基于混沌和神经网络的微弱信号检测方法-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

基于混沌和神经网络的微弱信号检测方法

作者：李首君 Publish: 2007-8-21 Hits:-

【中文题名】

基于混沌和神经网络的微弱信号检测方法

【英文题名】

Detection of Weak Signal Based on Chaos and Neural Network

【学科专业】

通信与信息系统

【论文级别】

硕士论文

【投稿时间】

2007-8-21

【中关键词】

微弱信号检测,混沌,Duffing振子,RBF神经网络,,

【英关键词】

detection of weak signal,chaos,Duffing oscillator,RBF neural network,

【分类导航】

工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算>

【论文摘要】

微弱信号检测是现代的检测科学中非常重要和关键的技术。混沌和神经网络的独特性能，为微弱信号检测的发展提供了新的思路和方法。本文所论及的利用混沌振子检测微弱信号的方法是近年来兴起的一个新的研究方向。在研究混沌动力学的基础上，利用混沌Duffing振子的参数敏感性来进行微弱信号检测，性能上具有强的噪声免疫力，有效的放大了有用信号，使强噪声背景下的微弱信号的检测成为可能。仿真实验中，用白噪声和色噪声为背景噪声，验证了方法的正确性，同时也可展望到系统在低信噪比情况下的微弱信号检测的前景。本文引入了时间序列的重构相空间理论，论证了混沌时间序列预测的具体方法。由于神经网络的智能属性，利用混沌信号与神经网络相结合，特别是利用RBF神经网络的非线性逼近特性，可以实现在混沌信号背景下，微弱正弦信号的检测。论文详细地阐述了RBF神经网络的网络特性和学习算法，同时进行了仿真实验，验证了方法的可行性并分析了参数的影响和产生误差的原因。

【论文题纲】

摘要	5-6
ABSTRACT	6-10
第1章绪论	10-15
1.1 混沌理论的研究现状与应用	10-12
1.1.1 混沌理论的研究情况	11
1.1.2 混沌的工程应用	11-12
1.2 微弱信号检测的原理及发展历程	12-13
1.3 混沌理论在微弱信号检测中的应用	13-14
1.4 论文工作	14-15
第2章混沌振子检测微弱信号的原理	15-31
2.1 Duffing 系统的基本原理	15-22
2.1.1 Duffing 系统的数学模型	15-17
2.1.2 Duffing 系统的轨道表示	17-19
2.1.3 Duffing 系统的分叉值	19-22
2.2 混沌振子的参数敏感性	22-25
2.2.1 初值敏感性的概念	22-24
2.2.2 Duffing 系统的初值敏感性	24-25
2.3 Duffing 系统的周期轨道	25-26
2.4 检测微弱信号的系统建模	26-29
2.4.1 Duffing 振子的仿真建模	26-28
2.4.2 Duffing 系统离散化步长 h 的选择对系统特性的影响	28-29
2.5 Duffing 方程的改进	29-30
2.6 本章小结	30-31
第3章混沌振子检测模型的仿真实验和特性分析	31-39
3.1 Duffing 振子检测模型的仿真实验	31-36
3.1.1 白噪声背景下的仿真实验	31-34
3.1.2 有色噪声背景下的仿真实验	34-36
3.2 混沌振子检测的性能分析	36-38
3.2.1 混沌振子检测微弱信号的长处	36-37
3.2.2 混沌振子检测微弱信号的不足及改善	37-38
3.3 本章小结	38-39
第4章时间序列的重构相空间	39-47
4.1 重构相空间的理论与 Takens 定理	39-42
4.1.1 延迟坐标相空间重构法	39-40
4.1.2 导数相空间重构法	40
4.1.3 主分量相空间重构法	40-42
4.2 确定重构相空间延迟时间的方法	42-44
4.2.1 自相关法	42-43
4.2.2 复自相关法	43-44
4.2.3 互信息量法	44
4.3 确定重构相空间嵌入维的方法	44-46
4.3.1 G-P 关联维数法	44-45
4.3.2 伪邻近点法	45-46
4.4 本章小结	46-47
第5章径向基函数神经网络进行时间序列预测的原理	47-55
5.1 RBF 神经网络的结构	47-48
5.2 RBF 神经网络的学习算法	48-53
5.3 RBF 神经网络的逼近特性	53-54
5.4 本章小结	54-55
第6章混沌时间序列的神经网络预测方法	55-79
6.1 混沌背景预测标准	55-59
6.1.1 拓扑不变性	55
6.1.2 局部预测性	55-59
6.2 混沌时序的重构相空间参数的确定	59-61
6.2.1 嵌入维的确定	59-60
6.2.2 延迟时间的确定	60-61
6.3 混沌背景预测的 RBF 神经网络参数的确定	61-65
6.3.1 RBF 网络预测模型的参数的讨论	61-64
6.3.2 最优 RBF 网络预测模型的 K 值	64-65
6.4 混沌背景下微弱谐波信号的检测模型	65-67
6.5 混沌背景下微弱谐波信号检测的仿真实验	67-75
6.5.1 混沌背景信号为洛伦兹系统分量下的仿真实验	67-72
6.5.2 混沌背景信号为 Duffing 系统分量下的仿真实验	72-75
6.6 误差分析	75-78
6.7 本章小结	78-79
结论	79-81
参考文献	81-84
攻读硕士学位期间发表的论文和取得的科研成果	84-85
致谢	85

【DOI】

LunWen.ID:2.2008.388839



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：微弱信号检测论文混沌 Duffing振子 RBF神经网络

自动化基础最新论文

自动化基础热门论文