本文關(guān)鍵詞：基于相空間重構(gòu)的混沌背景下微弱信號檢測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著對混沌學(xué)的深入研究,很多看似隨機的復(fù)雜背景信號具有混沌特性。如何有效地將混沌噪聲中的微弱目標(biāo)信號提取出來,對信號的檢測具有重要意義和應(yīng)用價值。本文對相空間重構(gòu)理論進行研究分析,利用混沌背景信號短期可預(yù)測性,建立混沌背景噪聲的單步預(yù)測模型,將淹沒在混沌背景噪聲中的微弱瞬態(tài)信號和周期信號從預(yù)測誤差中檢測出來�；诖�,研究了混沌背景中微弱信號檢測的多參數(shù)組合優(yōu)化方法和回聲狀態(tài)網(wǎng)絡(luò)方法,主要研究內(nèi)容如下：混沌背景中微弱信號檢測的多參數(shù)組合優(yōu)化方法研究。在基于支持向量機的混沌背景下的微弱信號檢測方面,針對傳統(tǒng)檢測方法對混沌背景下微弱信號檢測能力不足的問題,提出了基于多參數(shù)組合優(yōu)化的微弱信號檢測方法。該方法利用相空間重構(gòu)參數(shù)和支持向量機模型參數(shù)間的相互依賴、相互制約的關(guān)系,采用遺傳算法對這兩種參數(shù)進行組合優(yōu)化,根據(jù)得到的最優(yōu)參數(shù)值進行建模、訓(xùn)練和預(yù)測。通過Mackey-Glass時間序列驗證模型的準(zhǔn)確性,以Lorenz系統(tǒng)作為混沌背景噪聲進行實驗研究,仿真驗證表明,本文所提方法能夠有效地將混沌背景噪聲中的微弱瞬態(tài)信號和微弱周期信號檢測出來,與傳統(tǒng)的參數(shù)求取方法相比,預(yù)測精度和檢測性能均得到顯著提高。混沌背景中微弱信號檢測的回聲狀態(tài)網(wǎng)絡(luò)方法研究。針對回聲狀態(tài)網(wǎng)絡(luò)參數(shù)選取困難這一問題,仍采用具有隱含并行性和強大全局搜索能力的遺傳算法對其模型參數(shù)進行優(yōu)化,經(jīng)過遺傳算法的一系列操作獲得適合數(shù)據(jù)特點的最優(yōu)模型參數(shù)。利用得到的最優(yōu)模型參數(shù)建立混沌背景噪聲的單步預(yù)測模型,從預(yù)測誤差中判斷混沌背景中是否存在微弱目標(biāo)信號。以Lorenz系統(tǒng)和實測的海雜波數(shù)據(jù)作為混沌背景噪聲進行仿真實驗,仿真結(jié)果表明,本文所提方法在預(yù)測精度和訓(xùn)練速度方面均優(yōu)于支持向量機和神經(jīng)網(wǎng)絡(luò)模型,能夠有效地檢測出混沌背景噪聲中的微弱目標(biāo)信號,且具有較小的預(yù)測誤差。
【關(guān)鍵詞】：微弱信號檢測 參數(shù)組合優(yōu)化 遺傳算法 支持向量機 回聲狀態(tài)網(wǎng)絡(luò)
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN911.23
【目錄】：

• 摘要5-6
• Abstract6-8
• 第一章 緒論8-13
• 1.1 研究背景及意義8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.3 論文研究內(nèi)容10-11
• 1.4 論文組織結(jié)構(gòu)11-13
• 第二章 混沌理論和遺傳算法13-29
• 2.1 混沌理論13-25
• 2.1.1 混沌13-14
• 2.1.2 典型的混沌系統(tǒng)14-17
• 2.1.3 混沌特征量17-21
• 2.1.4 相空間重構(gòu)理論21-25
• 2.2 遺傳算法25-28
• 2.3 本章小結(jié)28-29
• 第三章 基于多參數(shù)組合優(yōu)化的微弱信號檢測方法29-40
• 3.1 支持向量機29-30
• 3.2 基于多參數(shù)組合優(yōu)化的微弱信號檢測方法30-31
• 3.3 實例仿真與分析31-39
• 3.3.1 影響模型預(yù)測性能的參數(shù)分析及組合優(yōu)化方法的驗證31-34
• 3.3.2 混沌背景中微弱信號檢測實驗34-39
• 3.4 本章小結(jié)39-40
• 第四章 混沌背景中微弱信號檢測的回聲狀態(tài)網(wǎng)絡(luò)方法40-57
• 4.1 基于回聲狀態(tài)網(wǎng)絡(luò)的直接預(yù)測方法40-43
• 4.1.1 回聲狀態(tài)網(wǎng)絡(luò)結(jié)構(gòu)40-41
• 4.1.2 基于回聲狀態(tài)網(wǎng)絡(luò)的混沌時間序列直接預(yù)測方法41-43
• 4.2 ESN模型參數(shù)分析43-44
• 4.3 基于GA-ESN的微弱信號檢測方法44-45
• 4.4 仿真實驗45-55
• 4.4.1 微弱瞬態(tài)信號和周期信號檢測45-50
• 4.4.2 海雜波背景下微弱信號檢測50-55
• 4.5 本章小結(jié)55-57
• 第五章 總結(jié)與展望57-59
• 5.1 總結(jié)57
• 5.2 展望57-59
• 致謝59-60
• 參考文獻60-65
• 攻讀碩士學(xué)位期間發(fā)表論文情況65
• 攻讀碩士學(xué)位期間參與項目情況65

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王卓群;孫志國;;一種小波分解回聲狀態(tài)網(wǎng)絡(luò)時間序列預(yù)測方法[J];電子測量與儀器學(xué)報;2010年10期

2 何建華,楊宗凱,王殊;基于混沌和神經(jīng)網(wǎng)絡(luò)的弱信號探測[J];電子學(xué)報;1998年10期

3 彭宇;王建民;彭喜元;;基于回聲狀態(tài)網(wǎng)絡(luò)的時間序列預(yù)測方法研究[J];電子學(xué)報;2010年S1期

4 彭宇;王建民;彭喜元;;模糊回聲狀態(tài)網(wǎng)絡(luò)[J];電子學(xué)報;2011年07期

5 雷曉義;曹柳林;余晉;;回聲狀態(tài)網(wǎng)絡(luò)的遞推訓(xùn)練算法[J];北京化工大學(xué)學(xué)報(自然科學(xué)版);2013年02期

6 向昌盛;周子英;;基于支持向量機的混沌時間序列預(yù)測[J];吉首大學(xué)學(xué)報(自然科學(xué)版);2009年06期

7 楊平;鄭金華;;遺傳選擇算子的比較與研究[J];計算機工程與應(yīng)用;2007年15期

8 史志偉;韓敏;;ESN嶺回歸學(xué)習(xí)算法及混沌時間序列預(yù)測[J];控制與決策;2007年03期

9 李占英;王科俊;梅彥平;徐亮;;基于回聲狀態(tài)網(wǎng)絡(luò)的船舶橫搖運動預(yù)報[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2013年06期

10 張家樹,肖先賜;混沌時間序列的Volterra自適應(yīng)預(yù)測[J];物理學(xué)報;2000年03期

  本文關(guān)鍵詞：基于相空間重構(gòu)的混沌背景下微弱信號檢測方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：335562