CN110190944A - 基于动态多映射复合的混沌扩频序列产生模型 - Google Patents
基于动态多映射复合的混沌扩频序列产生模型 Download PDFInfo
- Publication number
- CN110190944A CN110190944A CN201910357787.XA CN201910357787A CN110190944A CN 110190944 A CN110190944 A CN 110190944A CN 201910357787 A CN201910357787 A CN 201910357787A CN 110190944 A CN110190944 A CN 110190944A
- Authority
- CN
- China
- Prior art keywords
- mapping
- sequence
- value
- parameter
- odd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/69—Spread spectrum techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Complex Calculations (AREA)
Abstract
基于动态多映射复合的混沌扩频序列产生模型,应对混沌通信的序列数量有限及机理固定的局限,基于改进Logistic,Chebyshev,Kent三种映射研究基础提出本模型。利用控制参数从改进Logistic,Chebyshev中选择奇映射和偶映射,并利用Kent映射建立分形函数,由此驱动奇映射和偶映射的分形参数,进而奇映射的输出驱动偶映射的初值,偶映射的输出驱动奇映射的初值。通过奇映射和偶映射的关联建立选择函数,并驱动Kent映射的初值。从而通过奇映射和偶映射的优选函数输出最终的新序列。此模型可以为扩频通信系统提供更多的地址码,从而扩展通信系统应用。
Description
技术领域
本发明涉及扩频通信及混沌通信技术领域,尤其是基于动态多映射复合的混沌扩频序列产生模型(优选的混沌扩频序列产生模型)。
背景技术
混沌信号的生成轨迹非常复杂并且无规则可寻,使得它具有很好的隐蔽效果,高度的不可预知性。混沌信号的产生取决于统迭方程以及初始值和分形参数,从而有利于信号的复制和再生,其信号本身并非随机,然而却有着类似随机的表现,与传统伪随机扩频码有相似的伪随机本质,却解决了传统扩频地址码数目有限的问题。它除了有很好的隐蔽性、类噪声、不可预知、确定性、易于产生之外,还具备连续的宽频谱、非周期、高度的复杂性这些优势。然而,作为系统扩频地址码是有限长的序列,对于无限长的混沌序列性能会在一定程度上受到影响,所以如何产生有效的有限长混沌扩频序列成为了重点。
发明内容
本发明的目的是应对混沌通信的序列数量有限及机理固定的局限,基于改进Logistic,Chebyshev,Kent三种映射研究基础,提出基于动态多映射复合的混沌扩频序列产生模型。
采用的技术方案是:
基于动态多映射复合的混沌扩频序列产生模型,是利用控制参数从改进Logistic,Chebyshev中选择奇映射和偶映射,并利用Kent映射建立分形函数,由此驱动奇映射和偶映射的分形参数,进而奇映射的输出驱动偶映射的初值,偶映射的输出驱动奇映射的初值。通过奇映射和偶映射的关联建立选择函数,并驱动Kent映射的初值。从而通过奇映射和偶映射的优选函数输出最终的新序列。
混沌信号除了有很好的隐蔽性、类噪声、不可预知、确定性、易于产生之外,还具备连续的宽频谱、非周期、高度的复杂性这些优势。然而,作为系统扩频地址码是有限长的序列,对于无限长的混沌序列性能会在一定程度上受到影响,所以如何产生有效的有限长混沌扩频序列成为了重点。应对混沌通信的序列数量有限及机理固定的局限,基于改进Logistic,Chebyshev,Kent三种映射研究基础,提出基于动态多映射复合的混沌扩频序列产生模型。利用控制参数从改进Logistic,Chebyshev中选择奇映射和偶映射,并利用Kent映射建立分形函数,由此驱动奇映射和偶映射的分形参数,进而奇映射的输出驱动偶映射的初值,偶映射的输出驱动奇映射的初值。通过奇映射和偶映射的关联建立选择函数,并驱动Kent映射的初值。从而通过奇映射和偶映射的优选函数输出最终的新序列。此模型可以为扩频通信系统提供更多的地址码,从而扩展通信系统应用。
其优点在于:
利用控制参数来选择奇映射和偶映射,并建立分形函数,进而通过奇映射和偶映射的交替驱动,从而建立选择函数和优选函数,从而生成混沌序列。从敏感性、平衡度、游程、相关性等角度考虑,产生的混沌序列都具有明显优势。
附图说明
图1是本发明基于动态多映射复合的混沌扩频序列产生模型原理图。
具体实施方式
1)传递输入参数,即:控制参数k,初值参数z1和x1,分形参数α。其中,初值参数z1的取值范围为(0,1),初值参数x1的取值范围为(-1,1)。分形参数α的取值范围为(0,1)。控制参数k取值为0或1,主要控制从Chebyshev映射和改进Logistic映射的集合中匹配出奇映射和偶映射,当k=0时,Chebyshev映射为奇映射,改进Logistic映射为偶映射。当k=1时,改进Logistic映射为奇映射,Chebyshev映射为偶映射。
2)依据输入参数解析,得到Kent映射的分形参数α,由于α=0.4997时Kent映射呈现出最好的混沌形态,为此,其系统启动时的触发分形参数α设定为0.4997,系统启动时(即n=1时),Kent映射初值z1由用户输入,启动后Kent映射初值由tn驱动,基于此,利用式(1)进行迭代产生Kent序列。
其中,tn为式(7)初值函数的输出,取值范围为(0,1)。
3)然后,利用生成的当前位次n的Kent序列值zn进行式(2)的分形函数计算,得到Chebyshev映射的分形参数λn和改进Logistic映射的分形参数μn。
分形参数λn可以满足λn≥4,从而使得Chebyshev映射达到满映射。分形参数μn取值范围在[1.4,2],从而使得改进Logistic映射达到满映射。
