复杂系统中的层次结构提取与分析

气候系统是一个非平稳复杂系统的事实已经得到了广泛认同,产生这种非平稳性质的根本原因在于气候系统存在的层次结构,处于高层系统中的外强迫信号随时间发生变化,造成了大气运动的非平稳现象.慢特征分析法可以从快变的非平稳信号中提取慢变的外强迫信号,并已应用于气候系统的归因分析中.本文利用慢特征分析法提取改进的Henon映射模型构造的非平稳时间序列以及北京月平均气温的外强迫信号,并且使用小波变换方法对外强迫信号的尺度特征及物理背景机理进行分析.结果表明,气候系统受到长周期的外强迫信号与短周期外强迫信号的共同作用.同时,长周期的外强迫信号影响短周期外强迫信号.该工作有助于理解气候系统的层次结构特征.     

基于改进的符号转移熵的心脑电信号耦合研究

试图探究动力系统中的耦合关系一直以来都是国内外众多学者关注的热点,传统的时间序列符号化分析方法会使研究结果受序列非平稳性的严重影响,本文在原有转移熵的研究基础上,应用粗粒化提取,经过理论与实验的分析,发现心脑电信号耦合研究中的转移熵值在不同提取情况下对应不同的分布趋势,并选择效果最好的信号数据提取方法用在其后的应用分析中. 此外,对时间序列符号化方法提出改进,采用动态的自适应分割方法. 实验结果表明,无论清醒期还是睡眠期,改进的符号转移熵算法观测分析到的心脑电信号耦合作用更显著,能更好的捕捉到信号中的动态信息、系统动力学复杂性的改变,更利于医学临床实践应用中的检测,在分析非平稳的时间序列上具有更好的效果. 关键词： 心脑电信号 粗粒化 符号转移熵 基本尺度     

基于因果检验的非线性系统的预测试验

非线性、非平稳系统的预测是一个具有重要科学意义的研究课题.最近一些工作已将收敛交叉映射算法(convergent cross mapping, CCM)用于检验变量之间的因果关系,由于在CCM算法中,相空间中相互靠近的点在时间上具有相似的发展趋势和运动轨迹,因此该方法可以尝试应用于非线性、非平稳系统的预测试验研究中.鉴于此,本文将CCM算法分别应用于Lorenz系统和实际气候时间序列的预测中,并检测不同相空间重构方法对预测效果的影响.主要结果如下:1)不论是理想Lorenz模型还是实际气候序列,对于单变量、多变量和多视角嵌入法3种重构相空间方法而言,多视角嵌入法对变量的预测效果最好,表明对于给定长度的时间序列,重构相空间中包含的信息越多,其预测能力越强; 2)将NAM (northern hemisphere annular mode)加入SAT (surface air temperature)的重构相空间中可以改善SAT的预测效果.在使用单变量、多变量和多视角嵌入法进行预测时,利用复杂系统中变量中共有信息的特性,在时间序列长度一定的情况下,可以利用动力系统的复杂性来增加系统内的信息...     

分数阶双稳系统中的非周期振动共振

在受二进制非周期信号和周期方波信号激励的分数阶双稳系统中,研究了非周期振动共振问题,用于微弱非周期信号的检测和增强.当非周期信号脉宽较大时,系统为小参数,通过调节周期方波信号的幅值,能够实现非周期振动共振.当非周期信号脉宽较小时,分别通过变尺度法和二次采样法实现了非周期振动共振.使用变尺度法,得到的大参数等价系统能够匹配任意小的非周期信号脉宽,其中变尺度系数是该方法在使用过程中需要选择的关键参数.使用二次采样法,二次采样后得到的非周期信号具有较大的脉宽,能够匹配原先的小参数系统,其中二次采样频率比是该方法使用过程中的关键参数.这两种方法虽然实现非周期振动共振的物理过程不同,但能够达到相同的效果.系统阶数对振动共振产生影响,随着阶数的增大,发生最佳振动共振时所需要的辅助信号幅值变大,同时系统输出的最佳时间序列与输入非周期信号之间的相似性增强.     

