基于改进型脉冲耦合神经网络的混沌相态分类方法

混沌相态分类是利用混沌系统检测微弱信号的关键步骤.提出一种基于改进型脉冲耦合神经网络的混沌相态分类方法.利用该网络模拟哺乳动物视觉皮层神经细胞活动的特点,提取混沌系统输出相态图的结构特征,并应用均值残差算法进行特征信息降维,进而实现对系统混沌态与周期态的实时判别.以Lyapunov特性指数方法作为评价准则,分别使用正弦...     

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.     

微弱方波信号检测阈值判定的级数分析方法

利用梅尼尔科夫方法判断系统是否进入混沌状态,在理论上解决了微弱方波信号混沌检测阚值存在性的问题.利用级数分析法推导出当系统出现混沌状态时,微弱方波信号的幅值与角频率的关系.通过对微弱方波信号的仿真实验,证明了此判据的有效性.     

利用单向驱动非线性耦合Duffing振子检测微弱信号

针对单个Duffing振子检测微弱信号时相变判别计算量大、时间长、不易把握等问题,建立了一个单向驱动非线性耦合Duffing振子系统,根据横向Lyapunov指数分析了系统在混沌态到大尺度周期态时振子间运动轨迹的同步演化特性,提出了利用同步误差来判别相变的新方法。实验仿真表明,在强噪声背景下该耦合系统仍能够正确快速地检测出微弱信号。     

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.     

基于Lyapunov指数的电阻点焊声音混沌时间序列识别

以混沌理论为基础,对电阻点焊声音信号进行了分析与研究,通过计算8种不同焊接规范下时间序列的最大Lyapunov指数,发现点焊声音信号中的Lyapunov指数均大于0,揭示了声音信号中存在混沌现象,该研究为点焊质量的判断和预测开辟了有效的途径.此外,采用经典欧式几何方法描述声音信号误差较大,提出了用曲线盒维数作为特征值来量化具有混沌特性的点焊声音信息,结果表明,盒维数能反映点焊质量微小变化,可提高质量检验的准确性.     

恒Lyapunov指数谱混沌系统的广义同步

文献[11]提出了一种恒Lyapunov指数谱混沌系统,该系统存在一个局部变幅参数,能够线性调整输出混沌信号中的两维信号的幅值,而不改变其混沌动力学特性.利用广义同步的方法,研究了该恒Lyapunov指数谱混沌系统的同步控制,使用混沌遮掩的方法进行了数值仿真实验.结果证明了广义同步方案的有效性,并指出了应用前景.     

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.     

利用混沌吸引子阶跃变化现象检测滚动轴承微弱故障

针对现有的基于混沌振子的微弱信号检测方法存在混沌状态判据计算复杂、混沌状态临界点难以精确确定的问题,提出一种基于混沌吸引子形状阶跃变化的微弱信号检测方法。通过分析典型的混沌系统的动力学特性,将吸引子出现阶跃变化作为存在待测频率信号的判断依据,提出自适应选取阈值和自动判断混沌吸引子变化的方法,在此基础上,设计基于混沌吸引子形状阶跃变化的微弱信号检测系统。最终将该系统应用于滚动轴承的早期微弱故障诊断中。研究结果表明:该方法为基于混沌振子的微弱信号检测提供了一种具有新定量判断准则的方法,不仅能够实现自动检测微弱信号频率,提高基于混沌振子的微弱信号检测方法的检测性能,而且在滚动轴承的微弱故障信号检测中易于实现,具有实际应用价值。     

心磁和心电信号的混沌时间序列分析

计算了一组心磁和心电检测信号的关联维数和最大李亚普诺夫(Lyapunov)指数.心磁和心电信号的关联维数分别在2.28±0.27和1.12±0.13范围内,最大Lyapunov指数分别在0.68±0.12和0.32±0.04范围内.对其它4组数据中心测点的计算结果也说明心磁和心电信号具有混沌特性.此外,结果显示心磁边缘测点的混沌吸引子与中心部分有明显差别,可用于分析信号的有效检测范围.     

基于局域波和混沌的转子系统早期碰摩故障诊断

为实现低信噪比下的微弱信号检测,提出一种基于局域波和混沌的微弱信号检测方法.将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量为单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,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.对转子系统早期碰摩故障信号检测结果说明了该方法的有效性.     

A new method for detecting line spectrum of ship-radiated noise using Duffing oscillator

A detection scheme for line spectrum of ship-radiated noise is proposed using Duffing oscillator. The chaotic trajectory of Duffing oscillator is analyzed and the state equation of the system is improved to detect weak periodic signals in different frequencies. According to the simulation results, the phase transforms of Duffing oscillator are sensitive to periodic signals and immune to the random noise and the periodic interference signals which have larger angular frequency difference from the referential signal. By employing Lyapunov exponents in the field of detection as the criteria for chaos, the phase transforms of dynamic behaviors in quantity are successfully determined. Meanwhile, the threshold value in critical state has been evaluated more accurately. Based on the phase transforms of Duffing oscillator, a new method for detecting line spectrum of ship-radiated noise is given. Three types of ship-radiated noise signals are analyzed and the values of line spectrum are acquired successfully by this method. The experimental results show that this method has high sensitivity and high resolution.     

基于RBF神经网络的混沌背景下瞬态弱信号检测

针对海杂波背景下瞬态弱信号检测的问题,采用海杂波混沌模型,基于神经网络重构混沌序列相空间,提出了基于RBF神经网络预测混沌时间序列和瞬态弱信号检测方案。理论分析和仿真结果表明这种方法能够有效实现混沌背景噪声中瞬态弱信号的检测。     

基于Duffing混沌系统的频谱感知算法

针对极低信噪比情况,提出一种基于混沌理论的周期信号的频谱感知算法.该算法利用混沌系统中对周期小信号的敏感特性以及对噪声的免疫特性,在很大程度上解决了感知低功率谱密度信号和隐藏的授权用户的问题.仿真证明了算法的可行性和有效性.     

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。     

变型蔡氏电路在微弱信号检测中的应用

利用混沌理论和方法可以大幅度提高微弱信号检测的精度．该文对产生混沌现象的最简单3阶自治电路-蔡氏电路进行了研究，建立了数学模型，分析了产生混沌的原因，根据建立的数学模型对其进行了仿真研究，并构建了实际的检测电路，仿真结果和电路实验表明，在适当选择参数的情况下，该电路能够出现极为丰富的混沌现象，实际利用该电路可以从噪声中检测出微弱周期信号．     

混沌保密系统中信号检测的阈值判定

目前,对于混沌保密光通信方法的研究早已引起了各国科学家的高度重视,混沌领域将成为一个极具开发价值的领域,而进行阈值判定成为对系统中混沌信号的检测的关键。在本论文中,我们将待测的微弱周期信号作为混沌系统的一种周期扰动,利用周期扰动抑制混沌运动的特性,使混沌系统实现从混沌临界态向大尺度周期态的转变,并通过仿真实现了混沌临界态向大尺度周期态的转变。     

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.