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。     

用细胞神经网络超混沌同步系统实现保密通信

本文提出了一种基于细胞神经网络超混沌同步系统的双通道保密通信系统。用降维观测器思想实现了四阶细胞神经网络超混沌系统的高精度同步，并将其用于双通道混沌保密通信：一个通道传送与信息信号无关的混沌系统的输出信号实现高精度同步，另一个通道传送用混沌信号加密的信息信号。由于同步和加密信号分开传送并且采用了超混沌系统，所设计的保密通信系统具有更高的保密性。     

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。     

基于细胞神经网络超混沌系统扩频保密通信

研究了四阶细胞神经网络超混沌系统同步方法,分析了系统存在参数失配和信道噪声时的同步性能,提出了一种基于细胞神经网络超混沌同步系统的扩展频谱保密通信设计方法。提出的扩频保密通信方法不仅只需传递一个标量信号,而且由于采用了超混沌系统,所设计的扩频通信系统具有更高的保密性。     

细胞神经网络超混沌系统同步及其在保密通信中的应用

本文研究四阶细胞神经网络超混沌系统同步方法,提出了一种基于细胞神经网络超混沌同步系统的扩展谱保密通信系统;这个保密通信系统不仅只需传递一个标量信号,而且由于采用了超混沌系统,所设计的保密通信系统具有更高的保密性。     

基于混沌理论的汉语语音信号的分析与预测

目前语音信号的分析与预测都是采用线性理论和线性预测技术,而语音信号的产生系统是一个复杂的非线性时变系统,而且具有混沌性,所以采用线性方法是不够的.深入研究了汉语语音信号的非线性特性,包括相空间重构理论及延迟时间、嵌入维数等相空间重构参数的确定方法,并求解出汉语语音音素的李雅普诺夫指数、延迟时间、嵌入维数和关联维数,所得结果表明汉语语音信号既非确定性的信号,又非随机信号,而是具有混沌特性的信号;根据汉语语音音素的延迟时间及嵌入维数的均值确定RBF神经网络(Radical Basis Function Network)模型中三层网络的神经元个数,结合 RBF 神经网络分析方法构造了一个非线性预测模型.仿真结果表明:基于 RBF 神经网络构造的非线性预测模型与线性预测模型相比,预测误差明显减小,预测性能上有所提高.     

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。     

基于限幅特性非线性三阶自治电路的混沌遮掩保密通信

设计了一种限幅特性非线性三阶自治混沌保密通信电路系统.该系统利用串联同步三阶自治混沌电路进行信号混沌遮掩保密通信.有用信号隐藏在混沌参数中,混沌复合信号作为传送信号,在发送端和接收端之间传送.利用接收端响应系统与发送端驱动系统达到同步,可无失真地将有用信息信号检出.该方法设计简单,易于实现,并且同步速度快,实现了高质量的信息保密传送,具有很好的可行性.     

基于广义观测器实现混沌系统的同步及信息传输

将保密通信问题看成是信息信号同步问题,从全新的角度提出了一种基于广义观测器的保密通信系统.首先在不改变混沌发送系统的混沌特性的前提下,将信息信号注入到混沌发送系统中,并将其看作系统的状态量;然后在接收端设计广义观测器;最后根据发送端传来的隐藏有信息信号的混沌输出信号同步出混沌系统的状态和信息信号.此方法不需要单独设计加密解密算法,而是将收发端混沌系统的同步与信息传输用同步方法一次实现.对系统的仿真证明了该方法的有效性.     

一种具有结构或参数失配的混沌保密通信系统

提出了一种新的混沌保密通信系统。根据非线性微分几何理论设计反馈控制策略，并结合扩张状态观测器原理，使所得的控制策略满足混沌保密通信的要求，并根据同步的情况用不同的方法对信息信号进行解调。以Chua’s电路和Lorenz系统为例分别仿真了发送机和接收机参数失配的情况，仿真结果表明了该通信系统的有效性。     

基于动态神经网络在线辨识的PID控制

针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性.     

