基于加權(quán)處理的改進(jìn)型Logistic-Map混沌擴(kuò)頻序列產(chǎn)生裝置及方法
【專利摘要】本發(fā)明提供的是一種基于加權(quán)處理的改進(jìn)型Logistic-Map混沌擴(kuò)頻序列產(chǎn)生裝置及方法。在初始值范圍內(nèi)隨機(jī)選取兩個(gè)初始值a和b，將這兩個(gè)初始值分別輸入改進(jìn)型Logistic-Map器中并產(chǎn)生兩個(gè)不同的實(shí)值混沌序列{X1}和{X2}，選取兩個(gè)加權(quán)系數(shù)c和d，其中c+d=1，將兩個(gè)混沌實(shí)值序列{X1}和{X2}通過乘法器分別與加權(quán)系數(shù)相乘得到兩個(gè)加權(quán)的混沌序列{X1'}和{X2'}，將加權(quán)后的混沌序列{X1'}和{X2'}通過加法器進(jìn)行相加求和得到一個(gè)新的混沌實(shí)值序列{XΣ}，將得到的新混沌序列{XΣ}通過二值量化器按照閾值進(jìn)行二值量化判決得到一個(gè)由“-1”和“1”組成的標(biāo)準(zhǔn)二進(jìn)制混沌擴(kuò)頻序列{C}。本發(fā)明產(chǎn)生的混沌擴(kuò)頻序列保密性好，不容易通過反向逆推估計(jì)出系統(tǒng)初始值。
【專利說明】基于加權(quán)處理的改進(jìn)型Logistic-Map混沖擴(kuò)頻序列產(chǎn)生裝置及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及的是一種復(fù)合混沌擴(kuò)頻序列的產(chǎn)生裝置，本發(fā)明也涉及一種復(fù)合混沌擴(kuò)頻序列的產(chǎn)生方法，尤其是一種基于加權(quán)處理的改進(jìn)型Logistic-Map混沛擴(kuò)頻序列的產(chǎn)生裝置及實(shí)現(xiàn)方法。
【背景技術(shù)】
[0002]在傳統(tǒng)擴(kuò)頻通信系統(tǒng)中，通常采用PN序列(偽隨機(jī)序列)作為擴(kuò)頻序列，然而這種擴(kuò)頻序列具有一定的周期性，所以它的碼數(shù)量很有限，抗截獲性也較差?！禩heJournal of China Universities of Posts and Telecommunications))發(fā)表的((ChaoticSpread-Spectrum Communication using Discrete-Time Synchronization〉〉提出了用混沛序列作為擴(kuò)頻序列的方法，該方法說明混沌序列對(duì)初始值有著敏感的依賴性，可以提供數(shù)量眾多的、非相關(guān)、類隨機(jī)而又可再生的信號(hào)。因此，混沌序列的研究為選擇擴(kuò)頻序列開辟了新途徑。
[0003]近年來，把非線性動(dòng)態(tài)系統(tǒng)的混沌映射用于產(chǎn)生擴(kuò)頻通信中的擴(kuò)頻碼，是國內(nèi)外通信領(lǐng)域研究的熱點(diǎn)。((Opto-Electronics and Communications Conference》發(fā)表的((0CDMA-WDM-P0N with Two-level chaotic Logistic-map as spread spectrum sequence))將兩級(jí) Logistic-Map 作為混沛擴(kuò)頻序列。2007 年《Editorial Board of Journal onCommunications))發(fā)表的((Optimized method of generating the spread-spectrumsequences based on Logistic-map》是以Logistic-Map為基礎(chǔ)，對(duì)每個(gè)迭代點(diǎn)進(jìn)行比特量化，通過截短得到性能更好的混沌序列。2011年《電子設(shè)計(jì)工程》發(fā)表的《改進(jìn)型Logistic-Map混沛序列分析》比較了改進(jìn)型Logistic-Map混沛序列和Logistic-Map混沛序列在擴(kuò)頻碼方面的性能，說明了改進(jìn)型Logistic-Map混沛序列與白噪聲的統(tǒng)計(jì)特性一致，更適合應(yīng)用于擴(kuò)頻通信中。
