混沌背景中的弱号检测和提取.pdfVIP

上海交通大学硕士论文 混沌背景中的弱信号检测和提取 摘 要 大量的自然现象显示出复杂的，不可预测的，伪随机的行为， 而混沌动力学对其中许多现象提供了相对简单十分合理的解释：即 使简单确定的系统也能产生复杂，伪随机的行为。混沌理论的目的 是揭示貌似随机的现象背后可能隐藏的简单规律。混沌是非线性确 定性系统中由于内在随机性而产生的外在复杂表现，是一种貌似随 机的非随机运动。混沌信号，它既不同于确定性周期信号，也不同 于随机信号。从可预测性上，它本质上是确定的，但长时间的发展 趋势呈现不可预见性。 在一些应用领域，混沌信号以噪声形式和其他一些不想要的信 号存在，此时人们通常对在混沌噪声中信号的检测和提取问题感兴 趣，这类信号处理在如海洋杂波中信号检测，混沌保密通信，语音 处理等问题中应用很广。因此研究基于混沌动态建模的信号检测和 提取技术很有必要。 本文对混沌背景下检测和提取确定信号此领域的技术作出了总 结，主要分析了最小相空间体积法、吸引子局部几何投影法、基于 预测的 Stark 预测方法和线性滤波的非线性逆方法。并讨论了各种 方法的优缺点，在此基础上，提出了基于遗传 RBF 网络检测和提取 混沌背景中弱信号的思想。 5 上海交通大学硕士论文 本文利用背景信号为混沌信号这一先验知识，提出了一种用遗 传算法训练的 RBF 神经网络作预测器的方法检测和提取湮没在混沌 背景下的微弱信号。这种方法主要是依据Takens 嵌入定理，对混沌 背景进行相空间重构，采用径向基函数神经网络建立混沌背景的一 步预测模型, RBF 网络利用遗传算法训练。该方法把混沌背景中弱信 号检测和提取问题转化成为白噪声中弱信号检测和提取问题。最后 结合门限滤波器对测试误差滤波，提取出微弱信号。 本文对基于遗传 RBF 网络的信号分离技术进行了仿真。以 Logistic 和Lorenz 混沌信号为例作为背景信号，分别用KMEANS 算 法，OLS 算法和遗传算法训练RBF 网络来构建检测模型，进行了一系 列仿真试验，并对实验结果进行了分析，验证了该方法的有效性。 由于混沌模型都是非线性的，而且非线性程度较高。通过Logistic 和Lorenz 混沌模型的仿真比较，基于遗传RBF 网络的检测模型对非 线性函数的逼近能力，特别在非线性程度非常高的情况下，比其他 几种训练算法的检测模型具有明显优势。通过和其他几种训练算法 的检测模型比较，基于遗传RBF 网络的检测模型不仅模型复杂度最 低，而且模型的检测精度要好于其他算法。同时基于遗传 RBF 网络 的混沌背景中弱信号检测和提取方法具有一定的去噪性能和很好的 谐波恢复能力。 关键词：弱信号检测，混沌信号，RBF 神经网络，重构相空间，遗传 算法 6 上海交通大学硕士论文 WEAK SIGNAL DETECTION AND EXTRACTION FROM CHAOS BACKGROUND SIGNAL Abstract A wide variety of natural phenomena exhibit complicated, unpredictable and seemingly stochastic behavior. Chaotic dynamics appears to provide a relatively simple and possibly more satisfactory explanation to a lot of complicated phenomena among them. Chaos theory shows that simple deterministic systems