毕业设计（论文）-基于引力搜索算法滤波的混沌保密通信.doc

目录基于引力搜索算法滤波的混沌保密通信1摘要1第一章 引言2第二章 引力搜索算法（GSA）4第三章 非线性滤波器模型6第四章 基于GSA滤波模型的保密通信设计84.1 统一混沌系统84.2 基于GSA滤波模型的保密通信设计描述94.2.1 编码104.2.2 基于GSA算法滤波104.2.3 混沌接收器114.2.4 译码11第五章 仿真实验135.1 混沌保密通信系统设计的仿真结果135.2 基于GSA算法滤波模型的仿真结果13第六章 总结17致谢18参考文献19基于引力搜索算法滤波的混沌保密通信韩小红 常晓明中华人民共和国山西省太原市太原大学计算机科学与技术&软件技术专业，迎泽西街79号，邮编030024文章信息文章历史：收于2011年1月24号，收到修改稿与2011年12月21日，收录于2012年1月18.摘要本文提出了一个新的基于引力搜索算法（GSA）滤波的混沌保密通信设计。在本设计中，有用信号通过编码器，混沌发射机，引力搜索算法滤波器，混沌接收机，和译码器接收。这样一个混沌保密通信系统的提出是由于混沌映射和未知编码调节设计的不确定性特点。通过使用引力搜索算法滤波技术可以很好的提高抗噪能力。为了验证方案的有效性，与当前最先进的设计做了仿真。与此同时，基因算法（GA）滤波和粒子群优化算法（PSO）滤波也做了比较。数值仿真表明提出的方案在估计状态和信息对象很有效，而且与其他设计表明它有着低的误码率。关键词：保密通信 信息评估 引力搜索算法 混沌第一章 引言混沌存在于非线性科学的许多高度复杂领域，是有界的确定性动态行为，即初始条件的敏感依赖性和无限的不稳定周期运动。混沌信号可以认为是混沌保密通信应用的信息载体。应用混沌系统来保密通信的思想自从pecora和carroll在1990提出两个不同初值状态下的同一混沌系统同步的概念就已经存在。Hua等人（2005）提出同一混沌系统的保密通信方案。Chang（2009）提出改善混沌加密的安全性方法。Lin等人（2010）提出给予同步混沌系统的保密通信方法。在保密通信领域中，提出了许多技术和方法来处理混沌保密通信中的问题，包括混沌映射（Chen和Liao，2005;Milanovic和Zaghloul,2002），混沌切换（Yang等人，2002），混沌键控（CSK）（Galias和Maggio，2001；Tam等人，2006；Mirasso等人，2002），差分混沌键控（DCSK）（Fan和Zhang，2009），混沌频率调制（Tse等人，2003），和逆相同步（Iazejczyk-Okolewska等人，2001；Ho等人，2002）。值得注意的是以上提到的方法中都没有考虑在掩盖信号传递中不可避免遇到的信道噪声。限制混沌保密通信系统能力最大的问题在于噪声引起的信号失真，导致传递信息的缺失（Li等人，2005）。因此，保密通信在信道噪声问题逐渐变成一个重要课题。一些实验工作已经在从事中。Sun等人（2008）提出一个适应性信道噪声混沌保密通信设计。Zhang等人（2006）使用粒子滤波技术解决混沌保密通信问题。Moskalenko等人（2010）研究的基于噪声存在下的广义同步保密通信。Arman等人提出的分式混沌通信方法（Kiani-B等人，2009）。减少混沌保密通信系统的噪声问题的一个新台阶是数字滤波技术，它过去常常在需要的带宽中用来保持频率容量和在外部输入信号通过滤波器时消除噪声。当前自适应数字滤波器应用于许多领域，例如：噪声消减，通信系统，图像处理，系统识别，信号处理（Su和Cai，2009；Saha和Roy，2009；Farouk和Smith，2000）。自适应的主要目的是调节数字滤波器的系数，通过它的输入输出来估计实际的未知系统变量。在这种情况下，对象函数的最小化（通常是期望信号和估计滤波器的均方值）通常紧跟着基于迭代搜索算法梯度。然而，当对象函数是非平滑的，基于梯度方法常常不能收敛于全局最小值。在这种情况下，启发式优化方法，这个方法法中梯度不是必须的，它能够得到全局最优解并且在解决这些困难优化问题上提供一个显著优势。许多著名的全局优化方法，例如基因算法（GA）（Tang等人，1996），蚁群优化算法（ACO）（Dorigo等人，1996），粒子群算法（PSO）（Kennedy和Eberhart，1995）被广泛应用于解决滤波问题，系统确定（Badr 和Fahmy，2004；van den Bergh 和Engelbrecht，2006；Ellabib等人，2007）。近来，受引力定律和运动定律启发，一个新的启发式搜索算法，引力搜索算法（GSA），已经被提出（Rashedi等人，2009）。它主要特点包括易于实现，和高的计算效率。GSA有着很好的平衡和灵活机制，以用来改善探索和开发能力。使用GSA算法的滤波模型在2011年被Rashedi等人提出。在他们做的工作中，GSA应用于无线脉冲响应（IIR）滤波器和非线性滤波器。但是基于GSA的滤波器模型还没有应用到混沌保密通信中存在的噪声问题。