[0004]目前，文獻(xiàn)中研究的混沌擴(kuò)頻通信方案大多基于單一混沌映射進(jìn)行設(shè)計(jì)和分析。隨著混沌理論的深入研究和廣泛使用，傳統(tǒng)的單一混沌映射產(chǎn)生的序列作為隨機(jī)序列的局限性逐漸暴露出來。改進(jìn)型Logistic-Map混沛序列生成簡(jiǎn)單,隨著傳統(tǒng)混沛序列的破譯技術(shù)逐漸成熟，他人很可能根據(jù)相關(guān)信息，得到混沌序列的結(jié)構(gòu)模型而實(shí)現(xiàn)破譯。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供了一種安全性高，平衡性好的混沌序列的基于加權(quán)處理的改進(jìn)型Logistic-Map混沌擴(kuò)頻序列產(chǎn)生裝置。本發(fā)明的目的還在于提供一種基于加權(quán)處理的改進(jìn)型Logistic-Map混沛擴(kuò)頻序列產(chǎn)生方法。
[0006]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
[0007]本發(fā)明的基于加權(quán)處理的改進(jìn)型Logistic-Map混沌擴(kuò)頻序列產(chǎn)生裝置包括改進(jìn)型Logistic-Map映射器(I)、乘法器(2)、加權(quán)系數(shù)選擇器(3)、加法器(4)和二值量化器(5)，
[0008]在初始值范圍內(nèi)隨機(jī)選取的兩個(gè)初始值a和b分別輸入改進(jìn)型Logistic-Map映射器(1)，改進(jìn)型Logistic-Map映射器(I)產(chǎn)生兩個(gè)不同的實(shí)值混沌序列{XJ和{X2}，
[0009]加權(quán)系數(shù)選擇器(3)根據(jù)在固定初始值下加權(quán)系數(shù)與平衡系數(shù)的關(guān)系選取兩個(gè)加權(quán)系數(shù)c和d，其中c+d=l,
[0010]乘法器(2)將兩個(gè)混沌實(shí)值序列{XJ和{X2}分別與兩個(gè)加權(quán)系數(shù)相乘得到兩個(gè)加權(quán)的混沌序列{X/ }和{x2’ I，
[0011]加法器(4)將加權(quán)后的混沌序列{X/ }和{X2’ }進(jìn)行相加求和得到一個(gè)新的混沌實(shí)值序列{ΧΣ}，
[0012]二值量化器(5)將得到的新混沌序列{ΧΣ}通過按照閾值進(jìn)行二值量化判決得到一個(gè)由“-1”和“I”組成的標(biāo)準(zhǔn)二進(jìn)制混沌擴(kuò)頻序列{C}。
[0013]本發(fā)明的基于加權(quán)處理的改進(jìn)型Logistic-Map混沌擴(kuò)頻序列產(chǎn)生方法為:
[0014]在初始值范圍內(nèi)隨機(jī)選取兩個(gè)初始值a和b，將這兩個(gè)初始值分別輸入改進(jìn)型Logistic-Map器中并產(chǎn)生兩個(gè)不同的實(shí)值混沛序列{XJ和{X2},選取兩個(gè)加權(quán)系數(shù)c和d,其中c+d=l，將兩個(gè)混沌實(shí)值序列{XJ和{X2}通過乘法器分別與加權(quán)系數(shù)相乘得到兩個(gè)加權(quán)的混沌序列{X/}和{X2’},將加權(quán)后的混沌序列{X/}和{X2’}通過加法器進(jìn)行相加求和得到一個(gè)新的混沌實(shí)值序列{ΧΣ}，將得到的新混沌序列{ΧΣ}通過二值量化器按照閾值進(jìn)行二值量化判決得到一個(gè)由“-1”和“I”組成的標(biāo)準(zhǔn)二進(jìn)制混沌擴(kuò)頻序列{C}。
