用matlab画出上述文档的全部图和例题的计算结果，给出matlab代码

为了帮助您用MATLAB绘制上述文档中的图表和计算例题的结果，我将为您提供一个详细的代码示例。请注意，由于文档中的图表和计算结果涉及多种不同的数据和方法，我会尽量涵盖主要的部分。如果您有具体的图表或例题需求，请告诉我，我可以进一步细化代码。

### 1. 绘制混沌时间序列的相图和时间历程图

#### 1.1 Logistic映射的时间历程图和相图

% 参数设置
r = 3.8; % 控制参数
x0 = 0.5; % 初始值
N = 1000; % 迭代次数

% 生成Logistic映射的时间序列
x = zeros(N, 1);
x(1) = x0;
for i = 2:N
    x(i) = r * x(i-1));
end

% 绘制时间历程图
figure;
subplot(2, 1, 1);
plot(1:N, x, 'LineWidth', 1.5);
title('Logistic映射的时间历程图');
xlabel('时间步');
ylabel('x');

% 绘制相图
subplot(2, 1, 2);
plot(x(1:end-1), x(2:end), '.', 'MarkerSize', 5);
title('Logistic映射的相图');
xlabel('x(t)');
ylabel('x(t+1)');

#### 1.2 Henon映射的时间历程图和相图

% 参数设置
a = 1.4; % 控制参数
b = 0.3; % 控制参数
x0 = 0.1; % 初始值
y0 = 0.1; % 初始值
N = 1000; % 迭代次数

% 生成Henon映射的时间序列
x = zeros(N, 1);
y = zeros(N, 1);
x(1) = x0;
y(1) = y0;
for i = 2:N
    x(i) = 1 - a * x(i-1)^2 + y(i-1);
    y(i) = b * x(i-1);
end

% 绘制时间历程图
figure;
subplot(2, 1, 1);
plot(1:N, x, 'LineWidth', 1.5);
hold on;
plot(1:N, y, 'LineWidth', 1.5);
title('Henon映射的时间历程图');
xlabel('时间步');
ylabel('x, y');
legend('x', 'y');

% 绘制相图
subplot(2, 1, 2);
plot(x, y, '.', 'MarkerSize', 5);
title('Henon映射的相图');
xlabel('x');
ylabel('y');

### 2. 计算Lyapunov指数

#### 2.1 计算Logistic映射的最大Lyapunov指数

function lambda = lyapunov_logistic(r, x0, N)
    % 初始化
    x = zeros(N, 1);
    x(1) = x0;
    
    % 生成时间序列
    for i = 2:N
        x(i) = r * x(i-1) * (1 - x(i-1));
    end
    
    % 计算Lyapunov指数
    sum_log = 0;
    for i = 1:N- 2 * x(i))));
    end
    lambda = sum_log / (N-1);
end

% 参数设置
r = 3.8;
x0 = 0.5;
N = 1000;

% 计算Lyapunov指数
lambda = lyapunov_logistic(r, x0, N);
disp(['Logistic映射的最大Lyapunov指数: ', num2str(lambda)]);

#### 2.2 计算Henon映射的最大Lyapunov指数

function lambda = lyapunov_henon(a, b, x0, y0, N)
    % 初始化
    x = zeros(N, 1);
    y = zeros(N, 1);
    x(1) = x0;
    y(1) = y0;
    
    % 生成时间序列
    for i = 2:N
        x(i) = 1 - a * x(i-1)^2 + y(i-1);
        y(i) = b * x(i-1);
    end
    
    % 计算Lyapunov指数
    sum_log = 0;
    for i = 1:N-1
        jacobian = [ -2 * a * x(i), 1; b, 0 ];
        eigenvalues = eig(jacobian);
        sum_log = sum_log + log(max(abs(eigenvalues)));
    end
    lambda = sum_log / (N-1);
end

% 参数设置
a = 1.4;
b = 0.3;
x0 = 0.1;
y0 = 0.1;
N = 1000;

% 计算Lyapunov指数
lambda = lyapunov_henon(a, b, x0, y0, N);
disp(['Henon映射的最大Lyapunov指数: ', num2str(lambda)]);

### 3. 绘制Chen's混沌吸引子

#### 3.1 生成Chen's混沌吸引子的时间序列

% 参数设置
a = 35;
b = 3;
c = 28;
x0 = 0;
y0 = 1;
z0 = 0;
dt = 0.0001;
N = 250000;

% 定义Chen's混沌系统
f = @(t, X) [a * (X(2) - X(1)); (c - a) * X(1) - X(1) * X(3) + c * X(2); X(1) * X(2) - b * X(3)];

% 使用ode45求解
options = odeset('RelTol', 1e-6, 'AbsTol', 1e-6);
[t, X] = ode45(f, [0, N*dt], [x0, y0, z0], options);

% 去掉初始点
X = X(end-250000:end, :);

% 绘制相图
figure;
plot3(X(:, 1), X(:, 2), X(:, 3), '.', 'MarkerSize', 0.5);
title('Chen''s混沌吸引子');
xlabel('x');
ylabel('y');
zlabel('z');
grid on;

### 4. 计算Chen's混沌吸引子的最大Lyapunov指数

#### 4.1 使用小数据量方法计算Chen's混沌吸引子的最大Lyapunov指数

function lambda = small_data_lyapunov(X, dt, m, tau)
    % 重构相空间
    N = size(X, 1);
    Y = zeros(N-m*tau, m);
    for i = 1:m
        Y(:, i) = X((1:N-m*tau)+(i-1)*tau);
    end
    
    % 找最近邻点
    distances = pdist2(Y, Y);
    [~, idx] = min(distances + eye(size(distances))*1e10, [], 2);
    
    % 计算距离
    d = zeros(N-m*tau, 1);
    for i = 1:N-m*tau
        if abs(idx(i) - i) > 1
            d(i) = norm(Y(i, :) - Y(idx(i), :));
        end
    end
    
    % 计算Lyapunov指数
    d = d(d > 0);
    log_d = log(d ./ d(1));
    p = polyfit(1:length(log_d), log_d, 1);
    lambda = p(1) / dt;
end

% 参数设置
m = 8;
tau = 10;
dt = 0.0001;

% 计算最大Lyapunov指数
lambda = small_data_lyapunov(X, dt, m, tau);
disp(['Chen''s混沌吸引子的最大Lyapunov指数: ', num2str(lambda)]);

以上代码涵盖了文档中提到的主要图表和计算例题。您可以根据具体需求进行修改和扩展。如果有更多具体的图表或计算需求，请告知，我将进一步完善代码。