一种具有广义时滞项的惯性模糊神经网络的保密通信方法

本发明涉及新一代信息，尤其涉及一种具有广义时滞项的惯性模糊神经网络的保密通信方法。

背景技术：

1、在神经网络的实际应用中，为了应对多变的现实问题，神经网络需要呈现出复杂的动力学状态，所以使用高阶微分方程来描述神经网络系统是必要的。由于惯性神经网络是二阶微分方程的表述，与一阶微分方程相比，其本身会使系统产生复杂的动态行为，如混沌和分岔，因此在新一代信息技术领域有着潜在的应用价值。另一方面，惯性神经网络在实际应用中，会产生不确定性、模糊性和时间延迟等影响，因此模糊逻辑和广义时滞在神经网络的动力学分析发挥着重要作用。

2、自然界和许多学科中都存在大量的同步现象，相较于在无限的时间内实现神经网络同步的研究，在有限时间内实现神经网络的同步对于新一代信息技术领域有着更深远的意义。然而大多数神经网络和混沌系统的初值都是不确定的，实际情况中无法的得到同步时间的上界，因此引入固定时间同步。在固定时间同步策略中，初值与神经网络同步时间的上界无关，再通过调整控制器的增益，用增益来调整同步时间的上界，从而实现神经网络的预设时间同步。

3、网络通信系统中带宽约束限制了信息在通信信道上的传输速度，引入量化控制可以减少其对控制性能的影响，减轻通信信道的传输压力，并节省经济成本。

技术实现思路

1、本发明的目的是提供一种具有广义时滞项的惯性模糊神经网络的保密通信方法，可以实现具有广义时滞项的惯性模糊神经网络的预设时间同步，并提高保密通信的安全性。

2、为实现上述目的，本发明提供了如下技术方案，一种具有广义时滞项的惯性模糊神经网络的保密通信方法，包括以下步骤：

3、步骤s1：建立具有广义时滞项的惯性模糊神经网络驱动系统和响应系统，具体包括以下步骤：

4、步骤s11：建立具有广义时滞项的惯性模糊神经网络为：

5、

6、式中，时间t≥0，i＝1，2，…，n；j＝1，2，…，n；n表示所述惯性模糊神经网络中含有的神经元个数；xi(t)表示所述惯性模糊神经网络的第i个神经元在时间t处的状态；αi表示第i个神经元的阻尼系数，βi表示当网络与外部输入断开连接时，第i个神经元将其电位重置为静止状态的速率，αi和βi分别满足αi>0和βi>0；aij、bij和cij表示连接权值；dij是前馈元素；hij和mij是模糊反馈最小的元素；kij和nij是模糊前馈最大元素；tij和sij分别表示模糊前馈最小元素和模糊前馈最大元素；fj(xj(t))表示所述惯性模糊神经网络中第j个神经元不包含时滞的激活函数，fj(xj(qij(t)))表示所述惯性模糊神经网络中第j个神经元包含广义时滞的激活函数，表示所述惯性模糊神经网络第j个神经元含中立型时滞的激活函数，qij(t)为广义时滞且满足qij(t)≤t，表示在t时刻第j个神经元到第i个神经元的信息传递时滞；上述各激活函数均满足利普希茨条件，即|fj(u)-fj(w)|≤lj|u-w|，其中u和w为任意实数，lj为正常数且满足|fj(·)|≤mj，其中mj为正常数；λ和∨分别代表模糊与和模糊或算子，且对于任意实数u和w满足以下条件：