[0015]所述加權(quán)系數(shù)的選擇`方法為:將混沌擴(kuò)頻序列的平衡性作為考察標(biāo)準(zhǔn)，兩個(gè)加權(quán)系數(shù)之和為“ I ”，對(duì)初始值選定條件下加權(quán)系數(shù)與平衡系數(shù)的關(guān)系進(jìn)行仿真，根據(jù)平衡系數(shù)越接近“O”越好的原則，從中選取平衡系數(shù)較好的點(diǎn)對(duì)應(yīng)的加權(quán)系數(shù)。
[0016]本發(fā)明針對(duì)單一映射產(chǎn)生的混沌擴(kuò)頻序列保密性差，容易通過反向逆推估計(jì)出系統(tǒng)初始值的缺點(diǎn)，提供了一種基于加權(quán)處理的改進(jìn)型L ο g i s t i c -Map混沛擴(kuò)頻序列實(shí)現(xiàn)方法，進(jìn)一步增強(qiáng)了混沌擴(kuò)頻序列的保密性。
[0017]與本發(fā)明相適應(yīng)的基于本發(fā)明擴(kuò)頻碼的LDPC-CPM信號(hào)體制如下:
[0018]基于CPE的記憶與遞歸特性，結(jié)合外部的二元LDPC碼、比特交織器以及擴(kuò)頻映射器，構(gòu)建基于擴(kuò)頻模式的串行級(jí)聯(lián)LDPC-CPM系統(tǒng)模型。
[0019]發(fā)射端，LDPC碼的校驗(yàn)矩陣的維數(shù)為mXn，則LDPC碼碼長(zhǎng)為n，信息位k=n_m，碼率r=k/n=l-m/n，為了便于多進(jìn)制映射，取Ii=1g2M的整數(shù)倍。信息序列U0經(jīng)LDPC編碼后得到碼字序列C°，再經(jīng)過比特交織、擴(kuò)頻得到基于本發(fā)明擴(kuò)頻序列的擴(kuò)頻映射U1，將U1送至CPM調(diào)制器，CPE對(duì)輸入信息進(jìn)行連續(xù)相位編碼后作為無記憶調(diào)制MM的輸入，MM選擇一個(gè)合適波形發(fā)送到信道。
[0020]接收端，受到AWGN信道污染的信號(hào)r首先進(jìn)行CPM解調(diào)得到內(nèi)信息字的先驗(yàn)概率序列π|>;0)，解調(diào)與譯碼過程是通過兩個(gè)子系統(tǒng)CPM-SISO和LDPC-SIS0迭代(稱“外迭代，，)完成的，其中CPM-SISO子系統(tǒng)采用的是Log-MAP算法，LDPC-SISO子系統(tǒng)采用的是置信傳播(BP, Belief Propagation)迭代譯碼算法，該算法中迭代稱為內(nèi)迭代。<((￡;(>)和
分別為內(nèi)碼字和內(nèi)信息字輸出概率序列，<(c;I)和<(u;I)為外碼字和外信息字的輸入先驗(yàn)概率序列。CPM子系統(tǒng)輸出的內(nèi)信息字概率序列4(u;0)經(jīng)過解擴(kuò)映射、解交織以及加權(quán)處理后作為L(zhǎng)DPC碼子系統(tǒng)的外碼字輸入概率序列，LDPC碼子系統(tǒng)的輸出的外碼字概率序列<(c;0)經(jīng)過加權(quán)處理、交織以及擴(kuò)頻映射后輸入到CPM子系統(tǒng)作為內(nèi)信息字的輸入概率序列4(u;I)，反復(fù)迭代此過程數(shù)次，最后一次迭代結(jié)果由LDPC碼子系統(tǒng)作硬判決輸出。
[0021]本發(fā)明的主要特征如下:
[0022]1.體現(xiàn)在該序列的構(gòu)造方法上:在初始值范圍內(nèi)選擇兩個(gè)不同的初始值，將這兩個(gè)初始值分別代入改進(jìn)型Logistic-Map的定義式得到兩個(gè)不同的混沌實(shí)值序列，基于平衡性準(zhǔn)則，選取合適的加權(quán)系數(shù)，將兩個(gè)混沌序列分別與各自的加權(quán)系數(shù)相乘，得到兩個(gè)加權(quán)后的混沌實(shí)值序列，將兩個(gè)加權(quán)后的混沌序列相加得到新的混沌序列，對(duì)新的混沌序列按照閾值進(jìn)行二值量化判決得到標(biāo)準(zhǔn)的二進(jìn)制混沌擴(kuò)頻序列。
