时延法相空间重构双参数联合估计方法研究

重构相空间对于研究混沌时间序列有着重要的理论与现实意义,目前采用的分别估计嵌入时延和最小嵌入维数的技术路线,割裂了这两个参数所具有的天然联系.为此提出时延法重构相空间的双重构参数联合估计方法,根据两个重构参数的取值标准,利用迭代的方法,同步估计出时延法重构相空间双参数.应用所提出的方法,分别对高斯白噪声和Lorenz系统两个时间序列进行了数值验证,分析表明计算结果是可信的,可以应用于时间序列的相空间重构.     

基于SSA的弹头激波信号处理方法研究

针对弹头激波信号混杂其他噪声干扰无法分离时延特征参数问题,利用奇异谱分析(SSA)的自适应滤波特性进行处理,并对嵌入维数和重构主分量数目对分离效果的影响进行了讨论,建立性能评价函数和选择准则来进行优化。仿真结果表明,采用最优参数时SSA能有效提取出噪声条件下激波信号特征。     

基于奇异谱分析(SSA)的弹头激波信号处理方法研究

针对弹头激波信号混杂其他噪声干扰无法分离时延特征参数问题,利用奇异谱分析(SSA)的自适应滤波特性进行处理,并对嵌入维数和重构主分量数目对分离效果的影响进行了讨论,建立性能评价函数和选择准则来进行优化。仿真结果表明,采用最优参数时SSA能有效提取出噪声条件下激波信号特征。     

多邻域保持嵌入的人脸识别方法

现有流形学习算法在学习人脸数据时,假设所有数据点位于单一低维嵌入流形之上,当数据点实际分布在不同的流形上时,单流形假设就会影响数据真实空间结构。为此提出一种基于多邻域保持嵌入(multiple neighborhood preserving embedding,M-NPE)的学习算法来发现不同类别数据在不同维度的低维嵌入空间中分布的多流形结构。首先,单独学习不同类别数据的流形,得到反映其本质特征的流形;再通过遗传算法搜索每个流形的最优维数;最后依据最小重构误差分类器对样本分类。在Extended Yale B和CMU PIE这2个大型人脸库上实验结果验证了该算法的有效性。     

基于局部投影方法的混沌信号去噪

提出一种以Takens嵌入定理和影子定理为理论依据的对混沌信号较有效的去噪方法，该方法先根据Takens嵌入定理将待处理的含噪时间序列嵌入到合适的相空间M'中，由于混有噪声，相空间中的点将偏离真实动力学系统嵌入的流形M，去噪的目的就是估计M的位置，并将偏离M的点移近它。从而更新原时间序列。实验比较了局部投影去噪方法和小波函数方法的去噪效果，结果表明本文的方法对混沌信号的去噪很有效，且比单纯利用小波函数去噪的效果更好。     

一种新的HBT小信号模型参数提取方法

提出了一种改进了的HBT小信号参数提取的方法．在这种方法中以HBT的T型等效电路为基础，以测量HBT的S参数为依据，通过拟合数条曲线，所有等效电路的元素都可以通过解析的方法提取出来，不需要再进行数字优化。另外，还提供了一种提取HBT在低频下的总时延因子的新方法，这种方法不仅简洁，而且能够提高参数的精确度。最后经过验证，证明本方法是一种相当可取的提取HBT小信号等效电路参数的方法。     

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.     

基于联合熵的多变量混沌时间序列相空间重构

提出了一种多变量混沌时间序列的联合熵扩维法(JEED),为多变量时间序列的预测构造了有效的模型输入向量.首先使用互信息法求混沌系统各观测变量的延迟时间;然后使用联合熵确定各分量的嵌入维数,并按最大熵选择重构分量,不断扩张相空间维数,最终使得重构向量空间包含系统的最大信息量.仿真实验表明因为JEED确定的相空间能提供丰富的信息,在其上进行的神经网络预测取得了比单变量预测方法更好的预测效果.     

噪声衰减预测法确定企业噪声

噪声监测指标作为验收监测和一些仲裁监测中一个不能缺少的指标,在一些监测中无法准确测定,笔者认为可用噪声衰减预测法测定企业噪声.     

混沌时间序列相空间重构参数的选取方法

对混沌时间序列相空间重构中最佳延迟时间间隔和嵌入维数的选取方法作了综述,提出了同时考虑这2个参数选取的重构展开－虚假邻点法以及预测误差最小法,并以Lorenz系统为例作了验证。     

模糊预测自适应控制算法应用分析

基于无辩识自适应控制方式在大滞后系统控制中的不足,采用模糊集合理论改进无辩识自适应控制,设计出模糊预测控制器,不仅解决了带有时滞、不确定性、大惯性工业过程的控制问题,而且没有对过程模型提出要求,并在实际应用中取得了良好的效果。     

相空间重构中嵌入维和时间延迟的选择

提出了一种用于相空间重构的嵌入维和时间延迟自动算法，它利用混沌时间序列的去偏复自相关函数的零点来确定时间延迟，有效地降低了平均位移法跟踪平均位移量斜率变化的随意性所造成的计算误差，并借助于复自相关法和Г-test的迭代计算求得准最佳的嵌入维和时间延迟参数．该算法具有较充分的理论依据，其计算复杂度不大，对数据长度的依赖性不强．仿真实验结果表明，用该算法计算标准混沌时间序列关联维的相对误差由传统算法的4．4％降低到1．06％，有效地提高了计算相空间重构中不变量的精度．     

脑电时间序列的非线性重构

脑电信号的非线性特征量的提取以其非线性重构为基础,对脑电信号的进行非线性重构的关键是正确选择重构参数时间延迟和嵌入维数．确定重构参数的方法很多,并各有其优缺点．C—C方法是一种可以同时确定最佳时间延迟和最佳嵌入维数的新方法,以Lorenz模型数据和脑电时间序列为计算对象,对这种方法进行了验证与比较．     

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．     

时间序列模糊滑动预测

在时间序列经典滑动预测基础上,给出了模糊滑动预测方法,并举例说明了它比传统的滑动预测有更强的修匀能力。     

白噪声关联调制对单模激光信噪比的影响

用线性化近似方法计算了单模激光增益模型的光强功率谱及信噪比,以噪声、信号频率和时间周期调制频率为参数讨论信噪比R随量子噪声强度D的变化,发现负关联情况下会出现随机共振,对噪声间关联程度的时间周期调制是引发随机共振的重要因素.     

基于UKF的参数和状态联合估计

对于因模型参数失配造成的非线性系统状态估计不准确现象,采用基于不敏卡尔曼滤波(UKF)的参数和状态联合估计方法,即将未知模型参数和状态组成增广的状态向量,用UKF同时获得参数和状态估计值.通过一个离散非线性随机系统的蒙特-卡洛仿真,总结滤波器参数对联合估计器性能的影响及参数选择规律.最后将该方法应用于一个典型的化工反应过程,获得了较好的效果.     

商品销量的趋势分析及预测

本通过分折一部分季节性商品销量的历史资料，以时间序列分折方法为基础，找到了一种对于季节性商品未来销量较为有效的预测方法，并以某城市的啤酒销售量进行实证分析。