基于新型分段Logistic序列的可变符号周期扩频方法

针对传统Logistic映射迭代范围小、分布集中,且采用混沌序列作为扩频码进行通信时盲估计算法可以恢复出混沌序列等问题,提出了一种基于新型分段Logistic序列的可变符号周期扩频方法。与传统Logistic序列相比,新型分段Logistic序列具有更优异的随机性分布和Lyapunov指数特性,且其映射更不稳定、更安全。深入分析所提方法的抗截获性能,进一步基于图像传输系统评估该文所提序列直扩系统的误码性能和抗截获性能。实验结果表明,文中所提方法能有效隐藏混沌序列的序列周期和符号周期,很好地恢复原始图像,且在不同信噪比下误码率与直扩方式相差不大,满足图像传输系统的可靠性和安全性需求。

基于IACO改进Logistic混沌序列的WSN布局优化

标准PSPIEL算法存在分簇随机问题,引入混沌算子提出Logistic混沌序列算法,提出一种改进蚁群算法(IACO)。将两种方法相结合寻优,提出IACO改进Logistic混沌序列,该方法能够较好地应用于无线传感器网络(Wireless Sensor Networks,WSN)布局中。通过实验对IACO改进Logistic混沌序列有效性进行验证,结果表明,在同样互信息量下相对pSPIEL算法、贪婪算法、IACO算法达到了最低通信成本。应用IACO改进Logistic混沌序列的过程中,传感器实际使用数量减小,能够满足效益要求。该研究对提高无线传感器布局优化能力具有一定的理论指导意义。

交织多址接入系统定点Logistic交织序列生成算法

交织多址接入(interleave division multiple access,IDMA)技术作为典型的非正交多址接入技术,受到学术界和产业界的广泛关注。为降低IDMA系统多用户检测过程存储空间和计算复杂度,采用双极性化的定点Logistic序列与待(解)交织序列对应相乘方式完成(解)交织;同时,为降低任意量化比特长度的定点Logistic序列生成过程时延,采用现场可编程逻辑门阵列进行生成。利用Logistic系统李雅普诺夫指数,确定处于混沌状态的定点Logistic序列量化比特长度;基于平衡度和互相关门限,确定定点Logistic序列开始位置和初值;采用查表法构建非对称基本乘法器,并采用移位相加法计算总乘法器。仿真结果表明,所提算法可以充分利用Logistic序列混沌、平衡度、相关等特性,具有较好的误码率性能。

基于多尺度分段的长时间序列预测方法

针对目前长时间序列预测(long sequence time-series forecasting,LSTF)存在历史数据量大、计算复杂度高、预测精度要求高等问题,提出一种基于多尺度分段的Transformer模型.该模型基于Transformer架构进行改进和优化,使用多尺度分段将时间序列切片成多个时间段进行训练和预测,降低了长时间序列的复杂性,并实现了更高精度的预测.在电力变压器油温(electricity transformer temperature,ETT)数据集、用电负荷(electricity consumption load,ECL)数据集和天气(Weather)数据集中,分别采用传统Transfomer、Informer、门控循环单元(gated recurrent unit,GRU)、时序卷积网络(temporal convolutional network,TCN)和长短期记忆(long short-term memory,LSTM)5种基准模型与本研究提出的多尺度分段的Transformer模型,对长时间序列进行预测.结果表明,采用基于多尺度分段的Transformer模型在Weather数据集上对预测长度为192的时间序列预测的均方误差和平均绝对误差分别为0.367和0.407,均优于其他模型.基于多尺度分段的Transformer模型可以综合Transformer模型的优点,且计算速度更快,预测性能更高.

基于IACO优化Logistic混沌序列的无线传感器布局优化

本文从标准pSPIEL算法存在分簇随机问题,引入混沌算子提出Logistic混沌序列算法,提出一种改进蚁群算法(IACO)。将两种方法相结合寻优,提出IACO优化Logistic混沌序列,该方法能够较好地应用于无线传感器网络布局中。通过实验对IACO优化Logistic混沌序列有效性进行验证,结果表明,在同样互信息量下相对pSPIEL算法、贪婪算法、IACO算法达到了最低通信成本。以IACO优化Logistic混沌序列的传感器实际使用数量很少,能够满足最优成本-效益要求。该研究对提高无线传感器布局优化能力具有一定的理论指导意义。

