脑电Alpha波的混沌关联维数分析

通过研究了静息状态下枕部A lpha波信号的混沌关联维数的特征,在采集了被试的A lpha波信号后,分别采用互信息量法,伪最近邻域法和关联积分方法依次求得时间延迟τ,嵌入维数m和关联维数D2.结果显示枕部的A lpha波关联维数在睁眼时均值4.7,闭眼时均值4.2,二者有显著的差别(p<0.01).实验表明,在闭眼时视觉输入被阻断,大脑处于自治状态,脑电复杂程度下降,而睁眼时复杂程度较高。

混沌关联维数在人脑状态区分中的应用

随着信号处理技术的发展,人们对脑电信号的计算和分析日益深入,以期进一步理解和认知大脑的功能。研究人脑在不同状态下的脑电信息,可以进一步揭示各种状态对于脑活动和脑电的影响。近年来,灰色理论和混沌理论的研究广泛应用于信号处理领域。根据脑电信号自身的特点,提出一种结合灰色建模理论和混沌理论关联维数的人脑状态识别新方法。首先对脑电数据进行灰色建模,然后对所得到的模型参数进行关联维数的计算,从而对人脑的状态进行区分。当取16 000点脑电数据计算关联维数时,传统G-P算法用于计算关联维数的数据点数是本方法的8倍。在计算时间上,传统G-P算法用时145.5 s,而本方法用时9.2 s。结果表明,本方法能够减少计算数据量,进而缩短运算时间。由于不同状态脑电信号的较大特征值非常接近,所以奇异谱与不同状态脑电信号的关联维数相比,关联维数可以更好地区分人脑的状态。

基于混沌关联维特征提取的大数据聚类算法

大数据聚类过程是一个随机的非线性处理过程,具有很高的不确定性。由于传统方法需要先验知识进行学习,不能很好地适应大数据的实时变化情况,无法有效实现大数据聚类,因此提出一种基于混沌关联特征提取的大数据聚类算法。分析了传统方法的弊端,通过重构相空间建立了一个多维的状态空间向量与混沌轨迹,使原系统中很多几何特征量保持不变,为分析原系统的混沌特征提供有效依据。将平均互信息量取第一个最小值时的横坐标所指的时间延迟作为重构相空间的最佳时间延迟,采用虚假最近邻点算法对最佳嵌入维数进行选择。将提取的关联维数这一特征量作为大数据聚类的混沌特征量,依据提取的混沌关联维特征对大数据进行聚类。仿真实验表明,所提算法能够有效提高数据的聚类效率,减少能耗,是一种有效的数据聚类方法。

基于连续图像灰度序列混沌特性的油气水三相流型识别

以35号润滑油、空气和自来水为试验介质,应用高速摄像机对垂直上升管内的油气水三相流的六种典型流型进行了动态图像的拍摄。提取每一帧图像的灰度均值组成时间序列,对其进行混沌特性分析,提取序列的HURST指数,关联维以及分别以2和e为底的最大李亚普诺夫指数,组成特征向量,输入支持向量机进行流型分类。试验结果表明:连续图像的灰度时间序列的混沌特性能够对油气水三相流的典型流型进行很好的表征,结合支持向量机进行分类,识别率达到90%以上,为流型的在线识别提供了一种新方法。

振动流化床中流动结构的混沌分析

在内径 90mm、静床高 80 0mm的高床层流化床中 ,用动态压力传感器检测了不同气速条件下普通流化床和振动流化床中沿轴向的压力脉动信号 ,通过小波变换对信号除噪后 ,用混沌理论对信号进行了分析 .通过关联维数和Kolmogorov熵定量表征振动流化床中的流动结构特征 .结果表明 :压力脉动信号的关联维数和Kolmogorov熵能够描述振动流化床中的流化状态 ;振动流化床中床层的流动结构存在两个区 ,在近分布板区域为射流区 。