基于改进的C-C方法的相空间重构参数选择

针对混沌时间序列相空间重构C-C方法的三点不足,提出了一种基于改进的C-C方法的确定最优时延与嵌入窗的新算法。在关联积分计算过程中引入了权衡计算精度与速度的可调参数,合理选择该参数,能在不严重损失估计精度的前提下,大大加快计算速度。在理论分析的基础上,用所提出的算法对三种混沌序列进行相空间重构,仿真结果表明该算法对最优时延的选择更准确,对最优嵌入窗的选取更可靠。     

基于声压振速联合处理的矢量阵旋转不变子空间方位估计方法

为提高声矢量阵旋转不变子空间法方位估计性能,提出一种基于声压振速联合处理的算法.该算法构造了声矢量阵声压和组合振速的互协方差矩阵,将均匀间隔引导角下的系列互协方差矩阵取均值,作为引导角未知的互协方差矩阵,然后进行旋转不变子空间(ESPRIT)方位估计.仿真和试验结果表明,在低信噪比时该算法比现有常规算法有更好的性能.该算法基于矢量传感器声压和振速的相干性原理,充分利用声压振速组合指向性抗干扰能力,可以更好地抑制各向同性干扰,提高阵列的处理增益,从而有更好的方位估计性能.     

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。