下载文档原格式
《两个混沌系统的动力学分析及其系统控制与同步研究》篇一一、引言混沌系统是一种复杂的非线性动态系统，其状态变化具有不可预测性、敏感依赖初始条件和长期行为的不规则性等特点。
近年来，随着非线性科学的发展，混沌系统的研究逐渐成为了一个重要的研究方向。
本文将针对两个典型的混沌系统进行动力学分析，并探讨其系统控制与同步的方法。
二、两个混沌系统的动力学分析（一）Lorenz混沌系统Lorenz混沌系统是一种典型的流体动力学系统，具有三维非线性微分方程描述。
通过对该系统的动力学分析，我们可以发现其状态变化具有对初始条件的敏感性、具有分岔和混沌等现象。
具体地，我们可以通过分析该系统的相图、功率谱等特征，进一步了解其动力学特性。
（二）Chua's电路混沌系统Chua's电路混沌系统是一种电子电路系统，其电路元件包括电阻、电感和非线性电容等。
该系统的动力学行为表现为复杂的混沌振荡，具有一定的应用价值。
通过对该系统的动力学分析，我们可以了解到混沌系统在不同参数条件下的动态变化情况。
三、系统控制与同步研究（一）系统控制对于混沌系统的控制，主要是通过调整系统参数或者引入外部控制信号等方式，使得系统的状态达到预期的稳定状态。
针对Lorenz混沌系统和Chua's电路混沌系统，我们可以采用不同的控制策略，如参数微调法、反馈控制法等，以实现对系统状态的稳定控制。
（二）系统同步混沌系统的同步是指两个或多个混沌系统在一定的条件下，其状态变化达到某种程度的协调和一致性。
针对两个混沌系统的同步问题，我们可以采用不同的同步方法，如完全同步法、延迟同步法等。
这些方法可以通过调整系统参数或者引入适当的控制器来实现两个混沌系统的同步。
四、实验结果与分析（一）实验设计为了验证上述理论分析的正确性，我们设计了相应的实验方案。
具体地，我们采用了数值模拟和实际电路实验两种方式来验证Lorenz混沌系统和Chua's电路混沌系统的动力学特性和控制与同步效果。
动力学系统中的混沌与共振现象研究引言：在物理世界中，许多系统都可以用动力学模型来描述其运行规律。
在这些动力学系统中，混沌和共振是两种十分重要而又引人入胜的现象。
混沌现象指的是某些系统的微小初始条件会导致长期上的巨大变化，这使得预测和控制系统的未来状态变得困难。
而共振现象则表示系统对外界激励的某个特定频率有着极大的响应，这种响应可以放大系统的某些特性，产生重要影响。
本文将就动力学系统中的混沌与共振现象展开研究。
一、混沌现象的研究混沌现象的研究始于20世纪60年代，最早的研究者包括洛伦兹等人。
通过对混沌系统的数学建模和计算机模拟，科学家们认识到混沌现象在天体力学、生物学和工程学等领域中都有重要应用。
混沌系统凭借其自组织、非线性和敏感依赖等特性，在信息传输、密码学和优化问题等方面发挥着重要作用。
其次，混沌现象也揭示了系统动力学的复杂性。
混沌系统通常具有稳定解的丧失，表现为阶段性的轨迹围绕在某一区域内，形成所谓的“奇异吸引子”。
奇异吸引子的形态复杂多变，显示了混沌系统的多样性和不可预测性。
其中，分叉现象是最有代表性的现象之一，当系统的参数变化时，系统的解分支呈现出分叉现象，并且分叉点处的解存在着周期倍增的行为，这为动力学系统提供了更广泛的研究空间。
二、共振现象的研究共振现象是物理学中的一个重要概念，在许多领域中都有广泛应用。
共振现象是指当一个动态系统受到外界周期性激励时，系统出现频率等于激励频率的特定共振状态。
共振现象不仅在固体振动、电磁场、流体力学等基础物理学中有重要应用，而且在控制论、生物力学等交叉学科中也具有广泛的研究价值。
共振现象的理论研究主要集中在两个方面：共振的条件和共振的机理。
共振的条件主要包括激励频率、系统本征频率、激励强度等因素。
共振的机理可以通过线性系统理论和非线性系统理论进行解释。
在线性系统中，系统对共振激励的响应具有线性关系，其共振频率由系统的特征频率决定；而在非线性系统中，系统对共振激励的响应可能出现倍增、超共振等非线性效应，这使得系统对于外界激励表现出更加强烈的共振现象。
混沌现象研究实验报告混沌现象是一种复杂的动力学现象，它展现了一种看似随机但又有序的行为。
混沌现象在物理学、数学、生物学等多个领域都得到了广泛的研究和应用。
在本实验中，我们将使用一个简单的混沌系统模型进行研究，探究混沌现象的基本特征和产生机制。
首先，我们介绍实验所使用的混沌系统模型，这是一个基于离散映射的模型。
模型的动力学方程如下：x(n+1) = r*x(n)*(1-x(n))其中，x(n)是系统在第n个时间步的状态变量，r是一个控制参数，决定了系统的行为。
该方程描述了一个种群数量的变化规律，可以用来研究种群的动态演化。
为了观察混沌现象，我们在模型中引入了一个初始条件x0。
我们会通过调节参数r和初始条件x0的值，观察系统的演化过程。
在实验中，我们将选择不同的参数r值和初始条件x0，观察系统的行为。
例如，我们可以选择r=2.5和x0=0.5作为初始条件。
我们将通过迭代计算x(n)的值，并绘制出x(n)随时间的变化图像。
实验结果显示，当r取不同的值时，系统的行为也会发生明显的变化。
当r小于3时，系统的行为相对简单，呈现出周期性和收敛性；当r大于3时，系统的行为变得复杂，呈现出混沌现象。
我们可以通过统计混沌系统产生的时间序列数据的特征，如Lyapunov指数、分岔图、功率谱等来定量描述混沌现象。
