一种n维组合混沌映射及性能分析

针对传统一维混沌映射和组合混沌映射均存在的密钥参数少、安全性差等问题,提出一种组合嵌套混沌模型,将经典混沌映射进行嵌套,与不同多项式结构串联或级联操作,构造一种n维组合混沌映射。该组合映射通过扩展系统参数,抵抗密钥穷举攻击,改善混沌系统的复杂性和不可预测性。同时以一种三维超混沌系统为例,通过实验仿真对组合混沌映射的李雅普诺夫(Lyapunov)指数、初值敏感性、相关性和功率谱等性能进行分析,并将其应用于改进的基于广义猫映射的较为经典的加密算法中,实验结果表明,基于该映射的加密算法具有良好的安全性能。

基于模糊熵的组合混沌映射及其性能

针对一维混沌映射混沌范围小、混沌序列不均匀、初值敏感性较差等问题,提出了一种基于模糊熵与Logistic映射的一维组合混沌映射。组合混沌映射使用模糊熵基本函数和Logistic映射作为种子映射,通过增大控制参数和取模运算得到新的混沌映射。对该映射的分岔图、Lyapunov指数、相关性、初值敏感性等性能进行仿真,结果表明,提出的混沌映射具有较大的混沌区间、较大的系统参数、近似均匀的混沌序列、较好的初值敏感性,系统动力学行为较为复杂。

基于新的组合混沌映射的图像加密算法

文中根据污染动力系统定义,将一维混沌映射Logictis和Sine重新组合为一个新的混沌映射,通过单比特频率测试、游程测试以及离散傅里叶(谱)测试和Lyapunov指数等仿真测试,表明新的组合混沌映射生成的序列值分布均匀、离散型强,具有更为复杂的混沌特性;将该混沌映射应用于图像加密算法中,通过模拟测试,加密图像的各项指标测试结果都非常接近于最佳期望值,说明加密算法具有良好的抗攻击能力,新构造的组合混沌映射在信息安全领域具有良好的应用前景.

基于组合混沌映射的无穷维伪随机数发生方法

文章介绍了组合混沌映射的概念,并阐述了无穷维思想,在此基础上提出了基于组合混沌映射的无穷维伪随机数发生方法。仿真实验证实该方法产生的均匀分布伪随机数具有良好的统计特性和安全性能。

QC-LDPC码在混沌DSSS-NBJ抑制中的性能分析

以低信噪比窄带干扰条件下混沌DSSS系统信息传输的可靠性提高为目的,在混沌DSSS系统的基础上,结合QC-LDPC码提出了一种基于QC-LDPC-CDSSS的协同窄带干扰(Narrowband Jamming,NBJ)抑制方案。该方案在直积构造方法生成校验矩阵的过程中,完成了校验矩阵4、6短环的检验与消除,采用近似下三角算法实现了QC-LDPC编码;对于混沌直序扩频系统,分析了组合混沌映射序列的性能和优选方法,采用优选的组合混沌扩频序列增强低截获能力;最后通过不同干扰条件下的仿真验证了该方案的有效性,仿真结果表明,该方案对于单音干扰的抑制效果优于多音干扰的抑制效果,在10-5的误码要求条件下,信噪比小于4dB。

一种新的混沌扩频序列及其性能分析

结合传统的混沌映射,提出一种组合式混沌映射模型。给出了产生新的混沌扩频序列的方法。首先由给定初值代入组合式混沌映射进行迭代,并且通过随机的参数切换选择不同的组合混沌映射,再将迭代产生的序列进行预处理,最后将预处理后的序列进行L比特选择得到新的混沌扩频序列。对得到的混沌扩频序列进行平衡性、保密性和相关性分析,并与现有的混沌扩频序列的性能进行比较。结果表明,该混沌扩频序列具有与现有的混沌扩频序列相近的相关性,而且其平衡性、保密性更好。

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.

基于数据降维与对称二值模式的图像Hash算法

为了解决当前图像Hash算法难以兼顾较高的感知稳健性与篡改识别率的不足,提出了基于数据投影降维机制与对称局部二值模式的紧凑图像Hash算法。利用双线性插值来预处理图像,使Hash具有固定的长度;引入对数极坐标变换,将其转变为二次图像;利用Gabor滤波器平滑二次图像;基于模糊集理论,设计对称局部二值模式算子,获取稳健特征;定义数据投影降维机制与量化规则,生成紧凑的中间Hash比特序列;构造一维组合混沌映射,建立加密模型,完成比特序列扩散,以生成图像Hash;并引入汉明距离,估算初始图像与接收端图像的Hash相似度,联合决策阈值,完成图像认证。测试数据表明,与当前图像Hash技术相比,该算法的Hash更紧凑,且其感知稳健性与敏感性更高。