An approach to phase space reconstruction from multivariate data based on data fusion
基于数据融合的多变量相空间重构方法

针对单变量时间序列和多变量时间序列相空间重构所存在的问题，提出一种新的多变量融合的相空间重构方法. 通过Bayes估计理论，将多变量在同一相空间中进行相点的最优融合，得到了更为理想的融合相空间. 应用所提出的方法对Lorenz系统及耦合Rssler系统进行了多变量融合的相空间重构. 通过多变量重构图与单变量重构图的比较，发现基于数据融合的多变量相空间重构图包含了所有单变量相空间重构图的重要信息，使重构的相空间更加完备，较全面地反映出吸引子的全貌信息. 最后应用该方法对转子油膜涡动故障得到的多变量时间序列