一种新型的分段Logistic混沌扩频通信算法

混沌序列作为扩频系统中的扩频码,具有序列丰富、保密性好等特性。针对传统的Logistic混沌序列及其改进型在序列遍历性和随机性等方面不太理想的问题,提出了一种新型的分段Logistic混沌扩频通信算法。在分析了所提混沌序列的随机性、相关性、初值敏感性和Lyapunov指数的基础上,将其应用于扩频通信系统中。仿真结果表明:新序列较传统的Logistic混沌序列及其改进型作为扩频通信地址码,在误码率和信息保密特性方面有很大改善,从而证明了新算法的有效性。

序列卷积神经网络支持下线状地图目标的分段方法

依据形态特征差异实施分段处理是实现线状地图目标自适应综合的重要步骤。传统方法主要采用长度、角度、曲率等参量描述局部曲线段的几何形态变化,通过人工设置规则或常规机器学习方法建立模式判别模型。本文提出基于卷积神经网络的线状目标模式识别与分段方法。首先,以相邻坐标点构成的线元为基本单元,以线元端点横、纵坐标差为特征,将线状目标离散化为二维序列;然后,建立序列卷积神经网络进行线元特征序列学习与预测,实现线元层次的模式类型判别;最后,利用迭代融合方法将拓扑相邻且模式类型相同的线元合并,从而输出不同形态模式的分段结果。以1∶5万行政区界线和1∶25万山区道路数据开展试验,本文方法分段结果与人工分段结果的一致性比率分别达到91.25%和85.65%,相较传统方法有一定提升。同时,本文方法通过深度学习获取模式判别的深层次特征,能够有效避免人工选择特征带来的主观性影响,对不同尺度、不同类型的线状目标分段问题适应性更好。

改进的基于Logistic映射混沌扩频序列的产生方法

以Logistic混沌映射为基础,提出了一种改进的混沌扩频序列产生方法,该方法由给定初值代入混沌映射,然后对每个迭代点进行L比特量化,通过截短得到新的混沌扩频序列。得到的序列与传统混沌扩频码和Gold码作了比较,并在DS-CDMA系统中作了仿真验证。结果表明,该方法减少了迭代次数,加快了运算速度,并且可以产生任意长度的扩频序列,地址数远远大于现有的Gold码。通过实验还得到了最优的二进制量化阶数。

Logistic映射混沌扩频序列的性能分析

本文分析了Ｌｏｇｉｓｔｉｃ 映射混沌扩频序列的奇／偶相关特性。定义了有限精度门限值概念。通过计算机仿真，得到了最大奇／偶相关绝对值与序列长度的渐近关系式和有限精度门限值与序列长度的经验公式。

Logistic映射扩频序列的相关分布

本文由Ｌｏｇｉｓｔｉｃ映射产生用于直扩码分多址（ＤＳ／ＣＤＭＡ）系统的扩频序列，证明了周期为Ｎ的此类扩频序列的偶相关和奇相关均服从均值为０、方差为Ｎ的高斯分布．采用混沌扩频序列的ＣＤＭＡ系统的容量与传统扩频序列相同．

基于Logistic混沌序列和奇异值分解的半脆弱水印算法

提出了基于Logistic混沌序列和奇异值分解的半脆弱水印新算法,分析了混沌序列的初值敏感性和低相关性在水印中的应用,研究了奇异值在高比例有损压缩下的鲁棒性.结果表明:混沌序列生成的水印具有唯一性和不可破解性,某些奇异值在高比例有损压缩下具有相对稳定性;将奇异值作为水印载体,其水印显示良好的抗压缩鲁棒性,同时可以精确检测与定位被篡改的图像内容.

基于Logistic混沌序列的数字图像加密研究

离散的Logistic映射对初值和结构参数的改变具有极端的敏感性,在一定条件下能够产生混沌,并且产生的混沌序列具有类白噪声统计特性等特点。同时利用数字图像本身的特点和人类视觉系统的特性,先对原始图像进行压缩,再用混沌序列进行加密和传输图像,这样不仅可以减少存储空间,还可以提高加密和传输效率。该文基于以上特性提出了一个新的基于Logistic混沌序列的数字图像加密算法,仿真实例证明该算法是有效、可行的,而且具有较高的安全性。

