混沌背景下基于RBF神经网络的弱信号检测

弱信号检测问题是目标检测中一个重要的研究内容。通常，采用贝叶斯(Bayes)方法来检测目标信号的存在。在本文中利用背景信号为混沌这一先验信息，采用了RBF神经网络对模拟产生的淹没在混沌背景中的暂态信号进行检测，并将该方法与采用BP神经网络时的检测性能进行了比较。仿真实验结果表明，基于RBF神经网络的检测性能优于BP神经网络。     

基于神经网络预测器的混沌海杂波弱信号检测

针对海杂波中的弱信号检测问题，借鉴杂波的混沌动态建模思想，重点讨论非线性混沌序列的神经网络建模、预测及信号检测方案。基于神经网络拟合非线性函数的能力．提出神经网络预测混沌时间序列的算法和信号检测方案。介绍了所提算法的原理和步骤，针对具体应用问题，用计算机仿真和实测数据试验验证了所提算法检测混沌噪声中弱小的暂态信号的有效性。     

检测强混沌中微弱谐波信号的神经网络方法

提出了一种提取强混沌中微弱谐波信号的方法。该方法根据嵌入定理，利用混沌系统的单变量观测值对混沌背景重构相空间，并利用径向基函数神经网络(RBFNN)建立混沌噪声的一步预测模型，使其与混沌噪声具有相同的基本动力学特征。并结合一个梳状滤波器对预测误差进行滤波，从而检测出湮没在混沌中的感兴趣的微弱谐波信号。该方法在信噪比(SNR)为-46dB时仍可检测出强混沌中微弱谐波信号。     

基于初值敏感性混沌弱信号检测的性能研究

混沌微弱信号检测研究是当前在时域检测信号的新方法,该文通过仿真计算研究了Duffing振子检测弱正弦信号的性能.首先分析了Duffing方程的运动状态,指出利用初值敏感性进行混沌弱信号检测时背景噪声必然对过渡过程产生影响;为分析噪声的影响,研究推导了连续系统仿真输入噪声的生成表达;仿真试验结果表明系统的最终运动状态跟随噪声强度的变化,由试验结果分析得出Duffing弱信号检测的最低信噪比,为混沌弱信号的实际应用提供指导.     

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。     

实现标量混沌信号同步控制的神经网络方法

本文给出了一种利用线性输出神经网络实现标量混沌信号同步控制的方法。该方法利用线性输出神经网络构造被控混沌系统的模型，并基于Lyapunov理论与非线性系统控制方法，设计出神经网络权值变化规律与非线性反馈控制器，使神经网络模型的标量输出能大范围同步于给定的标量混沌信号。理论分析与计算机模拟结果都证实了这种方法的有效性。     

基于双Sigmoid小波混沌神经网络的盲检测算法*1

接要:针对在盲检测环境中暂态混沌神经网络的缺陷,提出了基于双Sigmoid小波混沌神经网络的盲检测算法,构建了新网络的模型和能量函数,并分别在同步和异步更新模式下证明了该网络的稳定性.新网络的设计思想体现在:采用墨西哥帽小波函数和Sigmoid函数的组合作为网络的激励函数,再为每个神经元加一个激活函数构成双Sigmoid.仿真表明:由于小波函数较强的逼近能力以及双Sigmoid快速收敛的特性,提出的算法显著地提高了网络的全局寻优能力和寻优精度.     

