本书以非线性动力学理论为核心，深入探讨了其在信号特征提取领域的应用。本书详细阐述了非线性动力学的基本理论框架，回顾与探究了非线性动力学理论及其在信号特征提取领域的应用，内容涵盖了非线性动力学基本理论、特征提取方法、应用案例等方面，展示了这些指标在水声信号处理、故障诊断等多个领域中的实用价值。本书共8章：第1章为绪论，第2章为信号非线性动力学特征，第3章为基于新型散布熵的特征提取方法，第4章为基于新型斜率熵的特征提取方法，第5章为基于新型Lempel－Ziv复杂度特征的特征提取方法，第6章为基于新型分形维数的特征提取方法，第7章为基于多尺度处理的新型非线性动力学特征提取方法，第8章为基于新型非线性动力学特征与模态分解的信号特征提取方法。 本书内容全面且深入，适合作为信号处理、非线性动力学、数据分析、机械工程等领域科研人员和工程师的专业参考资料，也可作为从事非线性动力学研究的硕士生、博士生，以及高年级本科生的参考用书。

前言
第1章 绪论
1.1 研究背景及意义
1.2 非线性动力学理论研究现状
1.2.1 信息熵的研究现状
1.2.2 Lempel-Ziv复杂度的研究现状
1.2.3 分形维数的研究现状
1.3 信号特征提取方法研究现状
1.3.1 传统信号特征提取方法
1.3.2 基于非线性动力学理论的特征提取方法
1.4 本书的主要内容及结构组成
第2章 信号非线性动力学特征
2.1 李雅普诺夫指数
2.2 信息熵
2.2.1 样本熵
2.2.2 模糊熵
2.2.3 排列熵
2.3 Lempel-Ziv复杂度
2.4 分形维数
2.4.1 盒维数
2.4.2 关联维数
2.4.3 Katz分形维数
2.4.4 Higuchi分形维数
2.5 小结
第3章 基于新型散布熵的特征提取方法
3.1 散布熵
3.2 新型散布熵
3.2.1 波动散布熵
3.2.2 逆向散布熵
3.2.3 波动逆向散布熵
3.2.4 集合散布熵
3.2.5 模糊散布熵
3.2.6 分数阶模糊散布熵
3.2.7 简易编码散布熵
3.3 新型散布熵仿真实验
3.3.1 调幅啁啾信号实验
3.3.2 MIX信号实验
3.3.3 Logistic模型实验
3.4 基于新型散布熵的舰船辐射噪声特征提取
3.4.1 特征提取方法
3.4.2 实测实验
3.5 小结
第4章 基于新型斜率熵的特征提取方法
4.1 斜率熵
4.2 新型斜率熵
4.2.1 单阈值斜率熵
4.2.2 分数阶斜率熵
4.2.3 优化斜率熵
4.3 新型斜率熵仿真实验
4.3.1 噪声信号分类实验
4.3.2 混沌信号分类实验
4.4 新型斜率熵应用研究
4.4.1 特征提取方法
4.4.2 实测实验
4.5 小结
第5章 基于新型Lempel-Ziv复杂度特征的特征提取方法
5.1 新型Lempel-Ziv复杂度
5.1.1 排列模式Lempel-Ziv复杂度
5.1.2 散布Lempel-Ziv复杂度
5.1.3 散布模式Lempel-Ziv复杂度
5.2 新型Lempel-Ziv复杂度仿真实验
5.2.1 加噪周期信号实验
5.2.2 MIX信号实验
5.2.3 Logistic模型实验
5.3 基于新型Lempel-Ziv复杂度的海洋环境噪声特征提取
5.3.1 特征提取方法
5.3.2 实测实验
5.4 小结
第6章 基于新型分形维数的特征提取方法
6.1 新型分形维数
6.1.1 层次盒维数
6.1.2 散布Higuchi分形维数
6.1.3 优化散布Higuchi分形维数
6.2 新型分形维数仿真实验
6.2.1 信号长度稳定性实验
6.2.2 噪声信号分类实验
6.2.3 混沌信号分类实验
6.3 基于新型分形维数的特征提取
6.3.1 特征提取方法
6.3.2 东南大学齿轮数据
6.4 小结
第7章 基于多尺度处理的新型非线性动力学特征提取方法
7.1 多尺度处理
7.2 新型多尺度处理
7.2.1 精细复合多尺度处理
7.2.2 变步长多尺度处理
7.2.3 精细复合变步长多尺度处理
7.3 新型多尺度非线性动力学特征仿真实验
7.3.1 新型多尺度散布熵仿真实验
7.3.2 新型多尺度斜率熵仿真实验
7.3.3 新型多尺度Lempel-Ziv复杂度仿真实验
7.3.4 新型多尺度分形维数仿真实验
7.4 新型多尺度非线性动力学特征应用研究
7.4.1 新型多尺度散布熵实测实验
7.4.2 新型多尺度斜率熵实测实验
7.4.3 新型多尺度Lempel-Ziv复杂度实测实验
7.4.4 新型多尺度分形维数实测实验
7.5 小结
第8章 基于新型非线性动力学特征与模态分解的信号特征提取方法
8.1 经验模态分解及其改进算法
8.1.1 经验模态分解
8.1.2 集合经验模态分解
8.1.3 完全自适应噪声集合经验模态分解
8.2 变分模态分解及其改进算法
8.2.1 变分模态分解
8.2.2 连续变分模态分解
8.3 基于散布熵与变分模态分解的特征提取方法
8.3.1 特征提取方法
8.3.2 轴承信号数据
8.4 基于斜率熵与连续变分模态分解的特征提取方法
8.4.1 特征提取方法
8.4.2 舰船信号数据
8.5 基于Lempel-Ziv复杂度与集合经验模态分解的特征提取方法
8.5.1 特征提取方法
8.5.2 海洋环境噪声数据
8.6 基于分形维数与变分模态分解的特征提取方法
8.6.1 特征提取方法
8.6.2 齿轮信号数据
8.7 小结
参考文献