此外，我们还可以通过系统的相图来观察混沌现象。
相图描述了系统状态变量的轨迹，可以直观地展示系统的复杂行为。
我们将绘制x(n)和x(n+1)的关系图像，以及x(n+1)和x(n+2)的关系图像，通过观察图像的形状和分布情况，可以发现混沌现象的特征。
通过实验的观察和分析，我们可以得出以下结论：1. 混沌现象具有确定性，但是在初值和参数微小变化的情况下表现出不可预测的特点；2. 混沌系统的行为对参数和初值条件非常敏感，微小的变化可以导致完全不同的演化结果；3. 混沌系统的行为可以通过一些统计特征来描述，如Lyapunov指数、分岔图、功率谱等；4. 混沌现象具有普适性，可以在不同的领域中观察到。
具有隐藏吸引子的统一混沌系统的动力学分析与控制具有隐藏吸引子的统一混沌系统的动力学分析与控制摘要：混沌系统拥有无限多的周期轨道和吸引子，具有高度的复杂性和不可预测性。
然而，在一些特殊的情况下，混沌系统可以表现出隐藏吸引子的特性，即使初始条件发生微小变化，也能保持在相同的吸引子上。
本文对具有隐藏吸引子的统一混沌系统进行了动力学分析与控制的研究。
1 引言混沌系统是非线性动力学领域的重要研究对象，具有高度复杂和不可预测的特性。
早期的混沌系统研究主要集中在吸引子、周期轨道和分岔等方面，而对于隐藏吸引子的特性较少研究。
隐藏吸引子是指在一些特殊条件下，混沌系统的吸引子的存在是不可被观测的。
2 统一混沌系统统一混沌系统是一类具有隐藏吸引子的混沌系统，其动力学行为在初始条件发生微小变化时保持不变。
统一混沌系统被广泛应用于信息加密、通信和安全保密等领域。
3 统一混沌系统的特性统一混沌系统具有以下特性：（1）隐藏吸引子特性，即初始条件的微小改变不会改变系统的吸引子；（2）非线性特性，即系统的行为不可以通过线性组合或叠加得到。
4 统一混沌系统的动力学分析对于具有隐藏吸引子的统一混沌系统，其动力学行为可以通过相空间重构和Lyapunov指数等方法进行分析。
相空间重构可以将系统的动力学行为可视化，并通过计算Lyapunov指数判断其混沌性质。
5 统一混沌系统的控制控制混沌系统是混沌控制研究的重点之一。
对于具有隐藏吸引子的统一混沌系统，控制方法需要考虑系统的非线性特性和隐藏吸引子的存在。
常用的控制方法包括反馈控制、开环控制和自适应控制等。
6 实验验证与应用为了验证理论分析的有效性，利用计算机软件模拟具有隐藏吸引子的统一混沌系统，并进行实验验证。
同时，将统一混沌系统应用于信息加密和通信领域，阐述其实际应用的潜力和前景。
7 总结与展望本文对具有隐藏吸引子的统一混沌系统进行了动力学分析与控制的研究。
通过对系统的特性和行为进行分析，可以更好地理解和控制混沌系统的行为。
混沌时间序列分析方法研究及其应用一、综述近年来，随着大数据时代的到来，时间序列数据在各个领域的应用越来越广泛，如金融、气象、环境监测、生物技术等。
对于时间序列数据，由于其具有不确定性、复杂性和模糊性等特点，传统的数据分析方法已经难以满足需求。
针对时间序列数据的混沌时间序列分析方法逐渐受到关注。
本文将对混沌时间序列分析方法进行综述，包括其基本原理、特点、应用以及最新研究成果。
旨在为相关领域的研究和应用提供参考与借鉴。
混沌时间序列分析方法是一种针对具有混沌特性的时间序列数据进行预测和分析的方法。
自从20世纪80年代以来，混沌理论的发展为时间序列分析提供了新的思路。
与其他数据分析方法相比，混沌时间序列分析方法具有对初始条件敏感、普适性、可预测性等特点，使其在许多领域得到广泛应用。
相空间重构：通过对时间序列进行相空间重构，将高维的时间序列数据投影到低维的相空间中，以揭示其内在的混沌动力学规律。
常用的重构方法有CohenSteel算法、拉普拉斯矩阵和马尔可夫矩阵等。
李雅普诺夫指数计算：李雅普诺夫指数是衡量系统混沌程度的一个指标。
通过对时间序列进行分析，可以计算出其李雅普诺夫指数，从而了解系统的混沌特性。
常用的计算方法有奇异值分解法（SVD）和非线性最小二乘法等。
分布熵分析：分布熵是一种衡量时间序列复杂性的度量。
通过对时间序列进行分布熵分析，可以了解其混乱程度。
常用的分布熵计算方法有基于Shannon熵的算法和基于小波嫡的算法等。
神经网络预测：基于神经网络的混沌时间序列预测方法被认为是具有潜力的预测手段。
通过训练神经网络模型，可以实现对混沌时间序列的有效预测。
主要包括循环神经网络（RNN）、长短时记忆网络（LSTM）和门控循环单元（GRU）等模型。
集成学习方法：集成学习方法是将多个单一模型的预测结果进行融合以提高预测精度的策略。
通过对不同算法和模型的预测结果进行集成，可以提高混沌时间序列分析的稳定性和准确性。
www 中国光学期刊网REVIEW ｜综合评述王云才(太原理工大学理学院物理系，山西太原030024)Wang Yuncai(Department of Physics,College of Science,Taiyuan University of Technology,Taiyuan ，Shanxi 030024,China )摘要激光器的不稳定性是一个普遍现象，而混沌是激光器不稳定性的一个重要特例。
混沌激光作为激光器输出的一种特殊形式，具有类噪声宽频谱的特性。
近年来，基于混沌激光的一些应用技术相继被提出与完善。
