一种基于消散型同步的混沌背景下微弱信号检测方法技术

本发明专利技术专利涉及一种基于消散型同步的混沌背景下微弱信号检测方法，包括如下步骤：1）获得混沌时间序列的嵌入维和时间延迟，重构混沌相空间；2）通过神经网络拟合混沌预测模型；3）利用混沌预测模型进行单步预测，获得预测值，并计算预测值与实际值的误差；4）通过傅里叶变换等方法分析误差值判断其中是否存在微弱信号，所述步骤3）中，从中检测出微弱信号，须选择合适的参数实现时间序列与混沌系统的消散型同步，当和的误差的最小均方差达到最小值时确定同步参数K。其有益效果为：弱化了混沌对初始条件极其敏感的特性，同时考虑了微弱信号、噪声等因素对信号检测的影响，提高检测方法的实用性能。?

【技术实现步骤摘要】

本专利技术涉及微弱信号检测技术，具体涉及一种混沌背景下的微弱信号检测方法。技术背景混沌是非线性的确知系统，具有对初始条件极端敏感、短时预测等特性，被广泛的运用于医学、保密通信、水文等领域。混沌无处不在，混沌背景下的微弱信号检测、估计是目前信号处理研究的热点和难点之一。目前，混沌背景下的微弱信号检测主要依据混沌相空间重构和神经网络。首先，根据Takens嵌入定理，采用伪最近邻法、C-C法、互信息量等获得混沌时间序列的嵌入维m和时间延迟τ，重构混沌相空间；然后通过神经网络拟合混沌预测模型；最后，利用混沌预测模型进行单步预测，获得预测值，并计算预测值与实际值的误差，通过FFT等方法分析误差值判断其中是否存在微弱信号。这类方法主要讨论了存在混沌信号和微弱信号的情况，通常只有在讨论算法有效性时加入适当的噪声，但并没有对噪声进行有具体分析，只有少量分析噪声的研究。而在实际环境中，噪声无处不在，这类算法的实用性能也大大降低。其次，这类算法采用混沌系统进行单步预测，忽略了微弱信号的影响，混沌系统对初始条件非常敏感，微弱信号的加入会对后期的运动状态产生一定程度的影响，进而影响混沌时间信号，特别是本文档来自技高网...

【技术保护点】
一种基于消散型同步的混沌背景下微弱信号检测方法，包括如下步骤：？1）获得混沌时间序列的嵌入维m和时间延迟τ，重构混沌相空间；？2）通过RBF神经网络拟合混沌预测模型；？3）利用混沌预测模型进行单步预测，获得预测值，并计算预测值与实际值的误差；？4）通过傅里叶变换分析误差值判断其中是否存在微弱信号,？其特征在于，所述步骤3）中，包括如下步骤：？A)假设存在同一混沌系统的时间序列cn、微弱信号sn、白噪声ηn构成的混合信号xn，即xn＝cn+sn+ηn，xn作为实际信号，从xn中检测出微弱信号sn，须选择合适的参数K实现时间序列xn与混沌系统F(cn)的消散型同步，如式1：？其中，n＝D，...，...

【技术特征摘要】

【专利技术属性】
技术研发人员：行鸿彦，龚平，徐伟，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：