ICMIC扩频序列对CDMA系统性能改善的分析

将混沌映射 ICMIC应用于 CDMA系统 ,产生相应的 ICMIC二元扩频序列 ,并对系统的抗干扰性能以及系统容量进行了分析。分析表明 :与 L ogistic周期混沌扩频序列、传统的 EOE- Gold序列相比 ,该扩频序列具有良好的自相关与互相关特性 ,可以有效地抑制多径干扰和多址干扰 ,并使扩频通信系统的信道容量得到提高 ,对

一种基于Kolmogorov方程与ICMIC的图像加密方案

针对图像传输的安全性问题,利用Kolmogorov方程解的Markov性以及无限折叠的迭代混沌映射(iterative chaotic map with infinite collapses,ICMIC)的混沌性,提出了一种可以抵御选择明文攻击的对称加密方案。首先通过设置Kolmogorov方程的系数矩阵与初始状态作为密钥参数产生转移概率矩阵,其次将转移概率矩阵输入ICMIC并由得到的结果确定密钥序列,最后由密钥序列与明文图像做模2加法运算生成密文图像。通过Matlab程序对加密方案进行实验仿真,密文图像信息熵为7.99以上,NPCR值超过99%,UACI值超过33%。实验结果表明该加密方案具有较高安全性,可以有效抵御统计攻击与差分攻击等。

基于振动信号与深度学习的电力变压器故障诊断方法

针对当前电力变压器机械故障实时诊断准确率较低的问题,本文提出了一种基于振动信号与深度学习的电力变压器故障诊断方法。首先针对电力变压器箱体表面振动信号采用改进自适应噪声完备经验模态分解(ICEEMDAN)对其进行分解以获取重构信号,并引入模糊熵值构建振动特征向量。然后以卷积神经网络-双向门控循环单元(CNN-BiGRU)组成基础分类网络以实现特征分类,并引入高效通道注意力机制(ECAM)提升CNN学习性能。最后设计一种基于ICMIC混沌映射、自适应动态扰动和精英反向学习混合改进得到多策略协同优化秃鹰搜索(MSCOBES)算法,并将改进后的算法应用于实现CNN-BiGRU的超参数寻优,从而得到基于MSCOBES-CNN-BiGRU-ECAM的电力变压器故障诊断优化模型。在实验中对于试验变压器的机械故障进行诊断,实验结果表明本文所提出的方法对于电力变压器不同类型的机械故障的诊断准确率可达99.4%。

融合排序弹性碰撞的改进麻雀搜索算法

为了改善麻雀搜索算法(SSA)种群初始化结果不充分导致多样性丧失,勘探和开采过程中易受到个别位置信息干扰影响寻优精度等缺点,提出了融合排序弹性碰撞的新型麻雀搜索算法(XSSA)。首先,采用改进的无限折叠迭代混沌映射(ICMIC)初始化种群,提升了初始种群分布的分散程度;其次,使用高斯随机游走策略平衡算法的探勘和开发能力;此外,在发现者更新后对所有个体执行排序弹性碰撞策略,避免算法过早地收敛到局部极值;最后,根据不同阶段的寻优特点制定多策略边界处理机制,保留住种群数量,避免多样性的丧失。同时,结合重要的位置信息对超出边界的个体进行位置再更新,使得处理后的位置更加合理,为接下来的迭代搜索提供质量保证。对12个基准函数进行仿真实验,并画出收敛精度图直观展示算法性能。借助各策略的贡献测试、Wilcoxon秩和检验、Friedman检验的综合排名等证明了XSSA的有效性、独特性和具有较好的寻优性能。

二相与四相无限折叠混沌扩频序列的相关特性分析

本文利用无限折叠迭代混沌映射产生二相与四相混沌扩频序列。分析了该序列轨迹点具有的分布律与相关特性 ,模拟结果表明它们分别能获得比同等长度的二相与四相Logistic序列、四相Chebyshev序列、m序列、Gold序列更好的自相关与互相关性能 ,有利于解决CDMA移动通信中对相关性要求很严格的抗多址 (多径 )干扰、多用户检测等关键问题。

融合正弦余弦和无限折叠迭代混沌映射的蝴蝶优化算法

针对蝴蝶优化算法求解精度不高、收敛速度较慢等问题,提出融合正弦余弦和无限折叠迭代混沌映射(ICMIC)的蝴蝶优化算法.首先,采用ICMIC映射对蝴蝶个体状态进行初始化,避免算法陷入局部最优.然后,在自身认知飞行部分引入正弦余弦算子,平衡算法的局部搜索能力与全局搜索能力.最后,通过改进依赖香味大小的幂指数调整吸收程度,获取更好的最优解.在8个基准函数上的实验表明,文中算法具有较优的全局搜索能力和求解鲁棒性,寻优精度较高,收敛速度较快.