本文结合国内外研究现状，简要介绍了利用半导体激光器产生混沌激光，以及混沌激光在保密光通信、激光测距、光纤断点检测、对激光相干长度任意调控等方面的应用与研究进展。
关键词混沌激光；保密通信；激光雷达；光时域反射仪；相干长度AbstractChaotic laser,viewed as a special form of laser diode outputs,is a general phenomenon.Chaotic laser has noise -like appearance and wide spectrum bandwidth.Recently,some novel techniques based on chaotic light have been proposed and bined with the research situation and the project team,the generation of chaotic laser utilizing semiconductor laser with optical feedback/injection is briefly introduced,and the research progresses of the chaotic laser applications are riviewed,such as the chaotic optical secure communication,chaotic laser ladar,chaotic optical time domain reflectometer,and new-type light source of arbitrary variable coherence length.Key words chaotic laser ；secure communication ；lidar ；optical time domain reflectometer ；coherence length 中图分类号N93doi ：10.3788/LOP20094604.00131引言自从1960年世界上第一台红宝石激光器问世以来，激光技术及应用得到快速发展。
级联混沌及其动力学特性研究*王光义†袁方(杭州电子科技大学电子信息学院,杭州310018)(2012年7月21日收到;2012年8月18日收到修改稿)初值敏感性是混沌的本质,混沌的随机性来源于其对初始条件的高度敏感性,而Lyapunov指数又是这种初值敏感性的一种度量.本文的研究发现,混沌系统的级联可明显提高级联混沌的Lyapunov指数,改善其动力学特性.因此,本文研究了混沌系统的级联和级联混沌对动力学特性的影响,提出了混沌系统级联的定义及条件,从理论上证明了级联混沌的Lyapunov指数为各个级联子系统Lyapunov指数之和;适当的级联可增加系统参数、扩展混沌映射和满映射的参数区间,由此可提高混沌映射的初值敏感性和混沌伪随机序列的安全性.以Logistic映射、Cubic映射和Tent映射为例,研究了Logistic-Logistic级联、Logistic-Cubic级联和Logistic-Tent级联的动力学特性,验证了级联混沌动力学性能的改善.级联混沌可作为伪随机数发生器的随机信号源,用以产生初值敏感性更高、安全性更好的伪随机序列.关键词:混沌,级联,离散映射,Lyapunov指数PACS:05.45.–a,05.45.Ac,05.45.Xt DOI:10.7498/aps.62.0205061引言伪随机序列在数字通信、密码系统、计算机仿真等领域有着广泛的应用.一个伪随机序列发生器包括随机信号源(种)和一系列的量化及其实现技术,其中良好的随机信号源是伪随机序列设计的关键问题.混沌与传统密码学之间存在着一种自然的联系,混沌动力学特性基本对应着高强度密码系统的某些安全特征,以混沌作为随机信号源为伪随机序列发生器的设计提供了一种新的途径.一般而言,对混沌伪随机序列或混沌系统的要求是随机性好、安全性高.混沌信号的随机性依赖于混沌的初值敏感性,这是混沌的本质[1].虽然目前文献中未对混沌初值敏感性的度量做出明显的说明,但根据Lyapunov指数的定义我们完全有理由说Lyapunov指数就是初值敏感性的一种度量,或可直接说Lyapunov指数越大,表明系统对初值越敏感.因此,提高混沌系统的Lyapunov指数是改善其伪随机序列随机性的一种直接方法.而混沌序列的安全性则主要依赖于由系统初值和系统参数构成的密钥空间的大小,即保证出现混沌时的初值范围和参数范围的大小.利用连续和离散混沌系统进行伪随机序列发生器的设计已有不少研究[2−5].连续混沌的数学模型为多变量耦合的微分方程组,其系统参数和初始条件较多,产生伪随机序列的密钥空间较大,但由于其算法复杂导致运算速率较慢,产生的序列码率较低.而离散混沌由于算法简单使其运算速率快、序列码率高,且其序列的复杂度好[6],因此目前混沌应用中首选离散混沌产生伪随机序列[7−10],应用最多的是Logistic映射、Tent映射(分段线性映射)及其他们的改进形式,并且目前对此类离散映射仍做持续的研究[11−19].但离散系统缺点是Lyapunov 指数小、初值条件和系统参数较少,其密钥空间较小从而导致序列的安全性降低.