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     

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     

分数阶混沌系统的Adomian分解法求解及其复杂性分析

根据分数阶微分定义,采用Adomian分解算法,研究了分数阶简化Lorenz系统的数值解.研究发现,该算法与预估-校正算法相比,求解结果更准确,所耗计算资源和内存资源更少,求解整数阶系统时较Runge-Kutta算法更准确;利用Adomian算法得到的分数阶简化Lorenz系统出现混沌的最小阶数为1.35,比利用预估-校正算法得到的最小阶2.79更小.采用相图、分岔图分析了该系统的动力学特性,基于谱熵算法(SE)和C0算法分析了该系统的复杂度.结果表明,复杂度结果和分岔图一致,说明系统的复杂度同样能反映出系统动力学特性;复杂度随阶数q的增加呈总体减小的趋势,而混沌态时系统参数c变化对系统复杂度影响不大.为分数阶混沌系统应用于信息加密、保密通信领域提供了理论与实验依据.     

动力学变换法探测连续系统不稳定周期轨道

本文利用动力学变换方法和庞加莱截面方法对两种连续混沌动力学系统进行不稳定周期轨道探测研究, 并对Lorenz系统进行了替代数据法检验.结果表明:基于庞加莱截面的动力学变换改进算法 可有效探测连续混沌动力学系统中的不稳定周期轨道.     

基于阈值式小波变换的波前重构算法

针对传统的波前重构器计算效率低、稳态误差大的问题,提出了阈值式波基多分辨力波前重构算法,采用4维波基作为标准正交基,将波前相位畸变投射到4维波基上,使伪逆矩阵变为稀疏矩阵,有效地减少了计算量,并采用阈值法去除波前重构矩阵算子中对精度影响较小的高分辨力波基系数,进一步增加了矩阵的稀疏程度,提高了运算效率,并与传统的最小二乘法、Zernike模式法和迭代法进行了计算量和均方根误差的比较,仿真结果表明该算法无论在计算速度和收敛精度上均优于其它算法。     

基于阈值式小波变换的波前重构算法

 针对传统的波前重构器计算效率低、稳态误差大的问题,提出了阈值式波基多分辨力波前重构算法,采用4维波基作为标准正交基,将波前相位畸变投射到4维波基上,使伪逆矩阵变为稀疏矩阵,有效地减少了计算量,并采用阈值法去除波前重构矩阵算子中对精度影响较小的高分辨力波基系数,进一步增加了矩阵的稀疏程度,提高了运算效率,并与传统的最小二乘法、Zernike模式法和迭代法进行了计算量和均方根误差的比较,仿真结果表明该算法无论在计算速度和收敛精度上均优于其它算法。     

基于径向基函数神经网络的混沌时间序列相空间重构双参数联合估计

鉴于径向基函数(RBF)神经网络模型在非线性预测方面的优良性能, 提出了利用该预测模型对混沌时间序列相空间重构的两个关键参数——延迟时间和嵌入维数进行联合估计的方法, 并以客观的评价指标为依据给出其最优估计值. 以Lorenz系统为例进行数值分析, 得到RBF单步及多步预测模型中嵌入维数和延迟时间的最佳参数估计值, 并在原模型中对估计值进行校验. 结果表明, 该方法可以有效地估计出嵌入维数和延迟时间, 从而显著提高预测精度.     

Chaos and chaotic control in a relative rotation nonlinear dynamical system under parametric excitation

This paper studies the chaotic behaviours of a relative rotation nonlinear dynamical system under parametric excitation and its control. The dynamical equation of relative rotation nonlinear dynamical system under parametric excitation is deduced by using the dissipation Lagrange equation. The criterion of existence of chaos under parametric excitation is given by using the Melnikov theory. The chaotic behaviours are detected by numerical simulations including bifurcation diagrams, Poincar map and maximal Lyapunov exponent. Furthermore, it implements chaotic control using non-feedback method. It obtains the parameter condition of chaotic control by the Melnikov theory. Numerical simulation results show the consistence with the theoretical analysis. The chaotic motions can be controlled to period-motions by adding an excitation term.     

