混沌時(shí)序非線性去噪方法研究及其應(yīng)用.pdf

1、縱觀20世紀(jì)下半葉，非線性科學(xué)得到了蓬勃發(fā)展，其中混沌的發(fā)展占了極大的份額?；煦缫呀?jīng)廣泛存在于通信、電子、醫(yī)學(xué)、氣象、水文、信息等眾多領(lǐng)域?；煦缡且环N發(fā)生在確定性系統(tǒng)中的貌似隨機(jī)的不規(guī)則運(yùn)動，它是一種由確定性系統(tǒng)產(chǎn)生的對初始條件具有敏感依賴性、不可預(yù)測的非線性動力系統(tǒng)，具有豐富的動力學(xué)特性，是非線性系統(tǒng)普遍存在的現(xiàn)象。但實(shí)際中得到的混沌信號總是不可避免地被噪聲所污染，噪聲的普遍存在性和高破壞性掩蓋了系統(tǒng)的內(nèi)在動態(tài)特性，極大地影響了關(guān)聯(lián)維

2、數(shù)、Kolmogorov熵和Lyapunov指數(shù)等混沌特征量的計(jì)算及其單變量或多變量的預(yù)測精度，嚴(yán)重的噪聲污染甚至?xí)蜎]數(shù)據(jù)的內(nèi)在本質(zhì)特征及混沌信號的部分細(xì)節(jié)，使得對數(shù)據(jù)所做出的分析和預(yù)測偏離實(shí)際，影響分析和研究的精度，給研究和應(yīng)用工作帶來了困難。因此，對實(shí)際觀測的混沌時(shí)間序列進(jìn)行有效降噪具有重要的意義。
　　 本文基于混沌特性及混沌時(shí)間序列中噪聲的識別方法，對混沌非線性序列去噪方法進(jìn)行了深入研究并將其應(yīng)用到混沌保密通信中。該研

3、究屬于物理、信息科學(xué)、人工智能、數(shù)學(xué)的交叉和前沿研究領(lǐng)域。具體包括以下幾部分：⑴針對混沌非線性序列的動力學(xué)特點(diǎn)，提出基于相空間重構(gòu)的匹配追蹤(Matching Pursuit，MP)混沌去噪算法。該方法利用混沌信號和噪聲在相空間軌道的動力和幾何特性不同，保留一定方向分量的同時(shí)抑制其他方向上的分量，從而實(shí)現(xiàn)信號和噪聲的分離。它首先基于含噪混沌序列構(gòu)造出吸引子流形，然后利用匹配追蹤算法向流形方向靠攏，經(jīng)過多次迭代獲得較為干凈的數(shù)據(jù)。對Lor

4、enz系統(tǒng)生成的模擬信號以及混沌相關(guān)光時(shí)域定位儀實(shí)際采集的探測信號進(jìn)行去噪，驗(yàn)證了該方法的有效性。⑵對常規(guī)小波閾值去噪方法進(jìn)行改進(jìn)，提出基于遺傳算法(GeneticAlgorithm，GA)的非抽樣小波混沌信號去噪方法。該方法通過非線性增益操作利用遺傳算法在非抽樣小波域抑制噪聲并且增強(qiáng)混沌信號的特征。在不需要準(zhǔn)確獲取噪聲統(tǒng)計(jì)特性情況下，使用遺傳算法在非抽樣小波域獲取漸近最優(yōu)去噪閾值，并利用遺傳算法獲取自適應(yīng)最優(yōu)非線性增益參數(shù)。為了全面評

5、估去噪信號質(zhì)量，提出了一個結(jié)合信噪比(Signal to Noise Ratio，SNR)和信息熵的高效客觀的評估措施。⑶基于改進(jìn)的遺傳算法，利用第二代提升小波，提出一個智能的混沌信號去噪方法。該方法從信號本身智能地學(xué)習(xí)噪聲類型，不需要任何有關(guān)噪聲的先驗(yàn)知識，實(shí)現(xiàn)不同類型噪聲背景下的混沌信號去噪。同時(shí)，該方法使用第二代提升小波，克服了第一代小波存在的一些實(shí)際的缺陷和不足，提高了小波變換和小波構(gòu)建的速度并且擁有更大的靈活性。改進(jìn)的遺傳算法

6、用于提升小波域內(nèi)不同尺度閾值的最優(yōu)選擇。⑷萬有引力搜索算法(Gravitational Search Algorithm，GSA)較遺傳算法在最優(yōu)選取上具有更高的性能。本文利用混沌運(yùn)動的遍歷性，引入一個混沌操作算子提出一個改進(jìn)的萬有引力搜索算法，該算法克服了標(biāo)準(zhǔn)萬有引力搜索算法過早收斂及易陷入局部最優(yōu)的缺陷。⑸應(yīng)用改進(jìn)的萬有引力搜索算法構(gòu)建非線性過濾模型?；谠撃Ｐ吞岢鲆粋€新的混沌保密通信方案。該方案主要由四部分組成：編碼器、混沌過濾器