基于分段Logistic和自编码的扩频码构造

针对现有随机序列用于扩频通信时可靠性和安全性差的情况,提出了将混沌映射与自编码相融合的扩频序列构造方法,以实现高动态通信条件下信息的可靠安全传输。该方法借鉴离散标准映射的构造思想,对二维Henon变换进行改进,并将分段Logistic混沌映射产生序列与AR自编码序列相融合产生高质量复合随机序列作为扩频码。以混沌和自编码为基础分析了该方法有效性、提高了序列的复杂度。仿真结果表明,与现有方法相比,该方法改善了序列的随机性,产生的扩频序列的抗干扰能力更好,并能获得较低的扩频误码率。

基于Logistic混沌序列的灰度图像加密算法

以混沌理论为基础,提出了一种灰度图像加密算法,该算法利用Logistic映射分别产生异或矩阵和置换矩阵,然后对灰度图像进行分块加密。实验仿真表明,该加密算法具有良好的加密效果。

一种基于Logistic映射的混沌跳频序列

基于Logistic映射 ,提出了一种产生混沌跳频序列的新方法。该方法是先对Logistic映射的轨道点进行多值量化 ,然后利用比特抽取产生所需的混沌跳频序列。性能分析和数值实验表明 ,在相同的条件下 (频率数目和序列长度相同 ) ,其平衡性、跳频间隔和最大汉明相关值与其它方法产生的混沌跳频序列相当 ,然而其所需的迭代次数却大大减少了 。

基于PUF的Logistic混沌序列发生器

由于Logistic非线性混沌系统在一定的参数下,具有初值敏感性和拓扑复杂性等特点,因此Logistic混沌系统可以作为随机序列信号发生器。同时由于集成电路在生产、制作的过程中,即使采用完全相同的设计方法和制造工艺,也会在器件上产生不可控的微小差异,这些微小差异便成为集成电路不可克隆的基础。基于此特点,提出了一种基于可编程逻辑阵列(FPGA)的双输出查找表(LUT)结构的物理不可克隆函数(PUF)的Logistic随机混沌序列信号发生器,该混沌序列发生器具有物理的唯一性,能够有效地抵抗对于系统的复制和攻击。将该系统在Xilinx公司的FPGA开发板上进行测试和验证,结果表明,同样的电路结构和配置文件在不同的FPGA开发板上能够产生不同的随机序列,提高了混沌序列的随机性。

基于Logistic映射PN序列的FPGA实现

为了获得性能良好,适于扩频通信及加密领域的伪噪声(PN)序列,提出了一种PN序列量化产生及硬件实现方法。该方法基于FPGA技术并以Logistic离散映射作为随机信号源,提取Logistic映射时间序列二进制数中的某一位构成了一个新的混沌PN序列,并在硬件上获得了实现。通过对序列的频率测试、串列测试、Poker测试、游程测试、自相关测试表明,这种PN序列的硬件实现技术可为扩频通信和信息加密提供一个良好的伪噪声序列。

Logistic映射混沌扩频序列的奇/偶相关特性分析

本文简要分析了Logistic映射混沌扩频序列的奇 /偶相关特性以及序列的有限长度效应对奇 /偶相关特性的影响 ;提出了一种EOELogistic映射混沌扩频序列的构造方法 .理论分析表明 ,EOELogistic映射有限长度扩频序列的奇 /偶相关特性较原序列有所改善 .

Logistic数字混沌序列性能分析

混沌作为一种非线性动态系统中的现象,受到了人们的重视,研究工作者纷纷探索他在通信中的可能应用。讨论了一种广泛研究的离散时间动态系统Logistic Map所产生的数字混沌序列,通过与m序列比较,分析了其白噪声统计特性,并用计算机进行仿真,做了相应的实验数据分析。结果表明数字混沌序列具有较理想的自相关和互相关特性,且数目极大,是CDMA系统中扩频码的优选码型。

基于耦合Logistic映射的伪随机位发生器及其在混沌序列密码算法中的应用

1.引言 近年来,混沌密码学得到了大量的研究,各种混沌加密算法的设计方案不可胜数,其中大多数混沌加密系统基于离散时间、离散值系统.由于连续值系统定义在连续域上,使得一些传统密码学技术(如Shannon熵)不能直接推广到这种系统,再加上性能分析和实现上的复杂性,人们对连续值系统的研究还较少[6].目前,混沌密码系统主要有两种类型:混沌序列密码和混沌分组密码.