基于最大Lyapunov指数改进算法的交通流混沌判别

提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法．该算法首先用关联积分法（C-C方法）和Cao方法确定重构相空间的两个重要参数：嵌入维数m和延迟时间，再用小数据量方法计算时间序列的最大Lyapunov指数．这种算法不仅能够很好地重构原始时间序列的特性，并且能够避免Wolf方法的局限性．应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别，结果表明，基于跟驰模型的仿真交通流和实际交通流中存在混沌现象，最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法．     

一种基于混沌序列的数字水印算法实现及分析

数字水印技术是进行数字产品保护的一种重要手段.提出了一种基于混沌序列的数字水印算法,在水印嵌入原始图像之前,利用混沌发生器生成的随机序列对水印图像进行置乱处理;水印位置的确定采用边缘提取的方法,简单易行.     

基于小波变换的船用雷达海杂波小目标检测

强海浪中小目标回波的检测一直是船用雷达目标识别的难点,但现有的统计方法难以准确和全面地描述复杂的海杂波特性.要突破这一局限性,以获得对复杂现象更有效的描述,就迫切要求使用新技术.文中利用小波理论,针对强海浪下点目标和低矮宽大目标二类以往难以检测的目标,通过区分噪声、点目标、低矮宽大目标在小波变换下不同的奇异特征、设计了一套能够识别出点目标和低矮宽大目标的方案.     

基于RBF神经网络模型的混沌背景下谐波信号提取

在混沌时间序列前后向联合预测模型的基础上,提出前后向联合迭代预测模型并将之用于混沌背景下谐波信号的提取.对前后向联合迭代预测模型与前向预测模型的仿真实验对比研究表明,在叠加谐波信号幅度和频率不过小的情况下,前后向联合迭代预测模型在连续类混沌背景下的谐波信号提取性能较前向预测模型好,而在离散类混沌背景下的谐波信号提取效果都很差,但仍可用于检测微弱谐波信号.     

车头间距与高速公路交通流混沌

为了分析交通流混沌的转化机理，探讨了车头间距与高速公路交通流混沌的关系．提出了一种快速判别交通流混沌的最大李雅普诺夫指数改进算法，并用此改进算法和功率谱法研究了高速公路实测交通流的混沌问题，绘制了实测交通流的功率谱曲线．通过分析功率谱曲线，可以明显地观察到交通流频谱出现了噪声和宽峰的变化；用最大李雅普诺夫指数改进算法计算实测交通流的最大李雅普诺夫指数，结果表明，高速公路实测交通流中存在混沌现象．研究表明，车头间距的变化是交通流混沌现象产生的根本原因．     

基于小波域Logistic混沌调制的数字语音保密通信系统

提出了一种新的无须同步的基于混沌调制的数字语音保密通信系统的方案。利用逻辑映射产生混沌调制序列，以该序列作为密码对数字语音进行加密处理。为了更好地隐匿信号特征，混沌调制在小波域针对不同的频带进行，并借鉴混沌掩盖对信息信号进行了限幅处理，其密文完全随机化．通过仿真分析各项性能(保密性能、对参数的灵敏度等)。结果表明该系统具有较强的自同步能力和较高的保密性能。并且易于实现．     

基于神经网络的混沌时序数据失真检测方法研究

介绍了时序数据的混沌识别方法,并根据混沌时序数据的可预测性,提出了一种基于神经网络的混沌时序数据失真检测方法.通过实例证明该方法能准确地检测出混沌时序数据的失真点,并将其还原.该方法既是检测过程同时也是修复的过程,在数据处理领域有一定的应用前景.     

基于微粒群本质特征的混沌微粒群优化算法

在总结对微粒群优化(PSO)算法本质的主要研究成果的基础上,提出了基于微粒群本质特征的混沌微粒群优化(CPSO)算法.该算法用混沌搜索方法代替随机数产生器在较好的区域搜索最优解.为了提高粒子群的多样性,用由粒子邻域内若干个个体最优位置依其适应值加权平均得到的中心位置代替标准PSO算法的全局历史最优位置.然后,根据粒子个体最优位置与上述中心位置间的距离自适应地调整混沌搜索区域半径.用几个经典测试函数的仿真结果及与其它几种PSO算法的比较结果验证了新算法的有效性.     

一类振荡电路的混沌及其控制

研究了一个振荡电路的混沌形成过程,并利用分岔图、Lyapunov指数图以及相图分析了该系统的混沌行为.利用分岔控制和x|x|控制等两种方法实现了系统的混沌控制,将系统的混沌行为有效地控制到稳热定的周期轨道.其中,在分岔控制方法下,对受控系统做出了控制参数的系统分岔图,由分岔图可以得到控制到np的周期轨道的取值范围,在这范围内适当选择数值,将电路系统控制到p-1,p-2,p-4,p-8等周期轨道.x|x|控制是对混沌动力系统增加一个具有分段二次函数x|x|形式的非线性反馈控制器.仿真结果表明,这两种方法对控制电路系统的可行性.     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.