非线性时间序列G-P算法关联维数计算系统

资 源 简 介

该项目利用MATLAB编程环境，针对非线性动力系统的混沌特性，完整实现了经典的Grassberger-Procaccia (G-P) 算法。项目的主要功能不仅仅是计算单一数值，而是提供了一整套从数据预处理到特征提取的解决方案。首先，程序对输入的一维时间序列数据进行相空间重构，根据用户设定的或算法优化的时间延迟（tau）和嵌入维数（m），将低维时间序列映射到高维相空间中。核心处理模块利用高效的矩阵运算（或向量化操作）计算相空间中各状态点对之间的欧几里得距离，进而统计在不同半径阈值r下的关联积分C(r)。在数据分析阶段，系统会自动绘制ln C(r)与ln r的双对数坐标散点图，识别其中的线性标度区（Scaling Region），并采用最小二乘法对该区域进行线性拟合，直线的斜率即为关联维数的估计值。此外，为了确保结果的可靠性，该程序支持在一定范围内遍历嵌入维数m，绘制关联维数随嵌入维数增加的变化趋势图，通过观察维数是否趋于饱和来判定系统是否存在混沌吸引子，从而有效区分确定性混沌信号与随机噪声。该工具适用于物理学、生物医学工程（如脑电信号分析）、气象学及金融与经济数据分析等科研领域。

详 情 说 明

基于G-P算法的非线性时间序列关联维数计算系统

项目简介

这是一个基于MATLAB环境开发的非线性动力学分析工具，旨在通过经典的Grassberger-Procaccia (G-P) 算法计算时间序列的关联维数（Correlation Dimension, $D_2$）。该系统不仅实现了核心算法，还集成了数据生成、预处理、相空间重构、双对数曲线拟合及结果可视化的一站式流程。该工具主要用于识别系统的混沌特性，通过分析关联维数随嵌入维数的饱和趋势，有效区分确定性混沌信号与随机噪声。

功能特性

• 混沌数据生成：内置Lorenz混沌系统生成器，使用四阶Runge-Kutta法生成标准测试数据。
• 相空间重构：支持基于时间延迟（$tau$）和嵌入维数（$m$）的一维序列向高维相空间映射。
• 高效距离计算：针对不同数据规模实现了两种距离计算策略（矩阵分解法与分块广播法），在保证计算速度的同时优化内存占用。
• 自动化G-P计算：支持在指定范围内遍历嵌入维数，自动统计关联积分 $C(r)$。
• 线性标度区拟合：也就是无标度区（Scaling Region）的识别，系统自动截取双对数坐标下的中间线性段进行最小二乘拟合，提取斜率。
• 多维可视化：提供四合一的综合分析图表，包括原始时间序列、2D相图投影、双对数关联积分曲线簇以及关联维数变化趋势图。
• 饱和趋势判定：自动分析不同嵌入维数下的计算结果，判断系统维数是否收敛，从而判定混沌属性。

系统要求

• MATLAB R2016b 或更高版本（代码中利用了广播运算特性）。
• 不需要额外的工具箱（核心距离计算已通过底层矩阵运算实现，不依赖Statistics and Machine Learning Toolbox）。
• 内存建议：处理3000点以上数据时建议拥有8GB以上运行内存。

使用方法

1. 参数配置：在脚本开头的“系统参数设置”部分可以调整数据长度、采样步长、时间延迟 $tau$、嵌入维数扫描范围（默认2-8）以及线性拟合区域占比。
2. 运行程序：直接运行主脚本。
3. 结果解读：

* 控制台将实时输出当前处理的嵌入维数进度。 * 计算结束后，控制台会打印每个维数对应的关联维数 $D_2$ 表格，并给出是否饱和的判定结论。 * 弹出的图形界面展示了从时域波形到最终维数收敛的全过程分析图。

详细实现原理与算法流程

本项目在单一脚本中完整实现了以下技术流程，逻辑严密且高度模块化：

1. 数据获取与预处理

• Lorenz系统仿真：通过求解Lorenz微分方程组（参数 $sigma=10, beta=8/3, rho=28$）生成三维混沌轨迹。
• 瞬态处理：为了保证吸引子的稳定性，程序自动舍弃了初始阶段的瞬态数据（默认前1000点）。
• 降维与归一化：提取X分量作为观测的一维时间序列，并将其幅值线性映射归一化到 $[0, 1]$ 区间。这一步对于统一关联积分半径 $r$ 的扫描范围至关重要。

2. 相空间重构 (Phase Space Reconstruction)

采用经典的Takens嵌入定理。对于一维时间序列 $x(t)$，根据设定的时间延迟 $tau$ 和嵌入维数 $m$，构造一系列 $m$ 维向量。实现中严格处理了边界条件，确保构建的相点矩阵维度正确（$M times m$，其中 $M$ 为重构后的相点数）。

3. 高效欧氏距离计算

这是G-P算法计算量最大的部分。为了在MATLAB中实现高效运算且不溢出内存，代码实现了智能分支策略：

• 小规模数据 ($N < 2000$)：采用全矩阵向量化计算。利用公式 $||u-v||^2 = ||u||^2 + ||v||^2 - 2ucdot v$ 一次性计算所有点对距离，极大地利用了MATLAB的矩阵优势。
• 中大规模数据：为了防止生成 $N times N$ 的距离矩阵导致内存溢出（Out of Memory），代码采用分块循环结合自动广播（Broadcasting）的方式，仅计算并存储唯一的点对距离（下三角部分），显著降低了空间复杂度。

4. 关联积分 $C(r)$ 统计

• 半径序列生成：根据计算出的点对距离的最大值和最小值，在对数尺度上等间距生成一系列半径阈值 $r$。
• 积分计算：遍历每一个半径 $r$，统计相空间中距离小于该半径的点对比例，得到关联积分 $C(r)$。

5. 关联维数拟合与分析

• 双对数变换：将 $r$ 和 $C(r)$ 均转换为自然对数坐标 $ln r$ 和 $ln C(r)$。
• 数据清洗：自动剔除计算过程中可能产生的 Inf（无穷大）和 NaN（非数字）点。
• 线性拟合：根据预设比例（默认为数据段的20%至70%）截取中间段数据，认为该区域为线性标度区。使用 polyfit 进行一次多项式拟合，拟合直线的斜率即为当下的关联维数估计值。
• 饱和判定：程序最后绘制 $D_2$ 随 $m$ 增加的变化曲线。若随着 $m$ 增大，$D_2$ 趋于一个稳定值（代码中通过监测最后两点斜率差值是否小于0.1判定），则认为该系统存在混沌吸引子；若 $D_2$ 随 $m$ 线性增加不收敛，则提示可能为随机噪声。

关键函数说明

• generate_lorenz

基于四阶Runge-Kutta法（RK4）迭代求解Lorenz微分方程组，生成原始的混沌时间序列数据。

• lorenz_sys

定义Lorenz系统的状态方程，描述系统的动力学演化规则。

• phase_reconstruction

实现相空间重构的核心逻辑，根据输入的序列、嵌入维数和延迟时间，将一维数据转化为矩阵形式的高维相点集。

• calculate_distances

核心运算函数。计算相空间中所有点对之间的欧几里得距离。该函数内部实现了内存优化逻辑，根据数据量大小自动选择全矩阵计算或循环广播计算，并仅返回必要的下三角距离数据以节省资源。