[0023]2.體現(xiàn)在加權(quán)系數(shù)的選取上:對(duì)初始值選定條件下，得到的復(fù)合混沌擴(kuò)頻序列的加權(quán)系數(shù)與平衡系數(shù)的關(guān)系曲線仿真圖，根據(jù)平衡系數(shù)越接近“O”越好的原則選取合適的加權(quán)系數(shù)。
[0024]本發(fā)明的優(yōu)勢(shì)在于:
[0025]1.雖然改進(jìn)型Logistic-Map混沛序列比傳統(tǒng)的Logistic混沛序列在擴(kuò)頻碼性能方面有一定的提高，但改進(jìn)型Logistic-Map沒有分型參數(shù)，只要得到初始值，混沌序列的模型結(jié)構(gòu)就能被破譯，保密性較差。本發(fā)明對(duì)兩個(gè)不同初始值的改進(jìn)型Logistic-Map混沌序列進(jìn)行加權(quán)，生成新的混沌序列，其混沌序列不光取決于兩個(gè)初始值，還與加權(quán)系數(shù)有關(guān)，極大地增強(qiáng)了混沌序列的保密性，提高了破譯的難度。
[0026]2.本發(fā)明的加權(quán)系數(shù)的選取是基于平衡性準(zhǔn)則，根據(jù)在初始值選定條件下加權(quán)系數(shù)與平衡系數(shù)關(guān)系曲線圖來確定的，因此可以進(jìn)一步改善混沌擴(kuò)頻序列的平衡性。
【專利附圖】

【附圖說明】
[0027]圖1為本發(fā)明適用的信號(hào)體制系統(tǒng)模型；
[0028]圖2為本發(fā)明的實(shí)現(xiàn)流程圖；
[0029]圖3 Ca)為基于本發(fā)明所生成的混沌序列的平衡性與碼長(zhǎng)的關(guān)系曲線；
[0030]圖3 (b)為基于改進(jìn)型Logistic-Map所生成的混沌序列的平衡性與碼長(zhǎng)的關(guān)系曲線；
[0031]圖4 Ca)為基于本發(fā)明所生成的混沌序列的自相關(guān)系數(shù)曲線；
[0032]圖4 (b)為基于改進(jìn)型Logistic-Map所生成的混沌序列的自相關(guān)系數(shù)曲線；
[0033]圖5 Ca)為基于本發(fā)明所生成的混沌序列的互相關(guān)系數(shù)曲線；
[0034]圖5 (b)為基于改進(jìn)型Logistic-Map所生成的混沌序列的互相關(guān)系數(shù)曲線；
[0035]圖6 (a)為基于本發(fā)明所生成的混沌序列的自相關(guān)旁瓣均方根值與碼長(zhǎng)的關(guān)系曲線.[0036]圖6 (b)為基于改進(jìn)型Logistic-Map所生成的混沌序列的自相關(guān)旁瓣均方根值與碼長(zhǎng)的關(guān)系曲線；
[0037]圖7 Ca)為基于本發(fā)明所生成的混沌序列的互相關(guān)均方根值與碼長(zhǎng)的關(guān)系曲線；
[0038]圖7 (b)為基于改進(jìn)型Logistic-Map所生成的混沌序列的互相關(guān)均方根值與碼長(zhǎng)的關(guān)系曲線?！揪唧w實(shí)施方式】
[0039]下面結(jié)合附圖和實(shí)例對(duì)本發(fā)明作進(jìn)一步說明:
[0040]圖1為本發(fā)明適用的信號(hào)體制系統(tǒng)模型，該模型由信源(1)、LDPC編碼器(2)、交織器(3)、擴(kuò)頻映射器(4)、本發(fā)明擴(kuò)頻碼發(fā)生器(5)、CPM調(diào)制器(6)、AWGN信道(7)、CPM解調(diào)器(8)、CPM SISO解調(diào)器(9)、解擴(kuò)映射器(10)、解交織器(11)、加權(quán)處理器(12)、硬判決器
(13)、信宿(14)等14個(gè)部分組成。圖1中的各符號(hào)的含義如下:
[0041]U°:信息序列;
[0042]C0:經(jīng)LDPC編碼后得到碼字序列；
[0043]U1:經(jīng)過比特交織、擴(kuò)頻映射得到基于本發(fā)明擴(kuò)頻碼的擴(kuò)頻序列；
[0044]s (t, U):經(jīng)過調(diào)制之后的信號(hào)；
[0045]r:受到AWGN信道污染的信號(hào)；
