基于量化均值偽鄰近點(diǎn)法的短時(shí)序列確定性檢測(cè).pdf

1、由于確定性信號(hào)和隨機(jī)信號(hào)的研究方法存有極大的差異,因此在分析研究復(fù)雜信號(hào)之前,判斷復(fù)雜信號(hào)是確定性信號(hào)還是隨機(jī)信號(hào)具有重要意義,以便有針對(duì)性的選擇正確的分析方法對(duì)之進(jìn)行分析。針對(duì)以往算法需要主觀參數(shù)的不足,論文提出使用均值偽鄰近法(AFN)檢測(cè)短時(shí)序列的確定性。但只能通過(guò)肉眼觀測(cè)曲線的方法檢測(cè)信號(hào)的確定性。為了實(shí)現(xiàn)量化檢測(cè)短時(shí)序列確定性,論文提出量化均值偽鄰近點(diǎn)法(QAFN)及其變換量化均值偽鄰近點(diǎn)法(LAFN)。兩種量化算法采用假設(shè)檢

2、驗(yàn)實(shí)現(xiàn)量化檢測(cè)短時(shí)序列的確定性,其中統(tǒng)計(jì)量是均值偽鄰近法中參數(shù)E2的變異系數(shù)。
　　論文從三個(gè)方面驗(yàn)證量化算法的有效性。為了考查量化算法對(duì)于不同短時(shí)序列的適用性,對(duì)于所有仿真實(shí)驗(yàn)分別驗(yàn)證了不同長(zhǎng)度的時(shí)間序列。第一,對(duì)合成確定性時(shí)間序列和隨機(jī)時(shí)間序列進(jìn)行仿真驗(yàn)證,實(shí)驗(yàn)結(jié)果和預(yù)期是一致,同時(shí)統(tǒng)計(jì)了量化算法檢測(cè)時(shí)間序列確定性的成功率,實(shí)驗(yàn)結(jié)果說(shuō)明了量化算法適用于檢測(cè)短時(shí)序列(部分時(shí)間序列的長(zhǎng)度只要150點(diǎn))的確定性性質(zhì);第二,驗(yàn)證了量化

3、算法適用于檢測(cè)高維混沌系統(tǒng)產(chǎn)生的時(shí)間序列(Mackey-Glass混沌時(shí)間序列),但是其對(duì)序列長(zhǎng)度的要求更高;第三,驗(yàn)證量化算法對(duì)于自然界真實(shí)存在信號(hào)(心電時(shí)間序列、健康肌電時(shí)間序列、肌病肌電時(shí)間序列、SantaFe激光序列)的適用性,結(jié)果顯示兩種量化算法均適用于檢測(cè)真實(shí)序列的確定性。
　　為了研究量化算法的魯棒性,本文通過(guò)在確定性時(shí)間序列添加不同水平的噪聲對(duì)其進(jìn)行研究。仿真結(jié)果顯示算法應(yīng)用于低維混沌系統(tǒng)有較強(qiáng)的抗噪能力,但是高維

4、混沌系統(tǒng)對(duì)噪聲比較敏感。同時(shí)分析對(duì)比了兩種量化算法的優(yōu)劣,對(duì)于大部分短時(shí)序列,LAFN算法具有更強(qiáng)的魯棒性,但是對(duì)于特例(Tours確定性時(shí)間序列),QAFN算法的抗噪能力更強(qiáng)。
　　最后討論了dmax對(duì)算法有效性的影響,結(jié)果顯示當(dāng)dmax大于一定值時(shí)并不會(huì)對(duì)算法的有效性產(chǎn)生影響,但是隨著dmax取值的增大,算法的計(jì)算量也將不斷變大,對(duì)于低維系統(tǒng)選取8,高維系統(tǒng)選取12。
　　量化算法在檢測(cè)時(shí)間序列的確定性具有如下優(yōu)點(diǎn):對(duì)時(shí)