混沌序列分析 (Chaotic Time Series Analysis)

混沌时间序列的Volterra自适应预测 Predicting low-dimensional chaotic time series using volterra adaptive filters
• 混沌时间序列的Volterra自适应预测
基于混沌动力系统相空间的延迟坐标重构，提出了一种 预测混沌时间序列的Volterra自适应滤波预测法，对８ 种低维混沌序列采用二阶Volterra自适应滤波器进行预 测的实验结果表明：当滤波器的长度Ｎ１足够大时， Volterra自适应滤波顺能够有效地预测低维混沌时间序 列，且Ｎ１的选择不仅与Ｄ２有关，还与混沌映射的光 滑程度有关。 关键词:混沌时间序列 滤波器 Volterra自适应预测
• Determining embedding dimension for phase-space reconstruction using a geometrical construction
Cao方法求混沌时间序列重构嵌入维 Practical method for determining the minimum embedding dimension of a scalar time series
观测混沌数据分析 Analysis of observed chaotic data
• Analysis of observed chaotic data
• Practical method for determining the minimum embedding dimension of a scalar time series
CC方法求混沌时间序列重构时延与嵌入窗 Nonlinear dynamics, delay times, and embedding windows • Nonlinear dynamics, delay times, and embedding windows
GP算法计算混沌时间序列的Kolmogorov熵 从混沌时间序列同时计算关联维和Kolmogorov熵
• 从混沌时间序列同时计算关联维和Kolmogorov熵
▫ 在Ｇ－Ｐ算法的基础上提出用最小二乘法从时间序列同时计算出关联 维和Kolmogorov熵的方法。对混沌系统，从本方法得出的关联维是最 优的，同时也得到了Kolmogorov熵的稳定估计。并用Rossler吸引子和 Lorenz吸引子为例证实了这一算法。 ▫ 关键词:混沌 时间序列 关联维 Kolmogorov熵 算法
关键词: 混沌现象 水声信号处理 船舶噪声 辐射噪声
• 舰船辐射噪声超混沌现象研究
水中混响的混沌属性分析 Chaos characteristic analysis of underwater reverberation • 水中混响的混沌属性分析
用非线性动力学的理论方法分析实验水池混响，湖水混响以及海洋混响时 间序列，以检验记录的混响过程是否能用低维非线性动力学建模，以及是 否存在混沌属性，被分析要自不同的地理位置，不同的底质和水文环境， 对应不同的声源，有一定的代表性。分析结果表明混响可在低至4维的动 力学空间中展现不自交的动力学轨道，相近轨道按指数规律扩展或敛聚， 其最大Lyapunov指数是正的且小于0.3。这个结果为混响的非线性动力学 建模和基于混沌的非线性处理奠定基础。 关键词:水中混响 混沌属性 非线性动力学 时间序列 动力学建模 水声探测 有源探测
时间窗法求混沌时间序列重构参数 State space reconstruction parameters in the analysis of chaotic time series - the role of the time window length • State space reconstruction parameters in the analysis of chaotic time series - the role of the time window length
非线性时间序列分析方法的应用 InterdisciplinaryHale Waihona Puke Baiduapplication of nonlinear time series methods
• Interdisciplinary application of nonlinear time series methods
非线性时间序列分析 Nonlinear time series analysis
• 混沌时间序列分析中的相空间重构技术综述
• 深圳成份股指数收益率序列的分形维
▫ 本文对混沌时间序列分析中的相空间重构技术进行了分析和评价,总结 了国内外学者的研究进展,并展望了未来的研究方向. ▫ 本文利用G-P算法计算了深圳成份股指数的分形维为3.8.而这就是证券 市场运行系统的混沌吸引子的维数.因此,虽然证券市场的运行是千变万 化的,决定其变化的因素很多,但是本质因素只有4个.
最大似然算法计算混沌时间序列的关联维 Estimation of Dimension of a Noisy Attractor
• Estimation of Dimension of a Noisy Attractor
假近邻方法(False Nearest Neighbor,FNN)求混沌时间序列重构嵌 入维 Determining embedding dimension for phase-space reconstruction using a geometrical construction
混沌序列分析 Chaotic Time Series Analysis
理解复杂世界 Making Sense of a Complex World
• Making Sense of a Complex World
混沌背景中的信号检测 Detection of Signals in Chaos
• Detection of Signals in Chaos
Wolf方法求混沌时间序列的最大Lyapunov指数 Determining Lyapunov Exponents from a Time Series
• Determining Lyapunov Exponents from a Time Series
小数据量方法求混沌时间序列的最大Lyapunov指数 A practical method for calculating largest Lyapunov exponents from small data sets
• Nonlinear time series analysis
船舶辐射噪声的混沌现象研究 Researches on choatic Phenomena of noises of radiated from ships
• 船舶辐射噪声的混沌现象研究
水下弱信号的检测和识别是当今水声信号处理领域中存在的难题， 应用混沌、分形理论，从相空间轨迹，Lyapunov指数和关联维等 方面研究了船舶辐射噪声的混沌现象，发现船舶辐射噪声信号的确 存在混沌吸引子，且不同类别的信号具有不同的吸引子维数。这一 结果将为水声信号处理，为水下目标探测和识别提供崭新的理论手 段。
• A practical method for calculating largest Lyapunov exponents from small data sets
BBA算法计算混沌时间序列的Lyapunov指数谱 Computing the Lyapunov Spectrum of a Dynamical System from Observed Time Series • Computing the Lyapunov Spectrum of a Dynamical System from Observed Time Series
最大似然算法计算混沌时间序列的Kolmogorov熵 Maximun-likelihood Estimation of the Entropy of an Attractor
• Maximun-likelihood Estimation of the Entropy of an Attractor