[0046]<(c；I):經(jīng)過CPM解調(diào)器的信號(hào)；
[0047]<(c；0):內(nèi)碼字輸出概率序列；
[0048]<(U;0)內(nèi)信息字輸出概率序列；
[0049]<(C；I):外碼字的輸入先驗(yàn)概率序列；
`[0050]<(?；!):外信息字的輸入先驗(yàn)概率序列；
[0051]<(c；0): LDPC碼子系統(tǒng)的輸出的外碼字概率序列；
[0052]<(?；1):輸入到CPM子系統(tǒng)作為內(nèi)信息字的輸入概率序列；
[0053]<(";()):最后一次迭代結(jié)果序列；
[0054]d:輸入到信宿的信息序列。
[0055]發(fā)射端，LDPC碼的校驗(yàn)矩陣的維數(shù)為mXn，則LDPC碼碼長(zhǎng)為n，信息位k=n_m，碼率r=k/n=l-m/n，為了便于多進(jìn)制映射，取Ii=1g2M的整數(shù)倍。信息序列U0經(jīng)LDPC編碼后得到碼字序列C°，再經(jīng)過比特交織、擴(kuò)頻得到基于本發(fā)明擴(kuò)頻序列的擴(kuò)頻映射U1，將U1送至CPM調(diào)制器，CPE對(duì)輸入信息進(jìn)行連續(xù)相位編碼后作為無記憶調(diào)制MM的輸入，MM選擇一個(gè)合適波形發(fā)送到信道。
[0056]接收端，受到AWGN信道污染的信號(hào)r首先進(jìn)行CPM解調(diào)得到內(nèi)信息字的先驗(yàn)概率序列π〖(ιι;0),解調(diào)與譯碼過程是通過兩個(gè)子系統(tǒng)CPM-SISO和LDPC-SIS0迭代(稱“外迭代，，)完成的，其中CPM-SISO子系統(tǒng)采用的是Log-MAP算法，LDPC-SISO子系統(tǒng)采用的是置信傳播(BP, Belief Propagation)迭代譯碼算法，該算法中迭代稱為內(nèi)迭代。<(e;0)和
分別為內(nèi)碼字和內(nèi)信息字輸出概率序列，<(c;I)和<(u;I)為外碼字和外信息字的輸入先驗(yàn)概率序列。CPM子系統(tǒng)輸出的內(nèi)信息字概率序列:<(u;0)經(jīng)過解擴(kuò)映射、解交織以及加權(quán)處理后作為L(zhǎng)DPC碼子系統(tǒng)的外碼字輸入概率序列，LDPC碼子系統(tǒng)的輸出的外碼字概率序列<(c;0)經(jīng)過加權(quán)處理、交織以及擴(kuò)頻映射后輸入到CPM子系統(tǒng)作為內(nèi)信息字的輸入概率序列4(u;I),反復(fù)迭代此過程數(shù)次，最后一次迭代結(jié)果由LDPC碼子系統(tǒng)作硬判決輸出。
[0057]圖2為本發(fā)明的實(shí)現(xiàn)流程圖，該方法由改進(jìn)型Logistic-Map映射器(I)、乘法器(2)、加權(quán)系數(shù)選擇器(3)、加法器(4)、二值量化器(5)等5個(gè)部分組成。圖2中的各符號(hào)的含義如下:
[0058]a:初始值；
[0059]b:初始值；
[0060]c:基于平衡性準(zhǔn)則選取的加權(quán)系數(shù)；
[0061]d:基于平衡性準(zhǔn)則選取的加權(quán)系數(shù)；
[0062]{XJ:輸入為a時(shí),改進(jìn)型Logistic-Map映射器的輸出序列；
[0063]{X2}:輸入為b時(shí),改進(jìn)型Logistic-Map映射器的輸出序列；
[0064]{X/ }:序列{XJ與加權(quán)系數(shù)c的乘積；
[0065]{X； }:序列{X2}與加權(quán)系數(shù)d的乘積；
[0066]{ΧΣ}:加法器的輸出序列；
[0067]{C}: 二值量化器 的輸出序列。
[0068]1.如圖2所示，首先在初始值范圍內(nèi)選取兩個(gè)隨機(jī)的不同的初始值a和b，將這兩個(gè)初始值分別代入到改進(jìn)型Logistic-Map (I)的表達(dá)式中:
[0069]xn+1=f (xn)=l-2 (xn)2 等式(I)
