[发明专利]一种基于二元假设检验的混沌检测方法

说明书

技术领域

本发明应用于混沌信号处理领域的混沌序列检测，尤其涉及一种针对较大噪声干扰时的一维混沌序列检测方法。

背景技术

在实际应用中，由于计算工具和方法等的限制，混沌序列会不可避免地受到噪声的影响。这些噪声给混沌序列的检测和分析带来了极大的困难，有时甚至导致错误的结论。因此，噪声环境中的混沌序列检测是一件非常有意义的工作。在过去十几年中，功率谱方法、主分量分析法(PCA)、庞加莱截面法、李雅普洛夫(Lyapunov)指数法等方法常被用来进行混沌序列检测。

混沌序列检测是混沌信号处理领域的一个重要研究内容，因为它是很多有关混沌序列应用的基础。在近些年的发展过程中，随着混沌理论的不断完善及其在各个领域的应用不断加深，产生了许多有关混沌序列检测的方法。功率谱方法主要用来检测确定性信号(周期或拟周期信号)和混沌序列。因为这两类信号的功率谱呈现较大的不同，谱图是具有单峰或多峰则是周期(或拟周期)信号，谱图若无明显的峰值或峰练成一片，则该序列为混沌序列。主分量分析方法是一种有效识别混沌和噪声的方法。它首先根据接收序列进行相空间重构，进而利用嵌入维数构造轨线矩阵和协方差矩阵，然后求得对应的主分量谱，最后根据混沌序列和噪声的主分量分布之间的差异来检测混沌序列。庞加莱截面方法通过在相空间中适当选取一截面，根据不同序列在该平面上形成的轨迹差异来实现混沌序列的检测。基于李雅普洛夫指数的方法通过接收序列求解该系统的最大李雅普洛夫指数，若该值大于零，则表示该系统是混沌的，从而该序列是混沌序列。

以上的不管是基于频谱的及基于PCA的方法，还是基于庞加莱截面和Lyapunov指数的方法，都是基于混沌序列本身所具有的一些特殊性质所提出的。基于频谱的方法，由于混沌序列也具有和噪声类似的宽频特性，导致无法有效区分噪声和混沌；基于PCA的方法需要重构相空间，且要对协方差矩阵进行特征值分解，计算量较大；基于庞加莱截面的方法受限于截面的选取，不便于实际应用，且在无法预知具体混沌系统时需要重构相空间抽象，计算复杂；基于Lyapunov指数的方法受限于该指数的计算，且易受到噪声的影响。

发明内容

本发明针对现有技术的不足，提出一种基于二元假设检验的混沌检测方法，在高斯白噪声环境下，通过对接收序列相空间中的点进行重排，分段后计算均值，进而利用归一化均值方差来检测混沌序列。

本发明的技术方案为：

本发明根据混沌序列和高斯白噪声序列各自的特点，将接收序列升序排列后分组，并求解各分组数据的均值，从两种序列分组数据均值不同为出发点，提供了一种稳健混沌序列检测方法，该方法能够在较低信噪比下实现混沌序列检测，且易于实现。

一种基于二元假设检验的混沌检测方法，包括以下步骤：

S1、设接收序列为y_n，对于相空间中的点为(y_n,y_n+1)，对所述y_n进行升序排列得令则(t_n,z_n)是重排后相空间中的点，其中，n是不为零的自然数；

S2、将S1所述重排后相空间中的点(t_n,z_n)的纵坐标z_n按顺序均分为M组，每组K个点，则有N＝MK；