一种新的混沌扩频序列产生方法

本文提出了一种新的混沌扩频序列产生方法。该方法基于神经网络的强大学习能力和副近非线性函数能力,应用具有全局最优的ＢＰ改进算法通过训练学习建立起具有混沌性态的优化神经网络模型,利用网络权值调整的灵活性来产生混沌扩频序列。计算机仿真结果表明,该模型产生的混沌扩频序列调整更容易,比基于单一混沌映射能产生更多符合扩频通信要求的扩频序列。     

一种基于神经网络的混沌序列产生方法

应用具有全局最优的ＢＰ改进算法,建立了产生混沌序列的神经网络模型（ＣＧＮＮ）。该模型产生序列随机性良好,序列更换调整容易。对ＣＧＮＮ系统的抗破译性能进行了分析,结果表明,该模型产生的混沌序列确可以作为最优加密密匙及扩频码。     

基于混沌和CNN交错反馈产生扩频序列的性能分析

提出了一种基于细胞神经网络和混沌交错反馈产生扩频序列的设计方法,用计算机仿真对该混沌扩频序列的平衡特性、游程特性、位移特性、相关特性和线性复杂度等伪随机特性进行了系统的分析,并分析了该序列的奇/偶相关特性.结果表明,该混沌扩频序列具有理想的伪随机特性,可以作为扩频通信中的扩频码,同时系统的交错加强了通信的保密性.     

混沌直扩信号扩频序列盲估计

与传统直扩序列相比,混沌扩频序列具有非线性复杂度较高的优点,该优点同时也是盲估计混沌扩频序列的难点。针对这个难点,该文提出了非线性弹性反传神经网络盲估计方法,充分利用非线性神经网络能逼近任意非线性函数的特性,无须搜索信息码和扩频序列之间的同步点,能在较低的信噪比下准确盲估计混沌扩频序列。传统的神经网络使用中,神经网络的有用信息是网络的输出,而该文中则是输出层的权系数。侦察截获的混沌直扩信号同时用作神经网络的输入和期望输出,神经网络收敛后的输出层权系数就是混沌扩频序列的估计值。仿真结果证明了该方法的有效性。     

多次重构映射的混沌扩频序列及其特性分析

为获得性能良好的扩频序列,基于重构原理,将Bernoulli映射相空间轨迹进行二度重构,提出了一种新的混沌映射。新的混沌映射最大Lyapunov指数由0.697提高至大于5.5,并具有弱结构特性,以此来产生扩频序列。仿真计算分析了混沌序列的复杂度、平衡性以及相关性的改进,仿真结果表明,该方法产生的混沌扩频序列是一类性能良好的混沌扩频序列。     

一类混沌映射扩频序列的研究

Logistic混沌映射可产生用于扩频系统的跳频序列。该文用Logistic映射构造了一个二维混沌映射,证明了该二维混沌映射轨道点的概率密度分布,提出了一种混沌跳频序列的产生方法,并通过数值仿真分析了此类扩频序列的奇、偶相关特性和序列码的平衡特性.结果表明:该混沌跳频序列具有良好的性能。     

基于时空混沌的扩频序列产生方法

本文介绍了一种新的扩频序列产生方法，利用蔡氏混沌电路作为驱动序列，对时空混沌模型一单向耦合映象格子进行驱动产生扩频序列，验证了这种扩频序列良好的自相关、互相关特性，结果表明，本方法产生出来的序列扩频特性，性能良好，适用于扩频通信系统一     

基于时空混沌的CPSK多用户扩频通信

传统的混沌扩频（CDSS）是利用混沌序列量化、编码后产生的0、1序列作为扩频码,来实现频谱展宽。另外,由于混沌序列本身的宽频特性,一些传统的混沌数字调制技术也可被用于扩频通信系统的设计。在单向耦合映像格子（OCML）时空混沌模型同步的基础上,直接利用混沌相位键控（CPSK）调制技术构建了一个多用户扩频通信系统。该模型为每个用户分配一个OCML时空混沌模型,为了更好地利用时空混沌系统的时间与空间混沌特性,其采用＂跳格序列＂作为扩频调制序列对用户信息进行调制。通过与传统混沌直接序列扩频（CDSS）系统的仿真比较发现,所设计的CPSK调制多用户扩频通信系统拥有比后者更好的误码性能及安全性能。     

混沌扩频序列产生器

本文给出了基于一类混沌映射的扩频序列产生方法,运用混沌的遍历理论分析了周期趋于无穷时混沌扩频序列的性能,并对实际性能作了计算机模拟。结果显示,混沌扩频序列具有良好的平衡特性、相关特性和理想的线性复杂度,且数量极多,是直接序列扩频通信的优选序列。     

