癫痫EEG信号相空间重构参数的计算和分析

根据癫痫发作过程中,EEG信号表现出来的发作间期和发作期2种不同的状态,通过分析发现在该过程中大脑动力系统存在不同的动力学嵌入空间,存在不同的吸引子。还应用伪邻点法、互信息法和C-C方法进行了推导和仿真,对2种不同状态进行相空间重构,确定了癫痫病人不同状态EEG不同吸引子的参数,并在此基础上提出了若干新的见解。     

FDR飞行数据的相空间重构及混沌特性分析

针对现有飞行数据处理研究中,对数据内在属性及不同数据间相互关联性研究不够深入的问题,应用Takens重构理论和方法等对原始FDR飞行数据进行了相空间重构.在此基础上,采用功率图谱等方法进行定性分析研究,数据曲线均连续且有宽峰特征;采用基于相轨迹线演化的Wolf方法进行定量研究,结果最大Lyapunov指数在不同维数上均为正值.定性与定量研究结果揭示并证实了飞行数据具有典型混沌特性,该结论为后续开展飞行数据处理技术研究提供了新思路.     

非线性时间序列的相空间重构参数估计的新算法

针对混沌理论中非线性时间序列相空间重构的理论和方法,提出一种估计嵌入维数和延迟时间的新算法,采用矢量空间平均位移法确定延迟时间;基于混沌吸引子上邻近点之间距离随着时间增加最终趋于饱和的特性,估算非线性时间序列相空间重构的嵌入维数. 实例表明,该算法可以有效估计非线性时间序列的相空间重构参数.     

相空间重构延迟时间与嵌入维数的选择

论述相空间重构中延迟时间与嵌入维数之间的关系，提出广义嵌入窗长的概念．分析已有的自关联函数法中的不足，提出一种改进的自关联函数法确定广义嵌入窗长，从而确定出相空间重构的其它参数．同时从时间序列相关程度和不相关程度2个方面进行考虑，克服了自关联函数法的缺点．仿真实验结果验证了该方法的有效性．     

基于相空间重构的匹配追踪混沌信号去噪

基于混沌信号和噪声在相空间轨道的动力和几何特性,提出一种相空间重构的匹配追踪混沌去噪方法。该方法利用相空间重构产生与混沌信号微分同胚的相空间集,采用匹配追踪方法将信号分解为匹配信号结构的时频原子的线性和,达到无损去噪的目的。对Lorenz混沌系统模拟试验表明,该方法具有良好的去噪效果和计算收敛性。应用该方法于混沌相关光时域定位仪实际探测信号的测试,降低互相关旁瓣平均水平9.539 4。     

世界与我国铅锌产量和消费量的重构相空间混沌预测

通过对世界与我国铅锌产量和消费量的详细调查,采用混沌理论重构相空间预测方法,对世界与我国铅锌生产和消费趋势进行了预测.研究表明,世界与我国铅锌产量和消费量的演化均存在混沌现象,且锌金属产量和消费量演化的分形维数比铅金属高,说明锌市场变化比铅市场复杂.预测结果显示,2010年以后世界铅锌产量小于消费量,市场将出现短缺,且锌金属短缺程度比铅金属严重;我国铅金属将出现过剩,而且越来越严重,锌金属产消基本平衡.此外,探讨了我国铅锌原料供需矛盾.研究结论为:我国铅精矿将出现严重的短缺,锌精矿短缺程度比铅工业略好,但资源短缺将会长期存在.针对我国铅金属生产严重过剩,同时铅精矿严重不足的局面,提出了重点对我国铅工业进行产业结构调整的建议.     

相空间重构中参数确定方法的新探讨

论述相空间重构中参数选择的方法并对其讨论,针对已有参数确定方法的主观性强的特点,从一个更新角度考虑相空间重构中的冗余和不相关问题,结合虚假邻点法及平均位移法的思想,提出延迟向量排序计算重构相空间的最佳嵌入维数,以及基于相邻向量内积计算最佳延迟时间间隔.仿真结果证明该方法不仅是有效的,同时也具有易编程的特点.     

基于相空间重构和核主分量的水声信号增强

多径衰落是水声信道的主要特征,利用多径衰落信道具有的混沌行为,提出一种新的抗多径干扰的方法.建立基于混沌相空间的水声信道模型,利用核技巧φ(x)·φ(y)=k(x,y),通过核主分量分析提取相空间数据中累积贡献率达到90%的非线性核主分量,然后利用核主分量逆向投影回原相空间,通过去掉噪声干扰等次分量,提高水声衰落信号的信噪比.基于实测水声数据的仿真实验结果表明,该方法能将chirp水声信号信噪比提高7.76 dB,达到对多径衰落水声信号增强的目的.      