混沌背景下非平稳谐波信号的自适应同步挤压小波变换提取

针对同步挤压小波变换(SST)在提取混沌背景下非平稳谐波信号时的不足,提出一种改进的自适应最优累加频率范围的SST非平稳谐波信号提取方法.首先根据非平稳谐波信号小波系数与小波基支撑区间的关系,推导非平稳谐波SST提取时自适应累加频率范围的计算公式;然后,利用最小能量误差准则确定自适应累加频率范围公式中参数的最优值,从而实现非平稳谐波信号的SST自适应提取.分别在Lorenz混沌背景和Duffing混沌背景下对不同类型的非平稳谐波信号进行了实验分析,实验结果表明,该方法能有效地从含噪混沌背景中提取非平稳谐波信号,与经典的单一累加频率范围的SST方法相比,提取结果在均方误差和相关系数两方面都有较好的提高.     

等概率符号化样本熵应用于脑电分析

样本熵(或近似熵)以信息增长率刻画时间序列的复杂性,能应用于短时序列,因而在生理信号分析中被广泛采用.然而,一方面由于传统样本熵采用与标准差线性相关的容限,使得熵值易受非平稳突变干扰的影响,另一方面传统样本熵还受序列概率分布的影响,从而导致其并非单纯反映序列的信息增长率.针对上述两个问题,将符号动力学与样本熵结合,提出等概率符号化样本熵方法,并对其物理意义、数学推导及参数选取都做了详细阐述.通过对噪声数据的仿真计算,验证了该方法的正确性及其区分不同强度时间相关的有效性.此方法应用于脑电信号分析的结果表明,在不对信号做人工伪迹去除的前提下,只需要1.25 s的脑电信号即可有效地区分出注意力集中和注意力发散两种状态.这进一步证明了该方法可很好地抵御非平稳突变干扰,能快速获得短时序列的潜在动力学特性,对脑电生物反馈技术具有很大的应用价值.     

小波分析方法在合肥光源逐束团测量系统中的应用

介绍了小波分析方法在逐束团束流位置测量系统中的应用。小波分析方法在高频处频率窗口较宽,具有较高的时间分辨力,使用小波分析可分离并提取信号的振荡成分及基线漂移成分,各成分在时间轴上的位置与原信号相同,原有的线性关系保持不变,在处理非平稳信号时不会造成信号明显劣化,如幅度失真和相位偏差。基于小波分解和重构的时间序列多分辨力滤波处理非平稳信号时不会造成信号明显劣化,保证了追踪束团振荡强度、相位、频率和振荡模式随时间变化的结果更真实可信。在合肥光源中,小波分析方法成功用于横向振荡振幅包络的提取及增长率、阻尼率的计算,也可用于提取横向振荡振幅包络及计算增长率和阻尼率,为机器研究、束流诊断和逐束团反馈系统调试提供了准确的依据。     

基于概率密度分布型变化的突变检测新途径

对于一个稳定的动力系统而言,系统变量的概率密度具有较为稳定的分布型,而当系统的动力学结构发生变化后可能会导致系统变量的分布型发生不同程度的变化.鉴于此,本文从识别系统变量的概率密度分布的微小变化角度出发,将描述时间序列概率分布特征的偏度系数和峰度系数应用于时间序列的突变检测中.数值试验结果表明,偏度系数和峰度系数对突变信号具有很好的识别能力,进而揭示了一条检测突变的新途径.进一步的研究表明,新方法的检测结果对于子序列长度的选择具有较小的依赖性.     

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具, 针对该方法中趋势项难以确定的问题, 提出一种基于双树复小波变换的方法, 实现了非平稳信号的多重分形自适应去趋势波动分析. 利用双树复小波变换提取信号的多尺度趋势和波动信息, 通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度, 使多重分形分析具有信号自适应性及较高的计算效率. 以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性, 所得结果与解析解相吻合. 与传统的多项式去趋势多重分形方法相比, 本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度, 所得结果更加精确. 对倍增级联信号时间序列取不同的长度, 验证了算法的稳定性. 分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较, 表明本文方法具有更精确的结果和更快的运算速度.     

