可兴奋神经元的非线性动力学性质

以H-H模型为研究对象,通过改变方程中表征神经元可兴奋性的参数,用数值分析的方法考察可兴奋神经元的动力学性质.结果表明,可兴奋性控制参数越高的神经元,动作电位发生的阈值越大,所能承受的刺激范围也越大.每种神经元都有一个特定的参数域,当参数在其中变化时,神经元对于恒定刺激的反应是混沌的.     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

高斯白噪声激励下约瑟夫森结的混沌分析

考虑电流噪声的因素,建立了一类高斯白噪声激励下的超导约瑟夫森结动力学模型,并对其混沌特性进行了研究。基于随机Melnikov方法,通过计算该模型的随机Melnikov函数,可得系统在均方差意义下出现Smale马蹄混沌的必要条件,进而讨论了噪声强度对系统混沌行为的影响。结果表明,高斯白噪声激励使原系统更易产生混沌。     

基于路径映射加密的云租户数据安全存储方案

云计算中数据的存储安全是租户最为关注的问题,也是云计算能否获得广泛应用的关键。文中提出了一种基于存储路径映射加密的云租户数据存储访问方案。方案中,云租户数据被划分为具有逻辑关系的若干存储块,这些逻辑块将提交到云索引服务平台并以多备份的方式存储到不同的云存储服务提供者的存储介质上;基于此,云租户对其私密数据的存储路径映射进行加密。所提出的方案在存储租户数据时,在不同的云存储提供者之间采用了冗余备份的机制,保证了租户数据存储的可靠性;同时,方案仅对租户数据的存储路径进行加密,从而避免了对数据整体的加、解密操作;分析和测试结果验证了方案的安全性、有效性和可行性。     

基于混沌的DCSK调制方法及性能分析

针对混沌调制实用化过程中存在的问题,提出产生混沌序列的新颖算法及优选准则。介绍CSK和COOK调制模型及DCSK调制解调模型,对DCSK,CSK和BPSK调制模型的性能进行仿真分析与对比。分析CSK和DCSK信号中半个比特周期(T/2)内所产生的混沌样值个数L对CSK和DCSK性能的影响,并介绍一种新颖的DCSK改进型调制方式。研究结果表明:与CSK相比,DCSK调制对信道畸变不敏感并具有更好的噪声特性,在误码率RBE为10-3数量级时可提高信道噪声约3 d B;在信噪比(Eb/No)不小于12 d B的条件下,DCSK的RBE与CSK的相比小1个数量级以上。     

基于Logistic混沌-贝努力序列的循环压缩测量矩阵构造算法

作为信号处理的一个新领域,压缩感知的目标是尽量减少信号重构过程中采样点的损失,而压缩感知矩阵的构造是压缩感知的核心工作之一。在前人研究的基础上,将循环矩阵快速算法的优点和混沌序列内在确定性和外在随机性相结合的优点进行有效结合,提出了一种新的压缩感知测量矩阵构造算法,即基于Logistic混沌—贝努利序列和循环矩阵的循环压缩感知测量矩阵构造算法(CCNMM)。大量仿真实验结果表明,对于一维和二维信号的恢复,CCNMM算法优于贝努利随机测量矩阵和高斯测量矩阵,证明了CCNMM的有效性和实用性。     

基于滑膜控制和SAFNN的鲁棒混沌同步

针对带有干扰的混沌系统,进行了基于自组织自适应模糊神经网络(SAFNN)的同步控制器的设计,采用基于聚类划分的模糊神经网络,推导出模糊神经网络参数在线更新算法,并设计了神经网络结构自适应算法,从隶属度函数的生长、模糊规则的分裂和模糊规则的修剪三个方面动态调整模糊神经网络结构,摒弃了常规的试错法来调整系统的结构和参数,以便更好地满足对计算负荷和控制性能的要求,实现两者之间的平衡;最后结合滑模控制器和鲁棒控制器,对带有干扰的混沌系统进行同步控制仿真,仿真结果表明该方法有效。     

(1+1)维修正的Korteweg-deVries方程的对称精确解研究

利用改进的Riccati方程映射方程法,结合变量分离法,通过假设的对称形式解,借助Maple符号计算软件,分析计算(1+1)维修正的Korteweg-de Vries方程的精确解(包括孤波解、周期波解和有理函数解)。     

片上网络异构多核系统任务调度与映射

针对传统任务模型包含有效信息少,任务调度算法效率低、效果差的问题,设计了新的任务模型,提出了一种改进的粒子群算法(optimized particle swarm optimization,oPSO)。新模型增加了对任务类型及任务间迁移成本、计算单元类型及其运行成本等特性的描述。通过分析任务调度问题的需求,制定了oPSO算法的编解码方案,设定了算法各个关键部分参数及计算方法,并解决了粒子群算法(PSO)在任务调度前期收敛速度过快、后期易陷入局部最优的问题。在不同任务规模下分别对遗传算法(GA)、PSO以及oPSO算法进行调度仿真对比,当IP核数目为100左右时,oPSO算法较GA算法和PSO算法运行时间至少缩短10%,系统功耗至少降低15%,实验结果表明:oPSO算法调度效果明显优于其他算法,且各节点上功耗更为均衡,适用于解决任务调度问题。     

基于OpenCL的并行图像加密算法研究

利用混沌映射所具有的遍历性、类随机性以及对初始状态的敏感依赖性等基本特性,同时利用二维Logistic映射具有的多参数、高随机性等优点,构造了一种新的图像加密算法。另外,为充分利用当前异构处理平台的计算资源以大幅提升算法的执行效率,在NIVIDIA Ge Force GTX 580 GPU上使用Open CL技术并行实现了该算法。实验结果和数值分析表明该并行加密算法具有较高的加密效率和良好的安全性,具有一定的应用价值。