抑制噪声的经典方法是用线性滤波器，使信号通过滤波器后不需要的频率成分被削弱。模拟滤波器是电感电容或有源器件构成的电路网络单元。如果需要用数字信号处理器代替，首先用巴特沃斯，切比雪夫或椭圆函数设计逼近所需的模拟滤波器频率特性，然后再数字化，并考虑实现结构和数据有限字长的影响等。这占据了数字信号处理教科书相当一部分内容。但是，在实际工作中，尤其是基于计算机的离线数据分析，常是没有必要的，还可能费力不讨好。数据时间长度较小时，除非有特别明确的依据和需要，基于经典“线性卷积”滤波的思想和方法是不可取的。

        有限长时间序列x(n),n=0,1,2,...,N-1，是N维空间中的一点。通过适当的变换处理使噪声与其它有用信号成分可以分离或突显出来，这样就可以抛去或得以修正，然后再重建其它成分构成的信号。或者根据先验知识，对信号建模，用观测数据来估计模型参数，再重构信号。这些是很好的思想方法。

        以复指数序列exp(j2πkn/N)除以N的平方根（k和n=0，1，2，…,N-1）为第k+1行第n+1列元素的N

       Rossler 吸引子是最著名的混沌吸引子之一，由Otto Rossler于1976年提出。其微分方程组为：

                    x'=-y-z; y'=x+ay; z'=b+z(x-c)。

x'，y'和z'表示对自变量时间t求导数。(x，y，z)表示系统的状态。a，b，c，是系统参数。方程看上去很简单，除去第三个方程中的二次项zx，则系统是线性的。但一个著名的事实是，这个简单系统存在混沌行为。常用的混沌吸引子研究参数是a=0.1，b=0.1，c=14，下面图片1是吸引子3D图象，图片2，是相应的功率谱和自相关函数。x,y和z的自相关函数第一次越过1/e点的时间分别约为1.16，1.19，0.41。x与y的行为非常类似，平均周期振荡成分在图中清晰可见，其自相关函数几乎重合。

        图片3，是a=0.38，b=0.2，c=5.7时的吸引子图像。a增大时，系统的混沌可能更复杂。图片4，是相应的功率谱和自相关函数，自相关函数第一次越过1/e点的时间分别约为0.85，1.47，0.36。平均周期振荡分量的功率相对很弱。以0.36为时延，把x，y和z序列分别嵌入3