为了提高离散混沌的随机性和安全性,即提高混沌系统的Lyapunov指数和混沌映射参数区间,本文提出了离散混沌的一种级联方案.在定义混沌级联之后给出了级联混沌可提高其Lyapunov指*国家自然科学基金(批准号:60971046)资助的课题.†通讯作者.E-mail:wanggyi@c⃝2013中国物理学会Chinese Physical Society 数的理论证明;以最常用的Logistic映射、Cibic映射和Tent映射为例构成Logistic-Logistic(L-L)级联、Logistic-Cubic(L-C)级联和Logistic-Tent(L-T)级联混沌系统,详细研究了级联对动力学性能的改善.本文的研究结果表明,利用级联混沌的良好动力学特性可产生性能更为优良的伪随机序列而应用于混沌保密通信或信息加密之中.2离散混沌系统的级联2.1离散混沌级联定义对于两个不同的离散混沌子系统f1(x n)和f2(x n),x∈D,f1(x)∈D1,f2(x)∈D2,n= 0,1,2,3,···.如果满足D1=D2=D,即两个混沌映射的值域相同,两个子系统1、2可构成一个新的级联系统x n+1=f s(x n)=f2(f1(x n)).(1)级联的本质是,一定的初值经系统1迭代后的输出作为系统2的迭代输入,而经系统2迭代后的输出又作为系统1的迭代输入,从而形成一个在两子系统之间的循环迭代,如图1所示.把两个或多个混沌系统级联之后形成的混沌称之为级联混沌.图1两个混沌系统级联原理图如果k个混沌系统的迭代值域相同,可由两个系统的级联推广到k个系统的级联x n+1=f s(x n)=f k(f k−1(···f1(x n))),(2)其中f1(x n),f2(x n),···,f k(x n)为k个子系统,x∈D, f1(x)∈D1,f2(x)∈D2,···,f k(x)∈D k,且D1=D2=···=D k=D.也可扩展到一个系统自身的m次级联x n+1=f(f(···f(x n)))=f m(x n).(3)定理1只有各个子系统的迭代值域(或定义域)相同才能进行级联.如果各个子系统的迭代值域相同,则它们在各自允许的值域内进行迭代;如果各个子系统中只要一个系统其迭代值域不同,则其迭代值会超出其他子系统的定义域,或其他子系统的迭代值超出该子系统的定义域,使得迭代无法进行.2.2级联混沌系统对动力学特性的改善定理2假定子系统f1(x n),f2(x n),···,f k(x n)可构成一个级联系统f k(f k−1(···f1(x n))),如果各个子系统均是混沌的,则它们的级联系统一定是混沌的,且级联系统的Lyapunov指数等于各个子系统Lyapunov指数之和.证明级联系统f k(f k−1(···f1(x n)))的Lya-punov指数为LE s=limn→∞1nn−1∑i=0ln[f k(f k−1(···f1(x i)))]′=limn→∞1nn−1∑i=0lnf′1[x i]·f′2[f1(x i)]···f′k[f k−1(···f1(x i))]=limn→∞1nn−1∑i=0(lnf′1(x i)+lnf′2(f1(x i))···+lnf′k(f k−1(···f1(x i))))=limn→∞1nn−1∑i=0lnf′1(x i)+limn→∞1nn−1∑i=0lnf′2(f1(x i))+···+limn→∞1nn−1∑i=0lnf′k(f k−1(···f1(x i)))=LE1+limn→∞1nn−1∑i=0lnf′2(x2i)+···+limn→∞1nn−1∑i=0lnf′k(x ki),(4) LE1为子系统f1(x n)的Lyapunov指数,式中其他量为x2=f1(x1),···,x k−1=f k−2(···f1(x1)),x k=f k−1(···f1(x1)),(5) f′2(x2)=d f2d x2,···,f′k−1=d f k−1d x k−1,f′k=d f kd x k.(6)对于一维离散混沌映射f1(x n),f2(x n),···, f k(x n),当f1(x),f2(x)···f k(x)∈D,x∈D,其Lya-punov指数满足LE1=limn→∞1nn−1∑i=0ln|f′1(x i)|>0,LE2=limn→∞1nn−1∑i=0ln|f′2(x i)|>0,······LE k=limn→∞1nn−1∑i=0lnf′k(x i)>0.(7)由于级联系统中同样满足f1(x i),f2(f1(x i)),···, f k−1(···f1(x i)∈D,与(7)式中的x i处于同一迭代值域,i=1,2,3,···,n.因此(4)式中各项必满足lim n→∞1nn−1∑i=0ln|f′2(f1(x i))|=limn→∞1nn−1∑i=0ln|f′2(x2i)|=LE2>0······lim n→∞1nn−1∑i=0lnf′k(f k−1(···f1(x i))=limn→∞1nn−1∑i=0lnf′k(x ki)=LE k>0.(8)根据(4),(7)和(8)式,(4)式中Lyapunov指数各相加项均大于零,且LE s=LE1+LE2+···+LE k,(9)因此级联系统不仅是混沌的,其Lyapunov指数远大于任意子系统的Lyapunov指数,且等于各子系统Lyapunov指数之和.