[0070]其中，xn e (-1，I)。通過不斷迭代得到兩個(gè)混沌實(shí)值序列{XJ和{X2}?；谄胶庑詼?zhǔn)則，在a和b確定的條件下，根據(jù)加權(quán)系數(shù)與平衡性的關(guān)系，選擇合理的加權(quán)系數(shù)c與d，其中c+d=l。將得到的兩個(gè)混沌序列{XJ和{X2}，通過乘法器(2)分別與對(duì)應(yīng)的加權(quán)系數(shù)相乘，得到加權(quán)的混沌實(shí)值序列{X/}和{X2’}。即
[0071]{X/}=cX {XJ
[0072]{X2’}=dX{X2}等式(2)
[0073]將兩個(gè)加權(quán)的混沌實(shí)值序列{X/ }和{X2’ }通過加法器(4)進(jìn)行求和，得到一個(gè)的新的混沌序列{ΧΣ}。即
[0074]{ΧΣ} = {Χ1,} + {Χ2,|等式(3)
[0075]將混沌序列{ΧΣ}通過二值量化器(5)按照閾值進(jìn)行量化判決的得到標(biāo)準(zhǔn)的二進(jìn)制混沌擴(kuò)頻序列1C}。
[0076]2.在步驟I中，基于平衡性準(zhǔn)則，合理的加權(quán)系數(shù)選取的具體過程是:將混沌擴(kuò)頻序列的平衡性作為考察標(biāo)準(zhǔn)，兩個(gè)加權(quán)系數(shù)之和為“ I ”，在給定初始值a和b的情況下，對(duì)不同加權(quán)系數(shù)下序列1C}的平衡系數(shù)進(jìn)行仿真，根據(jù)平衡系數(shù)越接近“O”越好的原則，從中選取平衡系數(shù)較好的點(diǎn)對(duì)應(yīng)的加權(quán)系數(shù)。
[0077]3.對(duì)比分析基于本發(fā)明所生成的混沌序列與基于改進(jìn)型Logistic映射所生成的混沌序列的各種性能，主要包括:自相關(guān)函數(shù)、互相關(guān)函數(shù)、平衡性、游程性、自相關(guān)旁瓣均方根值、互相關(guān)均方根值等。
[0078]圖3為基于本發(fā)明所生成的混沌序列(a=0.8，b=_0.79，c=d=0.5)和基于改進(jìn)型Logistic映射所生成的混沌序列(初值=0.8)的平衡系數(shù)隨碼長(zhǎng)的變化曲線，從圖3可以看出，基于本發(fā)明所生成的混沌序列具有更好的平衡性。
[0079]圖4為基于本發(fā)明所生成的混沌序列(a=0.8，b=_0.79，c=d=0.5)和基于改進(jìn)型Logistic映射所生成的混沌序列(初值=0.8)在碼長(zhǎng)為1500比特時(shí)的自相關(guān)系數(shù)曲線，從圖4中可以看出，基于本發(fā)明所生成的混沌序列與基于改進(jìn)型Logistic映射所生成的混沌序列的自相關(guān)系數(shù)波動(dòng)幅度基本相同。
[0080]圖5為基于本發(fā)明所生成的混沌序列(a=0.8，b=_0.79，c=d=0.5)和基于改進(jìn)型Logistic映射所生成的混沌序列(初值=0.8)在碼長(zhǎng)為1500比特時(shí)的互相關(guān)系數(shù)曲線，從圖5中可以看出，基于本發(fā)明所生成的混沌序列與基于改進(jìn)型Logistic映射所生成的混沌序列的互相關(guān)系數(shù)波動(dòng)幅度基本相同。
[0081]圖6為基于本發(fā)明所生成的混沌序列(a=0.8，b=_0.79，c=d=0.5)和基于改進(jìn)型Logistic映射所生成的混沌序列(初值=0.8)在碼長(zhǎng)為2000比特時(shí)的自相關(guān)旁瓣均方根值系數(shù)曲線，從圖6中可以看出，基于本發(fā)明所生成的混沌序列與基于改進(jìn)型Logistic映射所生成的混沌序列自相關(guān)旁瓣均方根值系數(shù)趨勢(shì)基本相同。
[0082]圖7為基于本發(fā)明所生成的混沌序列(a=0.8，b=_0.79，c=d=0.5)和基于改進(jìn)型Logistic映射所生成的混沌序列(初值=0.8)在碼長(zhǎng)為2000比特時(shí)的互相關(guān)旁瓣均方根值系數(shù)曲線，從圖7中可以看出，基于本發(fā)明所生成的混沌序列與基于改進(jìn)型Logistic映射所生成的混沌序列互相關(guān)旁瓣均方根值系數(shù)趨勢(shì)基本相同。
