利用混合卡尔曼滤波的混沌信号盲估计

针对混沌动力学系统时变参数未知的混沌信号,在含有状态噪声的情况下,利用混合卡尔曼滤波提出一种盲估计算法.对未知参数和混沌状态构成的高维状态进行估计,先利用卡尔曼滤波给出线性高斯部分的最优精确估计,剩余部分利用粒子滤波方法给出次优估计,文中详细研究了高斯噪声以及非高斯噪声下的最优重要性函数选取并推导了重要性权重的计算公式,最终基于有效粒子的最小均方误差准则实现了信号的盲估计.仿真结果表明该算法能有效实现含有状态噪声混沌信号的盲估计,并取得了比基本粒子滤波算法更优的性能.     

基于人工蜂群算法的混沌系统参数估计

为了更准确的估计混沌系统的未知参数,提出了一种基于人工蜂群算法的混沌系统参数辨识方法,该方法将混沌系统中参数估计转化为多维变量的函数优化问题,利用搜索方程对多维空间变量进行充分搜索,通过优化人工蜂群算法计算估计值与真值之间的均方差,从而估计出混沌系统的参数. Lorenz混沌系统的参数辨识仿真实验结果表明了该方法的可行性,并且算法收敛速度快,估计精度高.     

分布式视频编码中相关噪声分布的非参数估计

目的 针对分布式视频编码系统中相关噪声（CN）分布难以准确模拟的问题,提出了一种CN的非参数估计方法。方法 根据CN分布的特点,提出CN的非参数估计方法,建立了基于最优窗宽的核密度估计-均匀分布模型（KDEUDM）,比较了变换域Wyner-Ziv（TDWZ）系统中CN的参数估计法和非参数估计法所建立的噪声模型对系统性能的影响。结果 实验结果表明,非参数估计方法能较准确地模拟CN的分布,与参数估计法相比,用非参数估计法建立的噪声模型能使WZ帧编码在高码率下最高能节约10%的码率。结论 非参数估计法是TDWZ系统中有效的相关噪声估计方法。     

状态和参数联合估计方法及其在飞行试验中的应用

本文提出了一种有效的状态和参数的联合估计方法.针对参数估计结果有偏或发散的问 题,本文给出了一种参数向量可控性模型,并由此模型得到了噪声相关的一种状态和参数的估 计方法.运用状态和参数联合估计的新方法进行飞行状态和测量仪器的误差估计,仿真和实 际飞行数据处理的结果表明;本文提出的方法可以给出飞行状态和仪器误差估计的满意结果, 比普通推广Kalman滤波方法更有效.     

基于自适应重复学习的不确定多涡卷混沌系统同步控制

基于滞环函数提出一种参数可调的多涡卷混沌系统构造方法. 针对复杂不确定性系统, 综合利用自适应神经网络和重复学习控制方法设计一种自适应重复学习同步控制器; 利用自适应重复学习控制方法对周期时变参数化不确定性进行处理; 对函数型不确定性利用神经网络逼近技术进行补偿; 设计鲁棒学习项对神经网络逼近误差和扰动上界进行估计; 通过构造类Lyapunov 复合能量函数证明了同步误差学习的收敛性. 仿真结果验证了所提出方法的有效性.

     

基于粒子群优化的低阶时滞系统辨识

为了解决低阶时滞系统阶跃响应辨识问题,提出基于粒子群优化的参数估计方法.方法主要包括参数初值计算和参数估计两部分.首先,采用积分方程方法估计时滞系统参数初值,通过设置参数初值估计误差,得到系统参数取值范围.然后,为了减小由观测噪声引起的参数估计误差,采用粒子群优化算法优化模型参数.最后,通过仿真实验分别验证文中方法在不同噪声条件下辨识低阶时滞系统的性能.实验表明,文中方法具有良好的参数估计精度和较强的抗噪能力,可有效解决噪声条件下低阶时滞系统的阶跃响应辨识问题.     

基于脉冲同步的混沌系统自适应参数估计

针对一类参数不确定混沌系统,提出了一种基于脉冲同步的自适应参数估计方法,给出了脉冲控制增益和参数自适应律的解析表达式,从理论上证明了该方法可以准确估计出参数不确定混沌系统的所有未知参数.以Lorenz混沌和Ueda振荡器系统为例,数值模拟证明了该方法的有效性.     

