🔢 mathematics

Stability and Bifurcation Routes in a Delayed Quadratic Map with Recursive Filtered Memory

本研究通过解析与数值方法，表征了具有递归滤波记忆的延迟二次映射的稳定性与分岔路径，展示了延迟参数与记忆参数如何在一个三维多项式框架内控制折叠、翻转以及条件复数对转换。

原作者： Hafidh Khoerul Fata, Yosephus Decupertino Sumanto, Robertus Heri Soelistyo Utomo

发布于 2026-06-25

📖 1 分钟阅读🧠 深度阅读

原作者： Hafidh Khoerul Fata, Yosephus Decupertino Sumanto, Robertus Heri Soelistyo Utomo

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个试图根据刚刚发生的事情以及对过去几刻记忆来预测自身未来的系统。这篇论文研究了一个此类系统的数学模型，具体来说，它表现得像一个在带有轻微延迟和记忆滤波器的蹦床上的弹跳球。

以下是研究人员发现的简单分解，使用了日常类比。

设置：带有记忆滤波器的延迟蹦床

作者创建了一个数学模型（一个“映射”）来描述一个数值如何从一步变化到下一步。可以将这个数值视为弹跳球的高度。

延迟 ( $k$ )： 想象球并不会立即对蹦床做出反应。它会等待一个瞬间才弹回。这就是“延迟”。
记忆滤波器 ( $\eta$ 和 $\mu$ )： 现在，想象蹦床不仅仅记得上一次弹跳，还保留着过去几次弹跳的运行平均值。
- $\eta$ (强度)： 蹦床给予这段记忆多少权重。
- $\mu$ (更新率)： 记忆更新的速度。如果 $\mu$ 很高，蹦床只记得最后一次弹跳。如果 $\mu$ 很低，它会记住一段较长的历史，从而平滑掉噪声。

研究人员想知道：这个系统何时保持稳定（以可预测的模式弹跳），何时变得疯狂（混沌）？

系统“崩溃”的两种主要方式

在数学中，当一个稳定系统变得不稳定时，它通常会跨越一个“临界点”。论文发现，根据记忆调节方式的不同，该系统有两种截然不同的失去稳定性的方式。

路径 1：“翻转”（周期倍增阶梯）

这发生在记忆反馈为正向（就像一位给予鼓励的好友）时。

类比： 想象你正在走钢丝。如果你摇晃得太厉害，你不仅是跌倒，而是开始以一种更宽的模式前后摇晃。然后，你开始以两倍长的时间重复一次模式。接着是四倍、八倍。
论文内容： 当记忆为正向时，系统通过“翻转”失去稳定性。它从稳定的节奏变为每 2 步重复一次的节奏，然后是 4 步、8 步，最终变得混沌（随机）。这是经典的“周期倍增”通往混沌的路径。

路径 2：“旋转”（不变曲线）

这发生在记忆反馈为负向（就像一位朝着你运动的反方向推你的朋友）时。

类比： 与其前后摇晃，不如想象一个旋转的陀螺。当它变得不稳定时，它不仅仅是倒下，而是开始在空中画出一个完美的圆圈。
论文内容： 当记忆反馈足够负向时，系统不会发生翻转。相反，稳定点变成了一个平滑的旋转环（“不变曲线”）。系统开始围绕中心点旋转，而不是在固定的点之间跳跃。

核心发现：记忆决定路径

这项研究最重要的发现是，记忆滤波器不仅仅是让系统变得“更”或“更少”稳定；它改变了不稳定的“类型”。

“记忆更新率” ( $\mu$ )： 这就像记忆刷新速度。论文发现，改变这个速度并不会改变系统所处的位置（不动点），但它完全改变了系统的振动方式（乘数）。这就像改变吉他弦的张力：音高（音调）保持不变，但弦的振动方式改变了。
“记忆的符号”： 研究人员证明，如果记忆反馈是正向的，你会得到“翻转”路径（通过倍增产生混沌）。如果反馈是负向的，你会得到“旋转”路径（通过旋转产生混沌）。

“折叠-翻转”巧合

论文还发现了一个非常特定且罕见的数学条件，在这种条件下，“翻转”路径和“折叠”路径（即系统突然出现或消失的路径）在同一时刻发生。他们称之为“退化”。这就像一名走钢丝的人，在某一特定时刻，既处于即将从绳上跌落的状态，又同时处于开始旋转的状态。这是一个复杂的数学边界，作者对其进行了精确的描绘。

总结

简而言之，作者将一个涉及延迟和记忆的复杂方程简化为一个三维模型，并证明了：

稳定性取决于延迟和记忆强度的结合。
记忆的“更新率”控制着系统的振动风格。
记忆的“符号”（正或负）充当了一个开关： 它决定了系统是通过翻转（倍增其节奏）还是通过旋转（绕圈旋转）而陷入混沌。

