一种混沌量化的混沌扩频序列

针对单值量化和多值量化存在的问题,提出了一种混沌量化的方法来产生混沌扩频序列,不仅大大提高了混沌序列的周期,有效克服有限精度问题,而且增加了量化的复杂度,提高了抗破译能力.对其性能进行了分析和仿真,结果表明,所产生的混沌序列具有比多值量化混沌序列更好的相关性能和伪随机性能.同时,利用Bedekamp-Massey算法,得出该序列具有理想的线性复杂度,更进一步显示了其良好的伪随机性能.最后将该序列应用到多用户CDMA系统中,仿真结果表明,其具有理想的误码率性能,抗多址干扰能力强.     

混沌扩频序列的优选算法及其系统性能研究

为了获得多址通信中优良的伪随机特性码组,提出了一种混沌序列的优选算法。通过对混沌系统迭代结果的截断和量化处理,根据扩频序列的理想特性和多址干扰指数,给出了优化混沌序列码组的具体步骤,并对传统的Gold序列和多种混沌序列的码组性能作了比较和分析。对DS/CDMA系统性能的仿真结果表明,优选混沌扩频序列的相关性能优于传统的伪随机扩频序列,有利于解决CDMA移动通信中的抗多址干扰及多用户检测等关键问题,从而使混沌扩频系统的抗干扰能力和抗破译能力得到增强。     

一类新的混沌扩频序列研究

构造了一种新的Hybrid混沌映射,提出了混沌扩频序列的产生方法,在此基础上给出了扩频序列的优选准则和混沌序列的优选方法,并通过数值仿真分析了此类扩频序列的自/互相关特性和序列码的平衡特性。计算结果表明,由Hybrid映射产生的混沌扩频序列的伪随机特性及线性复杂度,都较Logistic有显著提高,且根据该方法优选的混沌扩频序列的平衡特性、自/互相关特性,与Gold序列相比,更适合于码分多址通信系统的要求。     

话音混沌扩频通信实验平台的设计与实现

目前将混沌应用于扩频通信的研究主要以理论分析和计算机仿真为主 ,而硬件实现验证的工作较少。用数字信号处理器 (DSP)设计和实现了混沌扩频的话音通信实验平台。该实验平台由两个独立的模块———话音终端和扩频调制解调器构成。由于采用全数字化处理 ,选用DSP和专用芯片等器件构成硬件平台 ,因此该系统功能灵活 ,便于各种算法的研究。同时 ,该实验平台也可以作为实验用的数字编码话音信号源和扩频信号源     

基于M序列同步的混沌扩频通信系统研究与仿真

数字混沌扩频同步技术是混沌扩频通信关键技术之一.提出了一种基于m序列同步的混沌扩频新方法,建立了相应的混沌扩频通信系统动态可视化仿真模型.通过对m序列的捕获,建立业务信道,系统通过向发射端和接收端发射握手信号,实现收发两端混沌序列的同步;系统失步时,业务信道被破坏,通过对m序列的跟踪,再次建立业务信道,实现收发两端混沌序列的同步.研究表明,所建立的混沌扩频通信系统既解决了混沌序列在扩频通信中的难同步问题,又具有优良的保密性能,为混沌扩频通信的实际应用奠定了技术基础.     

一种混沌系统的设计及混沌序列码的生成方法

提出了一种新型的混沌系统的设计方案，并将其应用在混沌序列码的生成中。首先，设计了一种简单的、容易实现的混沌系统，并给出了该混沌映射数学特性。然后，在计算机模拟实验的基础上，仔细地分析了该类混沌系统的统计特点，结果显示由该类系统产生的混沌序列具有良好的统计特性，最后，把设计的混沌系统应用于混沌序列码的生成中，计算机仿真实验结果表明该文提出的混沌系统确实安全可靠且容易实现，混沌序列码也具有良好的相关性。     

一种改善混沌序列有限精度效应的新方法

针对常规混沌序列的有限精度效应问题,提出了一种采用超混沌Logistic序列,并利用2-by-n元胞自动机对其进行扰动来产生混沌码的新方法。数值仿真实验和性能分析表明:该方法较单混沌系统和m序列扰动方法构建的混沌码具有更好的自相关和互相关性能,有效地改善了混沌序列的有效精度效应。     

混沌直扩序列的优选及与传统序列的性能比较

为了提高异步直扩序列码分多址 (DS/CDMA)系统的容量和保密性能 ,从整个扩频序列集合相关函数的均方值出发 ,对一类由一维混沌映射产生的混沌直扩序列与传统的伪随机序列如m序列、Gold序列和Kasami序列等 ,在异步DS/CDMA系统中作了性能比较研究。计算机仿真表明 ,其性能与传统序列相当 ,其序列数较m序列数多 ,适于作CDMA系统的扩频码 ,并由此提出了一种混沌直扩序列的优选方法。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

一种混沌扩频信号的同步方法及仿真

提出了一种低信噪比条件下混沌扩频信号的捕获算法,利用扩频序列在时间上的相关等价于频域内相乘的特性,可实现无周期混沌扩频信号的快速捕获,并对频差搜索方法做了改进,给出降低捕获门限的方法,提出了捕获时消除数据调制的方法。然后,运用Matlab 6.0仿真分析了这种同步方法在各种条件下,特别是低信噪比条件下的捕获性能。仿真结果表明此方法捕获时不需要数据辅助并可以使捕获时间大幅度缩短,该方法能够实现低信噪比条件下混沌扩频信号的快速捕获。     

解旅行商问题的混沌蚁群算法

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解旅行商问题的混沌蚁群(CACO)算法.该算法的思想是采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值.与模拟退火算法、标准遗传算法进行比较,仿真结果表明该方法是一种简单有效的算法.     

