随机共振是一种非线性现象，其本质是当信号、噪声和非线性系统间达到某种匹配关系时，噪声的部分能量可以转移到信号上，从而提高输出端信噪比。随机共振算法快速、高效，并可通过硬件实现，具有实时检测能力，因此随机共振在微弱信号检测中具有十分重要的意义。本文围绕随机共振模型中参数间的关联性以及参数搜索范围设置的问题，对随机共振技术展开研究，主要研究成果如下：　　1.提出了一种简化诱导共振时所需调节参数数量的方法。该方法首先根据加性噪声驱动下的双稳态随机共振系统的特殊性质，得到了参数间新的关联性，然后根据得到的参数间的关联性明确了诱导共振需要调节的参数间的关系，最后减少了需要调节参数的数量。通过仿真表明，该方法成功的减少了实现了诱导共振时需要调节参数的数量，降低了诱导共振的算法复杂度，提高了算法收敛速度，进一步推动了随机共振在工程中的应用。　　2.提出了一种归一化随机共振信号检测方法。传统随机共振方法只能针对小参数信号，大参数信号需要转换成小参数信号才能用随机共振进行检测。所提方法首先根据周期信号和白噪声的特殊性质，通过混合信号方差求得噪声强度，然后根据Kramers逃逸速率是待检信号频率的2倍以及Kramers最大准则求得非线性系统参数的值，最后根据信号幅值和势垒的关系确定信号幅度变换系数，方法中有五种参量组合可以选取，且每种组合的参量数量为两个，设置选定的两个参数就可实现随机共振。该方法针对大参数信号，无需进行转换就可直接进行检测，实现了小参数和大参数信号随机共振检测的统一。仿真结果表明，不论输入信号是小参数或大参数信号，该方法都可以快速的实现微弱信号的检测。　　3.提出了一种能够准确确定自适应随机共振参数搜索范围的方法。该方法首先用双稳态非线性系统的发散临界值来确定系统参数的大概搜索范围，然后再从离散模型稳定性和随机共振信号的频率被限制在 Kramers迁移速率极限值的一半的范围内两方面对搜索范围进行缩小，得到精确搜索范围，最后采用量子粒子群算法，在确定的搜索范围内自适应寻取系统参数的最优解。模拟仿真结果表明，不论输入信号是小参数或大参数信号，该方法都可准确确定参数的搜索范围，结合量子粒子群自适应随机共振方法实现了对弱信号的最优检测。