噪声的存在降低了系统信号的输出反应，为了提高信号的检测能力，传统弱信号检测方法总是尽量降低或者消除噪声。然而，随机共振理论却表明，在特定的非线性系统中，适量噪声的存在可以提高系统的输出信噪比，从而增强弱信号的检测能力。目前，随机共振理论已受到广泛关注。 本文首先在总结前人对随机共振理论研究的基础上，分析了标准四次双稳态随机共振系统与信号、噪声之间的关系。其次，提出利用Hopfield型神经元来实现随机共振，进行弱信号的检测。在小参数条件下，对噪声双稳态Hopfield型神经元随机共振系统进行了理论推导和仿真研究，研究了信号幅值和频率、噪声强度、系统结构参数对Hopfield型神经元随机共振系统的影响，并对工程应用中常遇到的大参数信号检测进行了深入研究。大量仿真表明：迭代步长对Hopfield型神经元系统实现随机共振有重要的调节作用，而当实际采样频率与信号频率之比大于等于500时，Hopfield型神经元随机共振系统可以很好的检测大频率信号。针对强噪声中大频率信号的检测，将尺度变换应用到神经元随机共振系统中来检测大参数信号，且进一步提出了一种新的方法，即在实际采样频率与信号频率之比大于等于500的前提下，调节迭代步长可以实现大参数信号的检测。该方法简单易行，效果明显。最后，针对Hopfield型神经元组成的级联系统，在分析了色噪声机理的前提下，通过比较级联系统的时域波形和频域谱图，证明级联系统比单个系统具有更好的频谱效果。 本文所研究的Hopfield型神经元随机共振系统，拓宽了随机共振的实现渠道，为随机共振结合神经网络进行弱信号检测的进一步研究奠定了基础。