基于混沌理论的微弱信号检测.pdf

0III]llllq]llllI]111q1111III]11111111111IIIIIIll基于混沌理论的微弱信号检测工学硕士学位论文Y1437721硕士研究生：崔芹指导教师：田坦教授学位级别：工学硕士学科、专业：信号与信息处理所在单位：水声工程学院论文提交日期：2008年2月论文答辩日期：2008年3月学位授予单位：哈尔滨工程大学分类号：编号密级UDC：
摘要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T于混沌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Network)框l结合建立混沌时阳J序列的一步预测模型，并在此基础上以Logistic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关键词：微弱信号检测；混沌：Duffing振子；Lyapunov指数；-RBF神经网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1．白J序列的预测方法。最后将混沌理论与径向基神经网络(RBFNN，Radial和Lorenz混沌信号为例作为背景信号，进行了一系列仿真试验，对实验结果实验。络哈尔滨工稗人学硕士学1=}7：论文BasisFunctionNeural
ABSTRACTdeterministicsignaljfoundationandmakeproposed．LCE(LyapunovExponent)isweakjudgeRBFNN(RadialNetwork)islast，taking哈尔滨丁程大学硕十学位论文employedreconstructionanalyzed．MeanwhileChaoticmotion，whichexitswidely,candescribetheverytypicalbehaviorofmanynonlinearsystems．Chaoshasbeenpaidwideattentionbecauseitsgoodin—trinsicproperties，anditwidelysuccessfullyappliedfields．oscillatordetectionforbelongsimportantapplicationchaostheoryininformationscience．Chaossystemissensitiveimmunenoise，whichhaveprospectsgreatprogresstechnique．TheideabasedchaoticiSdiscussedpaper,alsowayudgingwhetherperiodicexiststargetphasespaceportraitCharacteristicintofieldsignal，andusedgetcriticalvaluequantitativecriterion．ThemethodscomputingLCEtimeseriesareresearched．introducedchoiceembeddeddimensiondelaymethodpredictionargueddetail．Basedtheory,theBasisFunctionNeuraluse、dbuildone—stepmodel．Onallabove，takingLogisticLorenzbackground，aemulationexperimentscarriedwhichvalidatefeasibilitycarrychaos．Atreverberation，whichpropertieschaos，assimulatedechoKeywords：detectionsignal；chaos；Duffingoscillator；Lyapunovexponent；RBFneuralnetworktonotstateoutantOon，out．aonor
垄盔哈尔滨工程大学学位论文原创性声明堋占年3月t7日作者(签字)：日期：本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据