具有不可预测性的物理混沌随机序列的产生与随机性统计测试分析

给出了通过几种经典的物理混沌系统,包括Chua’s电路、Lorenz系统、Chen系统,产生混沌随机序列的两种离散化方法.用NIST制定的测试标准对产生的随机序列进行了随机性统计测试分析.分别对不同的物理混沌系统产生的随机序列进行单比特频数测试、游程测试、离散傅里叶变换测试、近似熵测试、累积和测试,并进行了比较分析.实验结果表明:物理混沌序列要比算法混沌序列随机性更强,不同序列之间的随机性差异可以通过NIST测试得到体现.在三种经典电路中,建议选择Chen混沌系统的电路做为混沌随机序列发生器.     

基于Weierstrass函数的随机数发生器

研究了Weierstrass函数∑∞n=0ancos(bnπx)中a,b,x的取值对序列{xn}的随机性的影响;证明了b>1时能够产生具有不可预测性的优良随机序列{xn}.在此基础上设计了一个用于数据加密的随机数发生器.和其他的随机数发生器相比,在保持优良的随机性的前提下,该随机数发生器具有序列不可预测、较大的密钥空间、占用较小的存储空间、算法简单、实现方便等优点.在一定程度上加强了随机数发生器的安全性,符合一个较好的随机数发生器的要求.     

基于生物特征的随机序列发生器

利用生物特征本身内在的独特性、不可预测性和不可重复性等随机特性和外部随机噪声(光照、损伤等)给出了基于生物特征的随机序列发生器.以虹膜为例,通过Canny算子对虹膜图像进行边缘检测,得到二值化图像,提取值为“1”的坐标(i,j),利用f(i,j)=cos(i×j),得到[-1,1]之间的随机序列.使用标准随机统计测验FIPS 140-1 tests检验产生的随机序列.结果表明:和其他随机序列发生器相比,该发生器不仅具有优良的随机性,而且实现简单、方便,提供了真随机序列的一种产生方法.     

伪随机序列发生器的研究与实现

研究了伪随机序列的随机特征,推导出M序列具备伪随机序列的特征,给出M序列的反馈逻辑函数,设计了M序列发生器;分析了测试电路产生的n阶伪随机序列的波形图.通过对测试结果的分析、比较发现,关于反馈移位寄存器的阶数与序列长度关系、码元的游程(该序列的伪随机性)等方面的分析是正确的,验证了该设计的可行性.     

可参数化的m序列发生器设计

由于信号所受噪声的随机特性各种各样,为了能更形象模拟实际所受噪声的随机性,设计了一种可参数化的m序列,以此来得到多种随机性的序列。本文设计的m序列发生器采用反馈移位寄存器实现,其可设置参数包括两方面:级数和反馈系数,其中级数有4种设置,反馈系数有3种设置。仿真结果表明:在时钟信号的作用下,级数、反馈系数设置不同,系统输出序列的随机性不同,最后一共可得12种随机特性序列。     

一种真随机比特流发生器

针对现有高质量随机序列生成方法速度慢、效率低,无法满足信息安全系统需求等问题,本文提出一种真随机比特流发生器,该比特流发生器电路简单,便于集成化,并采用多路噪声提取方法,进一步增加了输出比特流的随机性,产生的随机数据在进行后处理前就具有良好的统计特性。目前,本方法已经获得国家专利,专利号：201020202483.0     

m序列伪随机性的实验研究

m序列的伪随机性在理论上已有严格的证明。利用在核物理实验室中使用的多道分析器对m序列脉冲的伪随机特性进行了测试,其结果与理论相符,并对序列的分布作了统计性检验,最后提出一个改进“随机性”的简单方法。     

一类基于动态S盒的混沌伪随机序列发生器

为提高伪随机序列的动力学性质,利用有限群上的随机行走理论,提出了用动态S盒对基于混沌轨道编码模型的伪随机序列发生器产生的伪随机序列进行变换的方法,从而构造出一种新型混沌伪随机序列发生器——基于动态S盒的混沌伪随机序列发生器.这种发生器不仅保持了混沌伪随机序列的均匀性和独立性,而且增强了伪随机序列动力学性质的复杂性,克服了已有混沌伪随机序列的动力学性质比较简单的缺点.     

