水下目标辐射噪声相空间重构参数选取方法

利用自相关函数法和平均互信息法求取相空间重构的延迟参数,对实测数据计算结果进行了分析比较,确定了相空间重构时间延迟参数的选择方法。在用伪最近邻法进行相空间重构嵌入维数的选取时,使用时空曲线法计算TheilerWindow的窗口值W,并以此为依据剔除由于时间上的邻近而造成的空间上的邻近的最近邻点,改进了伪最近邻计算嵌入维数的方法。实测数据计算结果表明,该方法能够获取合理、有效的嵌入维参数。     

一种改进的选择相空间重构参数的方法

阐述了时间延迟对相空间重构的影响,研究了平均位称法选择时间延迟的原理,并通过分析相空间扩展的几何意义,对平均位移法进行了改进;利用典型数据对两种方法进行测试,结果表明,改进后的方法不仅具有更明确的物理意义,而且可以更好地选择时间延迟。     

相空间重构中时间延迟τ的确定方法

非线性系统的相空间重构可以将时间序列中蕴藏的信息充分地显露出来，其中时间延迟τ的选取具有十分重要的意义，同时这种选取也是很困难的。文章介绍了相空间重构中确定重构延迟时间τ的互信息法理论及其具体的计算方法，最终实际的数据证实了该算法的合理性。     

关于混沌动力学特性的一些研究及其数据仿真验证

利用混沌理论进行信号处理,首先根据Takens延时法对单变量时间序列信号进行相空间重构,用G-P算法计算时间序列的关联维数,用C_C算法计算时间延迟τ.通过计算机对非线性动力学方程的仿真,证明了该方法的有效性,而且具有较好的重构效果.     

非线性动力学相空间重构中小波变换方法研究

通过研究有限离散二进小波变换与非线性动力学相空间重构的关系,从相空间重构的角度解释小波变换处理混沌时序的合理性,指出混沌时序的离散小波变换实质上相当于在混沌时序重构的相空间中,混沌吸引子向离散滤波器向量投影的结果。在一定程度内混沌的特性不变。在滤波器向量所张开的平面上可以观察到混沌吸引子的投影：讨论了嵌入维数、时间延迟等与离散二进小波变换尺度间的联系。     

非线性学相空间重构中小波变换方法研究

通过研究有限离散二进小波变换与非线性动力学相空间重构的关系,从相空间重构的角度解释小波变换处理混时序的合理性,指出混沌时序的离散小波变换实质上相当地在混沌时序重构的相空间中,混沌吸收子向离散滤波器向量投影的结果,在一定程度内混沌的特性不变。在滤波器向量所张开的平面上可以观察到混沌吸引子的投影;讨论了嵌入维数、时间延迟等与离散二进小波变换尺度间的联系。     

Lorenz系统中时间序列的相空间重构方法与特性

讨论了单变量非线性时间序列、重构相空间和恢复系统非线性动力学特性的方法。在对Lorenz系统的时间序列进行相空间重构的基础上，提出一种相空间重构新方法，即对重构后的相空间再作K-L变换。采用这种方法可以更多地保留系统信息，并消除重构相空间中各向量的相关性。     

基于自适应本征维数估计流形学习的相空间重构降噪方法

针对实际工程领域振动信号噪声干扰大、具有强烈非线性等问题,提出了基于自适应本征维数估计流形学习的相空间重构降噪方法。利用相空间重构将一维含噪时间序列重构到高维相空间;基于极大似然估计法(maximum likelihood estimate,MLE)估计相空间中每个样本点的本征维数并使用自适应加权平均法计算全局本征维数;采用局部切空间排列(Local tangent space Alignment,LTSA)流形学习方法将含噪信号从高维相空间投影到有用信号的本征维空间中,剔除分布在高维空间中的噪声后,重构回一维时间序列。通过Lorenz仿真实验和风电机组振动信号降噪实例,证实了该方法具有良好的非线性降噪性能。     

基于加权相空间重构降噪及样本熵的齿轮故障分类

提出了一种基于加权相空间重构降噪及样本熵的齿轮故障分类方法,给出了加权相空间重构降噪及样本熵的原理及计算公式.该方法将一维的时间序列重构到高维的相空同,通过区分吸引子在高维空间的不同的属性与特征,对原始信号进行加权相空间重构降噪,再计算降噪后信号的样本熵从而实现对齿轮故障信号的分类.对该方法进行了仿真与实验研究,结果表明,降噪后的信号有效地抑制了噪声对实验结果的影响,使得样本熵能够对齿轮不同的工作状态进行有效区分.     

