保密通信中的时滞神经网络超混沌复杂性研究

论文摘要

在保密通信中,加密算法是信息安全的核心,将混沌理论应用于保密通信和信息加密中已成为国际非线性科学和信息科学两个领域交叉融合的热门前沿课题之一,也是国际上高科技研究的一个新领域。既能实现快速并行运算又有混沌动力学复杂行为的人工神经网络一直被认为是用来实现保密通信所需的加密算法的最佳选择之一。而近来出现的时滞神经网络在保证结构简易性的条件下,可以构造出无穷维的高复杂性的超混沌系统,有望成为新一代保密通信机制的优化方案。本文将时滞神经网络超混沌理论引入到现代信息安全与保密通信中,围绕时滞神经网络超混沌特性的复杂性评价问题进行了较为全面的研究,为构建新一代保密通信机制提供依据。为了能够对时滞神经网络超混沌复杂性进行综合全面的分析,本文采用特征函数分析与随机特性测试的综合分析评价方法。首先针对神经网络在模拟通信中的应用,分析了Chen和Aihara混沌神经网络模型、Wang和Smith混沌神经网络模型等常见的混沌神经网络模型,以及Mackey-Glass、Liao和Ikeda等时滞神经网络模型的李雅普诺夫指数等特征函数,为判断其混沌复杂性提供依据。随后针对神经网络在数字通信中的应用,根据美国国家标准技术研究所（NIST）制定的一套随机特性测试标准,对二值化的神经网络及时滞神经网络超混沌序列进行统计分析,从随机特性的角度分析其混沌复杂性。为了将混沌序列的频率特性更直观的展示出来,利用周期图法和最大熵谱分析法重点对随机特性中的功率谱性能进行数值仿真与对比,很好的补充了对时滞神经网络超混沌的复杂性分析。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究目的及意义
• 1.2 时滞神经网络超混沌保密通信在国内外的研究现状
• 1.3 本文的主要工作及内容安排
• 第2章 混沌神经网络基本理论
• 2.1 混沌的基本理论
• 2.1.1 混沌的起源与发展
• 2.1.2 混沌的基本特性
• 2.1.3 混沌的特征函数
• 2.2 混沌神经网络的类型
• 2.2.1 Aihara的混沌神经网络模型
• 2.2.2 耦合混沌神经元网络模型
• 2.2.3 基于Hopfield神经网络的混沌神经网络模型
• 2.4 时滞超混沌神经网络
• 2.4.1 Mackey-Glass混沌神经元系统
• 2.4.2 Liao混沌神经元系统
• 2.4.3 Ikeda混沌神经元系统
• 2.5 本章小结
• 第3章 混沌神经网络特征函数法复杂性分析
• 3.1 Aihara混沌神经元复杂性分析与仿真
• 3.2 Chen和Aihara混沌神经网络复杂性分析与仿真
• 3.3 Wang和Smith混沌神经网络复杂性分析与仿真
• 3.4 时滞神经网络的混沌复杂性分析与仿真
• 3.4.1 Mackey-Glass混沌神经系统的混沌复杂性分析与仿真
• 3.4.2 Liao神经系统的混沌复杂性分析与仿真
• 3.4.3 Ikeda混沌神经系统的混沌复杂性分析与仿真
• 3.5 本章小结
• 第4章 混沌神经网络随机特性测试
• 4.1 随机特性统计测试
• 4.1.1 各项统计测试函数
• 4.1.2 统计测试结果分析方式
• 4.2 时滞神经网络超混沌随机特性测试
• 4.3 本章小结
• 第5章 混沌神经网络功率谱随机性分析
• 5.1 功率谱估计的分析方法
• 5.1.1 周期图法
• 5.1.2 最大熵谱分析法
• 5.2 Chen和Aihara的混沌神经网络的功率谱特性分析与仿真
• 5.3 Wang和Smith的混沌神经网络的功率谱特性分析与仿真
• 5.4 Mackey-Glass神经网络系统的功率谱特性分析与仿真
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