為保證網絡信息傳輸的安全性,提出一種視頻圖像加密方法。該方法引入混沌系統中的Logistic映射和 Baker映射,結合H·264視頻壓縮編碼特點,利用Baker映射對DCT (Discrete Cosine Transform)變換量化后 的塊進行位置置亂,
標簽： Baker Logistic Discrete 映射
上傳時間： 2017-02-06
上傳用戶：zhliu007
上傳時間： 2014-11-26
上傳用戶：mpquest
幾種常見混沌時間序列matlab實現 1)chua flow 2)duffing flow 3)Rossler flow 4)Lorenz flow 5)ikeda flow 6)Mackey_Glass flow 7)logistic map 8)henon map 9)Quadratic map(二次圖) 也歡迎大家提供更多的混沌方程或映射的經典matlab實現。
標簽： flow Rossler duffing matlab
上傳時間： 2015-08-09
上傳用戶：windwolf2000
針對Logistic映射，實現數字圖像迭代混沌加密算法
標簽： Logistic 映射
上傳時間： 2015-12-02
上傳用戶：qlpqlq
Poincare映射圖像有不同的做法，一般是通過畫出系統的Poincare映射圖來看是否為混沌
標簽： Poincare 映射 圖像
上傳時間： 2014-01-18
上傳用戶：weiwolkt
求解logistic映射的李雅普諾夫指數，來判斷該序列是否為混沌
標簽： logistic 映射
上傳時間： 2014-01-22
上傳用戶：123456wh
基于混沌系統的圖像加密算法，先采用Arnold貓映射進行像素點位置置亂，然后對置亂后的圖像的像素值進行Liu混沌加密或者Lorenz混沌加密。
標簽： 混沌系統 圖像加密 算法
上傳時間： 2014-01-06
上傳用戶：lyy1234
1、該工具箱包括了混沌時間序列分析與預測的常用方法,有: (1)產生混沌時間序列(chaotic time series) Logistic映射 - \ChaosAttractors\Main_Logistic.m Henon映射 - \ChaosAttractors\Main_Henon.m Lorenz吸引子 - \ChaosAttractors\Main_Lorenz.m Duffing吸引子 - \ChaosAttractors\Main_Duffing.m Duffing2吸引子 - \ChaosAttractors\Main_Duffing2.m Rossler吸引子 -
標簽： matlab，GP，分維
上傳時間： 2015-03-02
上傳用戶：吳相澎peng
本文擬借助于神經網絡良好的逼近能力，實現永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統。辨識網絡在線動態辨識系統輸出并對控制網絡參數進行調整，控制網絡與PI控制方法相結合實現永磁同步電機自適應轉速控制。仿真結果表明，該系統動態響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統，并進行了相應的軟硬件設計，為實現永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創造了條件。
標簽： BP神經網絡 永磁同步電機 自適應控制
上傳時間： 2013-05-23
上傳用戶：1101055045
永磁同步電機(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過載能力強、控制性能優良等優點，在中小容量調速系統和高精度調速場合發展迅速。但由于永磁同步電機的磁場具有獨特的交叉耦合和交叉飽和現象，且其控制系統是一個強非線性、時變和多變量系統，要實現高精度調速就需對其控制策略進行深入研究。 永磁同步電機調速系統中，位置傳感器的存在使得系統成本增加、結構復雜、可靠性降低，所以永磁同步電機的無位置傳感器控制成為一個新的研究熱點。本文擬借助于神經網絡良好的逼近能力，實現永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統。辨識網絡在線動態辨識系統輸出并對控制網絡參數進行調整，控制網絡與PI控制方法相結合實現永磁同步電機自適應轉速控制。仿真結果表明，該系統動態響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統，并進行了相應的軟硬件設計，為實現永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創造了條件。
上傳時間： 2013-07-03
上傳用戶：kakuki123
蟲蟲下載站版權所有 京ICP備2021023401號-1