基于混沌神经网络的多用户检测器

提出一种基于增广Lagrange乘子——暂态混沌神经网络的码分多址（Code Division Multiple Access，CDMA）多用户检测新技术。该技术将混沌模拟退火算法与增广Lagrange乘子相结合，具有良好的逃逸局部最小点的能力和较快的收敛速度，同时能有效克服惩罚函数的缺点。仿真实验结果表明，基于增广Lagrange乘子——暂态混沌神经网络的多用户检测器，其误码率性能优于Hopfield神经网络及未改进的暂态混沌神经网络等多用户检测器。     

一种基于FPGA弱信号混沌测量方法

提出了一种基于FPGA弱信号混沌测量方法,利用FPGA可在线编程的优点仿真出电子开关和运算速度快的优点对峰值点进行处理,解决了传统混沌测量方法因为频繁通断电子开关引起强噪声而测量误差大的问题。测试结果表明和传统的测量方法相比具有误差小和线性度好的优点,具有很好的应用空间和市场价值。     

基于遗传RBF网络的混沌背景微弱信号检测方法

弱信号检测问题是目标检测中的一个重要研究内容。利用背景信号为混沌信号这一先验知识，采用径向基函数神经网络（RBFNN）建立混沌背景的一步预测模型，RBF网络利用遗传算法训练，最后，设计了门限滤波器，得到感兴趣的信号。仿真结果表明，在非线性程度很高的情况下，通过与其它几种训练RBF网络算法的比较，利用遗传算法训练的RBF网络具有最高的检测精度，并且训练得到的网络的复杂程度最低。     

基于混沌理论的微弱信号检测

基于Matlab／Simtdink软件平台,研究了微弱信号的混沌检测原理与方法,建立了仿真模型,给出强噪声中微弱周期信号检测的仿真结果以及混沌方法检测微弱信号的步骤。仿真结果表明,Duffing振子对与参考信号频率差较小的周期信号敏感,对白噪声和频差较大的周期干扰信号具有免疫力,该振子应用于实际微弱信号的检测具有可行性,为混沌虚拟仪器开发打下了基础。     

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.     

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。     

基于混沌振子的电话网信号检测

首先介绍了混沌检测原理和基于相关的双频信号检测方法,然后给出了检测信号模型,介绍了结合自相关和滤波预处理利用混沌振子对双频信号进行检测的新方法,分析了其检测原理。最后进行计算机仿真实验,仿真实验说明了该方法对微弱信号非常敏感,检测性能优于单纯混沌系统检测性能,同时进一步验证了所提方法具有强抗干扰等性能,有一定的实用价值。     

基于Hopfield神经网络的多用户信号检测器

用连续Ｈｏｐｆｉｅｌｄ神经网络实现ＣＤＭＡ通信系统中多用户信号检测的设想，并针对同步ＣＤＭＡ系统构造了基于连续Ｈｏｐｆｉｅｌｄ神经网络的用户信号检测器。计算机仿真结果表明：这种检测器的性能远远优于传统检测器的性能，它的性能可与最佳多用户信号检测相比拟。     

基于混沌神经网络的移动通信信道分配方法研究

该文应用混沌神经网络求解信道分配问题,给出了信道分配的能量函数表达式和混沌神经网络模型,研究了判别混沌神经网络混沌特性的Lyapunov指数法,讨论了网络模型参数对网络混沌特性的影响,提出了基于混沌神经网络的信道分配算法.仿真结果表明,混沌神经网络具有复杂的瞬态混沌特性,它比Hopfield网络具有更强的搜索全局最优解的能力,和更快的收敛速度.     

弱暂态正弦信号的检测

将Duffing振子用于弱暂态正弦信号的检测,发现可被检测的暂态正弦信号的持续时间下限为12个周期,对相位随机分布并淹没在噪声中的弱暂态正弦信号可以用一组(16个)Duffing方程检测到,对到达时间的定位可以精确到一个周期。     

使用多层神经网络的脉冲雷达探测技术

本文提出了一种采用多层前馈神经网络的雷达探测技术即脉冲压缩方法,并且采用巴克码进行说明。这个网络拥有13个输入单元、3个隐含单元和1个输出单元。应用逆向传播的学习方法来训练网络,运用这种方法可以很容易地达到40dB的峰值信噪比,而且其处理时间比那些采用相关器和失配滤波器的方法要更快。