阵元位置误差影响下的神经网络测向

针对阵元位置误差情况下RBF(radial-basis function)神经网络波达方向估计,提出一种直接数据域补偿算法。这种算法通过对神经网络的输入数据进行误差补偿来获得正确的训练样本,因而在无需对RBF神经网络测向系统作任何改进的情况下,可获得对波达方向的准确估计。文中给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

基于时滞不确定Lorenz混沌同步的保密通信

针对一类含保密信息的时延不确定Lorenz混沌系统,提出了基于径向基神经网络的同结构同步控制方案,在混沌系统同步的基础上,有效地恢复出隐藏的多路明文信号。利用神经网络的良好逼近能力对时延Lorenz混沌系统设计鲁棒同步控制器,实现了同步误差的收敛。当同步误差收敛时,混沌系统所传输的隐藏信号则可以正确恢复。仿真结果表明,文章所给出的同步控制器可以在5s内实现时延不确定Lorenz混沌系统同步,并能恢复出多路明文信号。     

海杂波的短时非线性预测研究

海杂波预测是雷达信号处理和目标检测的研究热点。在海杂波具有混沌特性和非线性非平稳特点的基础上,研究了基于归一化RBF神经网络和最小二乘支持向量机（LSSVM）两种方法对海杂波时间序列进行非线性预测。考虑到海杂波是来自于移动海面的回波,预测应该考虑空间信息,因此提出一种基于LSSVM-耦合映像格子（CML）的海杂波时空预测,这样预测更具有物理意义。以实测海杂波数据作为预测的初始数据和预测效果比对,采用均方差和最大绝对误差作为预测效果评价标准。实验结果表明,由于LSSVM-CMI,算法考虑了海杂坡的时空信息,预测效果最优。     

基于径向基函数神经网络的混沌系统控制

考虑到不同神经网络模型误差对混沌控制效果的影响，提出了采用一种改进的递阶遗传算法对径向基函数（RBF）神经网络进行训练，针对连续的Lorenz系统进行了仿真，并且与其它神经网络训练算法结果进行了比较，仿真结果证明所采用的训练算法具有更加理想的混沌控制效果。     

在线训练RBF神经网络在混沌保密通信过程信息解调中的应用

本文讨论了在线ＲＢＦ神经网络在混沌扩频通信过程信息解调中的应用,其关键是利用ＲＢＦ在接收端重构出发送混沌系统吸引子结构信息,并根据逆系统理论实现信息解调。给出了ＲＢＦ神经网络的一种在线训练算法,并对这种在线训练算法所涉及到的各个方面进行了分析。仿真表明这种在线ＲＢＦ神经网络能实现信息的精确解调。     

Adaptive filtering of evoked potentials with radial-basis-function neural network prefilter

Evoked potentials (EPs) are time-varying signals typically buried in relatively large background noise. To extract the EP more effectively from noise, we had previously developed an approach using an adaptive signal enhancer (ASE) (Chen et al., 1995). ASE requires a proper reference input signal for its optimal performance. Ensemble- and moving window-averages were formerly used with good results. In this paper, we present a new method to provide even more effective reference inputs for the ASE. Specifically, a Gaussian radial basis function neural network (RBFNN) was used to preprocess raw EP signals before serving as the reference input. Since the RBFNN has built-in nonlinear activation functions that enable it to closely fit any function mapping, the output of RBFNN can effectively track the signal variations of EP. Results confirmed the superior performance of ASE with RBFNN over the previous method.     

基于代理模型的高速互联背板传输载体电磁兼容特性分析

针对电子整机中高速互联背板传输载体运用有限元法分析电磁兼容计算周期过长问题．采用有限元仿真分析软件AnsoftHfss、均匀试验设计和径向基神经网络（RBFNN）构建高速互联背板传输载体电磁兼容分析的代理模型,并对构建流程进行详细介绍。通过算例分析,证明该方法在保证一定精度前提下较好降低了电子整机中高速互联背板传输载体电磁兼容学科的计算周期。