非高斯平稳有界噪声激励下混沌系统动力学研究

为解决信号检测理论在通讯、雷达、声纳、故障诊断等领域应用受限的问题,提出了随机Melnikov方法研究非线性系统在微弱周期信号和噪声信号联合摄动下的混沌运动行为,得到了微弱周期信号和非高斯平稳有界噪声信号联合摄动下的混沌运动特征.混沌的临界幅值与噪声强度的关系表明,在不强的非高斯平稳有界噪声背景下,有界噪声增大了激励阈值,混沌现象不容易产生.     

分数阶Duffing系统动态特性研究及微弱信号检测

为了进一步提高微弱信号的检测能力,在更低信噪比环境下提取微弱信号的特征信息,提出采用分数阶Duffing系统实现微弱周期信号检测。基于常规Duffing-Holmes数学模型 ,通过加入分数阶微分算子引入了分数阶Duffing方程数学模型,利用变量代换对该模型进行改进可实现任意频率的微弱周期信号检测。研究分析系统阻尼比参数变化对系统非线性动力学特性的影响,给出了最佳阻尼比参数范围;研究了微分阶次与系统临界混沌阈值变化关系,得出微分阶次与系统临界混沌阈值成反比关系的结论。分别在高斯白噪声及色噪声背景下对微弱信号进行检测与识别,大量仿真结果表明,分数阶Duffing系统检测微弱信号的最低信噪比门限值比整数阶Duffing系统降低了10 dB,提高了检测微弱信号能力。     

分数阶Duffing系统动态特性研究及微弱信号检测（英文）

为了进一步提高微弱信号的检测能力,在更低信噪比环境下提取微弱信号的特征信息,提出采用分数阶Duffing系统实现微弱周期信号检测。基于常规Duffing-Holmes数学模型,通过加入分数阶微分算子引入了分数阶Duffing方程数学模型,利用变量代换对该模型进行改进可实现任意频率的微弱周期信号检测。研究分析系统阻尼比参数变化对系统非线性动力学特性的影响,给出了最佳阻尼比参数范围;研究了微分阶次与系统临界混沌阈值变化关系,得出微分阶次与系统临界混沌阈值成反比关系的结论。分别在高斯白噪声及色噪声背景下对微弱信号进行检测与识别,大量仿真结果表明,分数阶Duffing系统检测微弱信号的最低信噪比门限值比整数阶Duffing系统降低了10 dB,提高了检测微弱信号能力。     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

基于局域波和混沌的转子系统早期故障诊断

针对转子系统早期微弱故障诊断问题,提出了一种基于局域波分析和混沌相结合的故障诊断新方法.分析了Duffing混沌振子的混沌运动,说明混沌振子的非平衡相变对微弱信号的敏感性和对白噪声的免疫力.可以通过混沌振子由混沌运动到大周期运动的相变识别微弱信号的特征频率成分.由于实际检测信号为多分量信号,若直接输入Duffing振子达不到检测识别目的.为了消除其他成分的干扰,利用局域波分解,任何复杂的信号都可以分解为有限的并且具有不同的基本模式分量,每个分量是单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,通过混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期不对中故障信号进行检测结果证明了方法的有效性.     

非高斯噪声激励的肿瘤增长系统的多重随机共振现象

本文研究了以捕食-食饵模型为基础的肿瘤增长系统在非高斯噪声及高斯噪声联合作用下的随机共振,根据路径积分法及绝热近似理论得到了信噪比的解析表达式,进而研究了关联非高斯噪声与高斯噪声及周期信号对系统随机共振的影响.研究结果表明:信噪比曲线在乘性噪声强度、加性噪声强度及非高斯参数q的影响下均出现了多重随机共振现象.此外,噪声关联强度和噪声自关联时间都能够增强随机共振现象.     

从混沌噪声背景中提取周期性激励信号

周期性信号通过非线性系统后常会被转变成具有噪声特性的混沌信号,从频域上看原来的离散谱被扩展成了宽带的混沌频谱,因此从这种宽带的、类似噪声的混沌信号中提取出原来的周期激励有着重要的理论和实用意义.从非线性动力学系统的建模理论出发,采用一个简单的"多项式-简谐激励\\\"非自治系统方程,通过计算该方程在不同频率驱动下对原系统的逼近误差,可以获得驱动该非自治系统的信号的频谱,并最终达到提取激励信号的目的.     

齿轮早期故障的间歇混沌诊断方法

研究了小信号摄动的Ｈｏｌｍｅｓ型Ｄｕｆｆｉｎｇ振子的混沌及间歇混沌运动，发现策动力与摄动信号间的微小频差是振子产生间歇混沌的原因，得出了振相变对小信号敏感以及频差较大的周期干扰信号和噪声具有免疫力的结论，通过识别振子的间歇混沌运动可对齿轮单齿缺陷故障进行诊断。     

基于混沌的旋转机械故障诊断

研究了Duffing方程解的特性，应用分形维数来识别混沌运动及其分岔参数，说明混沌振子的非平衡相交对微弱信号的敏感性和噪声的免疫力，通过混沌振子由混沌运动到大周期运动的相交识别可对旋转机械早期不对中故障信号进行检测和诊断，为工程实际中旋转机械的早期故障诊断提供有效的依据。     

