基于相空间重构的PHM数据处理算法研究

采集数据的非线性特性极大地限制了故障预测与健康管理技术(PHM)在飞机自主保障能力中的应用,提出了一种基于相空间重构的数据处理方法;首先,对PHM技术进行了系统研究,并对数据处理进行了分析;然后,根据数据处理的特点,分别采用自相关法、复自相关法、FNN法和C-C法计算相关的延迟时间及嵌入维数;最后,通过仿真对比分析以上几种方法得到的延迟时间与嵌入维数;结果表明作为一种联合计算延迟时间和嵌入维数的数据处理方法,C-C法可以同时计算延迟时间τ为3和嵌入维数m为6。     

一种基于相空间结构的受干扰语音品质评估方法

研究了一种基于输出的受干扰语音品质评价方法。利用相空间重构理论,建立了语音信号的相空间结构,在系统分析不同受扰语音相空间结构变化的基础上,提取了特征参数,并用大量的实测数据对这种测度方法进行了验证,结果表明,这种基于相图的受干扰语音品质评价方法是可行的。     

基于信息熵优化相空间重构参数的混沌时间序列预测

提出一种混沌时间序列相空间重构参数的信息熵优化方法(IEOP),该方法首先使用条件熵表示信息量,建立时间延迟和嵌入维数在相空间中的信息熵优化模型,然后利用遗传算法同时求解两个重构参数,使重构坐标间既保持了良好的独立性又保留了原系统的动力学特征.通过在Lorenz和Mackey-Glass系统上的数值实验,该方法不仅能够确定合适的嵌入维数和时间延迟,而且能在优化的相空间中获得更多的信息,提高了混沌时间序列的预测精度.     

基于条件熵扩维的多变量混沌时间序列相空间重构

提出一种多变量混沌时间序列相空间重构的条件熵扩维方法.首先使用互信息法求解每个变量的时间延迟,其次按条件熵最大原则逐步扩展相空间的嵌入维数,使得重构坐标从低维到高维的转换保持较强的独立性,最终的重构相空间具有较低的冗余度,为多变量时间序列的预测构造了有效的模型输入向量.通过对几个经典多变量混沌时间序列进行数值实验,结果表明该方法比单变量预测和已有多变量预测方法具有更好的预测效果,说明了该重构方法的有效性. 关键词： 多变量混沌时间序列 相空间重构 条件熵 神经网络预测     

一种混沌海杂波背景下的微弱信号检测方法

基于复杂非线性系统的相空间重构理论,提出了一种基于遗传算法的支持向量机预测方法.利用改进的自相关法和饱和关联维数法确定混沌信号的时间延迟和嵌入维,从而实现相空间重构.通过遗传算法优化支持向量机中的惩罚系数和核函数参数,并结合支持向量机建立混沌序列的单步预测模型,从预测误差中检测出淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号).以Lorenz系统和加拿大McMaster大学利用IPIX雷达实测得到的海杂波数据作为混沌背景噪声进行仿真实验,结果表明该方法能够有效地从混沌背景噪声中检测出微弱目标信号,所得的均方根误差为0.00049521(信噪比为-89.7704 dB),这比传统支持向量机方法的均方根误差(0.049,信噪比为-54.60 dB)降低了两个数量级.     

短时交通流复杂动力学特性分析及预测

为揭示短时交通流的内在动态特性,利用非线性方法对交通流混沌特性进行识别,为短时交通流的预测提供基础.基于混沌理论对交通流时间序列进行相空间重构,利用C-C算法计算时间延迟和嵌入维数,采用Grassberger-Procaccia算法计算吸引子关联维数,通过改进小数据量法计算最大Lyapunov指数来判别交通流时间序列的混沌特性.针对局域自适应预测方法在交通流多步预测中预测器系数无法调节的问题,提出了交通流多步自适应预测方法.通过实测数据计算,结果表明:2,4和5 min三种统计尺度的交通流时间序列均具有混沌特性;改进的小数据量法能够准确地计算出最大Lyapunov指数;构建的交通流多步自适应预测模型能够有效地预测交通流量的变化.为智能交通系统诱导和控制提供了依据.     

基于最优相空间重构参数的空调系统负荷预测

空调系统负荷非线性变化,单独利用人工神经网络方法进行预测,受到样本数量少等的限制,精度一般都比较低。空调系统负荷时间序列包含了参与空调系统动态变化的全部变量的信息,可以利用相空间重构技术提取和恢复出系统原来的规律。重构后的相空间具有与实际动力系统相同的几何性质,这样就可以大大增加样本数。相空间重构受嵌入维数m和延迟时间τ的影响,确定这两个重构参数的最佳数值是非常重要的。建立了基于相空间重构技术的神经网络空调负荷预测模型,在嵌入维数m和延迟时间τ分别取不同的值时,利用这个模型对相同时间段的空调负荷进行预测,选择预测误差最小时对应的参数为最佳相空间重构参数,对应的预测值为最佳预测结果。结果表明,这个方法有很好的效果,具有简化计算复杂性等特点。     

基于符号分析的极大联合熵延迟时间求取方法

本文通过符号分析法求取联合熵的极大值点, 进而得到相空间重构的最佳延迟时间, 通过对几个典型的混沌系统进行数值仿真试验, 结果表明, 该方法简化了计算, 提高了效率, 能够准确快速地获得最佳延迟时间, 从而有效地重构原系统的相空间, 为混沌信号识别提供一种快速有效的途径. 关键词： 相空间重构 延迟时间 联合熵 符号分析     

确定延迟时间互信息法的一种算法

介绍了相空间重构中确定重构延迟时间的互信息法理论及其具体的计算方法.针对互信息法应用中计算复杂、程序难以编写问题,提出了一种基于网格层数的简便实用程序算法.对网格层数参数进行了结果分析,表明在利用互信息法确定重构延迟时间时,只需要计算到某一个网格层数即可,不需要计算出精确的互信息值,简化了计算的复杂程度.最后通过对Lorenz和Rossler两个吸引子的Lyapunov指数计算,证实了该算法的合理性.     

