本发明涉及混沌通信，尤其是指一种基于储备池计算的混沌通信方法。
背景技术：
1、混沌通信是一种基于混沌动力学的通信技术，利用混沌系统的复杂、不可预测的动力学行为来实现信息的传输和处理。这种通信方法利用了混沌系统对微小扰动也十分敏感的特性，使得发送端和接收端能够通过适当的同步机制，在时间和空间上保持同步，从而实现信息的传递。
2、在传统混沌通信机制中，发送端利用非线性动力学系统生成混沌信号，然后利用这一混沌信号对想要传输的信息进行加密。在接收端，除了需要自适应同步之外，还必须配置与发送端相同类型和参数的动力学系统，以确保与加密动力学系统的完全同步。此外，在发送端和接收端之间，通常需要设计一种复杂的耦合机制，以提供实现同步所需的必要条件。但在传统混沌通信的框架下，在发送端和接收端配置相同的动力学系统是难以实现的，而参数误差会导致同步质量降低；且混沌系统对微小的扰动十分敏感，传统的混沌通信很难抵抗噪声的扰动。
3、由于储备池是数据驱动的，因此可以方便的实现与动力系统的同步，所以，近年来，关于混沌通信的研究中，提及利用储备池计算代替传统的非线性动力学系统进行加密通信；但是这些研究都是利用的混沌通信中的叠加原则框架，储备池在其中充当混沌滤波器的作用，并没有充分发挥它在时间序列预测方面的强大能力。且混沌系统对噪声十分敏感，微小的噪声也会引起巨大的偏差，普通的储备池结构在实际应用中难以有精确的预测。
4、综上所述，现有的利用储备池进行混沌通信的方法，由于没有充分利用储备池预测时间序列的能力，导致还原出的原始信号不准确；且传统储备池易受到噪声干扰，导致预测精度降低，进而影响混沌通信准确性。
技术实现思路
1、为此，本发明所要解决的技术问题在于克服现有技术在进行混沌通信时，只利用储备池进行滤波，没有充分利用储备池的功能，缺乏对时间序列的预测能力，且传统储备池易受噪声干扰，导致预测精度降低，还原出的原始信号不准确。
2、为解决上述技术问题，本发明提供了一种基于储备池计算的混沌通信方法，包括：
3、基于第一参数组0与第二参数组1，驱动第一洛伦兹系统与第二洛伦兹系统，作为混沌通信系统发射端的混沌信号发生器；
4、利用样本数据集，分别基于第一洛伦兹系统与第二洛伦兹系统，对储备池进行预训练，获取训练好的第一储备池与训练好的第二储备池，作为混沌通信系统接收端的混沌信号接收器；
5、混沌通信系统发射端获取原始信号，以原始信号中元素的总个数为预设生成次数j，初始化j＝1；
6、预设求解步长、初始时间区间与第一洛伦兹系统在初始时间区间的初值，基于第一洛伦兹系统在初始时间区间的初值，驱动第一洛伦兹系统，获取第一洛伦兹系统在初始时间区间结束时刻的值，作为第j时间区间的初值；
7、若原始信号中第j个位置处的元素值为1，则基于第j时间区间的初值，驱动第二洛伦兹系统，生成第j洛伦兹轨道；并获取第二洛伦兹系统在第j时间区间结束时刻的值，作为第j+1时间区间的初值；
8、若原始信号中第j个位置处的元素值为0，则基于第j时间区间的初值，驱动第一洛伦兹系统，生成第j洛伦兹轨道；并获取第一洛伦兹系统在第j时间区间结束时刻的值，作为第j+1时间区间的初值；
9、令j＝j+1，重复根据原始信号中第j个位置处的元素值，选取并驱动对应的洛伦兹系统，获取第j洛伦兹轨道，直至j等于预设生成次数j，结束重复，获取j个洛伦兹轨道；
10、将j个洛伦兹轨道，按照时间区间序列拼接，获取洛伦兹时间序列；
11、将所述洛伦兹时间序列经过传输通道整合为传输信号，发送至接收端，分别输入预先训练好的第一储备池与第二储备池中，进行预测，获取传输信号对应的第一误差曲线与第二误差曲线；
12、基于所述第一误差曲线与所述第二误差曲线，还原出原始信号，完成混沌通信。
13、在本发明的一个实施例中，所述基于第一参数组0与第二参数组1，驱动第一洛伦兹系统与第二洛伦兹系统，包括：
14、洛伦兹系统的微分方程表示为：
15、
16、在基于第一参数组0驱动的第一洛伦兹系统中，普朗特数a＝10，规范化瑞利数b＝28，流场参数
