基于熵理論的混沌序列復雜度算法研究.pdf

1、科技的迅速發(fā)展使得信息安全問題越顯突出，而混沌作為20世紀著名的科學發(fā)現(xiàn)之一，因其初值的敏感性、內在隨機性等特性，被眾多學者們應用到了信息安全與保密通信領域的研究中?；煦缧盘柧哂须S機性，不同類型的混沌系統(tǒng)產生的混沌信號的內在隨機性也不盡相同，混沌信號的隨機性成為信息安全和保密通信的關鍵問題。所以，混沌信號的隨機性作為混沌動力學特性的一個重要方面成為該領域內重要的研究內容?；煦缦到y(tǒng)的復雜度是衡量混沌系統(tǒng)產生的混沌序列接近隨機序列的程度，混

2、沌序列的復雜度越高，其抗干擾、抗截獲的能力就越高，系統(tǒng)的安全性就越好。對混沌序列的復雜度分析有助于我們更好地了解混沌系統(tǒng)的復雜特征。本文就是基于這個研究目標開展的探索性研究工作，用基于熵理論的測度算法來評價和分析混沌序列的復雜度，應用相關特征提取算法對混沌序列進行改進，提高其隨機性，并對基于熵理論的測度算法進行優(yōu)化及改進，提高測度算法的運算效率。主要的研究工作包括:
　　(1)在遺傳算法的基本思想和特點基礎之上，提出了基于GA的復

3、雜度特征提取算法。算法將混沌子序列作為染色體，近似熵值作為適應度函數(shù)，通過交叉進行優(yōu)化選擇，找到序列中復雜度較好的序列。接下來我們又提出了基于GA的雙重復雜度特征提取算法，在適應度中添加了排列熵來進一步衡量染色體，改進了交叉策略，找到了兩種熵值都比較好的子序列來進行應用。
　　(2) PCA基于離散K-L變換，是統(tǒng)計學中數(shù)據(jù)分析的一種有效方法，算法用較少的特征量對原始數(shù)據(jù)樣本進行描述，進而達到了降低特征空間維數(shù)的目的。為了提高混沌

4、序列的復雜度，我們應用PCA算法對混沌序列進行變換重構。提出了基于PCA的混沌序列特征提取方法，并用該方法對經典Logistic混沌映射信號進行特征提取并重構，應用排列熵算法對序列進行復雜度測試。經過PCA變換后序列的復雜度有了明顯的提升。
　　(3)依據(jù)數(shù)字化混沌序列的特點，對近似熵算法和排列熵算法進行了改進，其中在排列熵算法的改進中，提出了基于哈希過程的快速計算方法。改進后的算法在運行效率上有了較大的提高。
　　(4)依