能源时序相空间重构及其混沌特征分析

对中国能源生产量与能源消费量实测值时间序列分别进行相空间重构，按照关联维数方法求算吸引子维数。通过计算，得出中国能源年生产量与消费量时序的相关维是正的分数值，能源生产时序饱和嵌入维数m^∞为10，关联维数为1．18，影响能源生产的因素约为2－10个。能源消费时序饱和嵌入维数m^∞为10，关联维数为1．13，影响能源消费的因素约为2－10个。通过对二阶柯尔莫尔哥洛夫熵K2的计算得出，我国能源生产量的可预测时间尺度是9年，能源消费量的可预测时间尺度是10年。     

基于改进天牛须算法优化的确定性跳跃循环状态网络的交通流预测

为了提高短时交通流速度预测的精度,提出一种基于改进天牛须算法优化的确定性跳跃循环状态网络的交通流预测模型.首先对交通流速度序列进行浑沌性分析,重构序列的相空间,将对交通流速度序列的研究映射到其所在的相空间中进行;然后引入变步长因子和模拟退火技术对天牛须算法(beetle antennae search,BAS)进行改进,并以改进算法优化确定性跳跃循环状态网络(cycle reservoir with regular jumps,CRJ)的参数构建预测模型;最后通过实例对比分析模型的有效性.结果表明:通过相空间重构对交通流速度序列处理,能够挖掘序列内部的动态特性,使之更加适用于网络的建模;所提模型的预测结果同对比模型相比,平均绝对百分比误差下降了1.05％ ～6.04％,有效地提高了短时交通流速度的预测精度.     

基于三阶累积量的自适应多变量相空间重构

利用三阶累积量反映多变量序列的高阶非线性相关性,建立了一种具有良好抗噪性的多变量相空间重构方法.将三阶累积量引入到序列局部本征维数(LID)的计算中,对不同相空间点构造新的三阶累积量相关矩阵;同时建立累积量切片评价函数,通过比较得到了对噪声及嵌入维数等重构参数变化鲁棒性强的累积量切片,然后确定序列的嵌入维数、嵌入延迟,重构多元变量相空间.仿真结果表明,建立的新方法对带噪声混沌序列具有较好的鲁棒性,多元变量奇异吸引子轨迹在重构相空间中得到了良好扩展.
     

空中目标信号相空间重构方法研究

为提取空中目标辐射噪声非线性和混沌特征,需要对目标信号作非线性时间序列分析,其第一步则是相空间的重构,基于Takens定理进行相空间重构前必须先确定重构相空间的时滞和嵌入维数两个重要参数。分别采用互信息方法确定重构最佳时延和关联积分法确定重构嵌入维数。分别以经典混沌信号和实测目标噪声数据为研究对象进行计算仿真,结果证明了该方法选择地参数进行相空间重构的有效性与准确性,重构的相空间能很好反应原混沌系统的特性,为下一步分析提取目标非线性特征奠定了良好的基础。     

基于小波域主分量分解的相空间重构

利用小波变换域主分量分解法从一维时间序重构混沌吸引子。根据噪声与混沌信号在不同分辨率上的能量分布的差别,分别在各分辨率上进行主分量分解,有效地压缩噪声,对Ｌｏｒｅｎｚ模型的ｘ分量进行了研究。     

自组织临界性的相空间重构

作者通过采用相空间重构法对具有自组织临界性的BTW沙堆模型进行了分析,根据仿真得到的沙崩关联长度这个一维时间序列,用时延技术进行吸引子重构,得到了重构相空间的嵌入维数和关联维数,说明关联维数越低,系统的层次越高,趋势越明显．用相空间重构法可以用来分析其他具有自组织临界性的系统,在进行短期预测上有一定的意义．     

基于相空间重构的神经网络短期风速预测

针对风速具有较强的混沌特性,预测难度较大,提出了一种基于相空间重构的神经网络短期风速预测方法:对数据进行小波降噪,运用互信息法和虚假最近邻点法确定最佳的延迟时间和嵌入维数,对样本空间进行重构,使新的样本能够表征原始时间序列动态特性,更能反映风速变化特性。在此基础上运用BP神经网络进行短期风速预测。实验结果表明短期风速预测精度得到提高。     

A Phase Space Reconstruction Based Approach to Throughput Prediction in Semiconductor Wafer Fabrication System

In order to manage and control semiconductor wafer fabrication system (SWFS) more effectively,the daily throughput prediction data of wafer fab are often used in the planning and scheduling of SWFS.In this paper,an artificial neural network (ANN) prediction method based on phase space reconstruction (PSR) and ant colony optimization (ACO) is presented,in which the phase space reconstruction theory is used to reconstruct the daily throughput time series,the ANN is used to construct the daily throughput prediction model,and the ACO is used to train the connection weight and bias values of the neural network prediction model.Testing with factory operation data and comparing with the traditional method show that the proposed methodology is effective.     

基于最大Lyapunov指数的网络业务流量预测

在高速网络资源分配与拥塞控制研究中,网络业务流量的预报是一个具有重要意义的课题.基于准确的业务预报,网络管理和控制方案更易于适应业务流量的动态变化,从而达到优化网络性能的目的.而高速网络中大量存在着以自相似性为特征的多种业务流量.已有研究表明,这种自相似特性与混沌现象的吸引子有着紧密的联系.笔者利用混沌时间序列的重构相空间方法,对高速网络中自相似信源的速率做出了预测,并给出了最大可预报时间.该方法的预测模式简单,仿真结果表明,预测的精度也比较高.