[0083]基于本發(fā)明所生成的混沌序列(a=0.8，b=_0.79，c=d=0.5 )和基于改進(jìn)型Logistic映射所生成的混沌序列(初值=0.8)在不同碼長(zhǎng)下的游程性如表1所示:
[0084]表1系統(tǒng)在不同碼長(zhǎng)下的游程性
[0085]
【權(quán)利要求】
1.一種基于加權(quán)處理的改進(jìn)型Logistic-Map混沛擴(kuò)頻序列產(chǎn)生裝置,其特征是:包括改進(jìn)型Logistic-Map映射器(I)、乘法器(2)、加權(quán)系數(shù)選擇器(3)、加法器(4)和二值量化器(5)， 在初始值范圍內(nèi)隨機(jī)選取的兩個(gè)初始值a和b分別輸入改進(jìn)型Logistic-Map映射器(1)，改進(jìn)型Logistic-Map映射器(I)產(chǎn)生兩個(gè)不同的實(shí)值混沛序列{XJ和{X2}, 加權(quán)系數(shù)選擇器(3)根據(jù)在固定初始值下加權(quán)系數(shù)與平衡系數(shù)的關(guān)系選取兩個(gè)加權(quán)系數(shù)c和d,其中c+d=l, 乘法器(2)將兩個(gè)混沌實(shí)值序列{XJ和{X2}分別與兩個(gè)加權(quán)系數(shù)相乘得到兩個(gè)加權(quán)的混沌序列{X/ }和{X2’ }， 加法器(4)將加權(quán)后的混沌序列{X/}和{X2’}進(jìn)行相加求和得到一個(gè)新的混沌實(shí)值序列{ΧΣ}， 二值量化器(5)將得到的新混沌序列{ΧΣ}通過按照閾值進(jìn)行二值量化判決得到一個(gè)由“-1 ”和“ I ”組成的標(biāo)準(zhǔn)二進(jìn)制混沌擴(kuò)頻序列{C}。
2.—種基于權(quán)利要求1所述的基于加權(quán)處理的改進(jìn)型Logistic-Map混沛擴(kuò)頻序列產(chǎn)生裝置的方法，其特征是: 在初始值范圍內(nèi)隨機(jī)選取兩個(gè)初始值a和b，將這兩個(gè)初始值分別輸入改進(jìn)型Logistic-Map器中并產(chǎn)生兩個(gè)不同的實(shí)值混沛序列{XJ和{X2},選取兩個(gè)加權(quán)系數(shù)c和d,其中c+d=l，將兩個(gè)混沌實(shí)值序列{XJ和{X2}通過乘法器分別與加權(quán)系數(shù)相乘得到兩個(gè)加權(quán)的混沌序列{X/}和{X2’},將加權(quán)后的混沌序列{X/}和{X2’}通過加法器進(jìn)行相加求和得到一個(gè)新的混沌實(shí)值序列{ΧΣ}，將得到的新混沌序列{ΧΣ}通過二值量化器按照閾值進(jìn)行二值量化判決得到一個(gè)由“-1”和“I”組成的標(biāo)準(zhǔn)二進(jìn)制混沌擴(kuò)頻序列{C}。
3.根據(jù)權(quán)利要求2所述的基于加權(quán)處理的改進(jìn)型Logistic-Map混沛擴(kuò)頻序列產(chǎn)生的方法，其特征是:所述加權(quán)系數(shù)的選擇方法為:將混沌擴(kuò)頻序列的平衡性作為考察標(biāo)準(zhǔn)，兩個(gè)加權(quán)系數(shù)之和為“ I ”，對(duì)初始值選定條件下加權(quán)系數(shù)與平衡系數(shù)的關(guān)系進(jìn)行仿真，根據(jù)平衡系數(shù)越接近“O”越好的原則，從中選取平衡系數(shù)較好的點(diǎn)對(duì)應(yīng)的加權(quán)系數(shù)。
【文檔編號(hào)】H04L9/00GK103490845SQ201310421289
【公開日】2014年1月1日 申請(qǐng)日期:2013年9月16日 優(yōu)先權(quán)日:2013年9月16日
【發(fā)明者】薛睿, 魏強(qiáng), 付芳, 徐錫超, 常亮 申請(qǐng)人:哈爾濱工程大學(xué)