混沌背景中的弱信號(hào)檢測和提取.pdf

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)