【機(jī)械類畢業(yè)論文中英文對照文獻(xiàn)翻譯】相空間重構(gòu)中嵌入維和時(shí)間延遲的選擇
【機(jī)械類畢業(yè)論文中英文對照文獻(xiàn)翻譯】相空間重構(gòu)中嵌入維和時(shí)間延遲的選擇,機(jī)械類畢業(yè)論文中英文對照文獻(xiàn)翻譯,機(jī)械類,畢業(yè)論文,中英文,對照,對比,比照,文獻(xiàn),翻譯,相空間,重構(gòu)中,嵌入,維和,時(shí)間,延遲,選擇
黃河科技學(xué)院畢業(yè)論文(文獻(xiàn)翻譯) 第 9 頁
相空間重構(gòu)中嵌入維和時(shí)間延遲的選擇
MA Hong-guang, HAN Chong-chao
摘要：學(xué)者們提出了一種用于相空間重構(gòu)的嵌入維和時(shí)間延遲自動(dòng)算法,它利用混沌時(shí)間序列的去偏復(fù)自相關(guān)函數(shù)的零點(diǎn)來確定時(shí)間延遲,有效地降低了平均位移法跟蹤平均位移量斜率變化的隨意性所造成的計(jì)算誤差,并借助于復(fù)自相關(guān)法和Γtest 的迭代計(jì)算求得準(zhǔn)最佳的嵌入維和時(shí)間延遲參數(shù)。該算法具有較充分的理論依據(jù),其計(jì)算復(fù)雜度不大,對數(shù)據(jù)長度的依賴性不強(qiáng)。仿真實(shí)驗(yàn)結(jié)果表明,用該算法計(jì)算標(biāo)準(zhǔn)混沌時(shí)間序列關(guān)聯(lián)維的相對誤差由傳統(tǒng)算法的4.4%降低1.06%,有效地提高了計(jì)算相空間重構(gòu)中不變量的精度。
關(guān)鍵詞：空間重構(gòu),嵌入維,時(shí)間延遲,復(fù)自相關(guān)
1.前言
利用非線性系統(tǒng)輸出的部分混沌時(shí)間序列考察系統(tǒng)中奇異吸引子的方法是分析混沌時(shí)間序列的常用方法,目前廣泛采用的是 Packad [1]等人提出的延遲坐標(biāo)狀態(tài)空間重構(gòu)法. 由Takens 定理[2]證明, 只要找到一個(gè)合適的嵌入維, 即如果延遲坐標(biāo)的維數(shù)m≥2 d + 1（d 為原系統(tǒng)的階數(shù)）,在這個(gè)嵌入維空間里可以把有規(guī)律的軌線（吸引子或奇異吸引子） 恢復(fù)出來,亦即在重構(gòu)的Rm 空間中的軌線上與原動(dòng)力系統(tǒng)保持微分同胚. 在重構(gòu)相空間中, 時(shí)間延遲τ和嵌入維m 的選取十分重要, 其精度直接關(guān)系著相空間重構(gòu)后描述奇異吸引子特征的不變量的準(zhǔn)確度。對τ和m 的選取現(xiàn)在主要有兩種觀點(diǎn),第1 種認(rèn)為兩者是互不相關(guān)的,即τ和m 的選取可以獨(dú)立進(jìn)行（Takens 證明了對于無限長的、無噪聲干擾的時(shí)間序列,其τ和m 是相互獨(dú)立的）。現(xiàn)有的時(shí)間延遲和嵌入維的選擇一般基于3 種準(zhǔn)則：
①序列相關(guān)法,如自相關(guān)法[3] 、互信息量法[4]和高階相關(guān)法[5]等;
②相空間擴(kuò)展法,如充填因子法[6] 、擺動(dòng)量法[7]、平均位移法[8] 、SVF 法[9]等;
③復(fù)自相關(guān)法和去偏復(fù)自相關(guān)法[10] . 第2 種觀點(diǎn)則認(rèn)為τ和m 是相互關(guān)聯(lián)的,因?yàn)楝F(xiàn)實(shí)中的時(shí)間序列都是有限長且不可避免地受到各種噪聲的影響. 大量實(shí)驗(yàn)表明,τ和m 的關(guān)系與重構(gòu)相空間的時(shí)間窗tw密切相關(guān)（ tw =( m - 1)τ） ,對于特定的時(shí)間序列,其tw 相對固定,τ和m 的不恰當(dāng)配對將直接影響重構(gòu)后的相空間結(jié)構(gòu)與原空間的等價(jià)關(guān)系,因此相應(yīng)地產(chǎn)生了τ和m 的聯(lián)合算法, 如時(shí)間窗口法[11] 、C2C 法[12]和嵌入維、時(shí)間延遲自動(dòng)算法[13]等. 多數(shù)研究人員認(rèn)為,第2 種觀點(diǎn)在工程實(shí)踐中更為實(shí)用、合理. 有關(guān)嵌入維和時(shí)間延遲聯(lián)合算法的研究是混沌時(shí)間序列分析的熱點(diǎn)之一。
2.嵌入維、時(shí)間延遲自動(dòng)算法
