| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-22页 |
| 1.2.1 混沌信号的噪声抑制 | 第14-19页 |
| 1.2.2 混沌信号的盲源分离问题 | 第19-22页 |
| 1.3 本文的研究内容和创新 | 第22-24页 |
| 1.4 本文的组织结构 | 第24-26页 |
| 第二章 混沌的基本理论 | 第26-51页 |
| 2.1 混沌的基本概念 | 第26-28页 |
| 2.1.1 混沌的定义 | 第26页 |
| 2.1.2 混沌的基本特征 | 第26-28页 |
| 2.2 典型的混沌系统 | 第28-41页 |
| 2.2.1 连续时间混沌系统 | 第28-38页 |
| 2.2.2 离散时间混沌系统 | 第38-40页 |
| 2.2.3 龙格库塔方法 | 第40-41页 |
| 2.3 混沌系统的刻画方法 | 第41-51页 |
| 2.3.1 Lyapunov指数 | 第41-45页 |
| 2.3.2 增长指数 | 第45-46页 |
| 2.3.3 吸引子的分维数 | 第46-49页 |
| 2.3.4 Poincaré截面 | 第49-51页 |
| 第三章 受污染混沌信号的协同滤波降噪 | 第51-76页 |
| 3.1 引言 | 第51-52页 |
| 3.2 混沌吸引子的时域自相似性 | 第52-59页 |
| 3.2.1 混沌信号的分形特性与时域自相似性 | 第52-56页 |
| 3.2.2 混沌信号时域自相似性的证明 | 第56-57页 |
| 3.2.3 加性噪声对时域自相似性的影响 | 第57-59页 |
| 3.3 混沌信号的协同滤波降噪算法 | 第59-62页 |
| 3.3.1 分组 | 第59-60页 |
| 3.3.2 协同滤波 | 第60-62页 |
| 3.3.3 信号重构 | 第62页 |
| 3.4 算法参数分析 | 第62-65页 |
| 3.4.1 片段宽度对算法性能的影响 | 第62-63页 |
| 3.4.2 搜索窗半径对算法性能的影响 | 第63页 |
| 3.4.3 搜索步进对算法性能的影响 | 第63-64页 |
| 3.4.4 搜索窗移动步长对算法性能的影响 | 第64-65页 |
| 3.4.5 协同滤波降噪算法的推荐参数设定 | 第65页 |
| 3.5 仿真实验 | 第65-75页 |
| 3.5.1 降噪效果的定量分析与比较 | 第65-70页 |
| 3.5.2 对混沌特征的还原情况 | 第70-71页 |
| 3.5.3 对相图的重构质量比较 | 第71-73页 |
| 3.5.4 算法执行时间的比较 | 第73-75页 |
| 3.6 本章小结 | 第75-76页 |
| 第四章 基于相空间重构和奇异谱分析的混沌信号自适应降噪 | 第76-98页 |
| 4.1 引言 | 第76页 |
| 4.2 奇异谱分析降噪 | 第76-79页 |
| 4.2.1 奇异谱分析的基本原理 | 第76-78页 |
| 4.2.2 奇异谱分析降噪的原理 | 第78页 |
| 4.2.3 奇异谱分析降噪处理混沌信号时存在的问题 | 第78-79页 |
| 4.3 基于相空间重构和奇异谱分析的自适应噪声抑制算法 | 第79-81页 |
| 4.3.1 相空间增长指数 | 第79-80页 |
| 4.3.2 奇异值数l的辨识 | 第80-81页 |
| 4.3.3 SSA自适应降噪算法的流程 | 第81页 |
| 4.4 自适应降噪算法的计算复杂度分析与快速算法设计 | 第81-84页 |
| 4.4.1 计算复杂度分析 | 第81-82页 |
| 4.4.2 快速算法设计 | 第82-84页 |
| 4.5 算法参数的分析与选取 | 第84-86页 |
| 4.5.1 PE控制参数σ | 第84-85页 |
| 4.5.2 嵌入窗长L | 第85-86页 |
| 4.6 仿真实验 | 第86-96页 |
| 4.6.1 奇异值数目的优化效果分析 | 第87-89页 |
| 4.6.2 高斯白噪声污染的混沌信号降噪实验 | 第89-93页 |
| 4.6.3 非高斯噪声污染的混沌信号降噪实验 | 第93-94页 |
| 4.6.4 太阳黑子月平均数降噪实验 | 第94-96页 |
| 4.6.5 降噪算法计算时间的比较 | 第96页 |
| 4.7 本章小结 | 第96-98页 |
| 第五章 一种基于人工蜂群算法的混沌信号盲分离方法 | 第98-114页 |
| 5.1 引言 | 第98页 |
| 5.2 盲分离问题模型 | 第98-99页 |
| 5.3 混沌信号盲分离方法 | 第99-104页 |
| 5.3.1 人工蜂群算法 | 第99-100页 |
| 5.3.2 相空间增长指数与盲分离问题的目标函数 | 第100-102页 |
| 5.3.3 去均值、白化和正交约束 | 第102-103页 |
| 5.3.4 基于人工蜂群算法的盲分离方法 | 第103-104页 |
| 5.4 仿真实验 | 第104-113页 |
| 5.4.1 仿真设计 | 第104-106页 |
| 5.4.2 无观测噪声时的仿真结果 | 第106-108页 |
| 5.4.3 有观测噪声时的仿真结果 | 第108-110页 |
| 5.4.4 混沌信号和随机信号的分离实验 | 第110-113页 |
| 5.5 本章小结 | 第113-114页 |
| 结论与展望 | 第114-117页 |
| 结论 | 第114-115页 |
| 展望 | 第115-117页 |
| 参考文献 | 第117-130页 |
| 攻读博士学位期间取得的研究成果 | 第130-131页 |
| 致谢 | 第131-132页 |
| 附件 | 第132页 |