混沌的本质是其对初始条件的高度敏感性[1].在实际中由于受到测量精度的限制其初始条件无法绝对精确确定,因而带来混沌状态长时间演化后的随机性和不可预测性,而Lyapunov指数正是定量描述混沌初值敏感性的一个重要参数.根据定理2,混沌系统的级联可以提高Lyapunov指数,因此系统的级联是一种提高混沌系统初值敏感性,即改善系统随机性或复杂性的一种简单有用的方法.3L-L级联把两个Logistic映射的级联称之为L-L级联.著名的Logistic映射为x n+1=µx n(1−x n),(10)µ∈[0,4],x∈[0,1].由于其结构简单、行为复杂而得到了广泛的研究和应用.但Logistic系统混沌映射范围小,只有µ=4时才是单位区间[0,1]上的满映射且表现出较强的混沌特性,如图2(a)所示.映射范围较小的混沌映射在数字系统中量化时各迭代值之间更加相近,更容易出现短周期和动力学退化.为了改善Logistic映射的动力学特性,对其进行级联并观察动力学性能的改善情况.两个参数分别为µ1和µ2的Logistic映射的级联可表示为x n+1=µ1[µ2x n(1−x n)]{1−[u2x n(1−x n)]},(11)式中µ1,µ2∈[0,4],x∈[0,1].为扩展满映射区间和增强混沌特性,令µ1=4,µ2作为分岔参数,L-L级联系统的分岔图和Lyapunov指数谱如图2(b),(c)所示.以下分析说明级联系统明显改善了其动力学特性.1)混沌映射参数范围扩大:比较图2(a),(b)看出,L-L级联系统混沌映射参数范围大约扩展为[1.53,4],除去其间的三个明显的周期窗口后,混沌映射参数范围约为2.17,约占整个参数范围µ∈[0,4]的54%,是Logistic混沌映射参数范围0.37的5.86倍.如果利用L-L级联系统产生伪随机序列对信息进行加密,必使其工作于混沌映射状态,较大的混沌映射参数范围提供了较大的密钥空间(以初值和系统参数作为密钥),可增强破译的难度从而提高安全性,因此级联系统在混沌应用中有重要意义.2)混沌满映射参数范围扩大:Logistic映射只在单一参数点µ=4时才是满映射,见图2(a),而L-L级联映射的满映射范围约为1.7,见图2(b).与非满映射相比,满映射对应着较强的混沌强度,其迭代值区间大,利用数字系统对其处理时占据的数字空间相对较大,后面的迭代值不易近似到前面的迭代值上,因而可扩展混沌数字序列的周期,改善混沌序列的动力学退化,这在混沌应用中也有重要的意义.3)Lyapunov指数成倍提高:根据定理2,级联系统能够增大Lyapunov指数.由图2(c)看出,在混沌区L-L级联系统的Lyapunov指数普遍大于Logistic系统,其中前者的最大Lyapunov指数为1.3863,是后者最大Lyapunov指数0.6930的2倍,这也验证了定理2的正确性.Lyapunov指数的提高将会增强其初值敏感性,从本质上改善其动力性特性,这对混沌应用具有重要意义.为便于比较,L-L级联系统和子系统的主要动力学特性在表1中列出.图2Logistic映射和L-L级联映射的分岔图和Lyapunov指数谱(a)Logistic映射分岔图;(b)L-L级联映射分岔图(µ1=4);(c)L-L级联映射的Lyapunov指数谱(µ1=4)表1Logistic映射和L-L级联映射特性比较映射类型映射参数区间混沌映射参数区间混沌满映射参数区间最大Lyapunov指数Logistic映射µ∈[0,4]∆µ=0.37∆µ=0,µ=40.6930 L-L级联映射µ1,µ2∈[0,4]∆µ2=2.17∆µ2=1.7 1.38634L-C级联4.1改进的Cubic映射及其基本动力学特性把Logistic映射与一个改进的Cubic映射级联称之为L-C级联.Cubic[18]映射为x n+1=ax3n−bx n,(12)b∈[0,3],x∈[−c,c],c与a,b有关,只有b=3时才为满映射,这也是Cubic映射的缺陷之一.Logistic映射的满映射区域为[0,1],为了使得Cubic映射与Logistic映射能够级联,即两者具有相同的映射区间,对Cubic映射改进为x n+1=x3n/a2−bx n,(13)式中b∈[0,3],x∈[0,2a],取a=0.5可使其迭代范围与Logistic相同;b为分岔参数,当b∈[2.43,3]时系统处于混沌状态;b=3时为满映射,满映射区间[0,2a],如图3(b)所示.对改进的Cubic映射的基本动力学特性分析如下.由不动点方程x=x3/a2−bx,(14)解得不动点:x a=a√b+1,x b=a√b−1,x0=0,如图3(a)所示,图中画出了a=0.5,b=1,b=1.5和b=3时三条曲线对应的不动点分布情况.1)当0<b<1时,x b不存在,只有x a和x0两个不动点,分别对应图3(a)中A点和O点.由于f′(0)=3x2/a2−bx=0=b<1,f′(A)=3x2/a2−bx=1=12−b>1,(15)故不动点O是稳定的,而不动点A在b∈[0,3]范围内始终保持f′(A)>1,因而始终是不稳定的.2)当b=1时,f′(0)=1,因而发生跨临界分岔.3)当1<b<2时,有三个不动点,见图3(a)中b=1.5时的O,A′,B′点.O点的f′(0)=b>1,故它不稳定.