噪声通常会干扰信号检测，大多数噪声的抑制方法的目标是减少或消除噪声。然而在各种生物感知系统中，噪声是可以反直觉地增强系统检测弱信号的能力。受该效应的启发，新加坡国立大学仇成伟教授课题组利用随机非厄米奇异点[1]，即在非厄米奇异点的基础上，反常地加入噪声，使得非厄米奇异点随时间的变化处在随机的位置上。当被传感的信号为微弱的周期信号时，该系统的信噪比随着加入的噪声增强而增强，存在一个最大值，然而普通方法的信噪比则会随着噪声增强呈指数型下降。
基于利用噪声来增强传感器的准确度的新方法，设计了一款可穿戴的体征传感器，通过LC振荡电路和输入信号实现奇异点的随机分布状态。在此基础上，在实际的运动过程中带来的噪声环境进行了测试。研究发现利用该可穿戴传感器测到的运动过程中的呼吸信号。运动速度越快引入的噪声越大，传感器的信噪比反而增强了。该团队同时也检测了氧气的消耗量作为标准信号，Bland-Altman图表明噪声增强了被测信号与标准信号的一致性。然而在运动过程中普通方法无法测出呼吸信号。该工作能够启发可穿戴传感器的开发，在高噪声的恶劣环境中提供了更加准确和便携的实时监测，拓展生物传感器在健康监测和医疗中起着重要作用。
Li Z., Li C., Xiong Z., Xu G., Wang Y.R., Tian X., Yang X., Liu Z., Zeng Q., Lin R., Li Y., Lee J.K.W., Ho J.S., Qiu C.-W. Stochastic Exceptional Points for Noise-Assisted Sensing [J]. Physical Review Letters, 2023, 130(22).
报告人：郑睿瑄
