导读:本文包含了分形高斯噪声论文开题报告文献综述、选题提纲参考文献，主要关键词:噪声,分形,高斯,布朗运动,神经元,反褶积,模型。
分形高斯噪声论文文献综述写法
赖佳境[1]（2019）在《高斯噪声影响下的去滑动均值趋势多重分形对比分析》一文中研究指出运用去滑动均值算法,研究了迭加高斯噪声的二项重分形模型的多重分形特征,并与去趋势波动分析算法进行对比分析。结果显示:迭加高斯噪声序列会影响MFDMA与MFDFA算法的计算结果,且高斯噪声影响程度大;在低噪声强度下的MFDMA算法计算精度优于MFDFA算法,随着噪声强度的增大,MFDMA对噪声更为敏感,计算精度下降更快。(本文来源于《中国新通信》期刊2019年05期）
高凤银,康艳梅[2]（2018）在《分形高斯噪声对非线性神经元模型传输二值序列的增强作用》一文中研究指出神经元放电活动在神经系统中起着非常重要的作用,不同的放电模式可能携带的着不同的信息,信息的传递需要在多个神经元的共同作用下完成编码,并通过突触传递给其他神经元。基于脑神经放电活动中的长程相关性和谱幂律形态的普遍性,使用分形高斯噪声建立了一类非线性神经元随机模型,研究了乘性分形高斯噪声在神经元反馈模型中的增强信息传输作用。对于阈下的二值输入信号,基于拒绝域定理得到阈下信号产生随机共振的充分条件,满足系统的Lipschitz条件和一定条件的噪声强度的具有二值输入信号的神经元反馈模型可发生阈下随机共振和阈上随机共振现象,理论和数值结果都表明受分形高斯噪声驱动的神经元反馈模型在二值输入的状态下,互信息会随着噪声强度的变化达到最大值,并出现单峰状态,从而产生阈下随机共振现象。而对于阈上二值输入信号,数值模拟结果表明具有Hurst指数H?(1/2,1)的加性和乘性分形高斯噪声可以增加系统的互信息或者比特数,产生阈上随机共振现象。研究表明具有长程相关和自相似的突触噪声或许是神经系统编码解码的高效性的主要驱动因素。(本文来源于《第四届全国神经动力学学术会议摘要集》期刊2018-08-06）
高凤银,康艳梅[3]（2018）在《分形高斯噪声驱动的神经元反馈模型中的随机共振现象》一文中研究指出基于脑神经科学中的长程相关性和谱幂律形态的普遍性,使用分形高斯噪声建立了一类非线性神经元随机模型,研究了分形高斯噪声在非线性神经元模型中的增强信息传输作用。主要研究一般的反馈神经元模型中,加性分形高斯噪声诱导阈上随机共振现象发生的条件,满足一定条件的噪声强度和系统的Lipschitz条件的随机动力系统可发生阈下随机共振或阈上随机共振现象。理论和模拟结果都显示受分形高斯噪声激励的非线性神经元系统在二值输入的状态下互信息随着噪声强度的变化会达到最大值,并出现单峰状态,从而产生阈下随机共振和阈上随机共振现象。随机共振的现象发生与分形高斯噪声的Hurst指数有关。通过模拟,验证了分形高斯噪声可以增强神经元的信息传输作用。(本文来源于《空军工程大学学报(自然科学版)》期刊2018年02期）
刘岭[4]（2011）在《基于分形高斯噪声迭加的蒙特卡罗模拟定价》一文中研究指出为了提高蒙特卡罗模拟定价的精度和效率,用循环嵌入方法快速精确地生成分形高斯噪声,进而迭加合成分形布朗运动,在此基础上运用蒙特卡罗方法模拟金融产品价格运动轨迹.通过对国电电力认购权证(国电CWB1)进行100个交易日模拟定价的结果表明,该方法比标准布朗运动能获得更高的定价精度.(本文来源于《北京理工大学学报》期刊2011年05期）
韩忠玲[5]（2008）在《分形高斯噪声Hurst参数估计的实验评价》一文中研究指出网络业务量是网络测量、网络行为学、网络接入控制、网络性能分析等研究方向的关键部分。随着包括计算机通信网络的高速发展,以及新的应用如视频点播技术(Video On Demand,VOD),网络电话(Voice over Intemet Protocol,VOIP)的出现,网络的突发业务流量急剧增加,网络的业务量特性也呈现出与传统的业务量模型极为不同的性质,给网络业务量特性的研究和分析带来了新的挑战,同时也为网络业务量特性的研究开辟了新领域。由于自相似模型能够更加真实地描述网络传输的特性,因此通过生成具有自相似性的流量的仿真研究是网络业务量研究的一个重要方面。本文第一章介绍了课题的背景以及国内外对自相似流量的研究现状;第二章介绍了传统网络业务模型中较为典型的网络流量模型、自相似、长相关的数学定义以及常见的自相似业务模型。在第叁章中给出了自相似业务量产生算法的分类以及各类较为突出的几种算法的详细说明及其实现。在第四章,论文对现有的比较经典的Hurst参数估计算法做出了实验评价。首先检验了各种算法识别自相似序列的能力;其次从准确性、一致性、运算复杂度以及运算时间对这些算法做出了综合的比较;最后讨论了周期信号、高斯随机信号以及序列的相关结构对各种算法的影响。第五章在MATLAB的GUIDE平台上开发了FGN随机数据仿真与Hurst参数估计系统,这样做有利于我们今后更快、更方便的生成FGN序列以及估计Hurst参数。本文的主要贡献有:(1)在MATLAB环境下对几种FGN序列生成算法进行了仿真与分析;(2)对Hurst参数估计的八种方法进行了系统的比较,通过对它们的精确度、计算复杂度以及一致性进行了比较;(3)对影响Hurst参数估计的一些因素进行了深入的研究,能够更快、更准确的估计Hurst参数;(4)在MATLAB的GUIDE平台上开发了FGN随机数据生成和Hurst参数估计系统。(本文来源于《华东师范大学》期刊2008-04-01）
