用于低维混沌时间序列预测的一种非线性自适应预测滤波器

在二阶Volterra滤波器基础上,提出了一种用于低维混沌时间自适应预测的非线性自适应预测器。基于最小均方误差准则导出了一种NLMS类型的自适应算法来实时调整这种非线性滤波预测器的系数,仿真实验结果表明：这种线性化的非线性自适应滤波预测器能够有效地预测低维混时间序列,且它的模块化特征更易于VLSI电路实现,具有广泛的工程应用价值。     

混沌跳频通信的非线性自适应预测对抗

基于混沌跳频码序列构造固有的确定性、非线性等特点,提出了对抗混沌跳频通信的非线性自适应预测对抗的新概念.以Logistic-Kent映射设计的混沌跳频码为例,采用基于Sigmiod函数的Volterre自适应滤波预测器对其进行预测研究.仿真实验结果表明非线性自适应预测器比神经网络预测器具有更高的预测对抗效果.     

高频段频谱占用的Volterra预测方法研究

为了能够给高频用户提供较为可靠的空闲频段,需要对高频段频谱占用的情况进行预测。本文提出一种基于自适应Volterra滤波理论的预测方法,通过对频谱占用因子时间序列进行状态空间重构,并采用递推形式的自适应递归最小二乘算法实时调整Volterra模型的核系数。实际数据处理结果表明,该预测方法能够很好地跟踪频谱占用因子的非线性变化,具有预测误差小,训练计算复杂度低等优点。      

一种抑制直扩通信窄带干扰的新型非线性自适应预测滤波器

为了更有效地抑制直接序列扩频通信中的窄带干扰,论文提出了一种非线性Laguerre滤波抑制直扩频通信窄带干扰的方法,给出相应的自适应算法。该方法利用具有IIR和FIR滤波器特点的Laguerre时延单元构造非线性自适应预测滤波器。该方法可以使预测器的记忆深度与预测器的阶数解偶,以更少的阶数达到更优的抑制性能。仿真实验结果表明:与Vijayan和Poor传统非线性自适应预测滤波器相比,该滤波器能够保证均方误差的收敛稳定性,并能在信噪比改善提高12dB的前提下,使滤波器阶数降低为原来的1/3~1/5,具有一定的现实意义。     

利用非线性自适应技术检测微弱的瞬时信号

本文根据局部流形理论,提出了一类非线性自适应预测滤波模型。仿真结果显示,本文提出的自适应预测滤波模型具有很强的非线性近似能力,可以检测淹没在超混沌或杂波环境中的瞬时信号。     

有缺损数据的混沌时间序列预测

根据一种基于相空间邻点的非线性自适应滤波算法，研究了缺损数据怎样影响预测。仿真显示，缺损数据对预测有不同程度的影响，文中提出的解决方法是有效的。     

基于一种新型RBF网络的捷变频雷达频率预测技术

针对捷变频雷达的频率预测问题,提出了基于一种新型RBF网络的频率预测方法。该方法将频率预测问题等效为伪随机序列预测问题,并采用结合人工免疫聚类和进化规划的混合算法确定RBF网络的隐层参数。计算机仿真表明,采用这种方法设计的RBF网络预测器可以准确地预测捷变频码,是一种对抗捷变频雷达的有效方式。     

直接序列扩频通信中干扰抑制的进化规划自适应非线性滤波技术

进化规划（ＥｖｏｌｕｔｉｏｎａｒｙＰｒｏｇｒａｍｍｉｎｇ）是模拟生物界自然选择和变异机制的一种随机并行搜索优化算法。本文提出了应用于直接序列扩频通通信中窄带干扰抑制的基于进化规划的自适应非线性滤波技术，并与传统的自适应非线性滤波技术进行了比较，结果表明本文算法更优。不仅实现了自适应非线性滤波的全局寻优和快速收敛，而且提高了系统的稳定性，尤其对于极点靠近单位圆的ＡＲ模型信号干扰，滤波性能有较大的提高。     

一种基于多尺度核学习的仿射投影滤波算法

为了提高强非线性信号的噪声消除和信道均衡能力,在核学习自适应滤波方法的基础上,该文提出一种基于惊奇准则的多尺度核学习仿射投影滤波方法(SC-MKAPA)。在核仿射投影滤波算法的基础上,对核组合函数结构进行改进,将多个不同高斯核带宽作为可变参数,与加权系数共同参与滤波器的更新;利用惊奇准则将计算结果稀疏化,根据仿射投影算法的约束条件对惊奇测度进行改进,简化其方差项,降低了计算的复杂度。将该算法应用于噪声消除、信道均衡以及MG时间序列预测中,与多种自适应滤波算法及核学习自适应滤波算法进行仿真结果的对比分析,验证了该算法的优越性。     

基于时间序列自适应建模的粒子滤波动态目标跟踪

在目标跟踪中为达到目标的运行模型与实际轨迹相符,本文提出基于时间序列自适应建模的粒子滤波算法（TS_PF）。采用时间序列方法动态构建预测模型,并将粒子滤波算法中一系列加权粒子以该模型进行状态转移,运用粒子滤波重采样技术,使预测误差进一步减小,预测精度逼近最优估计。仿真实验表明在粒子滤波算法中采用时间序列自适应建模,能够...     