混沌扩频序列产生器

本文给出了基于一类混沌映射的扩频序列进行产生方法，运用混沌的遍历理论分析了周期趋于无穷时混沌扩频序列的性能，并对实际性能作了计算机模拟，结果显示，混沌扩频序列具有良好的平衡特性，相关特性和理想的线性复杂度，且数量极多，是直接序列扩频通信的优选序列。     

基于神经模糊推理系统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,首次提出并建立了基于自适应神经模糊推理系统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。对该模型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,适合作为扩频通信应用的伪随机码。     

模糊控制下的混沌跳频系统的同步

针对混沌信号的伪随机性和易于产生等特点，以改进的Logistic映射为例，用混沌序列取代跳频通信中的跳频码，给出了混沌跳频序列的神经网络实现；提出了用模糊控制的方法产生模糊随机序列，并以此控制混沌跳频系统的同步。计算机仿真结果表明，此方法是可行的，能达到良好的同步。     

用于跳频码分多址通信的混沌跳频序列

最近提出的混沌跳频序列具有均匀性、保密性好的优点,但存在较大的汉明相关值,本文给出了一种减小混沌跳频序列汉明相关值的方法,该方法的构造的跳频序列是帆努利随机序列,汉明相关函数服从Ｐｏｉｓｓｏｎ分布,在跳频码分多址（ＦＨ／ＣＤＭＡ）系统中,,这种混沌跞频序列的系统容量与常规跳频序列基本相同。     

An optical CDMA system based on chaotic sequences

In this paper, a coherent asynchronous optical .code division multiple access （OCDMA） system is proposed, whose encoder/decoder is an all-optical generator. This all-optical generator can generate analog and bipolar chaotic sequences satisfying the logistic maps. The formula of bit error rate （BER） is derived, and the relationship of BER and the number of simultaneous transmissions is analyzed. Due to the good property of correlation, this coherent OCDMA system based on these bipolar chaotic sequences can support a large number of simultaneous users, which shows that these chaotic sequences are suitable for asynchronous OCDMA system.     

利用卷积-循环神经网络的串行序列空时分组码识别方法

针对多输入多输出(Multiple Input Multiple Output, MIMO)系统中的空时分组码识别(Space-Time Block Code, STBC)问题,本文提出了一种利用卷积-循环神经网络的串行序列空时分组码识别方法。将一维接收信号的实部和虚部分离后输入网络,利用卷积神经网络(CNN)提取其空间特征,结合循环神经网络(RNN)提取其深层时序特征,提高网络的特征表达能力;网络训练过程采用反向传播方法,通过计算输出与目标值的误差,将误差反向传回网络中并更新权值,完成网络的训练过程;将测试集数据输入训练好的网络中,实现对空时分组码的识别和区分。该方法将深度学习算法运用到串行序列空时分组码识别当中,训练完的网络可直接对单接收天线下的空时分组码进行识别,不需要重复计算信号的统计特征,避免了人为设计特征参数和检测阈值。该方法不需要知道信道和噪声的先验信息,适用于电子侦查等非协作通信情况。仿真实验表明,该算法能够有效地对串行序列空时分组码进行识别,并且在低信噪比下有较好的识别性能。      

一种基于四维混沌神经网络的通信数据加密算法

混沌神经网络序列具有带宽大、难于预测和重构等特点,因而非常适用于网络通信和数据加密.本文提出一种四维混沌神经网络序列的产生方法,利用四维混沌神经网络进行混合加密,所产生的二值序列对明文进行预处理.实验结果表明,该系统对产生的二值序列,具有良好的初值敏感度,序列随机性较为理想,同时,四维混沌神经网络大大增加了密钥空间,利...     

混沌二相码的性能分析

混沌二相码由于其抗干扰能力和低截获性能,适宜作为雷达信号。Logistic序列是常见的用于产生二相码的混沌序列,其自相关函数旁瓣较低,但是带内功率谱波动较大、互相关函数峰值较高。针对这一问题,选取混沌特性较好的四种混沌序列产生二相码,从多个方面进行分析比较。仿真结果表明,利用Chebyshev映射得到的混沌调相信号在保持自相关函数旁瓣较低的条件下,可以获得更平坦的带内功率谱和更好的互相关性能。     

混沌跳频通信的非线性自适应预测对抗

基于混沌跳频码序列构造固有的确定性、非线性等特点,提出了对抗混沌跳频通信的非线性自适应预测对抗的新概念.以Logistic-Kent映射设计的混沌跳频码为例,采用基于Sigmiod函数的Volterre自适应滤波预测器对其进行预测研究.仿真实验结果表明非线性自适应预测器比神经网络预测器具有更高的预测对抗效果.