基于现场可编程逻辑门阵列的新型混沌系统实现

构建了一个新的五维变形蔡氏系统,通过数值仿真,分析平衡点的稳定性、分岔图和Lyapunov指数谱,研究系统特有的基本非线性动力学行为,还分析了改变不同参数时系统动力学行为的变化.基于混沌系统的数值仿真分析以及数字化处理技术,将五维变形蔡氏系统状态方程进行离散化处理,并根据IEEE-754标准和模块化设计理念构建出实现混沌系统变量运算关系的基本模块,进一步利用现场可编程逻辑门阵列硬件平台实现了五维变形蔡氏系统的混沌吸引子.研究结果表明,新五维变形蔡氏系统具有新的混沌动力学行为,并通过硬件证实了新系统的存在性和物理上的可实现性.     

一个新的混沌系统的动力学分析及混沌控制

提出了一个新的混沌系统,研究了其基本动力学特性.设计了实现该系统的混沌电路,电路实验结果验证了系统的混沌行为.根据Lyapunov稳定性理论,采用自适应backstepping控制方法,把系统控制到一个有界点.数值仿真证明了该方法的有效性和可行性.     

On information-processing abilities of chaotic dynamical systems

A mechanism is suggested to explain the information processing abilities of simple natural brains, which, by experimental evidence, display behavior like chaotic dynamical systems while at rest. The Lorenz system of equations is dealt with as a case study, and a comparison of the suggested mechanism with the standard theory of neural networks is made.     

基于指数加权-核在线序列极限学习机的混沌系统动态重构研究

利用指数加权在线核序列极限学习机(exponential weighted online sequential extreme learning machine with kernel, EW-KOSELM)辨识算法,开展了针对混沌动力学系统的动态重构研究. EW-KOSELM算法将核递归最小二乘(kernel recursive least squares, KRLS)算法直接延伸至在线ELM (extreme learning machine)框架中,通过引入遗忘因子削弱了旧数据的影响,并基于"固定预算(fixed-budget, FB)"内存技术,应对在线核学习算法所固有的规模不断增长的计算困难.将所提辨识算法应用于Duffing-Ueda振子的混沌动力学系统数值仿真实例中,对基于FB-EW-KOSELM的辨识模型与原系统的动态性能进行了定性与定量的分析校验,定性校验准则是基于对比辨识模型与原系统吸引子(轨迹嵌入)、庞加莱映射、分岔图、极限环完成的,定量校验准则包括对比辨识模型与原系统的李雅普诺夫指数与关联维.进一步将其分别应用于来自测量蔡氏电路产生双涡卷吸引子与螺旋吸引子的实测数据实验及某一实际混沌电路所产生的时间序列中,对于具有低信噪比的实测电压或电流数据还需进行了小波降噪预处理.通过分析辨识模型重构吸引子,实验结果表明,FB-EW-KOSELM算法具有良好的动态重构性能,能精确地再生出展示混沌动态行为的过程非线性模型,且具有与原混沌系统非常接近的动态不变性指标.     

混沌干扰中基于同步挤压小波变换的谐波信号提取方法

针对混沌干扰背景下多个谐波信号的提取问题, 提出了一种基于同步挤压小波变换(SST)的谐波信号抽取方法. 首先利用SST将混沌信号和谐波信号组成的混合信号分解为不同的内蕴模态类函数, 然后利用Hilbert变换对分离出的内蕴模态类函数进行频率识别, 从中分离出各谐波信号. 以Duffing混沌背景为例, 对混沌干扰下多谐波信号的提取进行了实验分析. 实验结果表明: 对于不同频率间隔的多个谐波分量, 本文方法的提取结果都具有较高的精度, 而且所提方法对高斯白噪声的干扰具有较好的鲁棒性, 综合提取效果优于经典的经验模态分解方法.     