嵌入維、時(shí)間延遲自動(dòng)算法是由Masayuki Otani等人于2000 年10 月提出的, 該算法利用平均位移(Average Displacement Method ,AD) 和Γtest[14 ]聯(lián)合算法計(jì)算準(zhǔn)最佳的嵌入維、時(shí)間延遲. 下面, 對該算法給予簡要介紹：
(1) 設(shè)混沌時(shí)間序列為X = { xi ( t ) } , i = 1 , 2 ,?, N , 給出一個(gè)嵌入維m 的初始值,即令m = m0 ,令時(shí)間延遲τ由小到大變化,依次將時(shí)間序列X 構(gòu)造成總數(shù)為M = N - ( m - 1)τ的矢量{σi} , i = 1 ,2 ,?M ,σi = [ xi , xi + 1 , ?, xi + ( m - 1)τ] ，σi ∈Rm ，在每個(gè)確定的τ處計(jì)算整個(gè)矢量空間的平均位移量，
（1）
直到S (τ) 的值達(dá)到飽和為止(即其對τ的導(dǎo)數(shù)接近0 時(shí) . 此時(shí)的時(shí)間延遲τ為對應(yīng)的嵌入維下的準(zhǔn)最佳值.
(2) 將計(jì)算得到的τ代入Γtest ,計(jì)算對應(yīng)的準(zhǔn)最佳嵌入維m. 具體的步驟是:設(shè)時(shí)間序列是由一個(gè)連續(xù)映射(函數(shù)) f : Rm → R 產(chǎn)生的, y = f ( x1 , ?,xm) +γ,其中γ代表了該模型的不確定部分,它包括噪聲的作用和對輸入、輸出之間的不確定成分. 給定一個(gè)嵌入維m 的值,將時(shí)間序:
(3) X = { xi ( t) } ,i =1 ,2 , ?, N 重構(gòu)成M = N - ( m - 1)τ的矢量空間
ξi= { x ( i) , x ( ( i + 1)τ) , ?, x ( ( i + m - 1)τ) } (2)
令yi = x ( ( i + m)τ) , i = 1 ,2 , ?, M , 創(chuàng)建M組輸入、輸出矢量對{ξi , yi } , 在矢量空間中找出p最佳嵌入維m. 具體的步驟是:設(shè)時(shí)間序列是由一個(gè)連續(xù)映射(函數(shù)) f : Rm → R 產(chǎn)生的, y = f ( x1 , ?,xm) +γ,其中γ代表了該模型的不確定部分,它包括噪聲的作用和對輸入、輸出之間的不確定成分. 給定一個(gè)嵌入維m 的值,將時(shí)間序列X = { xi ( t) } , i = 1 ,2 , ?, N 重成M = N - ( m - 1)τ的矢量空間，
ξi= { x ( i) , x ( ( i + 1)τ) , ?, x ( ( i+ m - 1)τ) } (3)
令yi = x ( ( i + m)τ) , i = 1 ,2 , ?, M , 創(chuàng)建M組輸入、輸出矢量對{ξi , yi } , 在矢量空間中找出p續(xù)非線性混沌時(shí)間序列的嵌入維和時(shí)間延遲1 圖1為Lorenz 和Rossler 系統(tǒng)在m = 2 , 4 , 6 , 8 時(shí)的平均位移S (τ) 隨τ變化的波形：
圖1 洛倫茨平均位移
圖2 羅斯勒流的平均位移
然而,嵌入維、時(shí)間延遲自動(dòng)算法不能直接處理像Henon 映射這樣的離散混沌序列, 主要原因是離散混沌序列的采樣間隔大, 使得數(shù)據(jù)間的相關(guān)性變化過快,因此處理離散時(shí)間序列時(shí),應(yīng)首先對數(shù)據(jù)序列進(jìn)行內(nèi)插處理. 圖2 所示為Henon 和Quadratic 序列經(jīng)樣條數(shù)據(jù)內(nèi)插后在m = 2 , 4 , 6 , 8 時(shí)的平均位移S(τ) 隨τ變化的波形：
圖3 Henon 映射的平均位移
圖4 Quadratic 映射的平均位移
平均位移法是為了克服用自相關(guān)函數(shù)法求取時(shí)間延遲所存在的不足而提出來的, 根據(jù)自相關(guān)函數(shù)法得到的時(shí)間延遲τ可分別讓xi 和xi +τ以及xi +τ與
