随机共振(SR:Stochastic Resonance)是目前非线性科学领域一个新兴的重要分支,当一个非线性动力学系统受到一个随机力(噪声)的激励,系统和输入的随机激励之间会产生一种协同作用,使得系统输出的性能有所提高,这一现象被称为随机共振。在过去的20多年里,随机共振现象受到广泛的关注,并在许多领域中被发现。随着研究的深入,随机共振在信号处理中开始获得一些应用。在小信号检测的应用中,最初是通过调谐噪声来产生随机共振,随后提出了参数调谐随机共振(PSR:Parameter-tuning Stochastic Resonance),它是把噪声调谐转换为双稳系统的系统参数调谐。但是PSR硬件实现不理想,也不适用于短时间处理。考虑到神经网络的高度并行性、良好的容错性与联想记忆能力、强大的自适应、自学习能力,本文研究了双稳系统在不同信号、噪声强度下产生共振所需的系统参数值,研究了函数型连接神经网络拟合变参数非线性系统,并用其来实现PSR。本文首先简要介绍了随机共振的历史、发展现状及在信号处理中的应用,描述了本文的主要工作。第2章介绍了随机共振的理论及其仿真。第3章针对双稳系统,研究了在不同信号、噪声强度下产生共振所需的系统参数值。第4章用函数型神经网络拟合变参数非线性系统,给出了系统的性能,将其结合BP网络实现了PSR,并考察了适用范围。最后对全文进行了总结,并提出了进一步研究的方向和设想。