基于差分Poincaré映射的间歇混沌信号判别方法

针对混沌振子微弱信号检测中间歇混沌信号难以判别的问题,利用混沌系统的参数敏感特性,提出一种差分Poincaré映射判别方法,实现强噪声干扰下输出间歇混沌信号的判别．该方法选取周期激励幅值具有微小差异的两个混沌振子的Poincaré映射进行差值运算,利用周期状态下输出信号收敛,而混沌状态下输出信号分离的特点,降低了噪声对周期区域的影响,使可检测输入信号的信噪比达到了-87dB．实验表明,在时域或Poincaré映射已经无法进行分辨的情况下,该方法仍然实现了检测系统输出间歇混沌信号的有效判别．     

二次交通事故Duffing振子模型研究

为了揭示二次交通事故的演变特性,预防二次交通事故的发生,在描述Duffing振子模型的基础上,分析二次交通事故的混沌特性,并建立混沌模型.在仿真环境下,改变模型参数值,得到系统出现周期振荡状态和混沌状态的系统结构条件,并绘制出相平面图和根轨迹图.实例分析结果表明,Duffing振子模型可用于二次交通事故演变过程分析,仿真结果为采取有效的二次交通事故预防措施提供了理论依据.     

一类非线性周期振荡电路的分岔和混沌控制

基于基尔霍夫第一定律(KCL)建立了一类非线性周期振荡电路的数学模型,分析了周期激振力变化时对系统动力学行为的影响.通过计算Duffing系统时间序列的Lyapunov指数谱验证了对称性破缺分岔是倍周期分岔的前兆.通过仿真系统的分岔图、Lyapunov指数谱和利用Kaplan.Yorke猜想公式计算系统吸引子的Lyapunov维数,刻画出系统的周期运动和混沌运动.揭示了此类系统通向混沌的过程.最后,应用一种有效而又简易的控制方法对此类非线性电路中的混沌运动进行了控制.     

非线性随机振动分析的概率密度演化方法

为深入探讨概率密度演化方法对于非线性随机振动分析的适用性,考察了随机地震动作用下一类硬弹簧Duffing振子的非线性响应,对概率密度演化方法与经典非线性随机振动分析进行了比较研究.结果表明:在弱非线性水平,概率密度演化方法与混沌多项式展开、Monte Carlo模拟的解答一致;在强非线性水平,数值求解误差、人为截断误差放大,概率密度演化方法与混沌多项式展开解答在Monte Carlo模拟解附近上下波动,表明概率密度演化方法与经典非线性随机振动解答在均方特征意义上是等价的.      

微弱舰船声信号的混沌处理方法

针对进出港口的舰船噪声低,难以检测的问题,采用了混沌振子检测理论,将其应用在舰船弱信号检测中,采用参数抑制法,同时设计了微弱信号的混沌检测系统.通过仿真计算,结果表明该系统能有效地提高检测的信噪比.文中还给出了一种简便判断系统是否处在混沌态的方法.     

小波滤波器在弱信号检测中的应用及设计

根据小波变换的多尺度分解特性,构造了一种小波能量积累器,将不同分解尺度上的能量进行积累。在此基础上设计了一种用于弱信号检测的小波能量检测法,并对低信噪比信号的检测进行了仿真实验。仿真结果表明,该检测法对低信噪比信号是比较有效的,而且与传统的脉内累加平均的信号检测方法相比,文中提出的信号检测方法具有一定的优越性。     

基于局域波和混沌的微弱故障信号检测方法

为了利用微弱信号准确诊断转子系统早期故障,提出了一种基于局域波法和混沌振子相结合的信号检测方法。利用局域波法将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量是单一成分信号,实现了信噪分离。将局域波分量输入混沌振子,通过混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比的微弱信号识别。故障诊断结果表明:所提出的检测方法是可行的,能准确诊断转子系统早期不对中故障。     

基于图像序列区域混沌特征的海面舰船目标检测算法

为了检测复杂海面背景中的舰船目标,提出了一种基于图像序列区域混沌特征的目标检测新算法,算法利用小数据量法计算图像序列区域的最大Lyapunov指数,分析运动目标存在时背景信号混沌特征的变化,并利用混沌特征的变化差别检测淹没在混沌背景信号中的目标信号,最后对100帧图像进行了目标检测.计算结果表明:新算法检测率为100%,虚警率为5%,检测结果优于利用统计分析方法的结果.     

