一种基于改进教学优化的微弱信号检测方法

为了快速准确地检测混沌背景中的微弱信号,提高网络泛化能力,文中利用改进教学优化算法优化贝叶斯回声状态网络的模型参数,提出了一种改进教学优化的混沌背景中微弱信号检测方法。通过建立混沌序列单步预测模型,分析预测误差的幅值,检测混沌背景中微弱瞬态信号和周期信号。对Lorenz系统和实测的海杂波数据进行实验研究,验证预测模型的有效性,结果表明,贝叶斯回声状态网络模型的预测结果比支持向量机和径向基神经网络模型的均方根误差降低了2个数量级,缩短了预测时间,提高了预测精度和预测效率,能快速有效地检测混沌背景中微弱信号,且具有更低的门限。     

优化回声状态网络混沌跳频码预测方法研究

以混沌跳频码预测为背景,针对现有预测方法中存在的缺乏记忆能力导致识别准确率不高以及运算量大等问题,论文提出了基于优化回声状态网络的混沌跳频码预测方法。该方法在继承回声状态网络优良性能的同时,利用改进遗传算法优化网络储备池参数,较好地解决了参数选择问题,使其具有更强的针对性和更好的预测效果。论文以logistic-kent映射、Lorenz系统和Mackey-Glass系统跳频码为样本数据,通过改进遗传算法确定最优储备池参数并进行仿真实验,将仿真结果与其他文献结果作了比较,证明了该预测方法的优越性。      

一种优化的微弱信号检测方法

针对混沌海杂波背景下的微弱信号检测问题,结合互补集成经验模态分解理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将混沌信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态函数分别建立预测模型,利用人工蜂群算法对核极限学习机的正则化系数和核参数进行优化,重构预测信号,从预测误差中检测出混沌海杂波背景中的微弱信号(瞬态信号与周期信号)。分别以Lorenz 系统和IPIX 雷达海杂波数据为例进行了仿真,并研究了不同强度的噪声对微弱信号检测的影响。结果表明:该方法可以有效地从混沌背景中检测出微弱目标信号,当系统不存在噪声时,Lorenz 系统得到的均方根误差0. 000 000 12 (-118. 959 1 dB)比传统极限学习机方法的均方根误差0. 001 345 08(-80. 154 7 dB)降低了4 个数量级;若SNR逸0 dB,噪声对微弱目标信号检测的影响可以忽略;但当SNR<-7 dB,则无法检测出微弱信号。     

基于神经网络的远程激光测距机混沌弱信号检测

为了解决杂波背景下的激光微弱目标检测的问题,结合混沌动态建模思想,讨论了激光回波的混沌特性,提出激光信号非线性混沌序列的神经网络建模、预测及信号检测算法。利用预测误差检测到激光杂波中的有用弱信号。仿真结果表明,这种方法是比较有效的。     

基于混沌预测的雷达微弱目标检测研究综述

传统的雷达目标检测是将海杂波建模为随机过程,而最新的研究成果表明海杂波具有混沌特性,从而可将海杂波建模为非线性混沌模型。基于混沌预测检测微弱雷达目标信号是根据杂波信号和目标信号的动力学差异。通过海杂波训练预测器,假如待测信号当中含有雷达目标信号,则预测误差会突然增大,从而检测出目标信号。文章主要介绍了基于混沌预测检测雷达微弱目标在检测原理、国内外的研究现状以及未来的发展趋势。     

色噪声背景下微弱周期脉冲信号的混沌检测方法

该文将微弱周期脉冲信号引入特定的混沌系统中,以系统相轨迹由混沌状态到大尺度周期状态的跃迁作为微弱周期脉冲信号的检测依据。用特定的混沌系统实现了对强噪声背景下周期脉冲信号的检测,仿真实验表明该混沌检测系统对被强噪声覆盖的周期脉冲信号非常敏感,对任何色噪声均具有极强的抑制能力。     

基于混沌理论与改进回声状态网络的网络流量多步预测

网络流量预测是网络管理及网络拥塞控制的重要问题,针对该问题提出一种基于混沌理论与改进回声状态网络的网络流量预测方法。首先利用0-1混沌测试法与最大Lyapunov指数法对不同时间尺度下的网络流量样本数据进行分析,确定网络流量在不同时间尺度下都具有混沌特性。将相空间重构技术引入网络流量预测,通过C-C方法确定延迟时间,G-P算法确定嵌入维数。对网络流量时间序列进行相空间重构之后,利用一种改进的回声状态网络进行网络流量的多步预测。提出一种改进的和声搜索优化算法对回声状态网络的相关参数进行优化以提高预测精度。利用网络流量的公共数据集以及实际数据进行了仿真,结果表明,提出的预测方法具有更高的预测精度以及更小的预测误差。     

基于稀疏分解和混沌理论的微弱信号检测

针对数字锁定放大器中稀疏分解算法检测精度受限的缺点,结合非线性方法进行补偿,采用混沌检测联合稀疏分解的算法设计了数字锁定放大器。数字锁定放大器借助稀疏分解算法估计信号参数,根据估计得到的参数设计对应混沌系统;利用混沌系统检测信号的过程中产生间歇性混沌状态,并通过测量间歇性混沌状态的周期,精确检测信号。最终,在信号的信噪比低至-20 dB时可以成功检测信号,频率精度达到0.05 Hz,提供了一种非线性微弱信号检测方法。     

基于VB的微弱余弦信号混沌检测仿真系统平台

通过混沌检测原理,得出了微弱余弦信号混沌检测模型,进一步利用VB设计和建立了微弱余弦信号混沌检测仿真系统平台.经与Matlab仿真实验比较验证其效果良好,与谱减法等检测结果进行比较证明该仿真系统平台具有优良的检测效果.这样不仅为混沌产生变化的研究提供了基础,同时也为混沌技术在实际信号检测中的应用提供了平台.     

