基于储备池计算的混沌信号分离
信号处理
2020-02-26 v2 机器学习
摘要
我们展示了利用一种称为储备池计算（Reservoir Computing）的技术在叠加混沌信号分离中机器学习的效用。我们假设对产生信号的动力学方程一无所知，且仅需要由分量信号的有限时间样本组成的训练数据。我们在由两个具有不同参数的 Lorenz 系统的信号线性组合形成的信号上测试了我们的方法。将我们的非线性方法与分离问题的最优线性解——维纳滤波器（Wiener filter）进行比较，我们发现我们所研究的所有场景中，我们的方法都显著优于维纳滤波器。此外，当分量信号具有相似的频率谱时，这种差异尤为显著。事实上，当分量频率谱不可区分时——这种情况下维纳滤波器基本上无法实现分离——我们的方法仍然表现良好。
引用
@article{arxiv.1910.10080,
title = {Separation of Chaotic Signals by Reservoir Computing},
author = {Sanjukta Krishnagopal and Michelle Girvan and Edward Ott and Brian Hunt},
journal= {arXiv preprint arXiv:1910.10080},
year = {2020}
}
备注
12 pages, 7 figures