ASR：有效的自适应随机共振弱信号检测方法-CSDN博客

ASR: Efficient and Adaptive Stochastic Resonance for Weak Signal Detection

ASR：有效的自适应随机共振弱信号检测方法
这是一篇发表在INFOCOM的论文，由南京大学团队研究。

弱信号检测在无线感知、机械故障诊断等普适计算应用中至关重要，但低信噪比（SNR）导致信号易被噪声淹没。传统随机共振（SR）技术通过噪声放大弱信号，但存在两大瓶颈：

系统动力学的微分方程：

$\begin{equation} \gamma\frac{d^2x}{dt^2} + \frac{dx}{dt} = -\frac{dV(x)}{dx} + A_s \cos(2\pi f t + \phi) + \xi(t) \end{equation}$

其中：

双稳态势函数为 $-\frac{a}{2}x^2 + \frac{b}{4}x^4$
对应的确定性力为 $−dV(x)dx=ax−bx3-\frac{dV(x)}{dx} = ax - bx^3$
$γ\gamma$ 为阻尼系数，通常设为1简化模型
$ξ(t)\xi(t)$ 为高斯白噪声，满足 $⟨ξ(t)⟩=0\langle \xi(t) \rangle = 0$ 和 $⟨ξ(t)ξ(t′)⟩=2Dδ(t−t′)\langle \xi(t)\xi(t') \rangle = 2D\delta(t-t')$

代入势函数导数后，方程可写为：

$\begin{equation} \frac{d^2x}{dt^2} + \frac{dx}{dt} = ax - bx^3 + A_s \cos(2\pi f t + \phi) + \xi(t) \end{equation}$

势阱深度：由系统参数 $a$ 、 $b$ 决定，表达式为
$\Delta U = \frac{a^2}{4b}$
它反映了粒子在双稳势阱中跨越势垒所需的能量。
势阱距离：同样由 $a$ 、 $b$ 决定，表达式为
$\Delta D = 2\sqrt{\frac{a}{b}}$
描述了双稳势阱两个稳定点之间的距离。

这两个参数（ $ΔU\Delta U$ 和 $ΔD\Delta D$ ）共同决定随机共振（SR）现象的性能，影响系统对微弱信号的检测、放大能力。

$\min_{b} f(b) \quad \text{s.t.} \quad b > L_b, \quad f(b) = -\left.W\right|_{SR(b)}$

$L_b$ ：自适应下界（ $W_0$ 与 $W_p$ 交点）
迭代优化：
- 泰勒展开逼近目标函数
- 自适应步长控制（ $αk<0.25\alpha_k < 0.25$ 缩小步长， $αk>0.75\alpha_k > 0.75$ 扩大）
  
  论文后续进行了性能的验证，此处就不展示了。