在本工作中，GSA采用非线性滤波器，然后将其应用于解决混沌保密通信中存在的噪声问题。在通信信道噪声存在情况下提出的保密通信设计的有效性通过与当前最先进的混沌通信的设计比较验证。方法的主要思想是统一的混沌映射。同时对不同类型噪声的初值做了仿真，验证基于GSA算法的滤波模型的有效性。GA和PSO同样给出了例子，并且还做了仿真以作对比。本论文的结构框架组织如下：在第二章，先简明的回顾了GSA算法提出的背景。紧随这个章节之后是估计信息在线的非线性滤波模型。在第三章和第四章用于描述这个新的混沌保密通信设计。第五章给出了一些仿真，来阐述这个设计的有效性。最后，第六章给出结论。第二章 引力搜索算法（GSA）引力搜索算法是最新的启发式搜索算法，它启发于牛顿的万有引力定律（Rashedi等人，2009）。在牛顿的万有引力定律，物体相互之间吸引的力被称为“万有引力”（Halliday等人，1993），并根据物体的质量来评估对象行为。GSA算法介绍如下（Rashedi等人，2009）：考虑一个带有K个对象的系统，第i个物体的位置定义如公式（1）： （1）表示第i个物体位置距第d个物体的方位。施加在第i个物体到第j个物体的力定义如公式（2）： （2）分别表示第j个物体质量和第i个物体质量。是一个极小的常量，G是万有引力常数，是第i个物体和第j个物体间的欧几里德距离。从第d个物体方位施加到第i个物体的力，可由第d个物体的受力权重和计算得出。 （3）是在区间0,1之间的一个随机数。来自第d个物体方向的力，在时刻t，第i个物体的加速度,如公式（4）： （4）表示第i个物体的惯性质量。它下一刻的速率为，位置为，计算公式如公式（5）和（6）： （5） （6）引力质量和惯性质量由相应函数计算，估计引力质量和惯性质量是否相等。质量计算如公式（8）-（11）： （7） （8） （9） （10） （11）表示在时刻t物体i适应值。物体质量越大，表明物体吸引能力越大。这意味着能力更大的物体具有更大的吸引力，而且运动的更慢。在本工作中，适应函数在公式（12）和公式（13）给出： (12) (13)是估计信号，是实际的噪声信号，L是输入信号的时长。GSA算法的主要步骤总结如下：第一步：随机初始化。第二步：物体的适应评价。第三步：更新。第四步：计算不同方向的合力。第五步：计算加速度和速度。第六步：更新物体的位置。第七步：重复第二步和第六步，直到达到了停止标准。第三章 非线性滤波器模型当信号拥有脉冲，非平稳，非对称的性质，传统设计线性滤波器的方法常常不是很有效的（Lin等人，2008）。为了克服这个约束，大量的线性滤波器设计方案被提出。其中，非线性有理滤波器由于它良好的鲁棒性已经被广泛应用到许多领域（Lin等人，2008）。这个非线性有理滤波器模型由两个多项式之比表示。动态非线性有理滤波器可由公式（14）得到（Lin等人，2008）： （14） 分别是在t时刻，非线性有理滤波器的输入和输出信号。是随机噪声的均匀分布，分别表示分母的上一个输入和上一个输出。分别表示分子多项式的前一个输入和输出。总之，分别表示前一输入和输出函数。它们可以用公式（15）（16）（Lin等人，2008）来表示。 (15) (16)den和num分别指分母和分子，分别表示前一输入和输出的结果，分别表示相应的滤波系数。估计的非线性滤波器方程如公式（17）-（19）（Lin等人，2008）： （17） （18）图1.基于GSA算法滤波器模型和统一的混沌映射的保密通信设计图2.在传输过程中的混沌状态 （19）分别是分子和分母多项式，表示在时刻t，估计信号的输出，是引力搜索算法找到的非线性滤波器的估计参数。第四章 基于GSA滤波模型的保密通信设计4.1 统一混沌系统统一的混沌系统是一般性的系统，如Lorenz,Lu,Chen混沌系统。系统方程（20）如下： （20）很明显，当时，这个系统是原始Lorenz系统，当时，是Chen系统，当时，是关键系统。实际上，当时，系统一直是处于混沌的。在我们这个保密通信系统中，以上提到的统一混沌系统视为包含一个发射机和一个接收机，用来秘密的发送和恢复有用信息。变量在公式（20）中有着很重要的作用，因为有用信息通过这个变量参数进行加密。考虑系统方程（21）的解调过程（Hua等人，2005）： （21）是变量的估计，表示一个正常数。定理.（Hua 等人，2005） 如果在统一混沌系统中，对时间的微分小于正常数C，那么变量能够被恢复。图3.变量（虚线）和估计（实线）；a：仿真时间从0-100s, b：仿真时间100-200s.图4.变量（虚线）和估计（实线）；N=2，噪声，i=1,2,3;a：仿真时间0-100s ，b：仿真时间100-200s.图5.不同保密通信方案位错误率和信噪比关系曲线 定义系统（20）和（21）的误差校正系统（22）： （22）。4.2 基于GSA滤波模型的保密通信设计描述在本章节，描述了被提出的保密通信设计。它基于统一的混沌系统和GSA算法滤波器模型，如图1.在本设计中，信息信号根据加密准则加密，变量从统一混沌系统的发射端产生。