混沌直扩信号检测的最大Lyapunov指数方法

混沌直扩信号是一类兼有混沌信号和直扩信号优点的扩频通信信号,但带来优点的同时也使得传统直扩信号的检测方法不再适用于混沌直扩信号. 该文针对复杂环境下非合作混沌直扩信号检测的问题,分析传统直扩信号检测方法. 通过考察混沌特性判别混沌信号的方法,提出先通过C-C方法确定重要参数,以小数据量法计算接收信号的最大Lyapunov指数,实现对混沌直扩信号的检测. 验证了该方法在高斯噪声、衰落信道、多径信道、不同扩频比等条件下的适用性.     

基于混沌振子和Lyapunov指数的微弱信号检测方法

分析了利用混沌振子的初值敏感性进行微弱信号检测的方法,同时对利用Lyapunov指数确定检测阈值的方法进行了研究。通过分析混沌振子的间歇混沌运动状态,发现在输入信号频率与策动力信号频率有微小差别时混沌振子输出信号发生间歇混沌现象,并且这个微小的频差可通过系统输出的间歇混沌信号估算出来。仿真实验表明基于混沌振子和Lyapunov指数的微弱信号检测方法可以很好的检测出信号并准确的计算出信号频率。     

网络流量的混沌特性研究

使用混沌时间序列分析的方法对网络流量的混沌特性进行了研究.利用相空间重构技术和Kanz的方法计算最大Lyapunov指数.研究表明网络流量系统是混沌的,这为用混沌理论对网络流量进行分析和建模奠定了理论基础.     

混沌时间序列变分贝叶斯回归预测

基于变分贝叶斯及相空间重构理论,提出了含噪？昆沌时间序列相空间域线性回归预测模型。该模型对序列进行相空间重构,在相空间中用变分贝叶斯推断方法估计线性回归系数。将该模型对含加性高斯噪声的Mackey-Glass？昆沌时间序列进行预测研究。仿真结果表明,该文方法能够有效地抑制过拟和现象,具有较强的抗噪声能力,且预测结果对重构相空间的嵌入维数和时间延迟的变化不敏感。     

DNA序列的相关维数与Kolmogorv熵

提出了ＤＮＡ序列的时间序列模型,给出了ＤＮＡ序列整数序列的一个映射,作列子计算了某些功能序列的相关维数与与Ｋｏｌｍｏｇｏｒｖ熵,利用这两个指标比较了它们的差异。从这两个指标可以看出：１）对真生物而言,外显子比内含子复杂,但对原核生物刚好相反．２）所考虑的所有功能区都远不是随机序列。     

Sine Gordon方程组的全局吸引子的Lyapunov函数和维数

该文考虑了sine Gordon方程组的解的渐近行为. 首先, 研究方程组(1)的吸收集及其生成的半群S(t)的渐近紧性, 并证明在空间(H10)2×(L2(Ω))2中该方程组存在全局吸引子A. 其次,为了解更多有关全局吸引子A的信息, 研究全局吸引子A的Lyapunov函数. 最后,证明了全局吸引子A的Hausdorff维数及分形维数具有仅取决于ε和特征值的有限上限.     

模糊时间序列预测的连续点逆模糊数预测模型

在Chen,Hong和Tseng提出的模型基础上,提出了模糊时间序列预测的连续点逆模糊数预测模型,并构造了新的算法和公式。主要体现在论域的选择、小区间数字特征代表的选择和预测公式的构造等方面。将其应用于广西大学1997~2012年招收学生的历史数据模拟预测问题的研究中,结果表明平均预测误差率非常小。     

陀螺随机漂移时间序列的辨识

文中提出了一种辨识陀螺随机漂移的弱非线性时间序列模型，给出了其辨识方法并用来挠性陀螺漂移数据进行仿真研究，结果表明该方法比用线性模型辨识效果更佳。     

一个四维系统的混沌动力学分析

分析了四维系统在非线性模型下的混沌动力学行为特征.利用非线性动力学的方法,使用相图、Poincare截面图、Lyapunov指数研究了四维系统的基本动力学特性.结果表明,采用较为全面的分析方法,通过相应的计算方法证明了系统具有极其复杂的动力学行为特征,在一定条件下会进入到混沌运行状态.     

多元时间序列的相似性匹配

常用多元时间序列相似性匹配方法难以在高效刻画局部形态特征的同时考虑各变量间的相关信息. 针对此问题,提出一种动态窗口内多维拟合分段方法. 基于序列的局部形态特征抽象出各变量维度上拟合线段的倾斜角及持续时间,组成模式表示矩阵,并借助一种多元模式距离实现序列的相似性模式匹配. 与主成分分析法、基于点分布特征的匹配法对不同数据规模的数据集进行对比,验证了该方法的有效性,特别对于多变量、不等时间跨度的中等规模多元时间序列相似性匹配具有较好的效果.     

小波神经网络及其在非线性时间序列中的应用

介绍将小波神经网络理论应用于非线性时间序列的拟合与预报,主要应用于太阳黑子,洛川数据等进行拟合、预报,并将拟合、预报的结果分别与投影寻踪学习网络及改进的BP网进行了比较,说明了小波网具有很好的拟合、预报性质.     

时间序列分析在证券分析中的应用

本文以时间序列分析原理为理论基础,运用VC语言的数值计算与分析功能,结合Matlab的制图功能,系统的分析和直观的显示了现实的金融证券（0889华联商城）在一年内的发展变化规律,建立其数学模型,这是时间序列分析在现实应用中重要地位的一种体现．     

神经网络时间序列预测及其工程应用

基于时间序列分析的方法,针对船用捷联陀螺的具体特性,提出了一种神经网络对间序列预测及建模方法,并对某捷联航姿系统中所用陀螺漂移数据进行了神经网络建模尝试。     

时间序列分析模型在甘肃省GDP中的应用

以甘肃省1978年-2008年31个年度的GDP为例,根据ARIMA模型,通过识别、估计、诊断等过程,结合统计软件Eviews对其变化情况进行了实证分析,得到了误差较小、短期预测较为准确的满意结果.     

时间序列下的离散概率事件变化预测分析研究

针对时间序列下的离散概率事件的发生概率较难预测的问题,展开此次研究.通过阅读国内外相关文献,确定了采用矩阵分解来解决概率预测问题.在此基础上,通过理论论证,确定了如何预测事件发生概率的方法,并对该方法的可行性进行了充分论证.在此基础上,利用数学分析软件Matlab进行了仿真实验,确定了基于单个对象的有限期的概率预测结果.最后,对研究成果进行了回顾与总结.     

多个关联确定性时间序列微分方程建模方法研究

从纯数学的角度,对多个关联确定性时间序列分别进行多次累加产生新序列,研究序列之间的关系,建立多元线性（或非线性）回归方程。给定显著性水平α,对每个回归方程进行显著性检验。在置信度1-α下建立微分方程组模型,从而揭示这些时间序列之间的关系,实现对原序列的预测和控制。最后用1995-2014年海南省GDP和接待旅游人数建立微分方程组模型并进行预测。     

R/S法的径流时序复杂特性研究

R/S（重标极差）分析法是一种描述分形结构的有效方法.针对径流序列所具有的复杂的随机性和波动性,应用R/S分析法,通过对时变指数Hurst的计算及其检验,以新的视角对河川径流时间序列的分布特征、统计循环长度等复杂特性进行了有益探索.实际径流时间序列的计算结果表明：黄河上游径流序列服从分形分布,具有较强的状态持续性,而且拥有一定的非周期循环,这为水资源的合理开发利用提供了一种新思路和新方法.