混沌通信系统中非线性信道的自适应神经Legendre正交多项式均衡

针对混沌通信系统中非线性信道干扰问题，基于混沌信号重构理论和Legendre正交多项式结构，提出了一种自适应神经Legendre正交多项式信道均衡器，并给出相应的归一化最小均方算法. 仿真研究表明：所提出的自适应神经Legendre正交多项式信道均衡器能有效地消除线性和非线性信道干扰，均衡器输出信号能反映出混沌信号的特性，具有良好的抗干扰性能.该均衡器的结构简单，权系数参数较少，收敛稳定性较好. 关键词： Legendre 正交多项式 信道均衡 混沌吸引子 神经网络     

非线性系统混沌运动的神经网络控制

设计前馈反传神经网络控制非线性系统混沌运动的新方法.根据扰动参数模型输入输出数据,按照非线性学习算法训练网络产生系统稳定所需的小扰动控制信号,去镇定混沌运动,使嵌入在混沌吸引子中的不稳定周期轨道回到稳定不动点上.Hnon映射数值仿真结果表明,这种方法控制非线性混沌系统响应速度快、控制精度高 关键词： 混沌控制 神经网络 吸引子 非线性     

连续混沌系统的非线性自适应预测跟踪控制

基于混沌时间序列的非线性自适应预测原理,用一种sigmoid-Volterra自适应预测滤波器研究了连续混沌系统的非线性自适应预测跟踪控制.通过对Lorenz,R?ssler等典型混沌系统的控制,仿真证实了这种sigmoid-Volterra自适应预测控制器的有效性.这种方法的优点在于它既不需要知道精确的混沌系统模型,也不需要进行系统模型辨识. 关键词： 混沌 sigmoid-Volterra自适应预测滤波器 非线性自适应预测跟踪     

混沌和超混沌系统中的奇怪吸引子及其分析

用四阶定步长龙格—库塔算法对几种混沌和超混沌系统进行数值求解，绘制了各种系统典型奇怪吸引子的相图，对奇怪吸引子的结构和特性进行了分析。     

不确定混沌系统的直接自适应模糊神经网络控制

提出利用直接自适应模糊神经网络控制一类不确定非线性混沌系统新方法.采用Takagi-Sug eno模糊逻辑系统估计混沌对象中未知函数，然后再对模糊神经网络控制律参数进行在线调 整，在系统所有信号一致有界情形下，解决混沌状态跟踪给定参考轨道控制问题.仿真结果 表明所得结论是正确的. 关键词： 模糊神经网络 自适应控制 混沌 参数不确定性     

一种重要的非线性现象——间歇

因为无论是在混沌形成研究过程中，还是混沌形成之后继续处于发展变化之中，都有可能观察到间歇的存在并对系统的运动形式产生重大的影响，所以近年来混沌中间歇现象的研究越来越来引人注目，文章结合实验现象和本实验室在间歇实验方面的研究工作，介绍了四种间歇各自的特点，给出了对应的数学模型，分析了间歇研究的意义，现状以及有待进一步探讨的问题。     

混沌实验教学之路

混沌电路实验包括非线性元件如电阻或电感的选择、电路构建与波形的分析、混沌吸引子显示与模拟等内容,采用分立元件与学生自组的实验方案,坚持实验过程与理论分析相结合,是一个颇有趣味的非线性物理实验.     

混沌神经网络逆控制的同步及其在保密通信系统中的应用

利用神经网络的学习、逼近能力构造混沌神经网络，提出逆控制混沌同步方法来同步两个混沌神经网络，并基于逆控制和混沌神经网络的同步给出一种新的混沌保密通信系统.理论分析和数值实验结果表明，新系统能够有效地克服信道噪声对信息传输的不良影响，具有较强通用性和柔韧性，且有同步速度快，信号恢复精度高和密钥量大的优点. 关键词： 混沌同步 自适应逆控制 混沌神经网络 保密通信     

单模激光系统中混沌吸引子的分维

对单模激光系统动力学行为的Ｌａｓｅｒ－Ｌｏｒｅｎｚ方程进行了线性稳定性分析,通过计算Ｌｙａｐｕｎｏｖ指数来确定该系统中混沌吸引子的分维。     

四维系统中多涡卷混沌吸引子的仿真研究

通过构造一个新的非线性函数，研究一种新型四维系统多涡卷混沌信号发生器，这种多涡卷混沌信号发生器的主要特征是随着自然数n的增加，能产生2n+2个多涡卷混沌吸引子，通过改变控制参数k可以改变多涡卷混沌吸引子的混沌边界.并在EWB平台上设计了具体的电路，进行仿真实验验证. 关键词： 四维混沌系统 多涡卷混沌吸引子 非线性函数     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。     