基于PHAF的多分量LFM辐射源信号检测

为解决信号分量能量不同且时频交叠严重时多分量辐射源信号的检测问题,提出了一种基于乘积高阶模糊函数(PHAF)的检测方法.该方法采用"剥洋葱"的策略,按照能量强弱逐次检测各信号分量.检测时,先检测和剥除能量较强的信号分量,以避免弱信号分量受其它信号分量和交叉项的干扰.将不同时延的高阶模糊函数相乘,以强化信号分量、弱化噪声,有效检测低信噪比信号.分析和实验结果表明:提出的方法能有效检测时频交叠严重的多分量辐射源信号,对强、弱能量信号分量的相对检测误差分别小于2.457×10-4和7.560×10-2;检测含噪声的信号时,对强、弱能量信号分量的相对检测误差分别小于1.300×10-3和7.330×10-2.     

强干扰下无源雷达弱目标探测

当存在大型目标、近地机群或欺骗干扰时,无源雷达难以检测弱小目标.基于强信号与照射源发射信号之间的关系,导出了幅度-距离-多普勒曲面与照射源信号自模糊函数的关系,进而提出了在二维FIR(finiteimpulse response)系统辨识基础上抑制强回波以检测弱目标的方法.仿真结果表明,该方法对强信号的抑制超过60 dB;即使弱目标回波信噪比在-24 dB的情况下,也能实现弱目标检测.     

平面2R机器人机构混沌运动的控制

应用混沌控制方法中的周期扰动参数方法有效地控制了平面2R机器人机构中的混沌运动．在周期扰动参数控制法中，外扰周期信号的频率和振幅是混沌控制成功与否的关键．通过计算系统的最大Lyapunov指数的符号与频率或振幅的关系，可以选取适当的频率和振幅，将系统的混沌运动转化为规则的周期运动．     

基于STBC的混沌MIMO雷达的信号处理研究

针对MIMO（multiple input multipleoutput）雷达正交信号设计的困难,提出了一种超宽带调制的混沌二相码,并结合STBC（space-time block coding）技术,能够达到发射信号的完全正交和最大空间分集．方法简单易行,具有较好的保密特性．仿真实验给出2×2系统下,信噪比为20dB时的回波信号波形,发现该方法较好地实现对复杂目标的识别．同时推导了该模型在奈曼皮尔逊准则下的目标检测概率,相对于窄带系统,检测概率显著提高．     

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.     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

舰船水压场信号实时检测方法研究

为了有效地从风浪背景中检测舰船水压场信号,在对大量实测海浪水压场数据和舰船水压场数据分析的基础上,对海浪水压场信号的特性进行了研究,发现海浪水压场信号可用AR模型对其进行描述．从而对海浪水压场信号建立AR模型,计算AR模型的反射系数并提取其欧氏距离作为特征,采用滑动检测法对信号进行实时检测．通过大量实测数据检验其有效性,结果表明,该算法简单,能较好的检测目标信号．     

Neural Network Prediction Model for Ship Hydraulic Pressure Signal Under Wind Wave Background

The ship hydraulic pressure signal is one of the important characters for the target detection and recognition. At present, most of the researches on the detection focus on the ways in the time domain. The ways are usually invalid in the large wind wave background. In order to solve the problem efficiently, we present an effectual way to detect the ship using the ship hydraulic pressure signal. Firstly, the signature in the proposed method is decomposed by wavelet-transform technique and reconstructed at the low-frequency region. Then,a predictive model is set up by using the radial basis function(RBF) neural network. Finally, the signature predictive error is regarded as the testing signal which can be used to judge whether the target exists or does not.The practical result shows that the method can improve the signal to noise ratio(SNR) obviously.