文章摘要:本文主要探讨了基于GPU(图形处理器)的混沌弱信号检测临界阈值的确定方法。混沌检测系统中的临界阈值是构建混沌检测系统的关键,其精度直接影响到信号检测的准确性。传统的相轨迹图观察法在快速精确确定阈值方面存在局限,而Lyapunov指数等量化指标虽然能检测临界阈值,但计算量大、算法复杂,不适合GPU的并行计算。相比之下,系统相轨迹过零周期数相变判别算法在保持检测精度的同时,更适合利用GPU进行并行处理。
作者提出了一种基于GPU的混沌弱信号检测临界阈值并行检测算法,该算法是在系统相轨迹过零周期数阈值判别算法的基础上发展而来的。实验结果显示,使用GPU并行系统临界阈值检测算法,相比于CPU串行算法,可以在幅值递增步长为10的情况下实现近90倍的加速比,极大地提高了高精度临界阈值的确定效率。
关键词:混沌弱信号检测,临界阈值,GPU,过零周期数
本文的研究内容集中在以下几个关键知识点上:
1. **混沌检测**:混沌是一种复杂的非线性动态行为,混沌检测通常用于识别信号中是否存在混沌特性,这对于理解和分析复杂系统的行为至关重要。
2. **临界阈值**:在混沌检测中,临界阈值是区分混沌行为和非混沌行为的界限。准确确定临界阈值对于识别微弱混沌信号具有重要意义。
3. **GPU并行计算**:GPU(图形处理器)因其并行计算能力强大,被广泛应用于数据处理和高性能计算领域。在本文中,GPU被用来加速混沌弱信号检测的临界阈值计算。
4. **Lyapunov指数**:Lyapunov指数是衡量系统混沌程度的指标,计算量大,难以在GPU上实现并行化。
5. **过零周期数相变判别算法**:这是一种相对简单且适用于GPU并行化的混沌检测方法,通过计算系统相轨迹过零点的周期数来判断混沌状态,具有较高的检测精度。
6. **并行算法设计**:文章提出的新算法优化了过零周期数阈值判别,充分利用GPU的并行计算能力,实现了快速检测混沌弱信号临界阈值的目的。
7. **性能比较**:实验表明,基于GPU的算法在保持检测精度的同时,大大提高了计算速度,对于实时性和高精度要求的混沌信号检测应用具有显著优势。
综上所述,这篇文章提出了基于GPU的混沌弱信号检测新方法,通过优化临界阈值的确定过程,实现了并行计算的优势,对于提高混沌检测的效率和精度具有重要的理论和实际意义。