对于A′点,由于f ′(a √b +1)= 3x 2/a 2−bx =a √b +1=|2b +3|>1,(16)故它也不稳定.而对于B ′点,因为f ′(a √b −1)= 3x 2/a 2−b x =a √b −1=|2b −3|<1,故它是稳定的.因此由初值x 0出发的迭代过程,总是离开不动点O ,A ′而趋近于不动点B ′,产生周期1现象.4)当b =2时,O 点的f ′(0)=b >1仍不稳定,B ′点f ′(a √b −1)=|2b −3|=1,故发生叉型分岔.5)当2<b <2.235时,对于O ,A ′点它们仍是不稳定的.对于B ′点f ′(a √b −1)=|2b −3|>1,则B ′点由稳定变为不稳定.例如b =2.21时,系统出现两个值x ∗1和x ∗2的交替状态,即周期2现象:x ∗1= x 22/a 2−bx 2 ,x ∗2= x 21/a 2−bx 1 .(17)当a =0.5,b =2.2时,x 趋向于在1.3801和2.1738两个值上跳动.6)如果继续增加b 值,周期2将不稳定,各自产生一对新的不动点即产生周期4现象.这样的过程继续下去,不断地出现倍周期分岔,即周期2n −1不稳定时分岔出周期2n ,当b ∈(2.4,3]时出现混沌现象.7)当b >3时,平衡点为O ,A ′′和B ′′三点,且总有f ′(a √b +1)=|2b ±3|>1,故系统不稳定.a =0.5,b =3时的吸引子和平衡点如图3(a)所示.图3改进的Cubic 映射不动点及分岔图(a)吸引子、不动点及随参数的变化;(b)分岔图4.2L-C 级联4.2.1L-C 级联虽然通过改进的Cubic 映射可以将其映射范围限制在x ∈[0,2a ],但它和Logistic 映射一样存在一些共性的缺陷:1)混沌映射分岔参数范围小:Logistic 映射约为µ∈[3.57,4],即µ约在0.43的变化范围内出现混沌映射(其中还包括周期3窗口),改进的Cubic 映射约b ∈[2.41,3],即b 约在0.59的变化范围内才出现混沌映射(其中还包括一些小的周期窗口).2)只在一个参数点上出现满映射:Logistic 和改进的Cubic 映射分别在µ=4和b =3时才出现满映射.3)Lyapunov 指数小:Logistic 和改进的Cubic 映射最大Lyapunov 指数分别为0.6930和1.0984.如果把两者级联,上述缺陷会得到明显的改善.在改进的Cubic 映射中取a =0.5,b =3,将其取值范围约束到与Logistic 映射相同的取值范围x ∈[0,1]且为满映射,再把Logistic 映射代入改进的Cubic 映射之中,就得到先进行Logistic 迭代、后进行改进的Cubic 迭代的级联系统:x n +1= [ux n (1−x n)]30.52−3×ux n (1−x n) = u 3x 3n (1−x n )30.25−3ux n (1−x n ).(18)4.2.2L-C 级联系统的复杂动力学特性与两个子系统相比级联系统有较复杂的动力学特性.级联系统的映射函数为y = u 3x 3(1−x )30.25−3ux (1−x ) ,(19)不动点随分岔参数µ的变化情况如图4(a)所示.不动点为线段OA 与各曲线的交点,随着µ从小到大的变化,其不动点个数从1(µ=0.5)→2 (µ=1.0,2.0)→3(µ=3.045)→4(µ=3.6)→5 (µ=3.75)→6(µ=4),其稳定性发生了非常复杂的变化并导致了非常复杂的分岔现象.限于篇幅,其稳定性的详细分析将另文研究.级联系统的分岔图如图4(b)所示,出现混沌的参数范围约为[1.55,4](其间有几个小周期窗口),比Logistic和改进Cubic映射的混沌参数区间µ∈[3.57,4],b∈[2.41,3]大得多,且满映射范围约为[1.9,4],与两个子系统只在一个参数点满映射相比,其动力性特性得到了显著的改善.如图4(c)所示,级联系统的Lyapunov指数明显大于Logistic子系统的指数.计算表明,级联系统的最大Lyapunov指数为1.7011,几乎是级联前两子系统Lyapunov指数0.6930和1.0984之和.子系统和级联系统性能的变化如表2所示.5L-T级联L-T级联是指Logistic映射与Tent映射的级联.Tent映射有多种形式[4,8,19],其一为x n+1=1−a|x n−(1/a)|,(20) a为参数,a∈[0,2].图5示出了其分岔图、Lyapunov指数谱和吸引子.Tent映射属于逐段线性混沌映射,与Logistic 映射相比它有均匀的不变分布,但缺点是系统参数少,映射区间小,当且仅当a=2时才是一个单位区间[0,1]上的满映射,最大Lyapunov指数仅为0.69265.表2Logistic映射、改进Cubic映射和L-C级联映射特性比较映射类型映射参数区间混沌映射参数区间混沌满映射参数区间最大Lyapunov指数Logistic映射µ∈[0,4]∆µ=0.37∆µ=0,µ=40.6930改进Cubic映射b∈(0,2]∆b=0.59∆b=0,b=3 1.0984L-C级联映射µ∈[0,4]∆µ=2.45∆µ=2.1 1.7011图4L-C级联系统的吸引子、分岔图和Lyapunov指数谱(a)L-C级联系统的函数曲线及不动点;(b)L-C级联系统分岔图;(c) Lyapunov指数谱图5Tent映射分岔图、Lyapunov指数谱和吸引子(a)分岔图;(b)Lyapunov指数谱;(c)吸引子把Logistic映射与Tent映射级联,得级联系统: x n+1=1−a|µx n(1−x n)−(1/a)|.