【摘 要】
:
混沌因其天然具有类随机性、初值敏感性等复杂动力学特性被广泛应用于信息安全及其保密通信领域中。整数阶低维混沌系统存在着安全隐患,而分数阶时滞系统难以被常规攻击手段攻破且拥有更大的密钥空间,在保密通信领域中有着更广阔的应用空间和实用价值,因此构造分数阶时滞混沌系统是提高保密通信系统安全性的有效途径。Hopfield神经网络在一定条件下能够直接生成具有良好扩散效应的混沌矩阵,本文以一类分数阶时滞Hopf
论文部分内容阅读
混沌因其天然具有类随机性、初值敏感性等复杂动力学特性被广泛应用于信息安全及其保密通信领域中。整数阶低维混沌系统存在着安全隐患,而分数阶时滞系统难以被常规攻击手段攻破且拥有更大的密钥空间,在保密通信领域中有着更广阔的应用空间和实用价值,因此构造分数阶时滞混沌系统是提高保密通信系统安全性的有效途径。Hopfield神经网络在一定条件下能够直接生成具有良好扩散效应的混沌矩阵,本文以一类分数阶时滞Hopfield神经网络为模型,研究其复杂的动力学特性包括混沌现象以及同步问题,同时将其应用于保密通信方案中。首先,提出一类新的分数阶时滞Hopfield神经网络并分析其复杂动力学行为。理论上证明了系统平衡点的唯一性。在无延时下,利用分数阶稳定性定理给出了分数阶阶次与系统稳定性的关系;在延时参数变化时,发现系统通往混沌的道路为阵发性混沌道路,通过相图、分岔图、最大Lyapunov指数、排列熵对其加以验证。然后,基于状态观测器理论,研究一类分数阶时滞神经网络的广义投影同步问题。基于分数阶稳定性定理和极点配置技术给出了反馈增益矩阵的设计方法,并以分数阶时滞Hopfield神经网络为例进行数值仿真实验,验证了同步方案的可行性和正确性。最后,基于状态观测器同步方案,给出了一种混沌掩盖保密通信框架。其中信源信号经过预处理之后直接参与到混沌信号的产生中,通过理论分析和数值仿真实验验证了该框架的可行性。仿真分析了反馈增益矩阵参数失配下的同步以及加解密过程。给出了我们的混沌系统与其他一些用于加密的混沌系统的复杂度对比。最后指出了该框架相对于传统混沌掩盖通信方案的优点所在。
其他文献
近年来,轮式移动机器人因其结构简单、易于控制等优点被大量应用在工业、农业、国防和空间探测等领域。在轮式移动机器人的众多研究中,最重要、最基础的一项是对机器人轨迹跟
视频跟踪在多方面都有着非常重要的用途,例如智能交通、虚拟现实、精确制导等。如今,视频的多样性导致各种各样问题接踵而来,在跟踪过程中会发生部分遮挡、光照强度变化、背景复杂等情况,这无疑加大了跟踪算法的难度。所以本文主要针对部分遮挡和背景复杂这两个问题进行了研究和分析,通过在线检测算法改进核相关滤波再和粒子滤波预测结果进行融合,当遇到部分遮挡和背景复杂情况发生时,能够较好跟踪目标。本文主要工作如下:首
在许多实际的动态系统中,硬件上的物理输入饱和决定了控制信号的幅度总是受到限制。饱和对于控制系统的执行器来说是一种潜在性的问题,它经常严重地限制系统的性能,导致控制
基于物理的流体模拟是计算机动画领域的重要组成部分。但由于流体自身运动的复杂性,进行高质量的流体模拟需要消耗大量的资源与时间。随着人们对流体动画质量的追求越来越高,动画师需要在越来越高精度的网格中进行流体模拟。但动画师在高精度网格中模拟所得到的流体形态往往与期待的形态不符,需要进行反复的参数调整才能得到理想的流体形态。此外,由于数值误差的存在,在低精度的网格中模拟得到的流体与高精度网格中模拟得到的流
专车是依赖于互联网约车平台的出行方式,它利用了技术变革和资本催化的时机悄然崛起,加速了出行市场的多样化、个性化发展,并深刻影响了人们的出行观念。然而由于用户群体的相似性,专车市场的发展无疑冲击了传统出租车市场的垄断地位,这也是引发专车市场监管问题的直接原因。专车市场监管是否得当,不仅关系到专车市场的健康发展,还关系到公共利益的实现。结合专车市场特点及多方利益关系分析专车市场监管的现状、问题和对策,
随着化石能源的枯竭以及环境问题的日益严峻,世界各国都大力推动电动汽车的发展。动态无线充电技术作为车辆到电网(Vehicle to Grid,V2G)网络中电动汽车与智能电网的一种重要
乳腺癌作为世界上发病率最高的癌症之一,严重威胁着人们的身体健康,提前预防非常重要。虽然目前乳腺癌可以通过X放射,热成像,超声成像等方法进行检测,但是这些检测方法可能会
多智能体系统的分布式优化是指在一个通讯网络中,一些具有一定的计算、通讯和感知能力的智能个体,依据分布式算法自行对各自状态更新,共同的极小化总体的目标函数.系统无需中
加拿大档案学家特里·库克是国际档案学界最具影响力的理论家之一,他的宏观鉴定理论、新来源观和档案记忆思想在我国档案学界得到了广泛传播,并产生了重要的学术影响。目前,
迁移学习已经成为机器学习的研究热点。在进行迁移学习之前,选择合适的源领域用于目标领域的迁移学习,可以避免多次迁移学习尝试,提升迁移学习效率,缓解负迁移现象。但现有迁