Adaptive and efficient nonlinear channel equalization for underwater acoustic communication

We investigate underwater acoustic (UWA) channel equalization and introduce hierarchical and adaptive nonlinear (piecewise linear) channel equalization algorithms that are highly efficient and provide significantly improved bit error rate (BER) performance. Due to the high complexity of conventional nonlinear equalizers and poor performance of linear ones, to equalize highly difficult underwater acoustic channels, we employ piecewise linear equalizers. However, in order to achieve the performance of the best piecewise linear model, we use a tree structure to hierarchically partition the space of the received signal. Furthermore, the equalization algorithm should be completely adaptive, since due to the highly non-stationary nature of the underwater medium, the optimal mean squared error (MSE) equalizer as well as the best piecewise linear equalizer changes in time. To this end, we introduce an adaptive piecewise linear equalization algorithm that not only adapts the linear equalizer at each region but also learns the complete hierarchical structure with a computational complexity only polynomial in the number of nodes of the tree. Furthermore, our algorithm is constructed to directly minimize the final squared error without introducing any ad-hoc parameters. We demonstrate the performance of our algorithms through highly realistic experiments performed on practical field data as well as accurately simulated underwater acoustic channels.     

不确定时滞混沌系统的自适应动态神经网络控制

研究了一类具有不确定时滞的非自治混沌系统的控制问题. 通过结合Lyapunov-Krasovskii函数和Lyapunov函数设计参数可调的不确定时滞补偿器,使得反馈控制输入信号不受时延的影响;同时引入动态结构自适应神经网络,以消除系统的不确定性,其隐层神经元的个数可以随着逼近误差的增大而自适应增加,改善了逼近速度与网络复杂度的关系;最后,用Duffing混沌系统的控制仿真示例表明该方法的有效性. 关键词： 混沌系统 自适应控制 不确定时滞 动态结构神经网络     

基于BP网络的图像增强器像元通道不一致性校正研究

像元通道响应不一致性是影响图像增强器检测能力的重要因素,因而有必要对不一致性进行校正。首先分析了传统的不一致性校正方法的缺点,然后提出了一种基于BP神经网络的像元通道响应不一致性的校正方法。该方法利用BP神经网络良好的非线性映射能力,对每一个像元通道进行输入-输出特性的反非线性逼近,同时利用实验数据进行了神经网络的训练。对比了校正前后的图像及标准差。     

不确定分数阶时滞混沌系统自适应神经网络同步控制

针对带有完全未知的非线性不确定项和外界扰动的异结构分数阶时滞混沌系统的同步问题,基于Lyapunov稳定性理论,设计了自适应径向基函数(radial basis function,RBF)神经网络控制器以及整数阶的参数自适应律.该控制器结合了RBF神经网络和自适应控制技术,RBF神经网络用来逼近未知非线性函数,自适应律用于调整控制器中相应的参数.构造平方Lyapunov函数进行稳定性分析,基于Barbalat引理证明了同步误差渐近趋于零.数值仿真结果表明了该控制器的有效性.     

Adaptive fuzzy nonlinear inversion-based control for uncertain chaotic systems

<正>This paper presents a robust output feedback control method for uncertain chaotic systems,which comprises a nonlinear inversion-based controller with a fuzzy robust compensator.The proposed controller eliminates the unknown nonlinear function by using a fuzzy system,whose inputs are not the state variables but feedback error signals.The underlying stability analysis as well as parameter update law design are carried out by using the Lyapunov-based technique.The proposed method indicates that the nonlinear inversion-based control approach can also be applied to uncertain chaotic systems.Theoretical results are illustrated through two simulation examples.     

基于混沌神经网络的单向Hash函数

提出了一种基于混沌神经网络的单向Hash函数，该方法通过使用以混沌分段线性函数作为输出函数的神经网络和基于时空混沌的密钥生成函数实现明文和密钥信息的混淆和扩散，并基于密码块连接模式实现对任意长度的明文序列产生128位的Hash值.理论分析和实验结果表明，提出的Hash函数可满足所要求的单向性，初值和密钥敏感性，抗碰撞性和实时性等要求. 关键词： 混沌神经网络 Hash函数 分段线性混沌映射 时空混沌     

基于神经网络和滑模控制的不确定混沌系统同步

基于滑模控制技术和径向基函数神经网络,设计出一种神经滑模控制器,实现了两个不确定混沌系统的同步.控制器的设计不依赖于系统的数学模型,只与系统的输出状态有关,而且对参数不确定性和外界干扰具有较强的稳健性.最后,利用本方法设计出控制器实现了未知Lorenz系统的自同步、未知Lorenz系统与Chen系统之间的异结构同步,而且响应时间短,同步效果好. 关键词： 混沌同步 滑模控制 神经网络 不确定混沌系统