(21)该级联系统的吸引子、分岔图和Lyapunov指数谱如图6所示,由图6可获得级联前后各系统的相关动力学特性.L-T级联映射的动力学特性有如下优势:1)Logistic映射和Tent映射分别在µ=4和a=2时才是区间[0,1]上的满映射,从而具有足够强的混沌特性.而L-T映射对参数a满映射区间约为a1+a2+a3≈0.45+0.29+0.2=0.94 (图6(a)),即约在1/2参数区间(a∈[0,2])上具有足够强的混沌特性;参数µ满映射区间约为µ1+µ2+µ3≈0.26+0.60+0.45=1.31(图6(b)),即约在1/3参数区间(µ∈[0,4])上具有足够强的混沌特性,与Logistic和Tent映射相比优势明显.2)Logistic映射出现混沌的µ参数范围约为0.43,而L-T级联系统出现混沌的µ参数区间约为1.66,后者约为前者的3.86倍;Tent映射出现混沌的a参数范围约为0.8,而L-T级联系统出现混沌的a参数区间约为1.1,后者约为前者的1.38倍.3)Logistic映射和Tent映射的最大Lyapunov 指数分别为0.6930和0.6926,而L-T级联系统分别随参数µ和a变化时的最大Lyapunov指数为1.2522和1.2937,后者分别是前者的1.80和1.87倍.为便于比较,把Logistic映射、Tent映射和L-T 级联映射的相关动力学特性列入表3.表3Logistic映射、Tent映射和L-T级联映射特性比较映射类型映射参数区间混沌映射参数区间混沌满映射参数区间最大Lyapunov指数Logistic映射µ∈[0,4]∆µ=0.37∆µ=0,µ=40.6930Tent映射a∈(0,2]∆a=1.00∆a=0,a=20.6926L-T级联映射µ∈[0,4]∆µ=1.66∆µ=1.31 1.2522L-T级联映射a∈(0,2]∆a=1.1∆a=0.94 1.2937图6L-T级联映射的分岔图、Lyapunov指数谱和吸引子(a)x随a变化的分岔图;(b)x随µ变化的分岔图;(c)随a变化的Lyapunov 指数谱;(d)随µ变化的Lyapunov指数谱;(e)随a变化的吸引子;(f)随µ变化的吸引子6结论本文研究了离散混沌系统的级联,包括混沌系统级联的定义及其条件、级联混沌系统对动力学特性的改善.理论分析和仿真验证表明,级联混沌系统的Lyapunov指数为各子系统Lyapunov指数之和,从而提高了混沌的初值敏感性,改善了混沌信号的随机性;两个子系统的适当级联可增加系统参数、扩展混沌映射或满映射的参数区间,从而增强混沌特性、提高混沌伪随机序列的密钥空间.鉴于级联混沌系统所带来的动力学特性的改善,可将其作为随机信号源应用于伪随机数发生器的设计之中,以产生随机性好、安全性高的伪随机序列,在混沌保密通信、信息加密等领域将有良好的应用潜力.[1]Lorenz E N1993The Essence of Chaos(Washington:The Universityof Washington Press)p25[2]Persohn K J,Povinelli R J2012Chaos,Solitons&Fractals45238[3]Chen S L,Hwang T T,Lin W W2010IEEE Trans.Circ.Syst.-II:Express Briefs57996[4]Jongsig Bae,Changha Hwang,Doobae Jun2012Statistics and Proba-bility Letters821021[5]Maier M P S,Peacock-L´o pez E2010Physics Letters A3741028[6]Sun K H,He S B,Yin L Z,A Di Li D L K2012Acta Phys.Sin.61130507(in Chinese)[孙克辉,贺少波,尹林子,阿地力·多力坤2012物理学报61130507][7]Narendra Singh,Aloka Sinha2010Optics and Lasers in Engineering48398[8]Mart´ınez-˜Nonthe J A,Casta˜n eda-Sol´ıs A,D´ıaz-M´e ndez A,Cruz-Irisson M,V´a zquez-Medina R2012Microelectronic Engineering90 168[9]Jovic B,Unsworth C P2010Electronics Letters461[10]Feng C F,Xu X J,Wu Z X Wang Y H2008Chinese Physics B171674[11]Young R M B,Read P L2008Physica D2372251[12]Thomas Curtright,Andrzej Veitia2011Physics Letters A375276[13]Levinsohn E A,Mendoza S