湮沒在混沌背景下的微弱信號檢測.pdf

1、眾所周知，長期以來人們一直受到噪聲信號干擾的侵擾，這使得對于噪聲中微弱信號檢測的研究成為測量技術領域中的綜合技術與尖端領域。隨著對混沌學的深入研究，越來越多的科學研究表明很多微弱信號湮沒在具有混沌行為的背景信號里。因此，檢測湮沒在強混沌背景下的微弱信號是目前國內外研究的熱點和難點。 本文研究的目的是檢測混沌噪聲背景中的微弱正弦信號。研究的內容分為三個方面：(1)確定嵌入維數(shù)和延遲時間重構相空間；(2)將混沌理論與人工神經(jīng)網(wǎng)絡結合

2、，建立混沌時間序列(混沌背景)的一步與多步預測模型；(3)結合自適應信號分離器對預測誤差進行處理達到檢測微弱信號的目的。 論文首先求解動力學方程組產(chǎn)生混沌時間序列，然后用GP算法確定嵌入維數(shù)、互信息法求出延遲時間，再根據(jù)Takens嵌入定理，利用混沌系統(tǒng)的單變量觀測值對混沌背景重構相空間。接著選用徑向基函數(shù)神經(jīng)網(wǎng)絡(RadialBasisNeuralNetwork,RBFNN)建立混沌時間序列預測模型，徑向基函數(shù)神經(jīng)網(wǎng)絡是一種局

3、部逼近的人工神經(jīng)網(wǎng)絡，訓練簡潔而且學習收斂速度快，能夠逼近任意非線性函數(shù)，最后將預測誤差送入自適應信號分離器進行處理，檢測出微弱信號。 本文研究的結論是：(1)基于混沌理論和徑向基函數(shù)神經(jīng)網(wǎng)絡的混沌背景一步及多步預測模型的建立，為研究微弱正弦信號檢測提供了可用的模型，該模型可有效用于混沌時間序列的短期預測，另外，預測結果表明混沌時間序列只能短期預測，其長期行為是不可預測的；(2)考慮到實際工程應用中，觀測噪聲的不可避免性，本文在