xi +2τ之間不相關(guān), 而xi 與xi +2τ之間可能仍有很強(qiáng)的相關(guān)性,這一點(diǎn)意味著由自相關(guān)法得到的時(shí)間延遲不可能推廣到高維中, 而平均位移法屬相空間重構(gòu)的幾何方法,可聯(lián)系相關(guān)性準(zhǔn)則,具有較強(qiáng)的物理意義. 用上述算法計(jì)算得到的嵌入維和時(shí)間延遲精度在很大程度上依賴于平均位移法的精度. 如圖1、圖2 所示,隨著嵌入維m 的增加,平均位移S(τ) 的飽和點(diǎn)的位置不斷前移,用平均位移法跟蹤S (τ) 波形的斜率,當(dāng)m 為某一確定值時(shí), 第1 次降到初始斜率的40 %以下所對應(yīng)的時(shí)間延遲即為所求的時(shí)間延遲τ. 這種方法的缺點(diǎn)是具有一定的隨意性,同時(shí),在S (τ) 的總體變化中夾雜有較強(qiáng)的抖動(dòng), 因此用波形的斜率作為判斷時(shí)間延遲τ常常存在較大的誤差,由此計(jì)算出的嵌入維必然也不十分精確. 因此,必須對求解時(shí)間延遲τ的算法加以改進(jìn)。
3.改進(jìn)算法
時(shí)間延遲τ的復(fù)自相關(guān)算法[10 ]是由自相關(guān)法和平均位移法相結(jié)合推導(dǎo)出的,序列{xi}在m維相空間的平均位移可由式(1) 改寫為：
（4）
將式(4) 展開并忽略邊緣點(diǎn)帶來的誤差,設(shè)
在1 ≤j ≤m - 1 內(nèi)為常數(shù),可得，
（5）
式中: Rxx (jτ) 是序列{xi} 的自相關(guān)函數(shù).定義，
則序列{ xi} 在m 維相空間的復(fù)自相關(guān)法可描述為:當(dāng)嵌入維m 為某一確定值時(shí),選取Rmxx (τ) 下降到其初始值的1 - e - 1時(shí)對應(yīng)的時(shí)間為時(shí)間延遲τ.顯然, 復(fù)自相關(guān)法由AD 法蛻化而來, 可繼承AD 法在相空間重構(gòu)中的幾何意義. 同時(shí), 它又可看成是自相關(guān)法的高維擴(kuò)展,可克服自相關(guān)法的缺點(diǎn).復(fù)自相關(guān)法除讓xi 和xi +τ以及xi +τ與xi + 2τ之間不相關(guān)外,還可以保證xi 與xi + 2τ之間不相關(guān). 因此,復(fù)自相關(guān)法具有較明確的理論依據(jù).對平均位移法的改進(jìn)算法最終采用的是去偏復(fù)自相關(guān)法：
（6）
式中: x 為序列的均值.由于去偏復(fù)自相關(guān)去除了時(shí)間序列的均值,因此序列{ xi } 在m 維相空間的復(fù)自相關(guān)法是選取Cmxx(τ) 第1 個(gè)0 點(diǎn)所對應(yīng)的時(shí)間作為時(shí)間延遲τ. 該方法的優(yōu)點(diǎn)是繼承了平均位移法在相空間中明顯的幾何意義,數(shù)學(xué)表達(dá)簡潔,易于計(jì)算. 該方法是自相關(guān)法在高維的擴(kuò)展,有效地克服了平均位移法的缺陷.為了驗(yàn)證改進(jìn)后算法的精度, 選取Henon 映射Lorenz 系統(tǒng)的仿真數(shù)據(jù),分別用平均位移法、復(fù)自相關(guān)法和Γtest 相結(jié)合計(jì)算嵌入維和時(shí)間延遲, 重構(gòu)Henon 映射和Lorenz 系統(tǒng), 其中Henon 映射的仿真數(shù)據(jù)經(jīng)10 倍的樣條插值后取前500個(gè)數(shù)據(jù)參加實(shí)驗(yàn),對Lorenz 系統(tǒng)則先生成10000個(gè)數(shù)據(jù), 選取5000至6 000之間的1000個(gè)數(shù)據(jù)參加實(shí)驗(yàn), 再分別計(jì)算出關(guān)聯(lián)維, 并與相應(yīng)的理論關(guān)聯(lián)維[15 ]比較,得到計(jì)算誤差。實(shí)驗(yàn)結(jié)果如表1 所示,由此可見,改進(jìn)算法的計(jì)算誤差明顯小于原算法的誤差。
4.結(jié)束語
相空間重構(gòu)法是分析混沌時(shí)間序列的基本方法之一, 要準(zhǔn)確、全面地描述混沌時(shí)間序列中奇異吸引子的幾何特性, 必須準(zhǔn)確地選擇用于重構(gòu)計(jì)算的嵌入維和時(shí)間延遲, 而傳統(tǒng)的算法均將這兩個(gè)重要的參數(shù)看作是不相關(guān)的量。實(shí)踐證明,混沌時(shí)間序列的嵌入維和時(shí)間延遲是密切相關(guān)的, 因此本文所研究、改進(jìn)的算法無疑為混沌理論的工程應(yīng)用提供了一個(gè)有力的工具。
參考文獻(xiàn)
