基于混沌理论的微弱信号检测

论文摘要

混沌现象普遍存在于自然界中,混沌运动是非线性系统的典型行为。混沌以其许多独特的优良性能在很多领域得到广泛的关注和应用。当前微弱信号混沌检测技术是混沌理论在信息科学领域的一个重要分支,由于混沌检测系统具有对小信号的敏感性和对噪声的免疫力等特性,使混沌在弱信号检测领域具有很好的发展前景。本论文首先阐述了利用Duffing振子进行微弱信号检测的基本方法及具体实现方法,论证了根据系统相轨迹的变化来判断目标信号中是否含有周期信号的混沌振子检测方法。将Lyapunov特性指数作为一种定量的混沌判别方法应用到微弱信号混沌检测领域,分别研究了连续系统和时间序列的Lyapunov指数计算方法。然后引入时间序列的相空间重构理论,分析了嵌入维数确定方法和延迟时间的选择方法,论证了混沌时间序列的预测方法。最后将混沌理论与径向基神经网络(RBFNN,Radial Basis Function NeuralNetwork)相结合建立混沌时间序列的一步预测模型,并在此基础上以Logistic和Lorenz混沌信号为例作为背景信号,进行了一系列仿真试验,对实验结果进行分析,验证了预测模型和检测方法的可行性,实现了混沌背景下的弱信号检测。最后对具有混沌属性的混响背景下的模拟回波信号检测进行了仿真实验。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究混沌背景下微弱信号检测的意义
• 1.2 微弱信号检测概述
• 1.2.1 微弱信号检测发展历程
• 1.2.2 混沌背景下弱信号检测的研究现状
• 1.2.3 目前研究存在的问题
• 1.3 论文主要工作
• 第2章 混沌理论概述及应用
• 2.1 混沌学简史
• 2.2 混沌的基本概念和基本特征
• 2.2.1 混沌的基本概念
• 2.2.2 混沌运动的基本特征
• 2.3 几种典型的混沌动力学系统
• 2.3.1 Lorenz数学模型及分析
• 2.3.2 Logistic数学模型及分析
• 2.3.3 Duffing系统数学模型
• 2.4 本章小结
• 第3章 混沌振子微弱信号检测
• 3.1 Duffing振子检测系统
• 3.1.1 Duffing振子的特性分析
• 3.1.2 微弱正弦信号幅值混沌检测原理
• 3.1.3 仿真实验及结果分析
• 3.2 Duffing方程的改进
• 3.3 Lyapunov指数
• 3.3.1 Lyapunov指数的定义
• 3.3.2 由系统方程确定Lyapunov指数
• 3.3.3 仿真实验及结果分析
• 3.3.4 由时间序列计算系统最大Lyapunov指数
• 3.3.5 仿真实验结果
• 3.4 混沌振子检测存在的问题及解决方法
• 3.5 本章小结
• 第4章 混沌时间序列预测方法研究
• 4.1 混沌时间序列预测理论的基础知识
• 4.2 混沌时间序列的相空间重构
• 4.2.1 相空间重构理论
• 4.2.2 相空间重构延迟时间τ的选取
• 4.2.3 相空间重构嵌入维数m的确定
• 4.3 本章小结
• 第5章 基于RBF的混沌背景信号检测
• 5.1 RBF神经网络
• 5.1.1 RBF神经网络的基本原理
• 5.1.2 RBF神经网络参数的确定
• 5.2 基于RBF神经网络的一步预测
• 5.2.1 一步预测原理
• 5.2.2 预测模型的建立
• 5.2.3 仿真实验及结果分析
• 5.3 混响时间序列预测及混响背景下的信号检测
• 5.3.1 试验数据后置处理
• 5.3.2 混响序列的混沌属性
• 5.3.3 模拟回波信号检测
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