4)进行奇映射迭代运算,系统启动时(即n=1时)的奇映射初值x1由用户输入,启动后奇映射初值由偶映射序列yn驱动。当模式参数k=0时,利用奇映射初值及分形参数λn,进行式(3)的奇映射迭代,产生Chebyshev序列,Chebyshev序列初值的取值范围为[-1,1]。当模式参数k=1时,利用奇映射初值及分形参数μn,进行式(4)的奇映射迭代,产生改进Logistic序列,改进Logistic序列初值的取值范围也为[-1,1]。
5)进行偶映射迭代运算,偶映射初值由奇映射序列xn驱动。当模式参数k=0时,利用偶映射初值及分形参数μn,进行如式(5)所示的偶映射迭代,产生改进Logistic序列,改进Logistic序列初值的取值范围为[-1,1]。当模式参数k=1时,利用偶映射初值及分形参数λn,进行如式(6)所示的偶映射迭代,产生Chebyshev序列,Chebyshev序列初值的取值范围也为[-1,1]。
yn+1=1-μnxn 2,-1≤xn≤1 (5)。
yn+1=cos(λncos-1xn),-1≤xn≤1 (6)。
6)利用奇映射序列xn和偶映射序列yn进行初值函数计算,如式(7)所示。当序列位次n为奇数则利用奇序列触发Kent映射初值,当序列位次n为偶数则利用偶序列触发Kent映射初值。从而使得tn输出范围为(0,1),进而满足Kent映射初值取值范围为(0,1)的需求。
7)利用奇映射序列xn或偶映射序列yn进行优选函数处理,当k=0时,奇映射序列输出。当k=1时,偶映射序列输出,此输出的序列则为优选序列。
8)优选后产生的序列为实值序列,进而利用门槛函数法将实值序列转换为二值混沌序列,即将序列的平均值作为阈值判定的界限值,如果实值序列大于阈值则输出为1,否则输出为0。
Claims (1)
1.基于动态多映射复合的混沌扩频序列产生模型,其特征在于包括下列步骤:
1)传递输入参数,即:控制参数k,初值参数z1和x1,分形参数α;其中,初值参数z1的取值范围为(0,1),初值参数x1的取值范围为(-1,1);分形参数α的取值范围为(0,1);控制参数k取值为0或1,主要控制从Chebyshev映射和改进Logistic映射的集合中匹配出奇映射和偶映射,当k=0时,Chebyshev映射为奇映射,改进Logistic映射为偶映射;当k=1时,改进Logistic映射为奇映射,Chebyshev映射为偶映射;
2)依据输入参数解析,得到Kent映射的分形参数α,由于α=0.4997时Kent映射呈现出最好的混沌形态,为此,系统启动时的触发分形参数α设定为0.4997,系统启动时,即n=1时,Kent映射初值z1由用户输入,启动后Kent映射初值由tn驱动,基于此,利用式[1]进行迭代产生Kent序列;
其中,tn为式[7]初值函数的输出,取值范围为(0,1);
3)然后,利用生成的当前位次n的Kent序列值zn进行式[2]的分形函数计算,得到Chebyshev映射的分形参数λn和改进Logistic映射的分形参数μn;
分形参数λn可以满足λn≥4,从而使得Chebyshev映射达到满映射;分形参数μn取值范围在[1.4,2],从而使得改进Logistic映射达到满映射;
4)进行奇映射迭代运算,系统启动时,即n=1时,的奇映射初值x1由用户输入,启动后奇映射初值由偶映射序列yn驱动;当模式参数k=0时,利用奇映射初值及分形参数λn,进行式[3]的奇映射迭代,产生Chebyshev序列,Chebyshev序列初值的取值范围为[-1,1];当模式参数k=1时,利用奇映射初值及分形参数μn,进行式[4]的奇映射迭代,产生改进Logistic序列,改进Logistic序列初值的取值范围也为[-1,1];
5)进行偶映射迭代运算,偶映射初值由奇映射序列xn驱动;当模式参数k=0时,利用偶映射初值及分形参数μn,进行如式[5]所示的偶映射迭代,产生改进Logistic序列;改进Logistic序列初值的取值范围为[-1,1];当模式参数k=1时,利用偶映射初值及分形参数λn,进行如式[6]所示的偶映射迭代,产生Chebyshev序列,Chebyshev序列初值的取值范围也为[-1,1];
yn+1=1-μnxn 2,-1≤xn≤1 [5];
yn+1=cos(λncos-1xn),-1≤xn≤1 [6];
6)利用奇映射序列xn和偶映射序列yn进行初值函数计算,如式[7]所示;当序列位次n为奇数则利用奇序列触发Kent映射初值,当序列位次n为偶数则利用偶序列触发Kent映射初值;从而使得tn输出范围为(0,1),进而满足Kent映射初值取值范围为(0,1)的需求;
7)利用奇映射序列xn或偶映射序列yn进行优选函数处理,当k=0时,奇映射序列输出;当k=1时,偶映射序列输出,此输出的序列则为优选序列;
8)优选后产生的序列为实值序列,进而利用门槛函数法将实值序列转换为二值混沌序列,即将序列的平均值作为阈值判定的界限值,如果实值序列大于阈值则输出为1,否则输出为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910357787.XA CN110190944B (zh) | 2019-04-30 | 2019-04-30 | 基于动态多映射复合的混沌扩频序列产生方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910357787.XA CN110190944B (zh) | 2019-04-30 | 2019-04-30 | 基于动态多映射复合的混沌扩频序列产生方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110190944A true CN110190944A (zh) | 2019-08-30 |
CN110190944B CN110190944B (zh) | 2022-05-20 |
Family