时频流形自适应稀疏重构的遥测振动信号特征增强方法EI北大核心CSCD

针对遥测振动信号非线性、非平稳性、瞬态冲击性等特点,提出一种基于时频流形自适应稀疏重构的遥测振动信号特征增强方法,对振动信号进行相空间重构提取其时频流形;以时频流形为基础,采用KSVD算法自适应构建过完备字典,并从中找到最匹配的时频原子,根据得到的原子与相空间展开信号的时频分布,依次匹配计算获得其重构的稀疏系数;利用稀疏系数和时频原子对相空间中各维信号的时频分布进行重构,通过时频分布的逆运算和相空间还原得到特征增强信号。仿真和实测信号处理结果验证了算法的有效性。     

改进相空间重构方法在混沌识别中的应用研究

讨论了传统非线性时间序列相空间重构方法的特点。提出了一种改进的相空间重构方法．为了揭示非线性时间序列中的非线性相关性。采用了一种基于关联积分的统计量，并研究了不同参数对它的影响．研究了延迟时间和嵌入维数之间的关系，并采用时间窗口描述这2个参数的变化规律．同时，应用改进方法计算了混沌时间序列的重构参数。重构了混沌信号的吸引子．研究结果表明。该方法能够从时间序列有效地重构原系统的相空间，为混沌信号识别提供了新的途径．     

排列熵算法参数的优化确定方法研究

由于排列熵算法能够有效放大时间序列的微弱变化,且计算简单、实时性好,已在信号突变检测方面显示出良好的应用前景,但是排列熵算法中嵌入维数和延迟时间等参数的确定仍依赖于经验和尝试,该问题已成为排列熵算法走向工程应用的瓶颈问题。根据排列熵算法的原理,提出了基于重构时间序列最佳相空间来确定模型参数的方法。根据相空间重构的两种观点,介绍了延迟时间与嵌入维数独立确定和联合确定两种方法的基本理论,然后利用仿真信号和滚动轴承全寿命数据对两种算法进行了检验和对比。结果表明,模型参数的独立确定方法比联合确定方法对信号的异常检测更好。     

基于最优参数实现 Lorenz-stenflo系统的相空间重构

摘要：以一个新的扩展 Lorenz系统为背景,利用向量间的相似度改进了相空间重构所需的最优延迟时间的算法,并最终实现了该系统的相空间重构。数值结果表明改进后的算法是有效的,可能更好选择最优延迟时间。     

基于相空间重构改进算法的混沌奇异谱分析及应用

针对混沌奇异谱分析嵌入维数和延迟时间不确定性问题,提出相空间重构的改进算法。利用补充准则E2(m)进行联合判断,同时对Cao算法进行了改进,给出了一种改进的嵌入维数的稳定性准则。嵌入维数利用改进的Cao算法,能够快速准确地确定嵌入维数m的值,具有准确性和高效性;用基于符号分析的极大联合熵求取延迟时间的方法,减少计算量和误差。通过数值验证对比实验验证了该方法的优越性。将该方法在滚动轴承早期故障识别中应用,结果表明:混沌奇异谱可以清楚看出不同故障信号的图形分布,实现对机械故障信号的特征提取。为机械故障早期诊断提供一种新的有效途径。     

基于多变量加权一阶局域混沌预测模型优化及应用

鉴于实际应用中多变量因素对混沌预测的影响,提出了多变量时间序列相空间重构方法,以此为基础建立多变量加权一阶局域混沌预测模型。引入等概率符号化极大联合熵求取延迟时间、最小香农熵法求取嵌入维数,实现多变量混沌预测模型子序列重构;对实际序列采用区间邻近点法确定预测中心点的邻近点,避免产生伪邻近点;最后用关联分析确定观测变量。将该模型应用于短期电力负荷预测,分析气温等影响因素与电力负荷的相关程度,引入气温时间序列作为另一观测变量,实验证明相对于单变量预测方法提高了预测精度。     

基于时空关系的超高分辨率时间间隔测量方法

在量化时延原理的基础上,提出了一种基于时空关系的超高分辨率时间间隔测量方法.利用时频信号在特定媒质中传播的时延稳定性这一自然现象,将被测时间间隔量化,结合相位重合检测技术,使对时间量的测量转化为对空间长度量的测量,大大提高了测量的分辨率和测量系统的稳定性.实验结果表明被测时间间隔的测量分辨率取决于作为两路延时单元的长度差,当两路延时单元的长度差设置在毫米级或亚毫米级时,可达到10 ps级至ps级的超高测量分辨率.     

基于延时嵌入法的大机组故障特征提取技术

论述了延时嵌入相空间重构方法及其伪相图的获取技术 ,将这一方法用于大机组非线性故障的定性特征提取。几个故障实例的分析结果表明 :伪相图在一定程度上与转子的轴心轨迹类似。由于伪相图可通过一维时间序列而得到 ,而且伪相图的构造过程包含了降噪过程。因此 ,将伪相图应用于大机组非线性故障的特征提取具有一定的优越性。     

一种非平稳、非线性振动信号检测方法的研究

排列熵作为一种统计测度，是通过相空间重构来衡量时间序列复杂度的一个参数。为研究机械设备非平稳信号的非线性动力学特征，将排列熵引入机械设备故障诊断，研究了不同工作状态下滚动轴承振动信号的排列熵和嵌入维数与时间延迟对计算机械振动信号排列熵的影响，观察设备状态变化及振动冲击对排列熵的影响并对其进行了分析。结果表明：排列熵可以有效地检测出机械设备状态的变化，可以作为检测机械设备状态变化的一个参数。