非线性而表现出 SR。 SR 尚未在生物系统中得到充分解释，但研究潜意识视觉感知的研究人员提出，大脑中的神经同步（特别是伽马波频率）可能是 SR 的一种神经机制。 包括小脑浦肯野细胞和乌贼巨型轴突在内的体外单个神经元也可以证明逆随机共振，当尖峰被特定方差的突触噪声抑制时。

基于 SR 的技术已被用于创建一类新型的医疗开发人员。