混沌克隆选择算法及其收敛速度分析

克隆选择算法收敛速度的研究是免疫计算理论领域中一个复杂而重要的问题,但是目前有关收敛速度的研究结果还相对较少。在克隆选择原理的基础上,引入混沌机制和基于抗体浓度和亲和度矢量矩的选择技术,提曲了一种混沌克隆选择算法（CCSA）。该算法比传统的克隆选择算法具有更好的种群多样性保持机制和全局优化能力。取代传统的齐次Markov过程分析,采用一种新的纯概率方法,对CCSA算法的收敛速度问题进行了,分析,并给出了一种估计CCSA算法的收敛速度的方法。对多模态函数优化的仿真实验表明,该算法能有效地抑制早熟,具有更好的全局收敛性。     

基于混沌遗传算法的一类非线性两层混合整数规划问题求解

针对一类非线性两层混合整数规划问题,选取一种混沌性较强的自映射,通过引入混沌遗传动态组合系数的概念并在改进相应遗传算子的基础上,设计了一种新型的混沌遗传算法。数值实例结果表明,该算法简便、有效。     

基于混沌克隆选择算法的工艺调度优化

将工艺规划和调度集成考虑是现代制造业中的一个重要环节.然而,这种条件下的优化必须要面对过多的约束条件,大量无效解的存在导致了传统的优化算法在实现上存在着很大的困难.针对这些问题,文章提出了引入免疫克隆算子简化求解过程,减少过多无效解带来无谓的计算时间消耗,同时考虑到克隆算子工作机理,引入混沌变量加载于算法的个体复制过程中,逐步对混沌变量进行微小扰动以调节搜索范围,明显的增加了克隆算法的群体多样性.将新设计的混沌克隆算子应用到工艺规划与调度的集成优化问题中,试验结果表明,该算法工艺成效显著且稳定,说明算法有应用到类似问题上的潜力.     

直序扩频系统一种新的PN码快速捕获算法

针对基于辅助序列快捕算法在初始相位偏差较大情况下降导致捕获速度变慢的缺陷,在相位预估器的相干PN序列快捕算法基础上,将最优化搜索引入PN码快捕算法中,提出了一种基于相位预估和最优搜索的相干PN序列快捕算法,通过建立马尔可夫链模型,推导出平均捕获时间及其方差的解析式.仿真结果表明,该算法能有效提高捕获性能,实用性强.     

基于混沌遗传算法的板坯入库决策优化方法

针对热轧板坯库优化管理，分析了板坯入库操作流程，并建立了板坯入库决策的优化模型，考虑了板坯入库库位和垛位选择的多种原则，对一个板坯入库批次进行全局优化运算，可快速为板坯选择最优的库位和垛位。对于模型的求解方法，构造了一种自适应的混沌遗传算法，采用自然数编码方式，动态的在线调整算法的交叉和变异概率，并采用混沌优化方法作为变异算子。对生产数据进行实际排产的结果表明，建立的模型和算法切实可行，可应用于生产实际。     

以熵序列收敛作算法停止判据的码书训练算法

以LBG算法为代表的传统码书训练算法基本上都用量化失真序列收敛作算法停止条件。提出了一种简单、快速的新算法。该算法的基本思想为 ,不必计算量化失真 ,直接用区域序列对应的熵序列收敛作停止条件。与经典的LBG算法相比 ,该算法结构更简单、速度更快、更容易理解。我们用典型的测试图像Lena、Barbara作实验 ,实验结果表明 ,该算法的PSNR与著名的LBG算法相差小于 0 1dB ,但它的运行速度比LBG快两倍以上。     

基于嵌入混沌序列的遗传算法

将混沌序列引入遗传算法中,获得了一种新的算法．该算法有效地克服了标准遗传算法中的“早熟”现象,并具有更快的收敛速度．计算机模拟验证了上述特征．同时还将改进了的算法用于多重小波神经网的训练．     

模糊机会约束规划的混沌量子蚁群算法及收敛性

模糊机会约束规划因其非线性、非凸性及模糊性,对经典的优化理论提出了极大的挑战.设计了一种基于模糊模拟的混沌量子蚁群算法,为解决复杂的模糊机会约束规划问题提供了有力的工具.算法中每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特,采用随机干扰离散量子交叉,进行高斯量子变异,为量子旋转门更新设计基于梯度的转角计算方法.在每次迭代的当前全局最优解附近使用混沌量子搜索,搜索范围随迭代次数而逐渐减小,因而在初期能防止陷入局部最优,后期能提高搜索精度.证明了该蚁群算法的收敛隆.数值案例研究验证了该算法的有效性、稳定性及准确性.