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.     

对频率捷变雷达频率的预测

在分析几种伪随机码序列的混沌动力学特征基础上,以Logistic-Kent变频码序列的预测为例,着重研究了自适应块sigmoid-Volterra滤波预测的性能。与BP神经网络预测器相比,非线性自适应滤波预测方法可在短观察数据、少训练或无需训练,并可得较好的预测结果,可望成为一种付诸工程实现的对频率捷变频雷达预测引导瞄频干扰的有效方法。最后给出了非线性自适应预测对抗技术今后的研究建议。     

基于复杂度特征的调制信号识别

调制信号的调制规律能够直接在信号波形上得到反映，本文使用复杂度来定量描述信号的这种有效、简便的波形变化特征，它包括Lempel-Ziv复杂度和分形维数。在Lempel-Ziv复杂度的提取中，本文提出了一种有效的序列重构方法，以此来提高特征的类内集群程度和类间分离程度。在此基础上针对7种调制类型设计了分层结构的组合分类器，从而获得较为满意的识别。计算机仿真实验也证实了本文方法的有效性。     

基于混沌时间序列分析的股票价格预测

根据股票市场是非线性动力系统的假设,利用混沌理论对混沌时间序列的分析方法,提出了股票价格预测方法。同时利用重构相空间的嵌入维数和延迟时间分别确定经向基函数模型网络的结构和训练样本对,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,并与前馈神经网络模型相比,可得到较好的预测结果,因而在股票时间序列预测中有广泛的实用价值。     

基于模糊积分的通信信号调制识别方法研究

本文针对通信信号这种非稳定的、信噪比(SNR)变化范围较大的信号,应用小波分析和模糊测度、模糊积分理论,提出了有效的特征提取和组合分类方法,来实现通信信号调制类型的分类识别,使得识别的正确度和效率得到了明显的改善.计算机模拟结果证明了此方法的可行性.     

基于乘同余法产生的伪随机序列的区间预测

乘同余法是利用伸长与折叠操作来产生伪随机序列。在此基础上,提出了预测伪随机序列的区间预测方法,该方法不需要确定具体的预测模型,适应范围广,运算速度快。对几种乘同余法产生的伪随机序列实验结果表明,该方法能有效地预测此类伪随机序列,且在一定的信噪比上,预测性能仍然很好。     

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.     

基于小波和分形理论的调制信号特征提取方法研究

本文针对通信信号这种非平稳的、信噪比(SNR)变化范围较大的信号,应用小波分析和分形理论,提出了有效的特征提取方法,所提取的分形特征包含了区别不同调制类型所需的幅度、频率和相位等主要信息。同时这种特征具有较好的抗干扰特性,基于这种特征的分类器的设计简单、高效。计算机模拟结果表明此方法的有效性。     

Fuzzy值连续函数与Fuzzy值函数的序列收敛

利用Fuzzy数的Fuzzy距离定义了Fuzzy值连续函数的序列收敛,证明了Fuzzy值连续函数与Fuzzy值连续函数的和差仍是Fuzzy值连续函数;如果Fuzzy值函数序列的每项Fuzzy值连续,则其极限也Fuzzy值连续;在一致连续的条件下,积分号和极限号、微分号和极限号可交换.     

混沌时间序列的Volterra自适应预测滤波器定阶

由于Volterra自适应滤波器的阶数对预测性能有较大的影响,在实际预测中,如何确定Volterra自适应滤波器的最优阶数就成为一个关键问题,该文运用相空间重构理论,推导出了Volterra自适应滤波器的最优阶数等于混沌动力系统的最小嵌入维数,作者用六种混沌时间序列进行实验,结果表明这种定阶方法在混沌时间序列Volterra自适应预测中非常成功,该方法对噪声影响的变化,表现出较好的鲁棒性。