基于熵测度的跳频信号谱图分析

为了有效分析跳频信号并估计其参数,依据跳频信号谱图和Wigner-Ville分布(WVD)的特征分析,提出了一种自适应跳频信号时频分析方法。该方法依据熵测度进行谱图窗函数宽度选择,获取优化的跳频信号谱图表示。理论分析和仿真结果表明,基于熵测度的谱图分析方法能够在大于0dB的高斯白噪声环境下,给出跳频周期参数的准确估计;与平滑伪Wigner分布及其自适应方法相比,该方法能够在较低信噪比下有效降低参数估计的方差,提高参数估计的准确性;同时对于长观测信号,具有更快的运算速度。     

基于差分进化算法的二阶时滞系统参数辨识

针对二阶时滞系统的参数辨识问题，提出一种根据阶跃响应估计系统未知参数的新方法。该方法首先求解出二阶时滞系统阶跃响应函数表达式；然后通过定义目标函数，将参数估计问题转化为非线性最小化问题。为求解目标函数的最优解，提出采用差分进化算法对目标函数进行优化的方法。在该方法中，采用“either-or”策略以减小控制参数设置对差分进化算法性能的影响。通过仿真试验，分别研究了所提方法在不同噪声条件下的参数辨识性能。试验结果表明，所提方法具有较快的收敛速度、较高的参数估计精度和较好的抗噪声能力。所提方法可有效解决二阶时滞系统的参数估计问题。     

变参数混沌同步保密通信方案设计

本文设计了基于Lorenz方程的变参数混沌同步保密通信方案，采用主动-被动 同步方式．提出同步误差放大、基波缩减的方法，获取对参数变化敏感、互相关性小的加密 变量．应用参数微扰技术建立变参数的Lorenz方程，使基于混沌同步的参数估计的方法不能 奏效．计算机仿真结果表明，方案的同步特性优良，参数敏感性得到显著提高；安全性分析 说明，方案能有效抵御基于相空间重构、噪声削减和基于混沌同步的参数估计的攻击，安全 性好．     

基于Lorenz混沌系统的同步控制方法仿真

由于受到噪声、干扰以及系统不稳定的影响,混沌同步保密通信很难避免两个系统参数完全相同的扰动,甚至可以使原先同步的系统失去同步或带来较大误差.该文以Lorenz动力学系统为对象,基于同步理念,设计了一种当系统参数未知时的同步控制方法.该方法在系统单状态同步控制的基础上,通过设计合适的控制器和参数自适应律,实现相同结构而参数互异混沌的系统渐近同步,并以典型的Lorenz混沌系统进行了仿真,结果表明该方法可以很好的达到同步控制要求,验证了所提方案的可行性.     

Noise reduction method for chaotic signals based on dual-wavelet and spatial correlation

In this paper, an effective noise reduction method is proposed to remove Gaussian noise embedded in chaotic signals. The proposed method has two major steps: an optimal choice of wavelet decomposition scales and an estimation of the wavelet coefficients; the former is determined by the noise residual ratio based on dual-wavelet, whereas the latter is analyzed combining with the singular spectrum analysis and the spatial correlation theory. The chaotic signals generated by Lorenz model as well as the observed monthly series of sunspots are, respectively, applied for simulation analysis, the experimental results show that the performance of the proposed method is superior to that of other methods.     

基于小波方差分解的混沌时间序列噪声估计和阈值去噪

针对小波噪声处理时重视信号的分解而忽略噪声特性的问题,利用小波变换的方差分解功能对白噪声的小波系数方差进行分析,提出一种新的小波噪声估计和阈值去噪方法。该方法以时间序列第一、二层的小波方差来估计噪声水平,通过计算出噪声方差在各层小波系数上的分布来确定软阈值。对Lorenz、Chen等混沌系统的仿真结果表明,该方法有较好的效果。其后对上证指数和上海天然胶期货日收盘价序列进行去噪处理,验证了该方法的有效性。     

基于支持向量机的一类混沌系统自适应逆控制

本文研究了基于支持向量机回归自适应逆控制的混沌控制方法,用支持向量机建立系统的辨识器,同时在控制过程可逆的条件下设计基于支持向量回归的系统逆控制器.将该自适应逆控制的方法应用于Lorenz混沌系统的控制,仿真结果表明在系统带有不确定性和测量噪声的情况下,该方法可以有效的将混沌系统的状态控制到给定状态.     

基于小波变换阈值决策的混沌信号去噪研究

基于多分辨率分析的思想，提出了一种改进的小波去噪方法．通过细化小波分解信号，能够更有效地提取出非线性系统信号．同时，根据不同尺度下小波信号的信噪比灵活地选取阈值，更加符合实际情况，有利于改善去噪效果．对Lorenz混沌时间序列和黄河年径流时间序列分别进行了仿真，结果表明了所提方法的有效性．