然后，用基于混沌调制的技术通过公共信道发送加密信号，是信道噪声。在接收端，收到信号，并且恢复了信号。信息信号便在接收端经过解密重新恢复得到。对于一个干扰来说，恢复映射状态是不可能的。因为统一混沌系统和变量是完全不知道的。总而言之，通信设计方组成包括编码，基于GSA算法滤波，混沌接收机，译码。详细的描述在下面给出。4.2.1 编码在编码阶段，有用信号在统一混沌系统中，通过变量被编码成时间连续的载体信号，其周期为N。考虑下面编码过程，。 （23）T表示载波信号的调制周期，4.2.2 基于GSA算法滤波由于噪声的存在，在接收机中实际恢复的混沌信号是，和，而不是。所以我们需要使用基于GSA算法滤波模型来估计上面提到的。是基于GSA算法滤波器的输出值。4.2.3 混沌接收器恢复的解调过程在式（21）中给出。然而，由于信道噪声，恢复的混沌信号是，因此解调过程改变了，如式（24）： （24）是基于GSA算法滤波器的输出值。4.2.4 译码译码就是通过上面提到的解调过程在接收信号后估计有用信号。考虑作为参考信号，根据公式（23），有用信号与信号的差值如果为零，那么意味着恢复的字节为1。相反的，如果差值为，那就意味着恢复的代码为0。所以译码过程可用公式（25）表示： （25）第五章 仿真实验在这个章节，我们使用提出的设计（如图1）来安全加密和解密一离散信号，并且把这个和当前最好的混沌通信系统做一对比。来证实基于GSA算法滤波模型方法的有效性。在噪声存在的情况下，我们取不同的初值，然后进行仿真测试。GA和PSO方法也做了对比仿真。5.1 混沌保密通信系统设计的仿真结果一系列的数字序列用于核实提出的通信系统的有效应。这个仿真是用MATLAB编程语言。仿真时间0.005，初始混沌值，周期，正常数，C=100，N=2。图2展示了在噪声存在情况下的，混沌信号。从图中可以看出混沌动态特性完全的得到体现。解调信号根据解调定理可以求得。图3展示了载体参数和解调参数从t=0-100，和t=100-200的曲线图。很明显的可以看出，两条曲线几乎完全相同。公式（25）描述的译码方法可以用来恢复信号，而且这个恢复的信号几乎和原始信号相同。，这表明本方案的可行性。为了描述在信道噪声存在的情况下系统的行为，噪声被加到三个混沌状态的信号，而且信噪比（SNR）设定为，。在N=2情况下，载体变量和调制变量的对比见图4。从计算机仿真结果，首先我们可以看到解调的信息由于噪声存在有些失真；然而信号却在基于GSA算法滤波模型方法中得到精确恢复。为了更进一步存在噪声情况下，通信设计的有效性。对本方案和近来一些其他方案我们同样计算了比特误码率（BER）和信噪比（SNR）的相互关系（Chang，2009；Lin等人，2010）。他们的相互关系如图5所示。很明显的可以看出本设计比其他的设计要好。5.2 基于GSA算法滤波模型的仿真结果为了验证GSA算法滤波模型方法的有效性，我们在相同滤波模型下，分别对PSO，GA方法做了仿真对比。仿真实验中，对象数量k，设定为100，初始类型随机。迭代次数设定为500次。混沌状态信号长度为L=1024。引力常量为G=200。常量。在PSO算法中，根据公式（26）（27）我们计算： （26） （27）这里表示2个范围都在0,1的随机变量,惯性质量w从0.9衰减至0.2。同样的，和分别表示第i个粒子的位置和速度。分别代表第i个粒子最佳的前一位置和所有粒子当中最佳的前一位置。轮盘法选择，移码突变，和点交叉被用于基因算法（Tang等人，1996）中。交换可能性和突变可能性分别设定为0.8和0.03。非线性滤波模型（公式28）（Lin等人，2008）的变量计算基于公式29。评估参数最优值为。 （28） （29）表格1 显示了带噪声的仿真结果。为了保持稳定性，搜索空间被限制在0,4。在仿真中我们比较了基于GSA算法滤波和基于PSO算法滤波的性能。这里，我们仅仅给出在噪声情况下的仿真结果。30个最优化方法用于不同初值类的随机序列来构建非线性有理滤波器，如表格2-4所示。表格2-4列出了GSA算法，GA算法，PSO算法下的不同结果。代表评估参数，MSE代表均方误差。表格5列出了基于GSA算法，GA算法，PSO算法滤波参数的均值，和均方误差的均值。根据表格5，我们可以看出评估参数的均值，其中GA算法比PSO算法好，而跟另外两种算法比起来，GSA算法是最好的。从表格5，我们可以看出使用PSO算法，GA算法，GSA算法的均值分别为，并且在三个算法中，使用GSA算法的均方误差是最小的。因此和其他两种方法相比基于GSA算法滤波的性能是最好的。表格5 基于GSA,GA,PSO算法滤波的评估参数均值，其中。MSEGSA均值0.3000.8000.6001.0001.001GA均值0.3340.8750.6421.2320.845PSO均值0.2940.7960.5950.9690.963图6.(a)基于GSA算法滤波的真实状态和估计状态下的值.(b)基于PSO算法滤波的真实状态和估计状态下的值.(c)基于GA算法滤波的真实状态和估计状态下的值图7.