随机动力系统混沌控制与参数估计的稳健性及其在弱信号检测中的应用

本项目研究"随机动力系统混沌控制与参数估计的稳健性及其在弱信号检测中的应用"。具体内容是(1)随机分岔中混沌相变控制的稳健性，(2)作为双随机过程动力系统的隐马尔可夫模型(HMM)参数估计的稳健性。迄今为止，随机分岔的数学研究仍处于初级阶段，只有少量严格的一般性定理与准则，工程上虽有人利用"动力系统对噪声具有免疫性"，并通过"随机动力系统的混沌相变控制"进行弱信号检测，但这类研究多限于计算机模拟，没有从数学原理上深入探讨"为什么动力系统对噪声具有免疫性"，也没从理论上说明"弱信号检测的漏警和虚警概率究竟有多大"，从而使得随机动力系统混沌相变控制的稳健性不好。另一方面，经典的HMM理论大都很少涉猎"色噪声HMM参数的最优区间估计"，致使其应用于弱信号检测的效果不好。故我们拟研究"随机分岔混沌相变的稳健控制"与"基于信息融合的HMM参数最优区间估计"，为信息领域弱信号检测提供新的数学理论和方法