17、在基于第二参数组1驱动的第二洛伦兹系统中，普朗特数a＝10+δ，规范化瑞利数b＝28+δ，流场参数δ为预设参数。
18、在本发明的一个实施例中，储备池的更新过程表示为：
19、储备池输入值：u(n)＝[u1(n),u2(n),…,um(n)]t；
20、储备池内部状态向量：r(n)＝[r1(n),r2(n),…,rn(n)]t；
21、储备池输出值：y(n)＝[y1(n),y2(n),…,yl(n)]t；
22、对储备池内部状态进行更新，表示为：
23、r(n+1)＝(1-γ)r(n)+γf'(winu(n+1)+wresr(n))；
24、对储备池输出值进行更新，表示为：y(n+1)＝fout(woutr(n+1))；
25、其中，m表示储备池输入值的维度，l表示储备池输出值的维度，n表示储备池内部节点个数，n表示第n时刻，γ表示漏积分率，f'表示储备池内部激活函数，fout表示恒等函数；win表示输入层到储备池的连接权值矩阵，矩阵大小为n×m；wres表示储备池内部连接权值矩阵，矩阵大小为n×n；wout表示储备池到输出层的连接权值矩阵，矩阵大小为l×n。
26、在本发明的一个实施例中，利用样本数据集，基于洛伦兹系统，对接收端中的储备池进行预训练，获取训练好的储备池，包括：
27、获取包含多对样本输入值与样本输出值的样本数据集
28、随机生成输入层到储备池的连接权值矩阵win，基于预设方法生成储备池内部连接权值矩阵wres；
29、初始化储备池内部状态向量为0，利用样本输入值u(n)驱动储备池，对储备池内部状态与储备池输出值进行更新，并记录预设时间节点t0后的内部状态向量，构成状态矩阵x；
30、获取状态矩阵中每个内部状态向量对应的样本输入值所对应的样本输出值，构成输出信号矩阵y；
31、基于状态矩阵与输出信号矩阵，构建损失函数，表示为：
32、
33、利用岭回归最小化所述损失函数，求解储备池到输出层的连接权值矩阵wout，表示为：wout＝((xxt+βi)-1(xyt))t；β表示岭回归系数，i表示n维单位矩阵；求和上界h表示训练长度；
34、基于输入层到储备池的连接权值矩阵win、储备池内部连接权值矩阵wres，以及储备池到输出层的连接权值矩阵wout，获取训练好的储备池。
35、在本发明的一个实施例中，所述基于预设方法生成储备池内部连接权值矩阵wres，包括：
36、基于预设稀疏度sp随机生成一个n×n的连接矩阵w0；
37、计算所述连接矩阵的谱半径|λmax|，利用w1＝|λmax|w0对所述连接矩阵w0进行归一化，获取归一化矩阵w1；
38、调整所述归一化矩阵w1的谱半径，直至所述归一化矩阵谱半径小于1，获取储备池内部连接权值矩阵，表示为wres＝ρw1；
39、其中，ρ表示谱半径调整参数，0＜ρ＜1。
40、在本发明的一个实施例中，所述储备池为带噪声储备池；
41、所述带噪声储备池的输入值，表示为：
42、其中，ε(n)表示高斯白噪声。
43、在本发明的一个实施例中，基于时间区间的初值，驱动洛伦兹系统，生成第j洛伦兹轨道，包括：
44、利用电子振荡器电路来模拟洛伦兹系统的微分方程；
45、预设时间区间，利用预设信号驱动电子振荡器电路；
46、采集电子振荡器电路中的电压数据，可视化获取洛伦兹轨道。
47、在本发明的一个实施例中，所述将所述洛伦兹时间序列经过传输通道整合为传输信号，表示为：
48、v(t)＝s(t)+ε(t)；
49、其中，v(t)表示第t时刻的传输信号，s(t)表示第t时刻的洛伦兹时间序列，ε(t)表示第t时刻的通道噪声。
50、在本发明的一个实施例中，所述获取传输信号对应的第一误差曲线与第二误差曲线，包括：
51、利用第一储备池对传输信号进行预测，获取第一误差曲线，包括：
52、初始化r(0)＝0，s1'(1)＝v(1)；
53、r(t+1)＝(1-γ)r(t)+γtanh(winv(t+1)+wresr(t))；
