一种扰动混沌跳频码的新方法

针对数字化混沌系统的有限精度效应及单一混沌跳频码相关性差、易被攻击的缺点,提出了利用细胞自动机产生伪随机序列来扰动混沌映射产生跳频码的方法,性能分析和数值仿真实验都表明这种方法极大的增加了系统抗干扰,抗截获的能力,尤其对序列的平衡性、汉明相关性,跳频间隔分布、抗预测性方面都有极大的提高,且结合细胞自动机自身特点,该结构便于硬件高速实现,具有广泛的应用前景.     

基于缓解共址干扰的低碰撞区系列构造和分析

针对跳频码分(FH-CDMA)组网通信中所面临的频率碰撞问题,论述了跳频组网方式与汉明相关的关系,提出了一种利用低碰撞区(few-hit zone,FHZ)系列来缓解共址干扰的方法,低碰撞区对FHZ码的构造方法进行了分析.结果表明,在准同步的条件下,利用该方法所构造的系列具有较好的性能,与零碰撞区(no-hit zone,NHZ)序列相比能提供更多的用户地址码,可有效地减小跳频码分组网系统的共址干扰.     

基于一种特定混沌映射的跳频系统

提出用一种简单的分段线性映射 ,构造混沌跳频序列 ,以取代跳频通信中的伪随机序列 (PN序列 )。分析了此混沌序列的相关特性 ,并与Logistic混沌序列进行了比较。仿真和实验结果表明 ,此序列具有较理想的相关特性 ,应用于跳频通信中可获得较好的抗干扰能力。     

混沌时间序列的混合遗传神经网络预测方法

在相空间重构理论的基础上,将改进的遗传算法和神经网络结合起来,提出了一种混合遗传神经网络预测混沌时问序列的方法.通过复相关法和Cao方法重构混沌时间序列,利用改进的遗传算法优化神经网络的结构、初始权值和阚值,然后训练神经网络求得最优解.该算法应用到混沌时间序列的预测中,验证了该算法的有效性,并与BP和RBF算法的预测精度进行了比较,仿真结果表明该算法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度.     

时频二维低/无碰撞区跳频序列集构造

在通信系统中,跳频信号不仅会出现时延,还会存在频移。研究具有时频二维低/无碰撞区的跳频序列的构造。证明了Reed-Solomon(RS)码的时频二维周期汉明自相关函数的上界;提出了两种构造方法。第一种方法是基于RS码来构造时频二维周期低碰撞区跳频序列集。第二种方法利用矩阵来构造时频二维非周期无碰撞区跳频序列集。丰富了时频二维低/无碰撞区跳频序列的理论研究成果。     

混沌时间序列的混合预测方法

提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(PSO-LSSVM)和广义自回归条件异方差模型(GARCH)的混沌时间序列的混合预测方法.首先利用小波变换将混沌时间序列分解和重构成概貌时间序列和细节时间序列; 然后利用PSO-LSSVM模型预测概貌时间序列的未来值,采用GARCH模型预测细节时间序列的未来值;最后将概貌时间序列和细节时间序列的未来值求和作为最终的预测结果.采用该方法对Mackey-Glass和变参数Logistic混沌时间序列进行预测. 结果表明该方法能精确地预测混沌时间序列,验证了文中所提方法的有效性.     

短期电力负荷的小波——混沌时序预测

提出了一种基于2层小波分解的混沌时序相空间重构预测模型.该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果.该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复.通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法.针对神经网络预测不稳定的问题给出了一种种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义.     

时空混沌跳扩信号发生器

基于时空混沌提出了一种新的跳扩信号发生器,通过时空混沌,不仅能增强系统的保密性,同时又能产生实时的直扩PN序列和跳频图案序列,而且PN序列和跳频序列的周期易于控制,可以任意加长.分析了所产生的时空混沌跳扩信号的性能,仿真结果表明,直扩PN序列和跳频图案序列都具有理想的平衡和相关特性.     

