论文部分内容阅读
本课题中采用了两种建模方法，一种是基于Volterra模型的混沌时间序列建模，另一种是混沌神经网络建模。首先本文对Volterra模型理论进行分析的基础上，构造了基于Volterra级数模型的自适应非线性滤波器来对Henon混沌系统进行建模，并采用具有最优收敛因子的最小均方误差(LMS)算法作为自适应算法。然后利用BP神经网络的学习和逼近能力构造混沌神经网络模型。对Henon系统进行正向建模和逆建模的仿真研究。并采用附加动量法的BP网络算法，有效改善了混沌建模的精确性和快速性。最后利用前面所构造的混沌系统的神经网络正模型和逆模型，设计了基于自适应逆控制原理的噪声消除器，并运用于混沌保密通信
系统中。