A,Peacock-L´o pez E2012Chaos,Solitons&Fractals45426[14]Wang X Y,Wang M J2008Acta Phys.Sin.57731[王兴元,王明军2008物理学报57731][15]Meng J D,Bao B C,Xu Q2011Acta Phys.Sin.6010504[孟继德,包伯成,徐强2011物理学报6010504][16]Wang G Y,Yu J B,Gu T X2011Acta Phys.Sin.502307[王改云,虞厥邦,古天祥2001物理学报502307][17]Bao B C,Kang Z S,Xu J P2009Acta Phys.Sin.581420[包伯成,康祝圣,许建平,胡文2009物理学报581420][18]Wei Y,Nan J,Tang G2011Czechoslovak Mathematical Journal611023[19]Ben Futter,Viktor Avrutin,Michael Schanz2012Chaos,Solitons&Fractals45465Cascade chaos and its dynamic characteristics∗Wang Guang-Yi†Yuan Fang(School of Electronics and Information,Hangzhou Dianzi University,Hanghou310018,China)(Received21July2012;revised manuscript received18August2012)AbstractThe dependence of sensitivity on initial conditions is the essence of chaos.And the randomness of chaos originates from the high sensitivity to initial values,which is measured by the Lyapunov exponents.It is found in this paper that the cascade of chaotic systems can considerably improve the Lyapunov exponents of cascade chaos and other dynamic properties.Therefore,in this paper,we study the cascade of chaotic systems and the influence on dynamic performances of the cascade chaos,and we present the definition and conditions of chaotic system cascade.It is proved in theory that the Lyapunov exponent of cascade chaos system is a sum of Lyapunov exponents of cascade subsystems.Appropriate cascade for chaotic systems can increase system parameters and expand parameter regions of chaos mapping and full mapping,thereby enhancing initial condition sensitivity of chaotic map and security of chaotic pseudo-random sequences.For logistic map,cubic map and tent map,the dynamic characteristics of logistic-logistic,logistic-cubic and logistic-tent cascade are investigated in detail,verifying the improvements on dynamic characteristics of cascade chaos systems. The proposed chaotic cascade system can be used to generate better pseudo-random sequences for initial condition sensitivity and security.Keywords:chaos,cascade,discrete map,Lyapunov exponentPACS:05.45.–a,05.45.Ac,05.45.Xt DOI:10.7498/aps.62.020506*Project supported by the National Natural Science Foundation of China(Grant No.60971046).†Corresponding author.E-mail:wanggyi@。
