本課題提出了一種基于閾值壓縮和自相似性度量并且結(jié)合游程檢驗的信號復雜性度量方法,命名為彈簧混沌測試。本算法分別包含定性的度量方法和定量的度量方法,分別表達以3s圖和CC率。3s圖主要采用多閾值壓縮的理論對混沌信號進行識別與分析。當3s圖曲線特征表現(xiàn)為規(guī)則完好的彈簧時,判定待檢測信號是周期的;當3s圖的曲線特征是破損的彈簧時,則判定待檢測信號是混沌的。3s圖具有20%的抗噪能力。CC率是一種通過自相似性度量理論定量刻畫3s圖中的曲線彈簧形狀的幾何對稱完好程度的算法,是一種百分比的度量形式。CC率處于[0%,7%]時,判定待測信號是周期信號;若當待測信號的CC率處于（7%,99%）時,判定為混沌的狀態(tài)。當進行混沌系統(tǒng)全局掃參時,CC率具有20%的抗噪能力。本課題在新變量空間內(nèi),針對分岔圖進行數(shù)值分析實現(xiàn)識別單周期和多周期,實驗測試結(jié)果表明可以初步達到區(qū)別單、多周期的目的。針對隨機信號與周期信號和混沌信號的識別,本課題采用游程檢驗進行識別（當游程檢驗結(jié)果接受隨機假設(shè)時令CC率為100%）。經(jīng)過十多種混沌系統(tǒng)的驗證,初步證明本研究具有較好的普適性、較高的抗噪能力和無需人工定參的優(yōu)點。本研究提出... 

【文章來源】：蘇州大學江蘇省 211工程院校

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【部分圖文】：

圖１．１復雜信號的彈簧混沌測試算法框圖??Ｆｉｇｕｒｅ．?１．１?Ｓｐｒｉｎｇ?ｃｈａｏｓ?ｔｅｓｔ?ｂｌｏｃｋ?ｄｉａｇｒａｍ?ｆｏｒ?ｃｏｍｐｌｅｘ?ｓｉｇｎａｌｓ??

第２章研究基礎(chǔ)?信號復雜性刻畫的彈簧混沌測試研究??放大干擾的量級，比如相鄰數(shù)據(jù)發(fā)生斜率的突變。對于不同長度的時間序列，需要進??行一定的處理后才能采用歐式距離的自相似性度量方法。??Ｂｅｒｎｄｔ等人率先將動態(tài)時間彎曲算法應(yīng)用于相似性度量。相比于歐氏距離，??動態(tài)時間彎曲算法可以應(yīng)用于不等長的時間序列［５?９］。??符號化距離度量［６Ｑ］與歐氏距離采用的方法類似，首先該方法需要將時間序列按??照一定規(guī)則進行轉(zhuǎn)化，使之成為一個標準化序列，該序列符合正態(tài)分布。符號化距離??度量被廣泛應(yīng)用于分類和模式識別領(lǐng)域。??２．４時頻聯(lián)合分析原理??混沌信號的復雜性表現(xiàn)在有序狀態(tài)和隨機狀態(tài)之間的貌似無序狀態(tài)。模式識別更??多涉及時頻能量動力學領(lǐng)域，主要原因在于對非線性世界中原始數(shù)據(jù)的復雜性進行共??同分析。短時傅里葉變換和連續(xù)小波變換被廣泛應(yīng)用于線性時間序列的分析和處理。??頻譜圖［６１］是一種直觀的時間序列分析方法，下面將介紹典型的時頻聯(lián)合分析方法。??２．４．１頻譜圖??頻譜圖是一種三維的信號特征刻畫工具。通過將一維時間序列映射到三維時頻能??量空間，它可以全面分析信號中的頻率和能量隨時間的變化規(guī)律。將頻譜圖應(yīng)用于混??沌動力學系統(tǒng)的分析中，可以清晰地觀察混沌演化的時頻能量變化過程及其非線性特??征。??ｉ￣１４?＾??０?２?４?０?２?４??Ｆｒｅｑｕｅｎｃｙ?（ｋＨｚ）?Ｆｒｅｑｕｅｎｃｙ?（ｋＨｚ）??圖２．１窄窗口頻譜圖的兩個例子??Ｆｉｇｕｒｅ．２．１?Ｔｗｏ?ｅｘａｍｐｌｅｓ?ｏｆ?ｎａｒｒｏｗ－ｗｉｎｄｏｗ?ｓｐｅｃｔｒｏｇｒａｍｓ??１６??

第２章研究基礎(chǔ)?信號復雜性刻畫的彈簧混沌測試研究??ａ（．ｉｉｉ）??－２０??＇ｆＲｉｉｉｊ?＇?＇?＇??Ｐ?－４０??１：＾｜Ｈ?■：？??Ｆｒｅｑｕｅｎｃｙ?（ｋＨｚ）?４?２?■?ｊ｝??５??ａ（ｉｖ＇）??一?圍：??????：４?Ｔｉｍｅｓ?■．，〇〇?．１０．５?〇?５?｜〇?，Ｓ?２０?２５??Ｆｒｃｃ｜ｕｃｍ：＞?（ｋＨｚ）?４?ｆ?■?Ｐ??圖２．２邏輯斯蒂映射的頻譜圖和；＾圖??Ｆｉｇｕｒｅ．２．２?Ｓｐｅｃｔｒｏｇｒａｍｓ?ａｎｄｐｑ－ｐ＼〇｛?ｆｏｒ?Ｌｏｇｉｓｔｉｃ?ｍａｐ??２．４．２希爾伯特黃變換??Ｎｏｒｄｅｎ?Ｅ?Ｈｕａｎｇ［６２］等人在上世紀末提出了希爾伯特黃變換（Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ??Ｔｒａｎｓｆｏｒｍ，?ＨＨＴ）。希爾伯特黃變換方法主要用于分析非線性和非平穩(wěn)數(shù)據(jù)，該方法包??括兩個部分：（１）經(jīng)驗?zāi)Ｊ椒纸猓ǎ牛停模�，以及（２）希爾伯特頻譜分析。該方法的關(guān)??鍵部分是第一步，即ＥＭＤ，該步驟可以自適應(yīng)且高效地產(chǎn)生若干個含有零交叉和極??值數(shù)量一致的固有模式函數(shù)（ＩＭＦ），?ＩＭＦ是一組完整的，幾乎正交的分量并且還具??有分別由局部最大值和最小值定義的對稱包絡(luò)的任何函數(shù)。該分解方法是自適應(yīng)且高??效的。由于分解是基于數(shù)據(jù)的本地特征時間尺度的，因此它適用于非線性和非平穩(wěn)過??程。通過希爾伯特變換，ＩＭＦ可以產(chǎn)生瞬時頻率作為時間的函數(shù)，從而可以清晰地識??別出嵌入的結(jié)構(gòu)。結(jié)果的最終表示是能量－頻率－時間分布，利用希爾伯特變換獲得的??１８??

【參考文獻】：
期刊論文
[1]Chaos Criteria Design Based on Modified Sign Functions with One or Three-Threshold[J]. WU Senlin,LI Yaotian,LI Wenshi,LI Lei.  Chinese Journal of Electronics. 2019(02)
[2]時間序列的夾角距離及相似性搜索[J]. 張鵬,李學仁,張建業(yè),張宗麟.  模式識別與人工智能. 2008(06)
[3]基于統(tǒng)計特征的時序數(shù)據(jù)符號化算法[J]. 鐘清流,蔡自興.  計算機學報. 2008(10)

博士論文
[1]時間序列相似性問題研究[D]. 李俊奎.華中科技大學 2008



本文編號：3549993