混沌背景中的弱信號檢測和提取.pdf

1、大量的自然現(xiàn)象顯示出復雜的，不可預測的，偽隨機的行為，而混沌動力學對其中許多現(xiàn)象提供了相對簡單十分合理的解釋：即使簡單確定的系統(tǒng)也能產(chǎn)生復雜，偽隨機的行為。混沌理論的目的是揭示貌似隨機的現(xiàn)象背后可能隱藏的簡單規(guī)律?；煦缡欠蔷€性確定性系統(tǒng)中由于內在隨機性而產(chǎn)生的外在復雜表現(xiàn)，是一種貌似隨機的非隨機運動。混沌信號，它既不同于確定性周期信號，也不同于隨機信號。從可預測性上，它本質上是確定的，但長時間的發(fā)展趨勢呈現(xiàn)不可預見性。 在一些應

2、用領域，混沌信號以噪聲形式和其他一些不想要的信號存在，此時人們通常對在混沌噪聲中信號的檢測和提取問題感興趣，這類信號處理在如海洋雜波中信號檢測，混沌保密通信，語音處理等問題中應用很廣。因此研究基于混沌動態(tài)建模的信號檢測和提取技術很有必要。 本文對混沌背景下檢測和提取確定信號此領域的技術作出了總結，主要分析了最小相空間體積法、吸引子局部幾何投影法、基于預測的Stark預測方法和線性濾波的非線性逆方法。并討論了各種方法的優(yōu)缺點，在此

3、基礎上，提出了基于遺傳RBF網(wǎng)絡檢測和提取混沌背景中弱信號的思想。 本文利用背景信號為混沌信號這一先驗知識，提出了一種用遺傳算法訓練的RBF神經(jīng)網(wǎng)絡作預測器的方法檢測和提取湮沒在混沌背景下的微弱信號。這種方法主要是依據(jù)Takens嵌入定理，對混沌背景進行相空間重構，采用徑向基函數(shù)神經(jīng)網(wǎng)絡建立混沌背景的一步預測模型, RBF網(wǎng)絡利用遺傳算法訓練。該方法把混沌背景中弱信號檢測和提取問題轉化成為白噪聲中弱信號檢測和提取問題。最后結合門

4、限濾波器對測試誤差濾波，提取出微弱信號。 本文對基于遺傳RBF網(wǎng)絡的信號分離技術進行了仿真。以Logistic和Lorenz混沌信號為例作為背景信號，分別用KMEANS算法，OLS算法和遺傳算法訓練RBF網(wǎng)絡來構建檢測模型，進行了一系列仿真試驗，并對實驗結果進行了分析，驗證了該方法的有效性。由于混沌模型都是非線性的，而且非線性程度較高。通過Logistic和Lorenz混沌模型的仿真比較，基于遺傳RBF網(wǎng)絡的檢測模型對非線性函數(shù)