基于混沌时间序列建模的频谱状态持续时长预测

为提高频谱利用率,该文利用非线性动力学理论对频谱状态持续时长序列进行建模并预测。以实际采集的频谱数据作为研究对象,采用指向导数法对该时长序列进行非一致延长时间相空间重构,利用基于尺度的Lyapunov指数判定其混沌特性。以基于Davidon-Fletcher-Powell方法的二阶Volterra预测模型(DFPSOVF)为基础,提出一种基于限域拟牛顿方法的Volterra自适应滤波器系数调整模型,并将该模型应用于具有混沌特性的短时频谱状态持续时长预测,通过自适应剔除对预测贡献小的滤波器系数,降低预测模型的复杂度。实验结果表明该算法在保证预测精度的同时降低运算复杂度。