Chen系统在微弱信号检测中的应用

微弱谐波信号的灵敏检测具有重要的实际应用意义, 本文利用受控Chen系统来实现强噪声背景下的这种检测. 因动力系统可分解为慢变系统与快变系统的叠加, 这里用平均法对检测系统进行处理得到慢变系统, 并获取使系统由周期轨道突变为稳定平衡点的检测参数临界值. 通过调节检测参数, 观测系统状态变量的变化可判断待测信号是否存在. 仿真结果表明, 此方法可以准确检测出强噪声背景下的微弱谐波信号. 与目前其他基于混沌振子的检测方法相比, 该方案对噪声具有更强的免疫性, 而且可通过理论分析得出检测参数阈值的准确范围, 有利于在相关领域推广应用.     

Weak guided wave signal detection using period jump of Duffing system

A potential risk in ultrasonic guided wave testing is that weak echo signals from small defects may be submerged in noisy signals, which will cause missed detection. To overcome this shortcoming, a weak guided wave signal detection method based on period jump of the Duffing system is proposed in this paper. The critical state of the system period jump can be obtained by analyzing the bifurcation characteristics of the Duffing system with the variation of the driving force amplitude. A weak ultrasonic guided wave signal with the same frequency as the driving force is added to the driving force. This is equivalent to changing the driving force amplitude, which causes the period state to jump. Consequently, the weak guided wave signals can be identified based on the period jumps. The increase or decrease in the driving force amplitude due to the interference of the guided wave signal depends on the phase difference between the intercepted signal and the periodic driving force. The conditions for increasing and decreasing the driving force amplitude are out of phase with each other.They have an approximate phase difference of π within the same period. Two detection models for small-scale periodic states(SPS) and large-scale periodic states(LPS) are constructed, and the effectiveness of the models in identifying the guided wave signal is verified numerically and experimentally. The anti-noise interference capabilities of the two models are also compared.The results show that the SPS detection model provides unique results and a strong anti-noise ability, and effectively improves the sensitivity of small defect detection using ultrasonic guided waves.     

利用Duffing系统周期跳跃的弱超声导波识别

在超声导波检测中,由小缺陷产生的弱回波信号有可能淹没在噪声信号中从而造成漏检风险,通过分析Duffing系统随策动力幅值变化的分岔特性,获得了系统发生周期跳跃的临界状态,将与策动力同频率的弱回波信号作为干扰项叠加到Duffing系统临界状态中,相当于改变了策动力的幅值,从而引起临界状态的周期跳跃,依据系统的周期跳跃实现...     

基于时变功率谱的激光器调谐瞬时线宽测量方法研究

半导体激光器的线宽通常采用激光外差测量技术,通过差拍信号的功率谱密度函数来确定,受傅里叶变换方法的限制,得到的均是在一定时间段内的静态平均线宽。为了获得半导体激光器在电流调谐过程中的瞬时线宽特性,提出了利用时变功率谱获知调谐瞬时线宽的相干和非相干测量方法,并分别进行了理论分析和实验验证。首先对半导体激光器输出光信号及差拍信号进行了时间-频率域下的数学描述,确定了时变功率谱与调谐瞬时线宽的关系;其次,针对差拍信号的趋向性特征,提出了趋势局部均值分解方法,并研究了利用分解出的乘积函数建立差拍信号及激光器输出光信号的时变功率谱的方法;最后利用非相干和相干测量法分别获得了分布反馈式半导体激光器在50~51及50~100 mA锯齿波电流调谐过程中的瞬时线宽。     

Low frequency acoustic signals associated with rock falls,thunderstorms, and wind turbulences in field environment

This paper characterized the observed low frequency acoustic signals generated by rock falls, thunderstorm, and wind turbulence in large rocky landslide. A digital infrasonic recording system was deployed on site to capture real-time low frequency acoustic signals associated with rock falls. An advanced non-stationary signal analysis method, i.e. Empirical Mode Decomposition (EMD), was applied to get insight to the characteristics of the low frequency acoustic signals induced by the hazards. Joint time–frequency distribution spectra technique was used to detect distinctive features of the events. The study shows that the low frequency acoustic signals can be excited by rock falls, thunderstorm and wind turbulence in the field environment, but the signal varies in both time domain and frequency domain with different patterns depending on the physical processes. The results demonstrated that the EMD-based signal processing technique is capable of extracting distinctive features to differentiate acoustic signals in real environment.     