ID=67715320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910357787.XA Active CN110190944B (zh) | 2019-04-30 | 2019-04-30 | 基于动态多映射复合的混沌扩频序列产生方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110190944B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106357363A (zh) * | 2016-09-05 | 2017-01-25 | 中山大学 | 一种适用于码分多址扩频通信的混沌映射方法及应用 |
WO2018153317A1 (zh) * | 2017-02-24 | 2018-08-30 | 陈伟 | 一种基于混沌数谱的数字化混沌密码方法 |
-
2019
- 2019-04-30 CN CN201910357787.XA patent/CN110190944B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106357363A (zh) * | 2016-09-05 | 2017-01-25 | 中山大学 | 一种适用于码分多址扩频通信的混沌映射方法及应用 |
WO2018153317A1 (zh) * | 2017-02-24 | 2018-08-30 | 陈伟 | 一种基于混沌数谱的数字化混沌密码方法 |
Non-Patent Citations (2)
Title |
---|
FANG LIU ET AL.: "Dynamic multimapping composite chaotic sequence generator algorithm", 《AEU - INTERNATIONAL JOURNAL OF ELECTRONICS AND COMMUNICATIONS》 * |
田明浩等: "基于扩频的复合混沌优选序列生成方法", 《沈阳理工大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110190944B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104038249B (zh) | 周期长码直扩信号伪随机码估计方法 | |
CN102833008B (zh) | 一种扩频水声通信方法 | |
CN105429673B (zh) | 基于张量低秩分解的长码ds‑cdma信号盲分离方法 | |
CN105044727B (zh) | 利用抹香鲸叫声的水下隐蔽声呐信号波形构造方法 | |
CN105978603A (zh) | 一种基于变长复合正交码的扩频系统 | |
CN104753638A (zh) | 一种混沌扩频水声通信方法 | |
CN102243309B (zh) | Gnss互相关干扰抑制方法和装置 | |
CN105068051A (zh) | 一种基于混合序列的雷达波形调幅调相方法 | |
CN110190944A (zh) | 基于动态多映射复合的混沌扩频序列产生模型 | |
CN109039522A (zh) | 一种基于混沌序列的扩频码平衡性的优化方法 | |
CN103957026B (zh) | 一种基于混沌序列的跳码扩频通信系统 | |
CN108270465A (zh) | 一种抗欺骗干扰的扩频方法 | |
CN103152074B (zh) | 一种直接序列扩频通信系统发射与接收方法 | |
CN109617569B (zh) | 一种改善多路突发信号接收性能的伪码设计方法 | |
CN103888154B (zh) | 一种多通道抗干扰与抗混叠脉冲序列解码方法 | |
CN112615644B (zh) | 基于伪随机序列插值的自编码扩频系统抑制错误传播方法 | |
CN106125060A (zh) | 减小距离盲区的相位码雷达信号设计方法 | |
CN107733820B (zh) | 多径信道环境条件下的ds-cdma信号盲估计方法 | |
Rui et al. | A novel ranging code based on improved logistic map chaotic sequences | |
CN107294560B (zh) | 异步短码ds-cdma信号盲解扩方法 | |
Onunkwo et al. | On the optimum pulse-position modulation index for ultra-wideband communication | |
Burian et al. | Oversampling limits for binary offset carrier modulation for the acquisition of Galileo signals | |
Sharma et al. | Performance of pulse position modulation using various UWB pulses | |
Shen et al. | Fast cross-correlation mitigation via minimum mean-square error estimation based on matched filter outputs for consecutive DSSS signals | |
Mansour et al. | Performance analysis and evaluation of multi-user coded hybrid spread spectrum system using improved chaotic sequences |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |