TY - Jour A2 - Boutayeb，Mohamed Au - Su，Liyun Au-Ling，XIU PY - 2020 DA - 2020/07/20 TI - 估算弱脉冲信号在混沌背景中与约旦神经网络SP - 3284587 VL - 2020 AB - IN目标估计海杂波或实际机械故障诊断，有用信号通常浸没在强的混沌噪声中，并且目标信号数据难以恢复。传统方案，例如ELMAN神经网络（ENN），BESTPROMAGAGAGAGAGAGAGAGE神经网络（BPNN），支持向量机（SVM）和基于多层的型号的模型，不足以提取嵌入在混沌背景中的弱信号。为了提高估计精度，提出了一种旨在提取埋藏在强混沌背景中掩埋弱脉冲信号问题的新颖估算方法。首先，所提出的方法通过根据Takens定理重建高维相位空间数据矩阵来获得矢量序列信号。然后，设计了基于JORDAN神经网络 - （JNN-）的模型，其可以通过混合用于定位信号的单点跳转模型来最小化误差平方和。最后，基于混沌背景的短期可预测性，通过轮廓最小二乘法实现了用于优化所提出的模型参数的简档最小二乘法实现了来自混沌背景的弱脉冲信号的估计。由Lorenz系统产生的数据用作模拟实验的混沌背景噪声。仿真结果表明，JORDAN神经网络和轮廓最小二乘算法有效地估计混沌背景的弱脉冲信号。与传统方法相比，（1）所提出的方法可以在较低的误差下估计比基于enn，基于BPNN的，基于SVM的较低误差的强脉冲信号的弱脉冲信号，并且（2）所提出的方法可以 extract the weak pulse signal under a higher output SNR than BPNN-based model. SN - 1076-2787 UR - https://doi.org/10.1155/2020/3284587 DO - 10.1155/2020/3284587 JF - Complexity PB - Hindawi KW - ER -