开关变换器混沌PWM频谱量化特性分析

将PWM脉冲波形作为一个过程或事件流，在分析周期扩频PWM的频谱特征基础上，基于统计学的原理分析了混沌扩频PWM的特征函数、概率密度函数，基于不变分布计算分析了混沌扩频PWM功率谱密度，由此得出混沌扩频PWM抑制EMI的特点，从而说明混沌扩频抑制开关变换器EMI的有效性.实验验证了理论分析的结论. 关键词： 混沌扩频 频谱量化 电磁干扰     

傅里叶变换轮廓术中频谱泄漏的讨论

讨论了频谱泄漏对傅里叶变换轮廓术测量精度的影响。由于用傅里叶变换轮廓术进行三维面形测量时 ,测得的变形光场是空间有限函数 ,故离散傅里叶变换时先要进行周期拓展 ,如果拓展周期选择不当 ,拓展后的条纹将不连续 ,对之进行傅里叶变换会产生频谱泄漏。文章从理论上推导了拓展周期与变形结构光场频谱泄漏之间的关系 ,给出了由泄漏引起的视场边缘误差的计算模型和定量分析。提出采用条纹外插以减小泄漏误差的方法 ,计算机模拟及初步实验证实了该方法的有效性。     

傅里叶变换轮廓要中频谱泄漏的讨论

讨论了频谱泄漏对傅里叶变换轮廓术测量精度的影响.由于用傅里叶变换轮廓术进行三维面形测量时,测得的变形光场是空间有限函数,故离散傅里叶变换时先要进行周期拓展,如果拓展周期选择不当,拓展后的条纹将不连续,对之进行傅里叶变换会产生频谱泄漏.文章从理论上推导了拓展周期与变形结构光场频谱泄漏之间的关系.给出了由泄漏引起的视场边缘误差的计算模型和定量分析.提出采用条纹外插以减小泄漏误差的方法,计算机模拟及初步实验证实了该方法的有效性.     

基于RLC回路的傅里叶级数分解问题的分析与验证

本文分析并通过实验总结了电阻、电容、电感3个关键参数对傅立叶分解所得的基波和谐波振幅比值以及波形质量的影响.结果表明,通过限定电阻的取值范围、动态调整电容值可以获得与理论较为接近的幅度比值和较好的谐波波形质;两组不同电感值的实验结果表明,电感的取值越大则谐波波形质量越好.实验结果为傅里叶级数分解实验的关键参数选取提供了解决思路.     

双重分数傅里叶变换计算全息

提出了双重分数傅里叶变换计算全息，在这种方法中，将两个图像的信息分别经不同阶的分数傅里叶变换后，记录在同一张分数傅里叶变换计算全息图上，它需要两个特定的分数傅里叶变换系统才能再现出所记录的图像信息，利用其再现方式的特殊性，可制成一种新的安全认证系统。     

椭圆傅里叶级数展开法和椭圆光波导的截止频率

与严格马丢（Ｍａｔｈｉｅｕ）函数、有限元法等许多典型方法及一些实验测试的比较表明,本文提出的计算弱导椭圆光波导的椭圆傅里叶级数展开法具有通用、准确、高效、简便的优点。     

方波信号的傅里叶合成演示

提出利用Ｃ语言在演示傅里叶合成方波信号的简单方法。     

实验室中傅里叶望远术频谱抽取方式

傅里叶望远术是一种主动式的高分辨率成像技术,它使用激光发射阵列产生的干涉条纹场去照射目标,然后用探测器接收回波信号,再对回波信号作相应处理重构出目标图像.在实验室验证实验中,抽取目标频谱的干涉条纹不是由发射阵列产生的,而是通过改变光束位置的方式获得.对直线干涉条纹抽取目标频谱的原理进行了论述,并提出了一种新的光束移动方...     

New prediction of chaotic time series based on local Lyapunov exponent

A new method of predicting chaotic time series is presented based on a local Lyapunov exponent, by quantitatively measuring the exponential rate of separation or attraction of two infinitely close trajectories in state space. After reconstructing state space from one-dimensional chaotic time series, neighboring multiple-state vectors of the predicting point are selected to deduce the prediction formula by using the definition of the local Lyapunov exponent. Numerical simulations are carried out to test its effectiveness and verify its higher precision over two older methods. The effects of the number of referential state vectors and added noise on forecasting accuracy are also studied numerically.     

基于分形自仿射的混沌时间序列预测

从混沌与分形的关系出发，基于奇怪吸引子的分形结构和时间序列的自仿射特性，提出了一种混沌时间序列的预测方法.采用迭代函数系统跟踪混沌的局部运动轨迹，由此确定统计意义上仿射性能最优的时间序列段，并根据吸引子定理和拼贴定理建立预测模型.以Mackey-Glass混沌系统、脑电信号和Lorenz混沌系统等三种混沌系统为例进行预测试验，结果表明本方法能对混沌时间序列进行准确预测，且对混沌时间序列先验知识要求少，具有广泛的实用性. 关键词： 自仿射 迭代函数系统 混沌时间序列 预测     