他们使用计算机模拟证实了他们的数学预测与系统的实际行为相符，表明这两种不同的通往混沌的路径是真实存在且截然不同的。

技术摘要：具有递归滤波记忆的延迟二次映射的稳定性与分岔路径

问题陈述
本研究旨在解决在同时包含二次非线性、单步时间延迟和递归滤波记忆的平滑离散时间模型中，系统性特征表征方面的空白。虽然延迟二次映射和经过记忆修正的逻辑映射已被分别研究过，但将显式延迟（ $k$ ）与递归滤波记忆（ $\eta, \mu$ ）整合进单一多项式映射中的特定耦合关系仍缺乏深入研究。主要挑战在于区分这些不同的反馈机制如何影响不动点稳定性、乘子结构以及稳定性丧失的具体路径（例如：折叠分岔、翻转分岔或 Neimark–Sacker 分岔）。

研究方法
作者构建了一个具有一阶滤波记忆的延迟二次递归方程：
$x_{n+1} = c - x_n^2 + kx_{n-1} + \eta z_n$
$z_{n+1} = (1-\mu)z_n + \mu x_n$
其中 $k$ 是延迟强度， $\eta$ 是滤波记忆强度， $\mu$ 是记忆更新率。

为了分析该系统，作者采取了以下步骤：

系统嵌入：通过设定 $y_n = x_{n-1}$ ，将标量递归嵌入到一个光滑的三维多项式映射 $F(x, y, z)$ 中，从而实现对不动点分支、雅可比行列式及特征多项式的显式推导。
归一化：应用可逆线性缩放将二次项系数归一化为单位值，以确保定性的稳定性结构得以保留。
稳定性分析：对不动点处雅可比矩阵的特征多项式应用 Schur–Jury 判据。这使得稳定性条件可以简化为关于不动点坐标 $x^*$ 的显式不等式。
分岔验证：推导生成性条件（非退化性、横截性及非共振性）的代数条件，以对单位圆上的交叉进行分类，确定其为折叠、翻转或 Neimark–Sacker 分岔。
数值验证：采用数值延拓、李雅普诺夫谱、Kaplan–Yorke 维数以及参数平面扫描来验证解析阈值，并观察临界后的吸引子转变。

核心贡献

显式稳定性阈值：研究推导了关于不动点坐标 $x^*$ 的闭式稳定性不等式。研究表明，延迟强度 $k$ 和记忆强度 $\eta$ 仅通过组合项 $(k + \eta)$ 进入不动点分支，而记忆更新率 $\mu$ 通过雅可比矩阵影响乘子结构，但不影响不动点的位置。
分岔路径的分离：作者明确地将稳定性边界划分为：
- 实乘子边界：识别为折叠（ $\lambda=1$ ）和翻转（ $\lambda=-1$ ）阈值。
- 复共轭对边界：第三个 Schur–Jury 边界被证明仅在满足特定的符号相关条件时，才是 Neimark–Sacker 分岔的候选边界。
容许性条件：一项关键贡献是推导了复共轭对边界的容许性条件。论文证明，只有当滤波记忆反馈 $\eta$ 相对于 $k$ 和 $\mu$ 满足特定不等式时，Neimark–Sacker 分岔才可能发生。在正延迟和正滤波反馈的机制下，复共轭路径在数学上是被排除的，从而使翻转分岔成为唯一的失稳路径。
折叠–翻转退化：研究识别了折叠与翻转阈值重合的轨迹 $\eta = (2-\mu)(1-k)$ ，定义了折叠–翻转退化现象。

结果

正反馈机制：对于 $k > 0$ 且 $\eta \geq 0$ 的情况，系统仅通过翻转分岔（周期倍增）失去稳定性。上不动点分支在翻转阈值处变得不稳定，导致周期倍增级联、混沌带和周期窗口的出现。在此机制下，复共轭路径是不容许的。
竞争反馈机制：当 $k$ 与 $\eta$ 的符号允许竞争反馈（特别是当 $\eta$ 足够负时），复共轭对边界变为容许的。在这种情况下，稳定性的丧失由穿过单位圆的复共轭对控制，导致不变曲线类动力学（旋转运动）而非周期倍增。
$\mu$ 的作用：记忆更新率 $\mu$ 不会移动不动点分支，但通过修改雅可比矩阵的特征值，显著改变了稳定性边界以及复共轭路径的容许性。
全局动力学：数值模拟证实，解析阈值能够准确预测从稳定不动点向周期轨道、混沌或不变曲线的转变。相空间投影展示了延迟坐标和滤波记忆变量如何塑造吸引子的几何形状。

意义与主张
本文主张，递归滤波记忆状态不仅仅是一个额外的坐标，它还是改变嵌入式二次映射乘子几何结构的根本机制。研究表明，延迟和滤波记忆不仅是简单地移动稳定性窗口，它们还决定了哪种单位圆机制（实乘子 vs 复共轭对）在动力学上是可达的。通过明确分离实乘子路径与复共轭路径，并提供严谨的容许性条件，本研究阐明了此类映射的局部分岔结构。作者谦虚地指出，其结果是局部的，且侧重于沿单参数延拓的不动点，留待未来对全局分岔展开、共振舌及不变曲线破碎的研究。