分数阶状态空间系统的稳定性分析及其在分数阶混沌控制中的应用

基于Lyapunov稳定性理论,针对分数阶状态空间系统模型,提出一种稳定性判定方法,并给出了数学证明. 运用该稳定性理论无需求解平衡点,而方便地选择出控制项,对分数阶状态空间系统进行控制. 本文以分数阶统一混沌系统作为控制对象,将所提出的稳定性理论应用于该系统的控制中,仿真结果验证了该理论的有效性. 关键词： 分数阶 状态空间系统 稳定性 统一混沌系统     

基于在线小波支持向量回归的混沌时间序列预测

混沌时间序列预测是非线性动力学研究中一个十分重要的问题，支持向量回归方法为其提供了一种有效的解决思路.通过分析新样本加入训练集后支持向量集的变化情况，建立了一种混沌时间序列预测的支持向量回归算法，具备了在线学习的特点.同时，针对混沌信号提出了一种满足小波框架的小波核函数，它不但能以较高的精度逼近任意函数，而且适合于混沌信号的局部分析，提高了支持向量回归的泛化能力.最后就Mackey-Glass混沌时间序列在线预测问题进行了大量仿真.结果表明，本文算法与现有的算法相比具有训练时间短、预测精度高等特点，有一定 关键词： 混沌时间序列 支持向量回归 在线学习 小波核     

Synchronization of coupled dynamical chaotic networks via scalar controllers

Some scalar linear controllers, which can ensure that the states of coupled chaotic dynamical networks asymptotically synchronize each other, are derived on the basis of high gain state feedback control. Numerical simulation is given to validate the proposed theoretical result.     

新三维混沌系统及其电路仿真实验

提出了一个混沌系统，并对该系统的基本动力学特性进行了深入研究.得到该系统的Lyapunov指数、Lyapunov维数，给出了Poincaré映射图以及时域图和相图. 运用电子工作平台EWB软件对实现该新混沌系统的振荡器电路进行了仿真实验. 经过数值仿真和电路系统仿真证实该系统与以往发现的混沌吸引子并不拓扑等价，属于新的混沌系统. 关键词： 混沌系统 动力学行为 电路实现     

一种混沌映射的相空间去噪方法

对于混沌映射来说,它们的频谱比混沌流的频谱更广阔,与噪声频谱的重叠率更高,所以混沌流的去噪方法对它们并不适用. 在半盲分析法的框架下,混沌系统的参数估计问题终将归结为最小二乘估计问题. 本文从最小二乘拟合的角度出发估计混沌映射的演化参数,进而通过相空间重构以及投影操作,实现对观测信号的噪声抑制. 实验结果表明,该算法的去噪效果优于扩展卡尔曼滤波器（extended Kalman filter,EKF）和无先导卡尔曼滤波器（unscneted Kalman filter,UKF）,并且能够较大程度地将信号源的混沌特征量还原. 关键词： 混沌 噪声抑制 相空间重构 投影     

一个新混沌系统及其电路仿真实验

提出了一个新的混沌系统，对其基本动力学特性进行了研究.同时运用EWB软件对实现该混沌系统的振荡器电路进行了仿真实验验证. 关键词： 新型混沌系统 动力学行为 电路实现     

一种基于人工蜂群算法的混沌信号盲分离方法

混沌信号所固有的非周期、宽带频谱和对初值极度敏感等特性使得对这类信号进行盲分离极为困难. 针对这一问题, 提出一种新的盲分离方法, 该方法通过相空间重构来构造代价函数, 将混沌信号的盲分离转化为一个无约束优化问题, 并利用人工蜂群算法进行求解. 不同于现有的独立成分分析方法仅使用混合信号的统计特性来解决分离问题, 该方法能充分利用混合信号内在的动态特性, 因而在处理混沌信号这种确定性信号时能获得更好的分离效果. 此外, 正交矩阵的参数化表示有效地降低了盲分离问题的复杂性, 使优化过程能快速收敛. 实验结果表明, 该方法具有较快的收敛速度和较高的数值精度, 在分离混沌信号时其整体性能优于现有的几种盲分离方法. 同时, 在分离混沌-高斯混合信号的实验中该方法也展现出优异良好的性能, 这表明该文的方法有应用潜力.