7、

8、

9、vj(t)表示第j个神经元的输入；ii(t)表示第i个神经元的偏置；

10、步骤s12：建立具有广义时滞项的惯性模糊神经网络驱动系统为：

11、将步骤s11建立的具有广义时滞项的惯性模糊神经网络进行变量代换降阶处理，建立具有广义时滞项的惯性模糊神经网络驱动系统为：

12、

13、其中εi∈r；hi＝εi(αi-εi)-βi；ki＝εi-αi；

14、步骤s13：根据步骤s12建立的驱动系统，建立与其相对应的响应系统：

15、

16、式中，时间t≥0，i＝1，2，…，n；j＝1，2，…，n；n表示所述响应系统中含有的神经元个数；yi(t)表示所述响应系统的第i个神经元在时间t处的状态；fj(yj(t))表示所述响应系统中第j个神经元不包含时滞的激活函数，fj(yj(qij(t)))表示所述响应系统中第j个神经元包含广义时滞的激活函数，表示所述响应系统的第j个神经元含中立型时滞的激活函数，qij(t)为广义时滞且满足qij(t)≤t，表示在t时刻第j个神经元到第i个神经元的信息传递时滞；上述各激活函数均满足利普希茨条件，即|fj(u)-fj(w)|≤lj|u-w|，其中u和w为任意实数，lj为正常数且满足|fj(·)|≤mj，其中mj为正常数；和表示预设时间量化同步控制器；

17、步骤s2：根据步骤s1构建的具有广义时滞项的惯性模糊神经网络的驱动系统和响应系统，设定同步误差；

18、步骤s3：根据步骤s2构建的同步误差，设计预设时间量化同步控制器，将所述预设时间量化同步控制器作用于所述响应系统，使得所述响应系统同步于所述驱动系统，进而实现保密通信方法。

19、进一步地，步骤s2具体为：

20、根据步骤s1构建的具有广义时滞项的惯性模糊神经网络的驱动系统和响应系统，设定所述驱动系统和响应系统的同步误差为：

21、

22、进一步地，步骤s3具体包括以下内容：

23、步骤s31：根据步骤s2构建的同步误差，设计预设时间量化同步控制器:

24、

25、其中，i＝1，2，…，n；σ、λ、η、μ和θi为正的控制器增益；0<ν<1；b为大于的参数；当时，k＝2；当b＝2时，k＝3；当b>2时，k＝4；是固定时间；是预设时间；sign(·)为符号函数；g(e1i(t))为误差e1i(t)的量化值，g(e1i(t))＝(1+δ)e1i(t)，δ为量化误差，为扇形边界，g(e2i(t))为误差e2i(t)的量化值，其中g(e2i(t))＝(1+δ)e2i(t)；控制器增益σ、λ和θi满足下列不等式：

26、-2εi-2σ(1+δi)+1+|hi|≤0

27、2ki-2λ(1+δi)+1+|hi|≤0

28、

29、步骤s32：将所述预设时间量化同步控制器作用于所述响应系统，使得所述响应系统同步于所述驱动系统；

30、步骤s33：所述驱动系统与所述响应系统同步之后，发送端获取所述驱动系统产生的混沌信号作为加密信号xi(t)，接收端获取响应系统产生的混沌信号作为解密信号yi(t)；

31、步骤s34：所述发送端将加密信号xi(t)和明文信号si(t)进行加密运算，获得密文信号hi(t)，hi(t)＝xi(t)+si(t)；

32、步骤s35：所述发送端通过信道发送所述密文信号hi(t)，所述接收端通过信道接收所述密文信号hi(t)；

33、步骤s36：所述接收端将收到的明文信号hi(t)和解密信号yi(t)进行解密运算，获得解密明文信号ssi(t)，ssi(t)＝hi(t)-yi(t)。

34、与现有技术相比，本发明的有益效果是：

35、1、本发明中，考虑了广义时滞对神经网络的影响，从而使的具有广义时滞项的惯性模糊神经网络的预设时间同步量化控制方法具有更广泛的应用背景，更提升了保密通信的复杂性。

36、2、本发明中，在神经网络中引入惯性项，模糊算子，相比于一阶神经网络，具有更复杂的动力学行为，更增加了保密通信的破解难度。

37、3、本发明中设计了预设时间同步量化控制器，这种类型的同步收敛时间是可以调整的，使得神经网络在可控的时间达到希望的同步特性，实现资源的合理优化。同时量化器引入控制系统后，可以减轻通信信道的负担和带宽约束对系统性能的影响，节约了系统资源。