論文綜述了混沌研究的發(fā)展歷史及其意義，歸納和總結(jié)了混沌的定義及混沌的基本特征，著重介紹了混沌分析方法及混沌時間序列預(yù)測和目標(biāo)檢測方法，闡述了本論文研究的目的和意義。對相空間重構(gòu)的原理及相空間重構(gòu)的主要方法進(jìn)行了詳細(xì)的介紹，給出了相空間參數(shù)確定的主要方法，其中包括確定延遲時間τ的自相關(guān)函數(shù)法、復(fù)自相關(guān)法和互信息法;確定嵌入維數(shù)m的Cao方法以及延遲時間和嵌入維數(shù)同時確定的C-C法，采用C-C法對常見的混沌系統(tǒng)進(jìn)行了相空間重構(gòu)，實(shí)驗(yàn)仿真結(jié)果表明，該方法能夠較好的重構(gòu)出混沌時間序列的相空間。根據(jù)Lyapunov指數(shù)的原理，采用小數(shù)據(jù)量法計算最大Lyapunov指數(shù)的方法，計算出時間序列的最大Lyapunov指數(shù)并判斷該系統(tǒng)是否混沌，然后利用Lyapunov指數(shù)根據(jù)數(shù)據(jù)序列本身所蘊(yùn)含的規(guī)律對混沌時間序列進(jìn)行預(yù)測，這種預(yù)測方法不需要事先建立主觀的分析模型，且具有精度高、可信度強(qiáng)的優(yōu)點(diǎn)，仿真結(jié)果表明，該方法能夠較準(zhǔn)確的計算出混沌序列的最大Lyapunov指數(shù)，同時對混沌序列的具有較強(qiáng)的短期預(yù)測性?；诨煦鐒恿ο到y(tǒng)相空間的延遲坐標(biāo)重構(gòu)，提出了預(yù)測混沌時間序列的Volterra自適應(yīng)濾波預(yù)測法，對多種低維混沌序列采用二階Volterra自適應(yīng)濾波器進(jìn)行預(yù)測，對高階非線性混沌序列采用高階非線性傅立葉紅外濾波器進(jìn)行預(yù)測，實(shí)驗(yàn)結(jié)果表明，當(dāng)預(yù)測濾波器的長度選擇足夠大時，采用Volterra自適應(yīng)濾波器能夠有效地預(yù)測多維混沌時間序列。在相空間重構(gòu)理論的基礎(chǔ)上，將改進(jìn)的遺傳算法和神經(jīng)網(wǎng)絡(luò)結(jié)合起來，提出了一種混合遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測混沌時間序列的方法。通過復(fù)相關(guān)法和Cao方法重構(gòu)混沌時間序列，利用改進(jìn)的遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、初始權(quán)值和閾值，然后訓(xùn)練神經(jīng)網(wǎng)絡(luò)求得最優(yōu)解。該算法應(yīng)用到混沌時間序列的預(yù)測中，并與BP算法和RBF算法的預(yù)測精度進(jìn)行了比較，仿真結(jié)果表明該算法對混沌時間序列具有更好的非線性擬合能力和更高的預(yù)測精度。提出了一種基于差分進(jìn)化RBF神經(jīng)網(wǎng)絡(luò)的混沌背景下目標(biāo)信號檢測方法，采用差分進(jìn)化（DE）算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的中心矢量、基寬度和輸出連接權(quán)值，對混沌時間序列進(jìn)行預(yù)測，并利用支持向量機(jī)（SVM）分類器進(jìn)行目標(biāo)檢測，對基于傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)檢測方法和常用差分進(jìn)化優(yōu)化算法的實(shí)驗(yàn)仿真結(jié)果進(jìn)行了比較，驗(yàn)證了該方法的有效性。針對混沌海雜波的建模與目標(biāo)信號檢測問題，以相空間重構(gòu)和模糊理論為基礎(chǔ)，提出了一種基于T-S模型的模糊聚類方法對混沌時間序列進(jìn)行預(yù)測和目標(biāo)檢測，利用自適應(yīng)門限法判決混沌背景下微弱目標(biāo)信號的有無。在模糊聚類建模中將前件劃分和結(jié)論參數(shù)分開辨識，既簡化辨識步驟，又提高模型的泛化能力，同時解決了模糊模型隨辨識系統(tǒng)復(fù)雜程度提高而規(guī)則數(shù)增大的問題。與基于RBF神經(jīng)網(wǎng)絡(luò)的混沌背景下弱信號檢測結(jié)果進(jìn)行比較，仿真結(jié)果驗(yàn)證了該方法的有效性。在相空間重構(gòu)和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出了一種基于自適應(yīng)變異混合粒子群的神經(jīng)網(wǎng)絡(luò)算法。該算法采用基于群體自適應(yīng)變異和個體退火操作的混合粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)，通過自適應(yīng)變異操作和模擬退火算法調(diào)整和優(yōu)化粒子群，提高了算法的全局收斂性。將該算法應(yīng)用于混沌時間序列的預(yù)測和混沌背景下的微弱目標(biāo)信號檢測，仿真結(jié)果表明該算法具有很強(qiáng)的非線性預(yù)測能力，能夠較好的檢測出混沌背景下的微弱目標(biāo)信號。