54、第一预测值：s1'(t+2)＝woutr(t+1)；
55、第一误差曲线：
56、利用第二储备池对传输信号进行预测，获取第二误差曲线，包括：
57、初始化r(0)＝0，s2'(1)＝v(1)；
58、r(t+1)＝(1-γ)r(t)+γtanh(win'v(t+1)+wres'r(t))；
59、第二预测值：s2'(t+2)＝wout'r(t+1)；
60、第二误差曲线：
61、其中，r(t)表示第t时刻内的储备池内部状态向量，γ表示漏积分率；i表示第i维分量，i∈{1,2,3}；win表示输入层到储备池的连接权值矩阵，矩阵大小为n×m；wres表示储备池内部连接权值矩阵，矩阵大小为n×n；wout表示储备池到输出层的连接权值矩阵，矩阵大小为l×n。
62、在本发明的一个实施例中，所述基于所述第一误差曲线与所述第二误差曲线，还原出原始信号，包括：
63、基于第一误差曲线，在每个时间区间中，获取并累加其后半个时间区间的误差，得到该时间区间内的第一误差和；
64、基于第二误差曲线，在每个时间区间中，获取并累加其后半个时间区间的误差，得到该时间区间内的第二误差和；
65、若该时间区间内的第一误差和小于第二误差和，则将该时间区间所对应的原始信号中的元素，还原为0；反之，还原为1；
66、还原所有时间区间对应的原始信号中的元素，并将还原出的值按照时间区间序列排列，获取原始信号。
67、本发明的上述技术方案相比现有技术具有以下优点：
68、本发明所述的基于储备池计算的混沌通信方法，在接收端配置了一个储备池结构来代替固定的动力学系统，不需要复杂的耦合机制设计，只需要通过训练就能实现与加密混沌系统的智能化混沌同步；本发明基于原始信号，利用4阶龙格-库塔格式对第一洛伦兹系统与第二洛伦兹系统进行离散，获取原始信号对应的洛伦兹时间序列，实现了对原始信号的加密隐藏；将洛伦兹时间序列输入训练好的第一储备池与第二储备池中进行预测，充分利用了储备池计算在时间序列预测方面的优势，准确高效的基于洛伦兹时间序列还原出原始信号。
69、本发明在接收端引入的储备池为带噪声储备池，利用与传统储备池相同的预训练方法，获取训练好的带噪声储备池对传输信号进行预测，提高了预测精度，一定程度上加强了整个混沌通信技术的抗噪性能，提高了混沌通信的可靠性和安全性。
70、本发明在基于第一误差曲线与第二误差曲线还原原始信号时，采用时间区间内的总误差，丢弃时间区间前半部分，确保储备池在工作时已获得回声状态属性，计算后半区间的总体误差，进行比较还原，从而降低了切换速度，减少了误码率，提高混沌通信的性能与安全性。
1.一种基于储备池计算的混沌通信方法，其特征在于，包括：
2.根据权利要求1所述的基于储备池计算的混沌通信方法，其特征在于，所述基于第一参数组0与第二参数组1，驱动第一洛伦兹系统与第二洛伦兹系统，包括：
3.根据权利要求1所述的基于储备池计算的混沌通信方法，其特征在于，储备池的更新过程表示为：
4.根据权利要求3所述的基于储备池计算的混沌通信方法，其特征在于，利用样本数据集，基于洛伦兹系统，对接收端中的储备池进行预训练，获取训练好的储备池，包括：
5.根据权利要求4所述的基于储备池计算的混沌通信方法，其特征在于，所述基于预设方法生成储备池内部连接权值矩阵wres，包括：
6.根据权利要求3所述的基于储备池计算的混沌通信方法，其特征在于，所述储备池为带噪声储备池；
7.根据权利要求1所述的基于储备池计算的混沌通信方法，其特征在于，基于时间区间的初值，驱动洛伦兹系统，生成第j洛伦兹轨道，包括：
8.根据权利要求1所述的基于储备池计算的混沌通信方法，其特征在于，所述将所述洛伦兹时间序列经过传输通道整合为传输信号，表示为：
9.根据权利要求8所述的基于储备池计算的混沌通信方法，其特征在于，所述获取传输信号对应的第一误差曲线与第二误差曲线，包括：
10.根据权利要求1所述的基于储备池计算的混沌通信方法，其特征在于，所述基于所述第一误差曲线与所述第二误差曲线，还原出原始信号，包括：
