一种新的间歇混沌信号Poincaré映像判别方法

针对混沌振子微弱信号检测中间歇混沌信号的判别问题,该文分析了噪声对Poincaré截面的扰动影响,提出一种基于Poincaré映像的新方法,并通过数值仿真对该方法进行了验证,结果表明在强噪声作用下,即使相空间分量输出波形难以进行判别,该方法仍然能够实现间歇混沌发生频率的有效判别,且抑制了混沌振子自发的短时间周期振荡现象,实现了强噪声背景下微弱周期信号的快速有效检测.     

一种新的间歇混沌信号Poincaré映像判别方法

针对混沌振子微弱信号检测中间歇混沌信号的判别问题,该文分析了噪声对Poincaré截面的扰动影响,提出一种基于Poincaré映像的新方法,并通过数值仿真对该方法进行了验证,结果表明在强噪声作用下,即使相空间分量输出波形难以进行判别,该方法仍然能够实现间歇混沌发生频率的有效判别,且抑制了混沌振子自发的短时间周期振荡现象,实现了强噪声背景下微弱周期信号的快速有效检测。     

一种新的弱信号频率的提取方法

本文详细分析了Duffing混沌振子的阵发混沌机理及其间歇混沌现象的相关特性.基于混沌现象发生随模型参数变化的间歇性,提出了一种强背景中微弱信号频率的测量方法,并着重对白噪声或其它信号频率背景下微弱正弦信号频率的测量进行实验,给出了实验结果.结果表明,这种方法具有简单、有效、易于实现,精度高等特点.     

Duffing振子微弱信号检测方法的分析比较

本文基于Duffing振子检测微弱信号的检测原理,介绍了参数测量法、双耦合振子,利用随机共振、阻尼比扰动和Duffing振子与传统检测法结合的五种检测方法及研究进展,并对后四种检测方法从待测信号信噪比、检测系统抗噪性、可检单或多频信号、适合检测信号类型四方面进行分析比较.结果表明,双耦合和随机共振检测法在四种检测法中稍具优势.     

一种基于混沌振子的DSSS信号盲检测方法

直接序列扩频通信是一种具有强保密性和抗干扰性的先进通信体制,对DSSS信号的检测具有重要作用。将非线性科学中的混沌理论应用于DSSS信号的盲检测,结合DSSS信号特征研究了一种利用混沌振子进行检测的方法。首先分析了洛伦兹混沌振子检测周期信号的原理和DSSS信号模型,然后构造出了一个基于混沌振子阵列的盲检测系统,可实现对低信噪比条件下对DSSS信号的盲检测。最后,通过计算机仿真结果表明了该方法的有效性,且性能优于过去的一些算法。     

一种基于特定Duffing振子的MPSK信号调制识别算法

该文利用混沌振子对噪声处理的优势,提出一种在低信噪比条件下基于混沌理论的调制识别方案,给出了对MPSK信号进行调制识别的原理与方法,并设计了新的Duffing振子模型用以提升识别效果。该算法仅仅利用载波频率的先验信息,无需对相偏、码速率、噪声功率等参数进行估计。仿真实验表明信噪比在-5 dB时,3种MPSK信号的正确识别概率在95%以上,证明了该文算法的有效性。     

检测强混沌中微弱谐波信号的神经网络方法

提出了一种提取强混沌中微弱谐波信号的方法。该方法根据嵌入定理，利用混沌系统的单变量观测值对混沌背景重构相空间，并利用径向基函数神经网络(RBFNN)建立混沌噪声的一步预测模型，使其与混沌噪声具有相同的基本动力学特征。并结合一个梳状滤波器对预测误差进行滤波，从而检测出湮没在混沌中的感兴趣的微弱谐波信号。该方法在信噪比(SNR)为-46dB时仍可检测出强混沌中微弱谐波信号。     

基于Duffing振子的微弱信号混沌检测

分析了Duffing振子的混沌特性,给出了确定系统混沌阈值的Melnikov方法.在阐述了基于相平面变化进行微弱信号检测原理后,在混沌检测中噪声对系统状态的影响也进行了研究.仿真结果表明,Duffing振子对与参考信号频率差较小的周期信号敏感,对白噪声和频差较大的周期干扰信号具有免疫力,该振子应用于实际微弱信号的检测具有可行性.     

利用Duffing方程组检测随机相位的正弦信号

讨论用16个能产生混沌现象的方程来检测带有未知相位的微弱正弦信号。16个相位已经确定的方程的阈值事先求解出来。当未知相位的信号通过系统时,逐个验证方程,看是否有混沌向大尺度周期运动转变的方程,如果有,则此方程可以作为检测信号的方程,若没有则继续实验,最后必然会出现一个甚至多个相轨迹转变的方程。用能够出现相轨迹转变的方程...     

混沌信号中隐含周期信号的一种识别方法

基于周期信号所具有的自相似特性及混沌信号的广谱性,本文提出了一种识别隐含周期信号的实用方法,该方法简单易行,即使在信噪比极低的混沌信号中,也能准确地判断出周期信号的存在及其周期,为非线性系统及复杂信号中,周期信号的识别与提取提供了有效的手段。     

一种利用Duffing-Vanderpol振子估计弱信号相位的方法

根据Duffing-Vanderpol振子大周期态时的最大Lyapunov指数与系统策动力的关系,提出了一种基于该振子检测微弱信号相位参量的方法.该方法利用系统策动力与待测信号初始相位有关的特性,得到待测信号的初始相位,并将相位检测过程中噪声对系统的影响作为影响因子加以考虑.理论分析及数值仿真结果表明,该方法工程实现简单,抗噪性能好.当待测信号信噪比为-30 dB时,均方误差仅为0.1,具有较高的估计精度.     