改进量子遗传算法辨识超混沌系统

混沌系统的参数辨识是非线性科学中混沌控制与同步的关键问题。提出改进量子遗传算法,该算法具有良好的全局搜索能力,将其应用在混沌系统参数辨识问题。通过尽量减小实际系统与数学模型的状态同步误差来构造适应度函数,将参数辨识问题转化为一个多维优化问题。对超混沌Chen系统进行研究,并与基本量子遗传算法比较。实验仿真结果表明,改进量子遗传算法的有效和可行性,为混沌系统辨识开拓了一种新方法。     

基于BLSTM神经网络的回声和噪声抑制算法

考虑到非线性回声和非平稳噪声对智能设备回声消除算法的影响，论文提出一种基于双向长短时记忆(Bidirectional Long Short-Term Memory，BLSTM)神经网络的回声和噪声抑制算法。该算法首先采用多目标预处理模型，同步估计出回声和噪声信号的幅度谱；然后将其作为回声和噪声抑制模型的输入特征，进而估计出目标语音信号的理想比例掩模；最后通过联合训练两个模型得到最优回声和噪声抑制模型。实验结果表明，在非线性回声和非平稳噪声的环境下，该算法均取得了较好的回声和噪声抑制效果，语音失真较小。      

电力载波通信中强背景噪声下弱信号的混沌振子检测方法

为了检测在强干扰背景下的载波信号,提出了将Duffing混沌振子应用到三态脉冲位置调制信号检测中.检测过程首先调节系统的策动力f,确定系统的策动力阈值f_d.当三态脉冲信号加入系统后,系统从混沌态转变为大尺度周期状态,则检测出信号中包含有周期信号;如果系统继续处于混沌状态,则说明输入信号为纯噪声.仿真结果表明当信噪比大于-23 dB时所提方法能有效地检测微弱载波信号.     

随机共振瓦斯微弱信号检测方法研究

为了解决检测煤矿复杂环境中的瓦斯信号时易受周围噪声干扰以至微弱信号被掩埋或产生异常数据的问题,提出一种基于随机共振的微弱瓦斯信号检测方法。采用欠采样原理对大频率信号尺度变换及粒子群算法优化系统结构参量,对大参量微弱信号在随机共振系统中的共振效果进行了理论分析和研究。结果表明,该方法可以以较低的采样频率,自适应地达到较好的共振效果;可有效地滤除噪声并增强系统辨识微弱信号的灵敏度以及信号检测的动态范围。该研究为瓦斯突出信息的早期辨识提供了一定的理论依据。     

基于混沌与高阶累积量的微弱信号检测

针对微弱信号幅值很小,常被噪声淹没,而传统去噪方法效果并不理想,研究基于混沌与高阶累积量的微弱正弦信号检测方法,建立仿真模型,并将最大李雅普诺夫Lyapunov指数作为判断混沌系统相变的量化依据．自动识别混沌系统的临界状态,从而准确确定系统的策动力临界闽值。仿真实验表明该方法能有效检测出淹没在高斯噪声中的微弱正弦信号,检测信噪比为-37dB时,幅度检测相对误差为1．9％。该方法幅度检测门限低,具有广泛应用前景。     

一种新的含噪混沌信号降噪算法

该文针对低信噪比、非高斯加性噪声和混沌动力学系统参数未知的含噪混沌信号降噪问题,提出了一种基于粒子滤波(Particle Filtering, PF)的降噪新算法。该算法将混沌信号和动力学系统中的未知参数作为一个多维状态矢量,利用PF方法递推计算多维状态矢量的联合后验概率分布,进而实现了对混沌信号的最优估计。对于混沌信号轨道分离过快所导致的退化问题,提出了有效的解决方法,并利用核平滑和自回归(Auto-Regression, AR)模型建模的方法分别实现了非时变以及时变参数的递推估计。仿真实验的结果表明,与现有的降噪方法相比,该文提出的新算法能够更加有效地抑制含噪混沌信号中的加性噪声。     

强混沌噪声背景下弱信号检测

提出了一种强混沌噪声中检测微弱正弦信号的新方法。该方法主要利用了数据平滑处理和自适应处理,故在硬件设计上容易实现。计算机仿真实验结果表明：能够比较精确地检测到强混沌噪声中的微弱信号,检测到微弱信号的信噪比可达到-80dB。     

随机共振技术在弱信号检测中的应用

针对淹没在噪声中的弱信号测量,利用随机共振技术进行了信号检测的研究。论文就非线性系统的结构参数和弱信号及噪声之间的关系进行了仿真研究,并对信号经随机共振处理和没有处理进行检测比较。实验证明了随机共振技术在强噪声背景下弱信号检测的优越性。