高斯白噪声激励下约瑟夫森结的混沌分析

考虑电流噪声的因素,建立了一类高斯白噪声激励下的超导约瑟夫森结动力学模型,并对其混沌特性进行了研究。基于随机Melnikov方法,通过计算该模型的随机Melnikov函数,可得系统在均方差意义下出现Smale马蹄混沌的必要条件,进而讨论了噪声强度对系统混沌行为的影响。结果表明,高斯白噪声激励使原系统更易产生混沌。     

基于粒子滤波的多导心电信号的T波交替分析算法

对于多导心电信号中非稳态和非高斯的T波交替(Twavealternans,TWA)现象的分析,现有的方法都存在稳健性差的问题.提出了一种基于粒子滤波的多导联TWA分析方法,根据多导联TWA的分析框架,对经过预处理后得到的多导联ST-T段数据首先进行主成分分析,然后采用粒子滤波的方法对变换后每个通道进行TWA检测和对重构后的各导联进行TWA幅值估计,从而实现多导联T波交替的分析.仿真实验结果表明,当交替信号与噪声的比小于-15dB,多导联的粒子滤波方法的估计TWA幅值准确度高,并且没有出现TWA的漏检和误检情况.同时,对非稳态和非高斯的TWA具有很好的稳健性和抗噪性能.     

一个新离散非线性系统的混沌现象

提出了一个尚未见过报道的离散非线性系统,并指出此离散非线性系统存在混沌现象,其混沌吸引子很像洛沦滋混沌吸引子的轮廓。     

基于差分Poincaré映射的间歇混沌信号判别方法

针对混沌振子微弱信号检测中间歇混沌信号难以判别的问题,利用混沌系统的参数敏感特性,提出一种差分Poincar6映射判别方法,实现强噪声干扰下输出间歇混沌信号的判别.该方法选取周期激励幅值具有微小差异的两个混沌振子的Poincaré映射进行差值运算,利用周期状态下输出信号收敛,而混沌状态下输出信号分离的特点,降低了噪声对周期区域的影响,使可检测输入信号的信噪比达到了-87 dB.实验表明,在时域或Poincaré映射已经无法进行分辨的情况下,该方法仍然实现了检测系统输出间歇混沌信号的有效判别.     

混沌系统奇异性分岔过程分析

通过对杜芬（Duffing）方程的分岔与奇异性的研究,利用弱正弦信号扰动下杜芬振子经过足够多的分岔会产生近似白噪声的频谱特性,对杜芬振子的分岔方程和解态频谱进行分析,证明白噪声信号与混沌信号属于同一类信号,本文首次验证了确定系统混沌信号的频谱与噪声随机信号的相似性。     

用混沌振子检测淹没在强背景噪声中的方波信号

提供一个利用混沌振子检测微弱方波信号的有效方法 ,仿真实验表明 ,混沌振子在强噪声背景下对方波信号非常敏感 ,并将可测信噪比范围扩展到 - 88.45d B.     

Duffing振子的两种检测微弱信号的方法及区别

分析了Duffing振子的混沌运动特征，阐述了两种检测微弱信号的方法：一是利用该振子对与参考信号角频差较小的周期小信号的敏感性、对白噪声及参考信号角频差较大的周期的免疫力来检测微弱信号，二是通过改变噪声强度或调节系统本身的参数产生随机共振来提取微弱信号。对两种方法的机理进行了比较，指出了二者的区别。     

混沌背景下基于小波神经网络的弱信号检测

依据Takens嵌入定理提出了一种基于小波神经网络（WNN）的强混沌背景中微弱信号的检测方法。该方法利用混沌系统的单变量值对混沌背景重构相空间，采用小波神经网络所具有的强大的学习能力和非线性处理能力建立了混沌背景噪声的一步预测模型，使其与混沌背景噪声具有相同的基本动力学特征，并通过设定合适的预测误差门限来检测掩埋在混沌背景中的有用微弱信号。仿真结果验证了该方法的可行性。     

单结管电路中的随机共振过程

为考察二阶非线性电路响应中是否存在随机共振过程 ,用噪声信号和周期信号同时激励二阶非线性单结管电路 ,并观察其响应和测量输出响应信号的信噪比。结果表明 :在一定的条件下 ,增大输入噪声的值不仅不降低输出响应信噪比 ;反而迅速增加输出响应的信噪比 ,使输出响应中周期信号的分量反而加强 ,而且输出响应的信噪比对于输入噪声的变化具有“共振”形状的曲线。从而证明了二阶非线性单结管电路不仅是混沌系统 ,也是随机共振系统 ,且随机共振响应是混沌系统一种响应模态     

混沌噪声背景下弱谐波信号的GRNN检测

针对BP(Back Propagation)神经网络方法存在训练时间长,收敛性能不理想;RBF(Radial BasisFunction)神经网络的隐层结构对鲁棒性影响大的问题,将广义回归神经网络GRNN(GeneralizationRegression Neural Network)引入混沌背景下的弱谐波信号检测中,提出了一种提取混沌噪声背景下微弱谐波信号的GRNN检测方法.该方法利用GRNN建立噪声混沌背景的最优一步预测模型,再结合频域处理预测误差提取微弱信号,以Duffing系统产生混沌时序作为混沌背景,使用该方法用MATLAB6.1验证在没有噪声、存在高斯白噪声和存在色噪声情况下的混沌背景下的弱谐波信号检测.实验结果表明,谐波对混沌的信噪比达到-36dB时仍然可以检测出谐波.