基于混沌理论的微弱信号检测

基于Matlab／Simtdink软件平台,研究了微弱信号的混沌检测原理与方法,建立了仿真模型,给出强噪声中微弱周期信号检测的仿真结果以及混沌方法检测微弱信号的步骤。仿真结果表明,Duffing振子对与参考信号频率差较小的周期信号敏感,对白噪声和频差较大的周期干扰信号具有免疫力,该振子应用于实际微弱信号的检测具有可行性,为混沌虚拟仪器开发打下了基础。     

微弱正弦信号幅值混沌检测的一种改进方案

本文根据混沌系统在特定状态下对参数的敏感性,提出了一种检测微弱正弦信号幅值的改进方案.该方案采用线性最小二乘方法找到了待测微弱信号幅值与混沌动力系统特征指数之间的关系,给出了弱信号幅值的估计式.理论与数值仿真实验表明该方案的估计精度较高,计算量小,易于工程实现.     

湮没在色噪声背景下 微弱方波信号的混沌检测方法

 建立一个其动力学行为对微弱方波信号极其敏感的混沌系统,根据该系统相轨迹的变化实现了任意色噪声背景下的微弱方波信号的测量.文中论证了方波信号的检测方法;分析了噪声对混沌检测的影响,仿真实验表明该混沌检测系统对方波信号非常敏感,对任何零均值色噪声均具有极强的抑制能力.     

应用锁相环技术判别混沌相变的方法

针对经典的李氏指数法(Lyapunov Exponential Method)等混沌相变判别方法复杂度高的问题,提出了一种应用锁相环技术判别混沌相变的新方法.首先,理论推导了混沌系统的解析特性,分析了系统在不同相态下含有的频率成分;然后,构建了针对混沌系统的数字锁相环模型,研究锁相环下混沌态和大周期态呈现的频率特性;最后,提出了一种基于锁相环技术的混沌相变判别新方法.仿真实验显示,相比于李氏指数法,所提方法判别速度快一个数量级,检测差错率为0时,性能提高近2 dB.新方法应用锁相环技术,简便易行,判别速度快,为混沌相变判别的工程应用提供了新的手段.     

基于Duffing混沌振子的微弱信号检测研究

传统的微弱信号检测方法在检测信噪比很低的信号时效果很差,而Duffing振子混沌系统由于具备对初值敏感、对噪声具有较好的抵抗力等优点,因此在检测微弱信号能够表现出良好的检测效果。分析了Duffing方程的基本形式和动力学演化过程,阐述了基于相平面变化进行微弱信号检测的工作原理。提出了一种准确确定相变阈值的方法,讨论了高斯白噪声对阈值的影响。按照提出的检测步骤,应用MATLAB软件进行仿真,仿真结果表明可以检测出的微弱信号的信噪比能达到-130 dB。     

一种强噪声背景下微弱信号检测方法研究

针对常规单混沌振子微弱信号检测方法存在检测过程不稳定的现象,将混沌吸引子与双振子差分检测技术相结合,提出一种通过调整系统稳定混沌态来检测微弱信号的改进方法,同时利用双差分振子来判别系统混沌态向周期状态转变的临界值。通过仿真分析,该方法可有效防止误判且实时性较好,有利于在强噪声背景下的微弱信号检测,为工程实际应用提供了一种可借鉴的方法。     

混沌背景中微弱信号检测的回声状态网络方法

对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌时间序列预测均方根误差的倒数作为适应度函数,通过选择、交叉、变异等操作获得适合数据特点的最优模型参数。根据回声状态网络强大的学习和非线性处理能力,利用得到的回声状态网络模型最优参数建立混沌背景噪声的单步预测模型,将淹没在混沌背景噪声中的微弱瞬态信号和周期信号从预测误差中检测出来。以Lorenz系统和实测的海杂波数据作为混沌背景噪声进行仿真实验,仿真结果表明,本文所提方法在预测精度和训练速度方面均优于支持向量机和神经网络模型,能够有效地检测出混沌背景噪声中的微弱目标信号,且具有较小的预测误差。      

基于遗传RBF网络的混沌背景微弱信号检测方法

弱信号检测问题是目标检测中的一个重要研究内容。利用背景信号为混沌信号这一先验知识，采用径向基函数神经网络（RBFNN）建立混沌背景的一步预测模型，RBF网络利用遗传算法训练，最后，设计了门限滤波器，得到感兴趣的信号。仿真结果表明，在非线性程度很高的情况下，通过与其它几种训练RBF网络算法的比较，利用遗传算法训练的RBF网络具有最高的检测精度，并且训练得到的网络的复杂程度最低。     

基于双Duffing振子差分的微弱信号频率检测

利用混沌振子检测微弱信号幅值需要先确定待测信号频率。本文在间歇混沌的基础上采用双振子差分方法构建振子阵列检测信号频率,将驱动力频率公比由1.03提高到1.06。计算机仿真实验证明该方法可以提高检测的带宽,减小计算量,降低误判几率。