Logistics分岔图与李雅普诺夫指数混沌映射仿真研究.pdfVIP

Logistics分岔图

%--14-12-19上午10:25--%

clc

clear

closeall

lambda=3:5e-4:4;

x=0.4*ones(1,length(lambda));

N1=400;%前面的迭代点数

N2=100;%后面的迭代点数

f=zeros(N1+N2,length(lambda));

fori=1:N1+N2

x=lambda.*x.*(1-x);

f(i,:)=x;

end

f=f(N1+1:end,:);

plot(lambda,f,k.,MarkerSize,1)

xlabel(\lambda)

ylabel(x);

诺夫指数

Le=zeros(401,2);

i=0;

foru=0:0.1:4.0;

i=i+1;

x=0.5;

y=0;

forj=1:100

x=u*x*(1-x);

end

fork=1:200

x=u*x*(1-x);

y=y+log(abs(1-2*x));

end

Le(i,1)=u;

Le(i,2)=log(u)+y/200;

end

plot(Le(:,1),Le(:,2));

holdon;

n=0:0.001:4;

plot(n,0,k);

clearall;clc;

a=0.0:0.001:4.0;k=length(a);

b=0.3;p=600;

forn=1:k

form=2:p

x(1,n)=0.4;y(1,n)=0.6;

x(m,n)=1+b*y(m-1,n)-a(n)*x(m-1,n)^2;

y(m,n)=x(m-1,n);

end

end

forr=1:k%计算雅克比矩阵

forh=2:p

A{1,r}=[-2*a(r)*x(1,r),b;1,0];

A{h,r}=[-2*a(r)*x(h,r),b;1,0]*A{h-1,r};%注意元胞数组相乘顺序

end

end

fort=1:k%计算最大李指数

vv(:,t)=eig(A{p,t});v=max(abs(vv));

LE1=1/p*log(v);

end

plot(a,LE1,k);holdon;

plot(a,0,k:);

axis([a(1),a(k),-11]);

xlabel(a);ylabel(LE1);title(诺夫指数);

Logistics映射时域仿真图

x=zeros(1,100);

x(1)=.8;

forn=1:99

x(n+1)=4*x(n)*(1-x(n));

end

[a,b]=xcorr(x,unbiased);

plot(b,a)

x=zeros(1,100);

x(1)=.9;

forn=1:99

x(n+1)=4*x(n)*(1-x(n));

end

[a