基于模糊模型的混沌时间序列预测

对于复杂、病态、非线性动态系统，基于模糊集合的模糊模型，利用模糊推理规则描述动态系统的特性，是一种有效方法.讨论了利用模糊建模方法实现非线性系统的建模和预测.首先，利用在线模糊竞争学习方法划分输入变量的模糊输入空间，然后利用卡尔曼滤波算法估计模糊模型的参数.采用该方法对Mackey Glass混沌时间序列进行预测试验，结果表明利用本方法可以在线或者离线能对Mackey Glass混沌时间序列进行准确预测，证明了本方法的有效性. 关键词： 模糊竞争学习 混沌时间序列 卡尔曼滤波     

基于递阶模糊聚类的混沌时间序列预测

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S模糊模型结构，实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间，得到规则数及初始聚类中心，用模糊C均值算法(FCM)进一步优化聚类中心；然后利用加权最小二乘法估计模糊模型的初始参数，进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行预测实验，结果表明可以对Mackey-Glass混沌时间序列进行准确建模和预测，证明了本方法的有效性. 关键词： 递阶模糊聚类 模糊建模 混沌时间序列 最小二乘     

基于最大Lyapunov指数的多变量混沌时间序列预测

参考基于最大Lyapunov指数的单变量混沌时间序列预测方法,提出一种通过选取多个邻近重构向量,预测多变量混沌时间序列的局域法.采用新方法对两个完全不同的Rssler方程的耦合系统,Rssler方程和Hyper Rssler方程的耦合系统的多变量混沌时序进行一步和多步预测,结果表明了该方法的有效性,且算法具有较强的抗噪能力.讨论了参考邻近点数和预测结果的关系. 关键词： Lyapunov指数 混沌时间序列预测 多变量时间序列 最小二乘法     

基于混沌算子网络的时间序列多步预测研究

结合相空间重构理论和时间序列分析理论,提出一种用于时间序列多步预测的网络模型.网络采用多个混沌算子加权求和的形式构成.网络各层单元采用固定权值连接,混沌算子的控制参数利用混沌优化算法进行训练调节,从而控制预测网络的动力学行为.利用已知时间序列数据构造出训练样本,训练样本在网络训练过程中仅使用一次,促使网络的动力学特性随时间的推移而变化,并逐渐逼近被预测系统的动力学特性,最终完成对未来时刻数据的预测.在对理论数据进行预测分析时,通过计算预测序列的Lyapunov指数验证了预测网络的有效性.在对实际时间序列的预测过程中,该网络表现出了良好的预测性能.仿真结果表明,该预测网络可对多种时间序列在一定的预测步长范围内实现有效的预测.     

Multi-step-prediction of chaotic time series based on co-evolutionary recurrent neural network

This paper proposes a co-evolutionary recurrent neural network （CERNN） for the multi-step-prediction of chaotic time series, it estimates the proper parameters of phase space reconstruction and optimizes the structure of recurrent neural networks by coevolutionary strategy. The searching space was separated into two subspaces and the individuals are trained in a parallel computational procedure. It can dynamically combine the embedding method with the capability of recurrent neural network to incorporate past experience due to internal recurrence. The effectiveness of CERNN is evaluated by using three benchmark chaotic time series data sets： the Lorenz series, Mackey-Glass series and real-world sun spot series. The simulation results show that CERNN improves the performances of multi-step-prediction of chaotic time series.     

基于鲁棒模糊聚类的混沌时间序列预测

采用一种基于鲁棒模糊聚类算法的模糊辨识方法,通过引入局部划分关联度因子,增强了系统辨识的抗干扰能力,提高了系统辨识的鲁棒性.首先用最近邻模糊聚类法划分初始输入空间,得到模糊规则数及初始聚类中心;然后用鲁棒模糊聚类算法求解并优化模糊隶属度和聚类中心,建立高精度的T-S模糊模型;最后利用最小二乘法辨识模型的初始结论参数,进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行建模和预测,仿真结果表明利用本方法可以进行准确建模和预测,验证了本方法的鲁棒性、有效性和实 关键词： 最近邻模糊聚类 鲁棒模糊聚类 混沌时间序列 最小二乘法     

基于选择性支持向量机集成的混沌时间序列预测

提出了一种基于聚类的选择性支持向量机集成预测模型.为提高支持向量机集成的泛化能力，采用自组织映射和K均值聚类算法结合的聚类组合算法，从每簇中选择出精度最高的子支持向量机进行集成，可以保证子支持向量机有较高精度并提高了子支持向量机之间的差异度.该方法能以较小的代价显著提高支持向量机集成的泛化能力.采用该方法对Mackey-Glass混沌时间序列和Lorenz系统生成的混沌时间序列进行预测实验，结果表明可以对混沌时间序列进行准确预测，验证了该方法的有效性. 关键词： 支持向量机 集成 混沌时间序列 聚类     

混沌时间序列全局预测新方法——连分式法

拓展了多项式逼近理论，利用连分式法建立了混沌时间序列非线性全局预测模型，此模型替代混沌序列的动力学方程，实现对其动力学特性分析，达到预测目的. 理论分析和仿真实验表明，连分式法能够有效预测一些混沌序列，该方法预测精度高，并且能得到显式的预测表达式. 关键词： 混沌时间序列 全局预测 连分式