基于Logistic映射的跳频序列优化

在对已有混沌序列构建方法研究的基础上,用状态转移图分析了基于Logistic构建跳频序列的局限性,并利用随机过程的相关理论,提出了基于方阵重构法的优化方案。该方案在跳频性能指标方面达到或优于原有方案,在硬件实现时降低了乘法次数,减少了硬件资源的占用量,增加了跳频序列的可实现性。     

慢跳频系统捕获方案选择及性能分析

本文针对慢跳频系统的同步，提出一种短码引导长码的串序捕获方案，并对其它几种捕获方案的优劣进行了比较，对同步电路设计中积分器设计的两种方法也进行了阐述。实验结果表明了该系统的可行性。     

Cipher quasi-chaotic code for frequency hopping communications

The chaotic frequency hopping (FH) communication systems have been presented so far. The chaotic sequences possesses good randomness and sensitive dependence on initial conditions, which is quite advantageous to run the FH codes in code-division multiple access (CDMA) systems. But the finite precision of computation and the fact of the low-dimensional chaos predicted easily cause difficulty in chaotic application. In this paper, some disadvantages associated with the conventional FH codes and the chaotic code scrambled by m-sequences are reviewed briefly. In order to overcome these drawbacks to some extents, a new higher performance FH code called cipher quasi-chaotic (CQC) code is proposed, which is generated by combining the clock-controlled stream cipher technique and chaotic dynamics. Performance analysis applying in FH communication systems of this kind of code is given. The privacy of the CQC sequence is also analyzed.     

一种混沌神经网络模型及其在优化中的应用

通过在Hopfield神经网络模型 (HNN)中引入非线性自反馈项 ,提出了一种具有暂态混沌动力学行为的神经网络模型。该模型首先经过一个倍周期倒分叉过程进行混沌搜索 ,进而进行类似HNN的梯度搜索。由于它利用了混沌搜索固有的随机性和轨道遍历性 ,因而具有较强的克服陷入局部极小的能力。两个典型的函数优化例子表明了该算法的有效性     

Hybrid chaotic sequence for QS-CDMA system with RAKE receiver

A class of the hybrid chaotic sequences is presented. The generator of the sequences is given and realized by the digital method. The hybrid chaotic sequences exhibit good random properties that are very important for the performance of QS-CDMA system with RAKE receiver. The performance of the system is analyzed when the hybrid chaotic sequences are used as spreading codes in a QS-CDMA system with RAKE receiver and compared with those obtained for m-se-quences and logistic sequences. The results show that the hybrid chaotic sequences are a class of very promising spreading codes for QS-CDMA system.     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

基于改进型能量函数和瞬态混沌神经网络的TSP问题研究

针对传统神经网络在搜索NP类问题的解时易陷于局部最优点的不足,提出了一种基于改进型能量函数(IEF)和瞬态混沌神经网络(TCNN)的优化模型,将此应用于旅行商问题(TSP)的求解,并和传统神经网络优化方法进行了比较。仿真研究结果表明,该论文所提出的方法在解的可行性以及全局最优解的获取能力方面都有很大优势,收敛速度和准确度也令人满意。     

离散和分布时变时滞混沌神经网络广义投影同步

研究一类离散和分布时变时滞的混沌神经网络的广义投影同步问题.利用非线性观测器方法实现同步十分简单,且利用极点配置技术,可通过调整特征值来调节同步速率的快慢.与一般混沌神经网络模型相比,带有离散和分布时变时滞的混沌神经网络模型更为一般,同时反同步和完全同步是广义投影同步的特例.最后,提出基于广义投影同步的离散和分布时变时滞混沌神经网络的保密通信方案,给出两个数值仿真例子验证结果的有效性.     

基于RBF网络的混沌时间序列的建模与多步预测

提出将RBF神经网络应用于混沌时间序列的建模与预测中 ,设计了一个三层RBF网络结构 ,说明了RBF网络用于混沌时间序列建模和预测时的基本性质。仿真结果表明 ,RBF网络模型对混沌时间序列有比较强的拟合能力和比较高的一步及多步预测精度。采用RBF网络进行混沌时间序列的建模和预测能够取得比其它方法好得多的效果。     

一种多神经网络混合模型的学习算法研究

针对混合智能模型的多神经网络结构特征，提出一种模型参数的在线辨识算法。该算法在起始阶段利用混沌优化算法寻找初始点，随后采用BFS法完成参数寻优过程。对处于扰动状态下的预分馏塔的仿真结果表明，该算法可以有效地解决一类多神经网络模型的在线参数辩识问题。