基于数据融合的多变量相空间重构方法

针对单变量时间序列和多变量时间序列相空间重构所存在的问题,提出一种新的多变量融合的相空间重构方法. 通过Bayes估计理论,将多变量在同一相空间中进行相点的最优融合,得到了更为理想的融合相空间. 应用所提出的方法对Lorenz系统及耦合Rssler系统进行了多变量融合的相空间重构. 通过多变量重构图与单变量重构图的比较,发现基于数据融合的多变量相空间重构图包含了所有单变量相空间重构图的重要信息,使重构的相空间更加完备,较全面地反映出吸引子的全貌信息. 最后应用该方法对转子油膜涡动故障得到的多变量时间序列 关键词： 多变量时间序列 相空间重构 数据融合 Bayes估计     

Research on the chaos recognition method based on differential entropy

Phase space reconstruction is the first step to recognizing the chaos from observed time series. On the basis of differential entropy, this paper introduces an efficient method to estimate the embedding dimension and the time delay simultaneously. The differential entropy is used to characterize the disorder degree of the reconstructed attractor. The minimum value of the differential entropy corresponds to the optimum set of the reconstructed parameters. Simulated experiments show that the original phase space can be effectively reconstructed from time series, and the accuracy of the invariants in phase space reconstruction is greatly improved. It provides a new method for the identification of chaotic signals from time series.     

基于二次相关的语音信号时延估计改进算法

目前语音信号的时延估计研究,大部分采用的是广义互相关算法。然而,广义互相关时延估计算法易受噪声和混响环境影响。为此,本文提出了一种基于二次相关的语音信号时延估计改进算法,该算法对语音信号进行二次互相关运算,并结合Hilbert变换,对二次互相关峰值进行进一步的锐化处理,使得反映时延的峰值点检测更为准确。实验结果表明,改进的时延估计方法在非平稳的语音信号中能够有效地抑制噪声干扰,且在不同混响条件下时延估计具有更好的性能。     

语音信号序列的Volterra预测模型

对给定的英语音素、单词和语句进行了采集并完成预处理. 分别应用互信息法和Cao 氏法确定了实际采集的语音信号序列的延迟时间和嵌入维数, 以完成语音序列的相空间重构. 通过计算实际采集的语音信号序列的最大Lyapunov指数, 完成了语音信号的混沌特性识别, 判定其具有混沌特性. 引入Volterra级数, 提出了一种具有显式结构的语音信号非线性预测模型. 为克服最小均方误差算法在Volterra模型系数更新时固有的缺点, 在最小二乘法基础上, 应用基于后验误差假设的可变收敛因子技术, 构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra 模型(DFPSOVF), 并将其应用于具有混沌特性的语音信号序列预测. 仿真结果表明: DFPSOVF非线性预测模型对于单帧和多帧语音信号均具有更好的预测精度, 优于线性预测模型, 并且能够很好地反映语音序列变化的趋势和规律, 完全可以满足语音预测的要求; 可以根据语音信号序列的嵌入维数选取预测模型的记忆长度. 所提出模型可以为语音信号重构和压缩编码开辟一条新途径, 以改善语音信号处理方法的复杂度和处理效果.     

均匀湍流中的奇怪吸引子

本文对于实测的湍流信号采用延迟坐标重建相空间技术计算了它的关联维数,熵和最大Лялнов指数,从而指出这是一种受随机噪声干扰的确定性的混沌现象,它在相空间的吸引子是一个随机噪声背景上的奇怪吸引子。     

基于小波变换的混沌信号相空间重构研究

应用小波变换和非线性动力学方法研究了混沌信号在相空间中的行为，指出混沌时间序 列的小波变换实质上是在重构的相空间中，混沌吸引子向小波滤波器向量所张的空间中的投 影，与Packard等人提出的相空间重构方法本质上是一致的.实验结果表明，混沌信号经过 小波变换后，吸引子轨迹与原有轨迹具有相似的结构，同时，系统的关联维数、Kolmogorov 熵等非线性不变量仍然得到保留.这些结果表明，利用小波变换研究混沌信号是有效的. 关键词： 小波变换 相空间重构 混沌信号 脑电信号     

混沌时间序列重构相空间参数选取研究

基于重构相空间的延迟时间和嵌入维数这两个参数的选取不相关的观点,提出用互信息函数法确定延迟时间后,用CAO方法来确定嵌入维数的新思路.通过对几种典型的混沌动力学系统的数值验证,结果表明该方案能够确定出相空间重构的有效延迟时间和最佳嵌入维数.该方法能够从时间序列中有效地重构原系统的相空间,是混沌信号识别的一种有效途径.     

两种实用的相空间重构方法

研究了目前流行的几种相空间重构技术,分析了它们存在的不足,在此基础上提出了两种适合于不同情况下的重构方法,并初步分析了它们重构的质量.在仿真实验中,由于两种方法都运用了小波降噪技术而具有一定的降噪能力,同时还可以看出第一种方法比第二种方法好.因此,在通常情况下,可以用第一种方法对信号进行重构.而在工程应用中,如需要重构的嵌入维较小时,可用第二种方法来对信号进行重构 关键词： 混沌 相空间重构 最大李雅普诺夫指数