摘要：雷达波形设计逐渐成为现代雷达领域研究的热点,本文首先提出一种OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)混沌随机相位编码信号,并在此基础上用混沌序列对子载波进行频率调制,得到一种OFDM随机相位随机频率编码雷达信号形式,分析该信号的模糊函数、自相关特性以及子载波数对自相关性能的影响。同时,对该混沌编码信号存在的问题进行分析,并研究降低PMEPR(Peak to Mean Envelope Power Ratio,包络峰均比)的方法。仿真结果表明:基于混沌序列的OFDM相位频率组合调制信号具有更优的模糊函数和自相关旁瓣,混沌序列的复杂性和随机性使得信号具有更强的低截获特性。

摘要：目前将混沌应用于扩频通信的研究主要以理论分析和计算机仿真为主 ,而硬件实现验证的工作较少。用数字信号处理器 (DSP)设计和实现了混沌扩频的话音通信实验平台。该实验平台由两个独立的模块———话音终端和扩频调制解调器构成。由于采用全数字化处理 ,选用DSP和专用芯片等器件构成硬件平台 ,因此该系统功能灵活 ,便于各种算法的研究。同时 。

摘要：传统调参方法容易生成局部最优,提出多策略混合改进BOA算法的MLP训练方法。针对标准BOA算法寻优精度、收敛速度的不足,设计多策略混合改进蝴蝶优化算法MSHBOA。利用佳点集进行种群初始化,避免随机种群的遍历不足;引入量子搜索局部开发和自适应惯性权重全局搜索提升个体寻优能力;设计概率阈值自适应调整机制,动态协调全局搜索与局部开发比重;设计柯西变异和混沌映射的个体混合扰动机制,增强算法脱离局部最优的能力。将MSHBOA应用于多层感知器MLP训练优化,结果验证训练算法在均方误差、分类准确率、局部最优抵抗性和稳定性方面均表现更好。

摘要：针对单一混沌系统加密不足的问题:主要提出的算法是基于改进的LCL复合混沌系统和DFT变化的图像加密算法.首先对图像DFT变换,应用高维Lorenz系统产生的混沌序列进行随机组合排列,将得到的一组索引序列结合改进的Cat系统对明文图像进行置乱;其次,采用超Lorenz混沌系统设计得到Logistic映射的伪随机序列,将其进行异或处理得到密文图像;为了达到加密效果更优良的目的,重复以上步骤进行循环加密处理.仿真结果表明本文设计算法具有优良的加密效果,密钥空间大、明密文敏感性强、能有效抵抗统计攻击等.

摘要：针对传统土壤含水量预测方法精度低、效率差的不足,提出改进蝴蝶算法优化支持向量机的土壤含水量预测算法。引入Levy飞行改进蝴蝶优化算法的位置更新方式,结合高频短步长跳跃搜索和低频长步长行走策略,同步实现局部精细搜索和远程区域勘探,提升寻优能力;设计基于高斯变异和混沌Logistic映射的个体扰动机制,提升种群多样性。利用改进蝴蝶优化算法LGBOA优化SVM模型,构建土壤含水量预测模型。选取某地土壤气象数据为样本进行实验分析,验证LGBOA-SVM模型可以提高土壤含水量预测精度和效率。

摘要：由于混沌系统对初始条件和混沌参数非常敏感以及生成的混沌序列具有非周期和伪随机性的特征,近年来混沌系统在密码学研究领域得到了较多的研究。提出一种基于混沌的序列密码生成方法,该方法通过引入扰动序列使得输出的混沌序列具有良好的均匀分布和随机统计特性,同时为了克服扰动序列数量的有限性,设计了一个素数表用来不定时更新扰动序列的输入。理论研究和模拟结果表明,该混沌序列具有较好的保密性而且便于软件实现。

摘要：针对阴阳对算法(YYPO)易早熟收敛,提出一种融合Tent混沌映射和维度学习策略的阴阳对优化算法(YYPO-TP)。使用Tent混沌序列初始化阴阳两点生成以增加初始位置分布的均匀性,使用维度学习策略和反向搜索策略设计一种正反向搜索的分割方式,避免算法的早熟,增强算法全局寻优能力。实验结果表明,YYPO-TP相比YYPO在统计学意义上有显著性能优势,在风力发电机参数优化问题YYPO-TP也取得了更优的结果。

摘要：针对传统正余弦算法(SCA)处理复杂优化问题时存在易得局部最优和收敛慢的不足,提出一种基于惯性权重与柯西混沌变异的改进正余弦算法IWCCSCA。首先设计了基于指数函数的曲线自适应振幅调整因子更新方法,用于均衡个体的全局搜索与局部开发能力;接着设计了自适应递减惯性权重更新机制,以改进个体位置更新方式,加快算法收敛;还设计了基于精英柯西混沌变异的个体扰动机制,以提升种群多样性,避免局部最优。利用8种基准函数寻优测试验证了IWCCSCA能够有效提升收敛速度和寻优精度。此外,将IWCCSCA应用于数据原始特征集中的特征子集选取问题,提出了基于IWCCSCA的特征选择算法IWCCSCA-FS。通过将正余弦函数的连续优化转换为特征选择的二进制优化,实现了个体位置与特征子集间的映射关系,以同步考虑特征选择量与分类准确率的适应度函数来评估候选解质量。UCI基准数据集的测试结果表明,IWCCSCA-FS算法可以有效选择最优特征子集,降低特征维度,提高数据分类准确率。

摘要：针对一维混沌加密算法密钥空间小、安全性能低的问题,提出了基于混沌大整数化的完整解决方案,把密钥空间扩大到2392。详细阐述了用于大整数运算的分治叠加法设计思路与实现要点,包括混沌大整数化步骤在内的数字图像加密步骤。以256×256的彩色数字图像为例,验证了加密耗时和加密效果。通过对密钥空间、直方图、明文敏感性、密钥敏感性、信息熵等指标进行分析,表明了基于混沌大整数化的一维混沌加密算法,可以有效抵御穷举、统计和差分等攻击,为一维混沌加密算法走向应用开拓了更大的密钥空间。最后,对密钥的自身安全和超大数字图像处理方法,给出了成熟的解决思路和方案。

摘要：针对传统森林火灾检测算法精度低,以及大规模、多特征的火灾数据存在冗余信息等问题,该文提出了一种基于改进邻域粗糙集的优化反向传播神经网络(BPNN)火灾预测方法。首先,考虑到数据集具有高维特征空间和高度特征冗余等特点,设计出一种基于混沌反学习蝙蝠(BA)算法的邻域粗糙集特征选择算法,对火灾原始数据集进行特征寻优,得到约简属性子集;然后,构建BA算法优化的BPNN预测模型,将约简属性子集输入该模型中,得到火灾预测的结果;最后,通过平均分类准确度、F1值、精确度、曲线面积、召回率、平均误差率这6种评价指标,在UCI公开森林火灾数据集上分析和检验模型的分类性能。在2个数据集上的实验结果显示,基于混沌反学习策略的算法准确率为94.3%和52.7%,与邻域粗糙集结合后准确率达到98.1%和59.6%,证明了该文算法具备较高的检测精度。