(a)使用基于GSA算法滤波模型的真实和预计的有效信号.(b)使用基于PSO算法滤波模型的真实和预计的有效信号.(c)使用基于GA算法滤波模型的真实和预计的有效信号为了更进一步解释基于GSA算法滤波的有效性，我们在同一滤波模型中使用不同的算法来评测混沌状态和信息信号。如图6 (a)-(c)，分别显示了GSA算法，PSO算法，GA算法在真实状态下和预计状态下，混沌状态从t=0到t=50的比较图。根据图6，我们可以看到GA算法和PSO算法，在真实状态下和预计状态下，他们都有一定的偏差；然而使用GSA算法，真实状态下和预计状态下差不多是相同的。如图7(a)-(c)，分别显示了GSA算法，PSO算法，GA算法在真实状态下和预计状态下，信息信号从t=0到t=50的比较图。根据图7，我们可以看到GA算法和PSO算法，在真实状态下和预计状态下，他们都有一定的偏差；然而使用GSA算法，真实状态下和预计状态下差不多是相同的。从这些图片中，我们可以看到和GA算法和PSO算法比较，基于GSA算法的滤波模型，不仅能在统一的混沌映射中动态评估，也能在高准确率的信息二进制码进行动态评估。总的来说，考虑到上述的模拟结果，其中一个可以得出结论是 GSA算法在滤波器建模中提供了一个很好的方法。第六章 总结一种新的基于 GSA 的混沌保密通信方案滤波器模型被研发出来。通过使用 GSA 滤波技术和混沌编码调制方法，一个数字序列可以通过一个编码器、混沌变送器、混沌的筛选器 、混沌的接收器和解码器传送。根据混沌系统的不可预测性和未知的编码调制设计通信系统的安全性获得了极大的增强。通过基于 GSA 的滤波技术抗噪声能力得到加强。统一的混沌映射的数值仿真验证了保密通信设计的可行性和有效性。致谢本论文是由中国国家自然科学基金（授权号码60777041），中国国家自然科学基金会青年科学家基金（授权号码60909014）和中国山西省自然基金（授权号码2009021003）所支持。参考文献1Badr, A., Fahmy, A., 2004. A proof of convergence for ant algorithms. Inf. Sci. 160, 267279.2Chang, W.D., 2009. Digital secure communication via chaotic systems. Digital Signal Process. 19, 693699.3Chen, Y., Liao, X.F., 2005. Cryptanalysis on a modified Baptista-type cryptosystem with chaotic masking algorithm. Phys. Lett. A 342, 389396.4Dorigo, M., Maniezzo, V., Colorni, A., 1996. The ant system: optimization by a colony of cooperating agents. IEEE Syst., Man, Cybern. Soc. 26, 2941.5Ellabib, I., Calamai, P., Basir, O., 2007. Exchange strategies for multiple ant colony system. Inf. Sci. 177, 12481264.6Fan, Y.Q., Zhang, J.S., 2009. Narrowband interference cancellation based on set-membership estimation in DCSK communication system. Signal Process. 89, 16611666.7Farouk, M.I., Smith, I.M., 2000. Design of hydraulic structures with two inter-mediate filters. Appl. Math. Modell. 24, 779794.8Galias, Z., Maggio, G.M., 2001. Quadrature chaos-shift keying: theory and perfor-mance analysis. IEEE Circuits Syst. Soc. 48, 15101519.9Hua, C.C., Yang, B., Ouyang, G.X., Guan, X.P., 2005. A new chaotic secure communication scheme. Phys. Lett. A 342, 305308.10Ho, M.C., Hung, Y.C., Chou, C.H., 2002. Phase and anti-phase synchronization of two chaotic systems by using active control. Phys. Lett. A 296, 4348.11D. Halliday, R. Resnick, J. Walker, Fundamentals of Physics, New London, 1993.Kiani-B, A., Fallahi, K., Pariz, N., Leung, H., 2009. A chaotic secure communication scheme using fractional chaotic systems based on an extended fractional12Kalman filter. Commun. Nonlinear Sci. Numer. Simul. 