郑文秀，文心怡，杨 威，姚引娣

(西安邮电大学通信与信息工程学院，陕西西安 710121)

1 引言

信息时代需要各种各样的信息，其中人们取得信息的一个必要方法是微弱特征信号检测[1]。微弱信号检测作为一门综合学科，需要充分利用电子学、信息理论、非线性科学、信号处理及计算机技术研究噪声产生的原因，且要根据不同的实际问题用不同的方法来检测淹没在强噪声背景中的微弱信号。弱信号检测是研究如何从被强噪声淹没的混合信号中检测出或者提取出有用信号的一种技术[2]。

在实际信号处理中，噪声，例如来自系统的固有噪声和外部环境的干扰等，是不可避免的。它经常与有用信号混合，这使得有用信号难以识别并提取。当信号被送入非线性系统时，输出信噪比并没有下降，而是通过增加噪声来改善。因此，Benzi提出了随机共振(Stochastic Resonance)的概念[3][4]。1983年，Fanve和Heslot研究依赖于噪声的交流驱动施密特触发器的功率谱证实了随机共振现象[5]。在20世纪90年代初期，Collins将随机共振与信号处理相结合提出了非周期随机共振理论[6]。随后，随机共振被广泛应用于雷达，声纳，图像处理，语音识别等领域。Hari等人设计了一个基于阈值的随机共振探测器，用来提取埋藏在非高斯噪声中的确定性信号[7]。

然而，由于参数的依赖性，参数设定的原理成为重要的研究话题，因此提出了一些自适应算法来选择随机共振参数。Lei等人使用蚁群算法来同步选定和优化随机共振参数[8]，该方法通过仿真成功提取了齿轮箱故障信号中的弱故障信号，同时获得了故障严重程度。……