版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、大量的自然現(xiàn)象顯示出復(fù)雜的,不可預(yù)測的,偽隨機(jī)的行為,而混沌動(dòng)力學(xué)對其中許多現(xiàn)象提供了相對簡單十分合理的解釋:即使簡單確定的系統(tǒng)也能產(chǎn)生復(fù)雜,偽隨機(jī)的行為?;煦缋碚摰哪康氖墙沂久菜齐S機(jī)的現(xiàn)象背后可能隱藏的簡單規(guī)律?;煦缡欠蔷€性確定性系統(tǒng)中由于內(nèi)在隨機(jī)性而產(chǎn)生的外在復(fù)雜表現(xiàn),是一種貌似隨機(jī)的非隨機(jī)運(yùn)動(dòng)?;煦缧盘?hào),它既不同于確定性周期信號(hào),也不同于隨機(jī)信號(hào)。從可預(yù)測性上,它本質(zhì)上是確定的,但長時(shí)間的發(fā)展趨勢呈現(xiàn)不可預(yù)見性。 在一些應(yīng)
2、用領(lǐng)域,混沌信號(hào)以噪聲形式和其他一些不想要的信號(hào)存在,此時(shí)人們通常對在混沌噪聲中信號(hào)的檢測和提取問題感興趣,這類信號(hào)處理在如海洋雜波中信號(hào)檢測,混沌保密通信,語音處理等問題中應(yīng)用很廣。因此研究基于混沌動(dòng)態(tài)建模的信號(hào)檢測和提取技術(shù)很有必要。 本文對混沌背景下檢測和提取確定信號(hào)此領(lǐng)域的技術(shù)作出了總結(jié),主要分析了最小相空間體積法、吸引子局部幾何投影法、基于預(yù)測的Stark預(yù)測方法和線性濾波的非線性逆方法。并討論了各種方法的優(yōu)缺點(diǎn),在此
3、基礎(chǔ)上,提出了基于遺傳RBF網(wǎng)絡(luò)檢測和提取混沌背景中弱信號(hào)的思想。 本文利用背景信號(hào)為混沌信號(hào)這一先驗(yàn)知識(shí),提出了一種用遺傳算法訓(xùn)練的RBF神經(jīng)網(wǎng)絡(luò)作預(yù)測器的方法檢測和提取湮沒在混沌背景下的微弱信號(hào)。這種方法主要是依據(jù)Takens嵌入定理,對混沌背景進(jìn)行相空間重構(gòu),采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)建立混沌背景的一步預(yù)測模型, RBF網(wǎng)絡(luò)利用遺傳算法訓(xùn)練。該方法把混沌背景中弱信號(hào)檢測和提取問題轉(zhuǎn)化成為白噪聲中弱信號(hào)檢測和提取問題。最后結(jié)合門
4、限濾波器對測試誤差濾波,提取出微弱信號(hào)。 本文對基于遺傳RBF網(wǎng)絡(luò)的信號(hào)分離技術(shù)進(jìn)行了仿真。以Logistic和Lorenz混沌信號(hào)為例作為背景信號(hào),分別用KMEANS算法,OLS算法和遺傳算法訓(xùn)練RBF網(wǎng)絡(luò)來構(gòu)建檢測模型,進(jìn)行了一系列仿真試驗(yàn),并對實(shí)驗(yàn)結(jié)果進(jìn)行了分析,驗(yàn)證了該方法的有效性。由于混沌模型都是非線性的,而且非線性程度較高。通過Logistic和Lorenz混沌模型的仿真比較,基于遺傳RBF網(wǎng)絡(luò)的檢測模型對非線性函數(shù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 混沌背景下弱信號(hào)的檢測和提取.pdf
- 混沌背景下弱信號(hào)檢測方法的研究.pdf
- 混沌弱信號(hào)檢測技術(shù).pdf
- 混沌背景中的微弱信號(hào)檢測.pdf
- 強(qiáng)混沌背景下弱諧波信號(hào)檢測算法研究.pdf
- 混沌背景中的小信號(hào)檢測研究.pdf
- 基于Duffing混沌系統(tǒng)的弱信號(hào)檢測.pdf
- 混沌背景中諧波信號(hào)提取及應(yīng)用研究.pdf
- 混沌Duffing振子系統(tǒng)弱信號(hào)檢測研究和應(yīng)用.pdf
- 基于混沌理論的弱信號(hào)檢測方法研究.pdf
- 混沌雷達(dá)波形設(shè)計(jì)及弱信號(hào)檢測研究.pdf
- 基于混沌弱信號(hào)檢測技術(shù)的軸承異常微弱信號(hào)辨識(shí).pdf
- 基于Duffing混沌振子的弱信號(hào)檢測方法.pdf
- 基于混沌弱信號(hào)檢測的聲波通信系統(tǒng)研究.pdf
- 基于混沌理論的弱信號(hào)檢測及其DSP系統(tǒng)實(shí)現(xiàn).pdf
- 無源定位中的弱信號(hào)檢測與提取技術(shù)研究.pdf
- 湮沒在混沌背景下的微弱信號(hào)檢測.pdf
- 強(qiáng)混響噪聲背景下的弱目標(biāo)信號(hào)檢測技術(shù).pdf
- 混沌噪聲背景下微弱脈沖信號(hào)的檢測與恢復(fù).pdf
- 混沌背景下諧波信號(hào)的多域聯(lián)合盲提取算法研究.pdf
評論
0/150
提交評論