非对称忆阻诱导的吸引子非对称演化与机理研究

紧磁滞回线是评测物理器件或数学模型是否为忆阻的关键依据,其对称特性也是忆阻的重要特征之一。该文提出一种有源非对称忆阻二极管桥模拟器,它通过改变二极管桥中并联二极管的数量可实现紧磁滞回线非对称度的控制。首先,验证了该非对称忆阻模拟器的指纹特征,并着重探讨了激励频率和对称度控制参数对紧磁滞回线非对称度的影响。进一步地,将该非对称忆阻模拟器耦合到Sallen-Key高通滤波器,构建了一种无感忆阻蔡氏电路;建立了相应的无量纲系统,并揭示了系统吸引子的非对称演化现象。结合平衡点稳定性分析、分岔分析和多吸引子状态初值空间分布,阐明了吸引子非对称演化的产生机理。结果表明,受非对称忆阻的影响,无感忆阻蔡氏电路的两个不稳定鞍焦点失去平衡,导致了非对称共存分岔、多稳定模态等行为的产生。最后,由硬件电路实验验证了理论分析与数值仿真的正确性。     

基于脉冲同步的混沌系统自适应参数估计

针对一类参数不确定混沌系统,提出了一种基于脉冲同步的自适应参数估计方法,给出了脉冲控制增益和参数自适应律的解析表达式,从理论上证明了该方法可以准确估计出参数不确定混沌系统的所有未知参数.以Lorenz混沌和Ueda振荡器系统为例,数值模拟证明了该方法的有效性.     

亚奈奎斯特采样雷达的运动目标回波信号的快速重构

亚奈奎斯特采样雷达是利用回波信号的稀疏性,基于模信转换系统发展起来的欠采样雷达系统.本文研究亚奈奎斯特采样雷达的运动目标回波信号的快速重构问题.与单脉冲回波重构不同,运动目标在脉冲积累时间内可能产生跨距离单元现象,使得回波信号表示系数呈现稀疏时变性.本文采用概率分布模型描述稀疏位置的变化,首先将多脉冲回波信号重构转化为加权稀疏重构问题;然后根据分段滑动重构思想,提出一种基于正交投影的加权稀疏分段滑动重构方法来实现快速重构.该方法利用前一个脉冲稀疏位置估计信息,构造分段产生干扰的正交补空间,将子段压缩测量投影到构造的正交补空间,有效地抑制了相邻段引入的干扰.数值仿真验证了方法的有效性.     

正交压缩采样雷达偏离网格目标时延估计技术

参数扰动正交匹配追踪是一种有效的偏离网格目标时延估计技术.但是,该方法在每次迭代时只搜索一个目标,计算量大.本文提出一类低计算量的偏离网格目标时延估计技术——参数扰动带排除贪婪重构算法.该算法在贪婪重构方法中引入带排除技术,用于检测多个与目标最邻近的离散网格,利用参数扰动技术来估计目标与最邻近离散网格之间的时延偏差.本文以正交压缩采样雷达为例,采用回溯自适应正交匹配追踪方法,研究参数扰动带排除贪婪重构算法性能.仿真实验表明,与已有的相关方法相比,该算法在不影响估计精度的情况下可减少一倍以上的计算时间.     

混沌调制模信转换实验研究

混沌压缩感知是一种采用混沌系统实现随机测量,利用稀疏正则非线性最优化技术实现信号重构的非线性压缩感知理论;具有实现结构简单,测量数据保密性强等特点。混沌调制是一种基于混沌压缩感知理论的模拟信息转换方法,该方法将待采样信号调制到混沌系统的参数上,通过低速采样混沌系统状态输出实现压缩采样。本文设计了一个基于Lorenz系统的混沌调制实验系统,测试了实验系统对不同稀疏度的频率稀疏信号的重构性能,实验结果验证了混沌调制模信转换的可实现性。      

基于混沌压缩感知的稀疏时变信号在线估计

混沌压缩感知是一种利用混沌系统实现非线性测量的压缩感知理论。针对稀疏时变信号的混沌压缩感知,该文提出稀疏时变信号的在线估计架构,构建一种递归最小二乘准则下的稀疏约束目标函数;通过利用迭代加权非线性最小二乘算法求解目标函数最小化问题,实现稀疏时变信号的参数估计。以Henon混沌系统为例仿真分析了频域时变稀疏信号的估计性能,数值模拟证明了该方法的有效性。     

修正的带限相位相关指静脉识别算法

基于带限相位相关的指静脉识别算法通常忽略带限窗口的影响,其识别精度和速度有待提高。为此,提出一种修正的带限相位相关算法。根据指静脉频谱图及其成像特征设计并提取带限和遍历参数,利用相关系数峰值完成图像的匹配识别。在SDU-MLA、THU-FV和NUST-FV 3个指静脉数据库上进行实验,结果表明,该算法的指静脉识别速度和精度得到提高。     

基于正交压缩采样系统的脉冲雷达回波信号实时重构方法

正交压缩采样是低速获取带通模拟信号同相和正交分量的新型模信转换系统,可广泛应用于雷达、通信等电子系统。但是对于宽带或超宽带脉冲雷达,重构奈奎斯特率的全程回波信号需要大的存储空间和计算量,以致于难以实现实时重构。该文在对正交压缩采样系统特性进行分析的基础上,将测量矩阵近似成一种具有特殊带状结构的矩阵,然后采用分段滑动重构思想实现实时重构。仿真结果表明,在对测量矩阵进行合理近似的基础上,该文提出的重构方法可以极大地节省存储空间和计算时间,实现近似最优的重构性能。     

基于线性化的混沌压缩感知重构算法

随着信号的数据量和带宽不断增长,压缩感知作为一种新的信号低速率获取理论迅速成为信号处理界的热点。目前,压缩感知一般采用线性测量方式。混沌压缩感知是一种利用混沌系统实现非线性测量,非线性等式约束L1范数最小化实现信号重构的压缩感知理论;具有实现结构简单,测量数据保密性强等特点。但是,现有算法不能有效地求解非线性等式约束L1范数最小化,求解结果受到额外参数影响。该文通过对非线性约束线性化处理,将非线性等式约束L1范数最小化问题转化为一系列二次锥规划问题,利用线性化迭代二次锥规划算法进行求解,保证了算法的收敛性和提高了信号的重构性能。本文以Henon混沌为例,研究了频域稀疏信号的重构性能,数值模拟证明了该算法的有效性。      

多通道混沌调制模拟-信息转换

为了降低混沌调制中采样通道的采样速率,该文提出一种多通道混沌调制模拟-信息转换结构。该结构通过采样参数调制混沌系统的多个状态输出作为压缩测量,可实现在总采样速率不变的情况下降低每个采样通道的采样速率。与混沌调制相比,多通道混沌调制增加了低速采样单元的个数,但显著提高了高稀疏度信号的重构性能。基于混沌脉冲同步理论,该文给出了多通道混沌调制结构的信号可重构条件与被采样状态变量选择方法。以Lorenz系统为例,仿真验证了多通道混沌调制结构的有效性。