CNN超混沌系统伪随机序列发生器设计

基于CNN超混沌系统,设计了一种混沌伪随机序列发生器。通过对细胞神经网络系统的理论分析及仿真实验可知,该系统具有复杂的动力学特性,具有初值敏感性、密钥空间大等特点,非常适合作为伪随机序列发生器。基于该系统的发生器能够产生两种不同的序列,一种为二进制序列,另一种为十进制序列,并且通过该发生器产生的伪随机序列具有良好的性能,如序列值的均匀分布性、尖锐的自相关特性和良好的互相关特性。除此之外,利用NIST标准对序列发生器进行性能检验,检验结果表明该序列满足伪随机序列的要求,具有较高的安全性和保密性,具有较好的应用前景。     

基于振荡采样的真随机数发生器IP设计

为了得到真正硬件产生的随机数序列,采用振荡电路作为物理源,设计了混洗电路和扰频电路来改善输出序列的均衡性和数据冗余,它具有真随机数发生器的不可预测性高、随机性好的优点.理论分析表明,采用该方法可使获得的随机数序列达到完全的均衡分布,计算验证和检测结果也证实了其输出序列的随机性要好于未经处理的输出序列.最后给出了一种使用FIFO实现的随机数发生器模块跨时钟域总线接口.该设计能够较好地与系统其他模块相集成.     

密码系统中伪随机序列的生成方法

利用计算机系统中最常见的按键和鼠标消息作为随机源,采用安全散列算法（SHA-1）中的散列计算方法作为“搅拌”函数把收集到的随机源添加到随机池中,构造了一种产生伪随机序列的方法,并对产生的随机序列按照FIPS140-2中的标准进行了测试。结果表明,这种伪随机序列的生成方法可以应用于密码系统中。     

一种改进的伪随机数生成算法及随机性分析

通过对信息安全系统中常用的伪随机数生成算法及其随机性进行分析,比较了不同的伪随机数生成算法实现的优缺点。在此基础上提出了一种将Visual C++中伪随机数生成机制与线性反馈移位寄存器结合起来产生随机数的改进方案,通过数值模拟和对比分析表明,改进方案具有较好的计算性能和随机性。     

多资源受限工程网络的随机生成器

设计了一个多资源受限工程网络的随机生成器，这一生成器保证了工程网络的规模，参数及结构的高随随机性，为不同算法的评价，分析和彼此之间的比较提供了有力的工具。     

电网可靠性评估的网络静态等值模型分析

为缓解大电网可靠性评估的计算复杂性,采取等值参数联合概率密度分布建模的方式开展了外网静态等值研究。在常规确定性静态Ward等值技术基础上,考虑外部区域发电机和线路随机故障,通过计算各种随机故障状态下的外网等值参数,即外网等值注入功率和外网等值串联支路阻抗,基于概率密度估计技术建立了等值参数的联合概率密度分布。外网静态概率等值模型克服了常规确定性静态Ward等值技术的不足,充分计入外网等值参数的随机性,减少了电网可靠性评估计算时间的同时提高了计算精度。对两区域RBTS系统和RTS79系统研究验证了其有效性和准确性。     

基于云模型的细菌觅食优化算法

针对细菌觅食优化算法收敛速度慢、容易陷入局部极值点出现早熟的问题,提出一种新的基于云模型优化的细菌觅食优化算法.首先给出了细菌灵敏度的概念,结合云模型随机性和稳定倾向性的特点,运用了X条件云发生器来调整细菌灵敏度,控制游动步长,进行了趋向性操作和复制操作,改进了标准的细菌觅食优化算法,提高了算法的收敛速度.然后利用正向正态云发生器,修正非线性自适应的迁移概率,进行了迁移操作,增强了算法的全局寻优能力.将该算法应用于自动组卷系统中,与遗传算法进行实验比较分析,结果表明:该算法的收敛速度与优化质量均优于遗传算法.     

含多种分布式电源的配电网概率无功优化

针对配电网无功优化时多种分布式电源出力以及负荷的随机性,建立了考虑多重不确定因素的概率无功优化模型.通过三点估计法将概率潮流计算转化为采样点处的确定潮流计算,以处理所建模型中的不确定因素对无功优化结果的影响.为克服粒子群算法易陷入局部最优的缺陷,将自适应控制策略应用于粒子群算法,采用一种改进粒子群算法(IPSO)用于模型的求解.在改进的IEEE33节点系统上进行仿真测试,其结果验证了所提概率无功优化模型和求解方法的可行性及有效性.