基于细胞神经网络保密通信研究

论文摘要

细胞神经网络(Cellular Neural Networks,简称CNN)动力学是神经网络与动力学系统交叉结合的一门新型学科,它的理论和应用研究成了当前的研究热点。CNN是一个高速非线性动力学系统,不同的模板参数选择表现出复杂的动力学行为,在满足一定条件下,系统会出现分岔和混沌现象。由于混沌系统具有对初始条件和系统模板参数的高度敏感性,是伪随机系列的天然候选者,这为CNN在保密通信中的应用提供了可靠的理论基础。本文在研究CNN的稳定性前提下,分析系统的动力学行为,设计出合适的CNN混沌与超混沌模板参数,并将其应用于保密通信中,主要研究成果体现在:(1)运用Lipschittz连续条件、不动点定理、Lyapunov函数稳定理及不等式方法,分析了CNN的全局渐近稳定性,设计推导的稳定性判断标准为不等式表达式,简单实用,对CNN邻域内细胞间相互作用为线性的稳定性分析具有通用性。(2)根据Lyapunov第一近似理论分析了CNN邻域内细胞间相互作用为非线性的稳定性情况,所采用的判断方法对全互连CNN模型的构造与稳定性分析具有通用性。(3)结合CNN稳定性判断方法构造了CNN混沌与高维超混沌系统,应用于音频保密通信中,实现了收发端的同步,使原始信号在接收端得到了较好的恢复。(4)设计了基于五维CNN全维和降维状态观测器的超混沌同步系统,通过仿真与数值测试得出:如果CNN超混沌系统的状态变量差值保持在一定范围内,可以较精确实现保密通信。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题来源与研究背景
• 1.2 基于CNN 的动力学研究现状
• 1.3 CNN 在保密通信中的研究现状
• 1.4 本文的主要研究工作和结构安排
• 1.4.1 主要研究工作
• 1.4.2 论文结构安排
• 第二章 CNN 的理论基础
• 2.1 CNN 的基本结构
• 2.2 CNN 的数学基础
• 2.2.1 CNN 的约束条件
• 2.2.2 CNN 的状态有界性
• 2.2.3 CNN 的能量函数
• 2.3 CNN 的模板运算
• 第三章 CNN 稳定性分析及改进
• 3.1 CNN 的非线性动力学行为
• 3.2 细胞间相互作用为线性的CNN 稳定性研究
• 3.2.1 CNN 平衡点的存在性
• 3.2.2 CNN 的全局渐近稳定性
• 3.2.3 实验仿真
• 3.3 全互连CNN 的稳定性研究
• 3.3.1 Lyapunov 第一近似理论
• 3.3.2 全互联CNN 的稳定性分析
• 第四章 CNN 混沌保密通信系统
• 4.1 混沌保密通信理论基础
• 4.1.1 密码学简介
• 4.1.2 保密通信原理
• 4.2 CNN 混沌同步保密通信密
• 4.2.1 CNN 混沌加密方法
• 4.2.2 CNN 混沌同步方法
• 4.2.3 CNN 混沌同步保密通信方法与应用
• 4.3 CNN 混沌扩频保密通信
• 4.3.1 CNN 混沌扩频保密通信原理
• 4.3.2 CNN 混沌扩频保密通信的方法及应用
• 4.4 性能分析
• 4.4.1 安全性分析
• 4.4.2 抗噪声性能分析
• 第五章 CNN 超混沌保密通信系统
• 5.1 CNN 中的超混沌行为
• 5.1.1 四维 CNN 的超混沌行为
• 5.1.2 五维 CNN 超混沌系统的构造
• 5.2 基于全维状态观测器的CNN 超混沌保密通信
• 5.2.1 系统输出反馈全维状态观测器的设计
• 5.2.2 CNN 超混沌保密通信设计思路
• 5.2.3 试验仿真
• 5.3 基于降维观测器的 CNN 超混沌保密通信
• 5.3.1 降维状态观测器原理
• 5.3.2 基于降维观测器的超混沌同步的设计
• 5.3.3 分析与试验
• 5.4 性能分析
• 5.4.1 安全性分析
• 5.4.2 抗噪声性能分析
• 第六章 全文总结
• 参考文献
• 致谢
• 个人简历在学期间发表的学术论文与研究成果