EKF在多变量混沌序列辨识中的应用

运用扩维技术以及扩展卡尔曼滤波算法的跟踪辨识特性同步实现对多变量混沌序列的精确预测和混沌系统主动态方程的参数辨识。利用典型混沌方程与所观测时间序列的吸引子特性比较，较准确地确定系统初始状态。对理想Roessler三个变量的时间序列和大连市气温降雨二变量时间序列进行仿真并与递推最小二乘法进行比较，结果表明该方法的有效性。     

试论混沌和急动度之关系

三维相空间是混沌和急动度之间的重要联系纽带.猝变动力学为人们提供了一种新的思维方式.急动度是研究混沌流的有效工具.     

二维siani台球中的量子与经典对应

研究了二维sinai台球的经典与量子的对应，运用闭合轨道理论及定态展开方法计算了傅立叶变换的量子谱．把傅立叶变换后的量子谱中峰的位置与其所对应的经典轨道长度作对照，我们发现两者之间存在着对应关系．为我们理解量子混沌性提出了新的线索．     

一种改进的相空间近邻等距模式及其在短期气候预测中的试验

现有研究表明,气候要素系统可能存在混沌现象.通过应用混沌理论中的重建相空间技术,可在相空间中揭示出传统方法无法揭示的复杂气候动力特征,为气候预测研究开创一条新途径.现有相空间理论的研究多着重于对混沌系统的识别和应用混沌相空间理论建立不同的模式进行提前预测,这些预测多为对月时间尺度的;对于如何提高预报准确率和延长预报时效,从而实现对多个月份、季、年等更长时间尺度提前预报的研究还不多见.基于混沌理论的相空间近邻等距模式,对该理论中的提前预报时间T、延迟时间τ和相空间维数d等进行讨论.提出,实际应用中根据提前预报时间T来建立新的时间序列,满足T=τ=sδt,消除了相空间时滞τ的变化对提前预报时间尺度T的影响.应用改进前、后的预报模式,以不同相空间维数d对气温和降水气候要素做提前T=1~15个月的预报试验和检验.结果发现,改进后的模式提高了预报准确率,延长了预报时效.     

不确定时滞非线性混沌系统的鲁棒容错控制

研究了不确定时滞非线性混沌的鲁棒容错控制问题.基于Lyapunov泛函,运用线性矩阵不等式(LMI)的方法,利用不稳定不动点的控制,引入一种带时滞的状态反馈控制律,对传感器或执行器失效的情况,证明了一类非线性不确定时滞混沌系统对于传感器和执行器故障都具有完整性.结果表明,所给出的控制律不但可以实现对某些传感器故障的容错,而且在正常和故障情况下对于传感器和执行器故障都具有完整性.     

水印图像的混沌置乱算法

利用混合光学双稳混沌序列的伪随机性和初值敏感性,提出一种用于数字水印中的水印图像置乱算法.该算法针对水印图像,没有使用过多的额外技术,所以算法的复杂度较低;因为混合光学双稳混沌序列的伪随机特性,所以图像置乱的效果比较理想;混沌序列对初值具有敏感性,因此提高了置乱算法的安全性,使水印的安全依赖于密钥,且只需1个密钥,不同于logistic混沌序列需2个密钥.在数字水印技术中使用这种置乱技术,可以有效抵抗例如剪切等集中式攻击,使水印更具鲁棒性.     

跳频扩频系统的两种混沌扩频序列

介绍了跳频扩频通信系统的原理，给出了两种利用Chebyshev混沌映射产生数字混沌序列的方法，验证比较了其特性，结果均可满足扩频码的要求，同时搭建混沌跳频扩频系统进行了仿真，仿真结果证明了方法的正确性．     

基于组合神经网络的雷达弱信号检测

本文提出了一种基于组合RBF神经网络与混沌理论的弱目标检测算法。运用RBF神经网络的特点,将非线性预测模型的建立归结为预测误差的最小化问题,再对误差的控制建立合适的非线性预测模型。经仿真研究表明了所提出算法的可行性和有效性。     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

基于Möbius带的数字图像置乱

利用Möbius带提出了一种数字图像置乱方法,在置乱过程中采用了由离散Logistic映射系统生成的密钥混沌序列. 该置乱方法在位置空间进行,具有随机性和变化的多样性.讨论了加密算法的安全性和效率等问题,并给出了实验结果.