自适应高阶非线性FIR滤波预测器的最优输入维数

基于相空间重构理论,用条件概率确定了用于混沌预测的一种自适应高阶非线性预测滤波器的最优输入维数Nopt.理论分析和实验研究表明这种自适应高阶非线性预测滤波器的最优输入维数小于或等于混沌时间序列的最小嵌入维数,且与混沌时间序列的关联维数D2的关系为No.大于D2的最小正整数.     

Bootstrap—自适应混沌克隆网络与陀螺漂移预测

 提出一种Bootstrap—自适应混沌克隆网络建立陀螺漂移预测模型.基于统计理论的Bootstrap方法,设计了自适应混沌克隆网络训练策略,以获得统计意义下陀螺漂移时间序列小样本预测模型的最优估计;运用字符串技术生成复合函数抗体,使预测模型具有在复杂函数子空间逼近强非线性函数的能力;构造了一系列自适应混沌克隆网络进化算子,使复合函数抗体在具有混沌特征的进化中自适应性更强;预测建模实验表明:Bootstrap—自适应混沌克隆网络建立的预测模型训练和测试精度稳定,对比几种典型预测算法,其建模方式更灵活,自适应性更强,适于工程应用.     

一种直扩通信窄带干扰抑制的自适应滤波技术

文中研究了自适应非线性滤波在直扩通信中抑制窄带干扰的应用,采用修正LMS(MLMS)自适应滤波算法对窄带干扰进行抑制,并运用ACM滤波非线性函数进行非线性处理,使滤波性能明显改善.最后用MATLAB仿真自适应滤波过程,验证了算法的滤波性能.     

一种用于抑制直扩通信中窄带干扰的非线性自适应方法

在分析线性自适应滤波抑制单频干扰、自回归过程窄带干扰和窄带BPSK调制信号干扰的性能的基础上,提出了一种非线性自适应波抑制方法.在对窄带干扰进行预测前,通过对扩谱信号的估计,使得窄带干扰预测的背景噪声由非高斯转变为高斯,并消除扩谱信号对干扰估计的影响,再通过NLMS和RLS自适应算法进行干扰抑制.理论分析和仿真试验结果表明,这种改进方法对于系统性能的改善效果,明显优于常规自适应滤波抑制方法.     

ARMA建模在神经网络卡钻预测方法中的应用研究

为准确预测卡钻事故的发生,利用一种基于时间序列的神经网络卡钻预测方法,将时间序列ARMA建模与神经网络非线性建模相结合。选取与卡钻事故相关性较大的参数作为神经网络的输入项,运用现场数据对神经网络进行训练,再利用神经网路的强非线性和自适应学习能力来建立卡钻事故预测模型;通过时间序列对历史数据的挖掘功能,揭示实际钻井过程中对卡钻事故影响较大的各参数的隐含规律,建立时序ARMA模型,求出卡钻时刻钻井相关参数的预测值;将预测值放入神经网络模型进行测试训练,从而达到预测卡钻事故的效果。运用延安地区实际现场数据证实该方法具有精确的卡钻预测能力及较好的泛化能力。     

基于LMS自适应滤波器的设计

针对在惯组时间序列的插值和预测分析中,不可避免地会引入一些误差,致使预报结果不能反映惯组实际状况的缺点,基于自适应滤波能够提供卓越的滤波性能和自动地调节现时刻滤波器参数的特点,设计了一种基于LMS自适应滤波器,以适应信号和噪声未知的或随时间变化的统计特性,从而实现最优滤波。仿真结果表明该方法是有效的。     

基于模糊小波神经网络的短波频率预测

短波信道由于受电离层的非线性变化影响而不能及时选到最佳频率,严重制约了短波通信系统的效能发挥。为了提高短波频率预测及选频的准确性,在总结前人关于短波频率预测经验的基础上,结合人工智能技术在非线性时间序列预测方面取得的成就,提出了一种短波通信频率的预测方法,该方法结合相空间重构技术和模糊小波神经网络技术,并在数据预处理阶段采用奇异值分解对历史数据进行降噪处理,实验结果表明,该方法比其他预测方法的精度有很大的提高。     

一种改进的盲自适应窄带干扰抑制方法

为有效抑制直接序列扩频通信中的窄带干扰,论文提出了一种改进的盲自适应窄带干扰抑制方法.该方法在盲自适应滤波器的基础上,通过引入非线性预测算法对接收信号进行处理,提高了滤波器的干扰抑制性能.计算机仿真结果验证了文中方法的有效性.     

扩频通信中干扰抑制的自适应非线性滤波技术

本文研究了自适应非线性滤波在直扩通信中抑制窄带干扰的应用，修正了Ｖｉｊａｙａｎ和Ｐｏｏｒ所采用的抽头更新算法，使非线性滤波的性能明显改善，同时把自适应非线性横向滤波结构，推广到Ｌａｔｔｉｃｅ结构，提高了收敛速度。     

基于向量序列谐波恢复的缓时变频率选择性MIMO无线信道的估计方法

该文研究缓时变频率选择性MIMO无线信道谐波拟合模型参数的估计问题,提出基于向量序列谐波恢复及非线性约束最小二乘法的非盲信道估计方法。与以往采用chirp序列作为训练信号的方法不同,该文采用全序列作为训练信号。仿真结果表明,与采用chirp序列作为训练信号的方法相比,此方法的训练信号容易获得,并且在相同信噪比条件下具有更好的估计精度。