刘遵雄,李广利,张德运[6]（2007）在《基于谱密度的分形高斯噪声数据合成和估计》一文中研究指出分形高斯噪声FGN是分形布朗运动的增量过程,广泛应用于自相似过程的建模分析。在众多的合成分形高斯噪声的方法中,研究了基于功率谱的FGN的生成算法,谱模拟方法和Paxson方法的特点以及联系,同时对基于功率谱的Hurst指数的估计方法,周期图法进行了讨论。仿真试验中,使用Paxson方法生成了FGN序列数据,试验结果表明生成的FGN具有很好的自相似性。应用周期图法估计了其Hurst指数,相比方差时间法,周期图法在估计长相关过程的参数方面能够提高精度。(本文来源于《微电子学与计算机》期刊2007年05期）
肖创柏,李衍达[7]（1996）在《分形差分高斯噪声中正弦波频率估计》一文中研究指出本文提出了分形噪声中的谐波恢复问题，针对分形差分高斯噪声中正弦波频率估计，提出了一种偏差补偿线性最小二乘与极大似然估计相结合的组合算法。模拟实验结果表明，该方法不仅具有高的分辨率，而且能有效地抑制分形差分高斯噪声的影响。(本文来源于《通信学报》期刊1996年03期）
肖创柏,李衍达,罗晖[8]（1996）在《滤波分形差分高斯噪声过程的结构辨识》一文中研究指出分形差分高斯噪声过程是分形布朗运动的一种离散等价情形，它的滤波形式非常适合于描述具有不同的短期间和长期间相关特性的信号。本文研究了滤波分形差分高斯噪声过程的结构辨识问题，针对存在较弱和适中的长期间相关的信号，提出了一种基于超定辅助变量乘积矩和最小描述长度准则的ＯＩＶＰＭ－ＭＤＬ结构辨识方法；针对存在强长期间相关的过程，提出了分形反滤波与ＯＩＶＰＭ－ＭＤＬ的组合定阶方法。方法的可行性与有效性通过大量的数值仿真试验得到验证(本文来源于《电子学报》期刊1996年04期）
肖创柏,李衍达[9]（1994）在《分形高斯噪声与地震反褶积》一文中研究指出分形(fractal)概念,最初是由法裔美国数学家B．B．Mandelbrot于1975年明确提出的,他把分形定义为其Hausdoff-Besicovith维数严格大于拓扑维数的集合。简单地说分形是指一类极其破碎而复杂、但有自相似性或自仿射性的体系,可以用来描述传统的欧几里德几何所不能描述的、自然界中广泛存在(本文来源于《1994年中国地球物理学会第十届学术年会论文集》期刊1994-08-01）
分形高斯噪声论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
神经元放电活动在神经系统中起着非常重要的作用,不同的放电模式可能携带的着不同的信息,信息的传递需要在多个神经元的共同作用下完成编码,并通过突触传递给其他神经元。基于脑神经放电活动中的长程相关性和谱幂律形态的普遍性,使用分形高斯噪声建立了一类非线性神经元随机模型,研究了乘性分形高斯噪声在神经元反馈模型中的增强信息传输作用。对于阈下的二值输入信号,基于拒绝域定理得到阈下信号产生随机共振的充分条件,满足系统的Lipschitz条件和一定条件的噪声强度的具有二值输入信号的神经元反馈模型可发生阈下随机共振和阈上随机共振现象,理论和数值结果都表明受分形高斯噪声驱动的神经元反馈模型在二值输入的状态下,互信息会随着噪声强度的变化达到最大值,并出现单峰状态,从而产生阈下随机共振现象。而对于阈上二值输入信号,数值模拟结果表明具有Hurst指数H?(1/2,1)的加性和乘性分形高斯噪声可以增加系统的互信息或者比特数,产生阈上随机共振现象。研究表明具有长程相关和自相似的突触噪声或许是神经系统编码解码的高效性的主要驱动因素。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分形高斯噪声论文参考文献
[1].赖佳境.高斯噪声影响下的去滑动均值趋势多重分形对比分析[J].中国新通信.2019
[2].高凤银,康艳梅.分形高斯噪声对非线性神经元模型传输二值序列的增强作用[C].第四届全国神经动力学学术会议摘要集.2018
[3].高凤银,康艳梅.分形高斯噪声驱动的神经元反馈模型中的随机共振现象[J].空军工程大学学报(自然科学版).2018
[4].刘岭.基于分形高斯噪声迭加的蒙特卡罗模拟定价[J].北京理工大学学报.2011
[5].韩忠玲.分形高斯噪声Hurst参数估计的实验评价[D].华东师范大学.2008
[6].刘遵雄,李广利,张德运.基于谱密度的分形高斯噪声数据合成和估计[J].微电子学与计算机.2007
[7].肖创柏,李衍达.分形差分高斯噪声中正弦波频率估计[J].通信学报.1996
[8].肖创柏,李衍达,罗晖.滤波分形差分高斯噪声过程的结构辨识[J].电子学报.1996
[9].肖创柏,李衍达.分形高斯噪声与地震反褶积[C].1994年中国地球物理学会第十届学术年会论文集.1994