基于混沌神经网络理论的城市深基坑沉降量预测模型

通过分析城市深基坑沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性.在此基础上,通过相空间重构的方法建立了用于城市深基坑沉降量预测的混沌神经网络模型;并利用此模型对上海某深基坑沉降量进行了预测,取得了较为满意的预测效果.     

基于小波分解与重构的混沌时间序列预测

提出一种通用的混沌时间序列预测方法.算法首先通过小波分解与重构将具有混沌特征的时间序列分解为一个低频信号和多个高频信号;对不再具有混沌特征的信号分支采用神经网络模型预测;对具有混沌特征的信号分支采用基于非线性混沌动力学的预测模型;最后将各分支的预测值组合获得最终预测值.通过月平均太阳黑子数这一典型混沌时间序列的预测实验表明该方法比传统的神经网络预测方法和混沌预测方法的预测精度高,可以较好地应用于混沌时间序列的预测中.     

一种基于ANFIS的混沌序列产生模型

结合神经网络和模糊系统两者的优点,提出并建立了基于 ANFIS 的混沌序列产生模型,其中系统适配参数的搜索运用遗传算法来实现。对该方法产生的混沌序列相关性、平衡性进行了检验,结果表明,其性能均达到或优于由混沌映射直接产生的混沌序列,且具有很高的复杂度,适合作为扩频技术应用的伪随机码,在军事雷达探测领域具有良好的应用前景。     

基于混沌序列的图像加密算法

基于混沌序列的图象加密算法通过m序列随机改变混沌映射的参数,在混沌函数输出中加入非线性m序列的扰动,并对图像进行加密.通过混沌时间信号、参数随机变化及加入扰动的混沌映射和加密计算,利用景物轮廓和景物与背景灰度的区分进行图像识别和处理.对图像加密进行计算机模拟,结果表明该法能够满足加密要求.     

超混沌正交多相码信号的设计与优选

正交多相码信号在雷达组网作战和合成孔径雷达抗欺骗干扰中有着重要的作用。提出了一种新的采用超混沌序列产生正交多相编码信号的设计方案。根据雷达系统的性能需求，给出了超混沌序列的相关性优选方法，首次指出求解互相关序列最大集是一个最大团问题，并结合实际给出一种简洁高效的最大团求解算法。仿真结果表明，超混沌正交多相码满足独立同分布，较常规混沌编码复杂度更高（均在1.2以上），码序列众多，经多脉冲相干积累后旁瓣较Frank码有近10 dB的改善，适合于在组网雷达系统和抗干扰环境中的应用。     

引信混沌相位调制波形研究

介绍了基本Logistic映射混沌序列的产生方法及其相关特性；推导了引信混沌调相波形的模糊函数；分析了引信混沌调相波形的探测性能；研究结果表明，混沌调相波形的模糊函数接近理想的图钉型，具有理想的测距、测速性能和较强的抗干扰能力。：     

基于Logistic映射的非线性组合混沌流密码的设计与分析

在深入剖析了Logistic映射特性的基础上，把传统组合流密码的构造方法和混沌序列的密码学特性有机地结合起来．提出了基于Logistic映射的非线性组合混沌流密码算法的设计思想，给出一类非线性组合生成器的构造方法，并对该算法产生的混沌序列进行了联邦测试和密码学特性分析，结果验证了该算法具有良好的不可预测性和随机统计性．具有一定的应用价值。     

一组切换混沌系统的设计与电路实现

为了提高混沌系统的随机性，设计了一个由3个子混沌系统组成的切换混沌系统，分析了3个子混沌系统的平衡点及性质，混沌吸引子的相图和Lyapunov指数等特性．利用系统选择器，设计了一个模拟电子电路，实现了这个切换混沌系统．电路实验结果与计算机仿真结果完全一致．     

混沌序列的模糊神经网络预测

提出了一种针对混沌序列预测的T-S模糊神经网络。这种T-S模糊神经网络与传统的T-S模糊神经网络相比在不影响预测精度的前提下极大的减少了神经网络的节点数。同时利用基于混沌动态量的BP算法对神经网络进行学习．提高了收敛速度和预测精度。应用此T-S模糊神经网络和相应的BP学习算法．对Mackey-Glass混沌时间序列进行了预测．与传统的T-S模糊神经网络相比得到了更好的结果，验证了该方法的有效性。     

基于两个混沌序列的水声遥控通信跳频图案构造方法

介绍了对混沌序列进行对称量化产生跳频图案时,用两个初值和参数不同的Logistic信号分别进行量化得到的两个不同的序列（或称临时跳频图案）,再用临时跳频混沌信号产生宽间隔跳频图案,仿真实验表明该方法产生的跳频图案对水声遥控通信系统具有更强的保密性.