混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

提出了一种基于混沌参数优化径向基函数(radial basis function,RBF)神经网络的预测模型.通过混沌理论获得了ENPEMF信号的有效嵌入维数和最优时延,然后利用所获得的参数优化RBF神经网络.采用训练好的参数优化RBF神经网络预测ENPEMF.数值仿真结果表明,改进的RBF算法可以较为准确地预测Rossler混沌时间序列且误差较小.将优化的RBF模型应用于芦山Ms7.0级地震前ENPEMF数据,可以有效预测震前14 d的ENPEMF数据强度趋势,且预测效果及精度优于传统RBF神经网络算法,期望为地质灾害及强震前的电磁监测分析提供支持.

高质量LMSCT时频分析算法及其在雷达信号目标检测中的应用

针对线性调频小波变换(CT)引入的调频率参数不能完全匹配信号的瞬时频率及算法抗噪性能不佳等问题,提出高质量的局部最大值同步压缩线调频小波变换(LMSCT)算法,改善CT时频分布图能量扩散幅度出现的偏差.所提算法的核心思想是通过局部最大值同步压缩操作重新分配CT的频率点.实验结果表明,LMSCT算法具有较高的时频聚集度,并且能够较好地抑制噪声的干扰,在低信噪比的情况下仍然保持良好的时频聚集度.在IPIX处理雷达信号分析中,LMSCT算法能够较为清晰地描绘目标信号的时间-频率联合分布特性,并且确定目标出现的距离单元,为海杂波背景下的IPIX雷达信号小目标检测提供判断依据.