Quantifying Information without Entropy: Identifying Intermittent Disturbances in Dynamical Systems

A system’s response to disturbances in an internal or external driving signal can be characterized as performing an implicit computation, where the dynamics of the system are a manifestation of its new state holding some memory about those disturbances. Identifying small disturbances in the response signal requires detailed information about the dynamics of the inputs, which can be challenging. This paper presents a new method called the Information Impulse Function (IIF) for detecting and time-localizing small disturbances in system response data. The novelty of IIF is its ability to measure relative information content without using Boltzmann’s equation by modeling signal transmission as a series of dissipative steps. Since a detailed expression of the informational structure in the signal is achieved with IIF, it is ideal for detecting disturbances in the response signal, i.e., the system dynamics. Those findings are based on numerical studies of the topological structure of the dynamics of a nonlinear system due to perturbated driving signals. The IIF is compared to both the Permutation entropy and Shannon entropy to demonstrate its entropy-like relationship with system state and its degree of sensitivity to perturbations in a driving signal.     

外周期力驱动的倒摆混沌运动演示仪

设计并制作了受周期外力驱动的倒摆演示实验装置．利用自主开发的软件可自动演示和记录摆球运动状态的时间序列并存储实验数据．通过改变摆长、驱动电压，观察到该系统存在通过倍周期分岔通向混沌的过程．     

基于强耦合Duffing振子的微弱脉冲信号检测与参数估计

耦合Duffing振子在检测强噪声中的微弱脉冲信号时具有可检测信噪比低等优点,但目前检测模型还存在系统性能与初始状态有关、只能工作在倍周期分岔状态等缺陷.为此本文构建了一种能克服上述缺点的新的微弱脉冲信号检测模型,通过对两个Duffing振子同时施加较大的恢复力和阻尼力耦合,可使振子间产生广义的"阱内失同步"现象,基于这种现象可实现微弱脉冲信号的检测与恢复.以信噪比改善和波形相似度为衡量指标,研究了周期策动力幅值与周期、耦合系数、计算步长、阻尼系数等参量对模型信号检测与波形恢复效果的影响.对方波、双指数脉冲和高斯导数脉冲进行检测和恢复的实验结果表明,本文所构建的模型能够在较低信噪比条件下有效地检测并恢复出高斯白噪声背景中的微弱脉冲信号,进而改善了现有的Duffing振子对非周期脉冲信号的检测能力并扩展了其应用领域.     

Modal parameter identification through Gabor expansion of response signals

A new method of identifying modal parameters by decomposing response signals with Gabor transform is presented in this paper to estimate natural frequencies, damping ratios and mode shapes of linear time invariant systems. According to Gabor expansion theory, responses of a multi-degree-of-freedom system can be decomposed into uncoupled signal components, each vibrating at a single natural frequency. From these uncoupled signals, modal parameters are subsequently extracted with common methods. The proposed method can process stationary and non-stationary responses and requires no input signal except for the response signals generated by unknown excitation acting on a system. In the sense of less restriction on the in-out signals, the approach based on time-frequency decomposition is very general. A simulation study on a simply supported beam under non-stationary excitation has demonstrated that the proposed method is effective in parameter estimation.     

飞秒激光场中原子所受光学偶极力研究

通过求解全波矢布洛赫方程研究了两能级原子与飞秒超快激光脉冲的相互作用过程,计算了不同拉比频率取值下原子所受光学偶极力和粒子数布居随时间的演化情况,分析了光场失谐量对光学势分布情况的影响.研究发现:由飞秒激光场产生的横向光力的时间平均值并不等于零,而是随着拉比频率的增加呈现振荡的增大趋势;纵向光力的时间平均作用也并非是拉比频率的单调函数,而是随着拉比频率的增加呈现周期性的振荡分布特性;光学势的分布对光场的失谐量具有明显的依赖性,随着失谐量的变化,光学势的性质也随之发生了改变.     

Changing spectrum estimation

An autoregressive (AR) model with time varying coefficients is used for the modeling of non-stationary covariance time series. A stochastically perturbed linear constraint model is presented as a model of time varying AR coefficients. The overall model for the time series is fitted by using the Kalman filter and Akaike's AIC criterion. An estimate of a changing spectrum is obtained by the fitted model and the fixed interval smoother Examples are given to illustrate the procedure.