[1 ] Packard N H , Crutchfield J P , Farmer J D , et al. Geometry from a time series [J ] . Phys Rev Lett , 1980 ,45(3) :712～716.
[2 ] Takens F. Detecting strange attractor in turbulence [J ] . Lec2 ture Notes in Mathematics , 1981 ,898(2) :361～381.
[3 ] AlbanoA M. SVD and Grassberger2Procaccia algorithm [J ] . Phy Rev : A , 1988 ,38(20) :3 017～3 026.
[4 ] Fraser A M. Information and entropy in strange attractors [J ] . IEEE Trans on ITMar ,1989 , 35(2) :245～262.
[5 ] Albano A M. Using high2order correlations to define an em2 bedding window [J ] . Physica : D , 1991 ,54(1) :85～97.
[6 ] Buzug P T. Optimal delay time and embedding dimension for delay2time coordinates by analysis of the global static and lo2 cal dynamical behavior of strange attractors [J ] . Phy Rev : A , 1992 ,45(10) :7 073～7 084.
[7 ] Buzug P T. Comparison of algorithms calculating optimal em2bedding parameters for delay time coordinates [J ] . Physica : D , 1992 ,58(2) :127～137.
[8 ] Rossenstein M T, Colins J J , De Luca C J . Reconstruction expansion as a geometry2based framework for choosing proper delay times [J ] . Physica : D ,1994 , 73(1) : 82～98.
[9 ] Kember G, Fowler A C. A correlation function for choosing time delays in phase portrait reconstructions [J ] . Phy Lett : A ,1993 ,179(2) :72～80.
[10 ] 林嘉宇,王躍科,黃芝平,等. 語音信號相空間重構(gòu)中時(shí)間延遲的選擇—復(fù)自相關(guān)法[J ]1 信號處理,1999 ,15 (3) :220～225.
[11 ] Kugiumtzis D. State space reconstruction parameters in the analysis of chaotic time series - the role of the time window length [J ] . Physica : D , 1996 ,95(1) :13～28.
[12 ] Kim H S , Eykholt R J , Salas D. Nonlinear dynamics , delay times , and embedding windows [J ]1 Physica : D , 1999 ,127 (1) : 48～60.
[13 ] Otani M, Jones A. Automated embedding and creep phe2 nomenon in chaotic time series [ EB/ OL ]1 http :/ / www. Cs. cf . ac. uk/ ec/ aecp. html , 2000210214/ 2003205215.
[14 ] Stefansson A , Koncar N , Jones A J . A note on the gamma test [J ] . Neural Computing and Applications 1999 , 5(2) : 131～133.
[15 ] Kugiumtzis D , Lillekjendlie B , Christophersen N. Chaotic.
收藏