14, 863879.Kennedy, J., Eberhart, R., 1995. Particle swarm optimization. Proc. IEEE Int. Conf.Neural Networks 4, 19421948.13Lin, J.S., Huang, C.F., Liao, T.L., Yan, J.J., 2010. Design and implementation of digitalsecure communication based on synchronized chaotic systems. Digital Signal Process. 20, 229237.14Li, S.J.,Alvarez, G., Chen, G.R., Mou, X.Q., 2005. Breaking a chaos-noise-based secure communication scheme. Chaos 15, 013703.15Lin, Y.L., Chang, W.D., Hsieh, J.G., 2008. A particle swarm optimization approach to nonlinear rational filter modeling. Expert Syst. Appl. 34, 11941199.16Milanovic, V., Zaghloul, M.E., 2002. Improved masking algorithm for chaotic communications systems. Electron. Lett. 32, 1112.17Mirasso, C.R., Mulet, J., Masoller, C., 2002. Chaos shift-keying encryption in chaotic external-cavity semiconductor lasers using a single-receiver scheme. IEEE Photonics Technol. Lett. 14, 456458.18Moskalenko, O.I., Koronovskii, A.A., Hramov, A.E., 2010. Generalized synchronization of chaos for secure communication: remarkable stability to noise. Phys.19Lett. A 374, 29252931.Pecora, L.M., Carroll, T.L., 1990. Synchronization in chaotic systems. Phys. Rev. Lett.64, 821824.20Rashedi, E., Nezamabadi-pour, H., Saryazdi, S., 2009. GSA: a gravitational searchalgorithm. Inf. Sci. 179, 22322248.21Rashedi, E., Nezamabadi-pour, H., Saryazdi, S., 2011. Filter modeling using gravitational search algorithm. Eng. Appl. Artif. Intell. 24, 117122.22Sun, Y.H., Cao, J.D., Feng, G., 2008. An adaptive chaotic secure communication scheme with channel noises. Phys. Lett. A 372, 54425447.23Su, K., Cai, H.P., 2009. A modified SQP-filter method for nonlinear complementarily problem. Appl. Math. Modell. 33, 28902896.24Saha, N., Roy, D., 2009. Extended Kalman filters using explicit and derivative-free local linear