[发明专利]一种样本长度对混沌特征的影响及样本长度的选取方法

说明书

本发明涉及一种样本长度对混沌特征的影响及样本长度的选取方法，分析了样本长度对混沌特征的影响以及能取到的较短长度且特征处于稳定状态。首先将不同类型目标信号的实测数据作为样本；再对实测数据序列进行相空间重构；然后采用G‑P法来计算目标信号的关联维数；根据BBA算法计算目标信号的最大Lyapunov指数；采用最大似然估计法计算目标信号的Kolmogorov熵；完成关联维数、最大Lyapunov指数和Kolmogorov熵的提取之后，最后分析样本长度对混沌特征的影响以及能取到的较短长度且特征处于稳定状态，这样就可以减少估算实验数据的一个时间成本。

技术领域

本发明属于信号处理领域，涉及一种样本长度对混沌特征的影响及样本长度的选取方法，研究了对于样本长度对混沌特征的影响以及能取到的较短长度且特征处于稳定状态的一种方法。

背景技术

过去较长一段时间，人们一直使用传统的信号处理理论作为水声信号处理的一个基础。并且，在此基础上以一些传统工具比如功率谱分析、相关分析等提取一些参数作为识别特征。虽然这些传统方法在当时满足了一些需要，也解决了很多水声信号处理的实际问题。然而近几年来，通过大量的理论研究和一些实验研究，证明了水声信号是具有一定混沌特性的，这就为采用混沌理论研究水声信号的参数提取和特征分类奠定了基础。水声信号的混沌特征参数提取是实现对水下目标信号的检测和识别是水声信号处理的一个重要内容。

那么我们在提取混沌特征的时候，会有某些因素对某些特征有影响，本方法就是研究样本长度对混沌特征的影响以及能取到的较短长度且特征处于稳定状态。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种样本长度对混沌特征的影响及样本长度的选取方法，本发明研究了样本长度对混沌特征的影响，并且怎样能够保证在样本长度相对较小(节省运算时间)且能够获得稳定的关联维数值。通过分析研究表明，随着样本长度的增加，关联维数值也随之增加，而样本长度对最大Lyapunov指数和Kolmogorov熵的影响不太大；那么随之我们可以提出，既然样本长度对关联维有影响，那么我们取多少样本长度且关联维数的值还能保持稳定？这样就可以减少估算实验数据的一个时间成本。

技术方案

一种样本长度对混沌特征的影响及样本长度的选取方法，其特征在于步骤如下：

步骤1：将水听器测到的两类不同类型目标的水声信号数据，进行相空间重构得到相空间X(i)和Y(i)：

X(i)＝[x(i),x(i+τ),...,x(i+(m-1)τ)]^T

Y(i)＝[y(i),y(i+τ),...,y(i+(m-1)τ)]^T

其中：x_i,i＝1,2,3,...为时间序列，τ为时间延迟，m为嵌入维数，

步骤2、设定多个信号数据样本长度，在两个相空间内对各自的信号，对每一个数据样本长度分别提取特征：采用G-P法来估计两个目标信号的关联维数；

步骤3：以样本长度为横坐标，以关联维数为纵坐标，将在所有的交叉点进行连接，当曲线在关联维数的取值范围在3时，达到相对稳定的状态，相对该状态的本长度为选取样本长度。

所述G-P法来估计关联维数：

先给一个比较小的嵌入维，对一维数据进行相空间重构，然后计算关联积分：

在r的无标度区域内，双对数曲线ln(r)～ln(C(r))满足线性关系。依次增大嵌入维的值，按照最小二乘法进行拟合。直到随着嵌入维的增加，关联维数曲线不再增加，此时所对应的即为要求的关联维数。