混沌序列分析-(Chaotic-Time-Series-Analysis)

混沌序列分析

ChaoticTimeSeriesAnalysis理解复杂世界

MakingSenseofaComplexWorldMakingSenseofaComplexWorld混沌背景中的信号检测

DetectionofSignalsinChaosDetectionofSignalsinChaosWolf方法求混沌时间序列的最大Lyapunov指数

DeterminingLyapunovExponentsfromaTimeSeriesDeterminingLyapunovExponentsfromaTimeSeries

小数据量方法求混沌时间序列的最大Lyapunov指数

ApracticalmethodforcalculatinglargestLyapunovexponentsfromsmalldatasets

ApracticalmethodforcalculatinglargestLyapunovexponentsfromsmalldatasetsBBA算法计算混沌时间序列的Lyapunov指数谱

ComputingtheLyapunovSpectrumofaDynamicalSystemfromObservedTimeSeriesComputingtheLyapunovSpectrumofaDynamicalSystemfromObservedTimeSeriesGP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算法的根底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熵算法混沌时间序列分析中的相空间重构技术综述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.深圳成份股指数收益率序列的分形维本文利用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Kolmogorov熵

Maximun-likelihoodEstimationoftheEntropyofanAttractorMaximun-likelihoodEstimationoftheEntropyofanAttractor最大似然算法计算混沌时间序列的关联维

EstimationofDimensionofaNoisyAttractorEstimationofDimensionofaNoisyAttractor

假近邻方法(FalseNearestNeighbor,FNN)求混沌时间序列重构嵌入维Determiningembeddingdimensionforphase-spacereconstructionusingageometricalconstructionDeterminingembeddingdimensionforphase-spacereconstructionusingageometricalconstructionCao方法求混沌时间序列重构嵌入维

PracticalmethodfordeterminingtheminimumembeddingdimensionofascalartimeseriesPracticalmethodfordeterminingtheminimumembeddingdimensionofascalartimeseriesCC方法求混沌时间序列重构时延与嵌入窗

Nonlineardynamics,delaytimes,andembeddingwindowsNonlineardynamics,delaytimes,andembeddingwindows时间窗法求混沌时间序列重构参数

Statespacereconstructionparametersintheanalysisofchaotictimeseries-theroleofthetimewindowlengthStatespacereconstructionparametersintheanalysisofchaotictimeseries-theroleofthetimewindowlength

非线性时间序列分析方法的应用

InterdisciplinaryapplicationofnonlineartimeseriesmethodsInterdisciplinaryapplicationofnonlineartimeseriesmethods非线性时间序列分析

Nonlineartimeseriesanalysis

Nonlineartimeseriesanalysis船舶辐射噪声的混沌现象研究

ResearchesonchoaticPhenomenaofnoisesofradiatedfromships

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确实存在混沌吸引子，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。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

Chaoscharacteristicanalysisofunderwaterreverberation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。分析结果说明混响可在低至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根底。

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混沌时间序列的Volterra自适应预测

Predictinglow-dimensionalchaotictimeseriesusingvolterraadaptivefilters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说明：当滤波器的长度Ｎ１足够大时，