基于熵理論的混沌序列復(fù)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(xué)發(fā)現(xiàn)之一，因其初值的敏感性、內(nèi)在隨機性等特性，被眾多學(xué)者們應(yīng)用到了信息安全與保密通信領(lǐng)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(chǎn)生的混沌信號的內(nèi)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(guān)鍵問題。所以，混沌信號的隨機性作為混沌動力學(xué)特性的一個重要方面成為該領(lǐng)域內(nèi)重要的研究內(nèi)容?；煦缦到y(tǒng)的復(fù)雜度是衡量混沌系統(tǒng)產(chǎn)生的混沌序列接近隨機序列的程度，混

2、沌序列的復(fù)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(fù)雜度分析有助于我們更好地了解混沌系統(tǒng)的復(fù)雜特征。本文就是基于這個研究目標(biāo)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(fù)雜度，應(yīng)用相關(guān)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(chǔ)之上，提出了基于GA的復(fù)

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(yīng)度函數(shù)，通過交叉進行優(yōu)化選擇，找到序列中復(fù)雜度較好的序列。接下來我們又提出了基于GA的雙重復(fù)雜度特征提取算法，在適應(yīng)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(yīng)用。
　　(2) PCA基于離散K-L變換，是統(tǒng)計學(xué)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(fù)雜度，我們應(yīng)用PCA算法對混沌序列進行變換重構(gòu)。提出了基于PCA的混沌序列特征提取方法，并用該方法對經(jīng)典Logistic混沌映射信號進行特征提取并重構(gòu)，應(yīng)用排列熵算法對序列進行復(fù)雜度測試。經(jīng)過PCA變換后序列的復(fù)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