CNN超混沌特性及在空间多目标测控系统中的应用研究

摘要

CNN（Cellular Neural Network，细胞神经网络）是基于Hopfield神经网络和细胞自动机提出的一种反馈型神经网络。CNN具有多个可供设置的参数且当CNN的参数设置满足一定的条件时，就会产生混沌及超混沌现象。CNN超混沌系统具有初值敏感性，由CNN超混沌系统生成的超混沌扩频序列具有良好的伪随机特性，能够代替传统扩频序列应用于CDMA（Code Division Multiple Access，码分多址）系统中。此外，CNN优良的并行信号处理能力也可以用来解决CDMA系统的多用户检测问题。目前，空间多目标测控系统在通信与数据传输层面多采用CDMA体制，即用不同的扩频序列来区分不同的卫星。因此，对CNN超混沌系统的研究完全可以应用于空间多目标测控系统中。本文针对CNN超混沌特性开展理论和应用研究具有重要意义。
　　本文首先对CNN超混沌系统的动力学特性展开研究，建立CNN全互连拓扑结构及状态方程，分析CNN超混沌系统的初值敏感性、有界性和遍历性、Lyapunov指数、奇怪吸引子等特性，并基于上述特性，提出了CNN超混沌系统判定及筛选算法，该算法可以从大量的CNN中筛选出能够产生超混沌现象的CNN系统，这为以后的研究工作奠定了基础。
　　然后本文对CNN超混沌扩频序列的生成、量化及筛选展开了研究。通过对超混沌扩频序列的性能进行分析，提出了CNN超混沌扩频序列筛选算法，以筛选出具有良好特性的超混沌扩频序列。将筛选出的CNN超混沌扩频序列应用于CDMA系统之中，可提高系统的容量、误码性能和保密性能。
　　然后本文对CDMA系统中的多用户检测问题展开了研究。首先分析了几种常见的多用户检测算法，然后结合最优多用户检测算法和CNN的Lyapunov函数，提出了CNN多用户检测算法，并针对其容易陷入Lyapunov函数局部极小点的问题进行了简化降阶。简化的CNN多用户检测算法能够快速有效地减弱用户间的多址干扰。
　　最后，本文研究了CNN超混沌系统在空间多目标测控系统通信与数据传输层面的应用。通过搭建空间多目标测控系统的通信与数据传输模型，设计具体通信方案，将筛选出的CNN超混沌扩频序列及简化的CNN多用户检测算法应用于空间多目标测控系统的收发两端，使系统获得了良好的性能。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及研究的目的和意义

1.2 国内外研究现状

1.3 主要研究内容

第2章 CNN超混沌特性研究

2.1 CNN的基本模型

2.2 CNN系统超混沌特性研究

2.3 CNN超混沌系统判定及筛选

2.4 本章小结

第3章 CNN超混沌扩频序列研究

3.1 CNN超混沌序列生成及量化

3.2 CNN超混沌序列筛选

3.3 CNN超混沌扩频序列性能仿真分析

3.4 本章小结

第4章 CNN多用户检测算法研究

4.1 常见的多用户检测算法分析

4.2 CNN多用户检测算法研究

4.3 CNN多用户检测算法仿真分析

4.4 本章小结

第5章 基于CNN超混沌特性的空间多目标测控系统

5.1 空间多目标测控系统建模

5.2 空间多目标测控系统通信方案设计

5.3 空间多目标测控系统性能仿真

5.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文

声明

致谢