中文摘要：

本项目主要对细胞神经网络的超混沌动力学特性进行深入研究，解决高维超混沌系统中关键性的同步问题，建立基于细胞神经网络的次最优多用户检测模型，寻找电路结构简单、易于实现、性能更优良的超混沌序列，用于空间多目标信号处理中，解决各种天基目标中的空中基站(设置在卫星、无人机、飞艇等天基载体上的基站)与地面基站、基站及目标之间的多目标测控及通信问题。由于超混沌系统具有更复杂的动力学行为，高维超混沌系统具有多个正的lyapunov指数，具有更多的可控参数，一般低维的破译方法如相空间重构、回归映象和非线性预测等很难破译超混沌的加密信号，提高了系统的抗攻击和抗干扰能力。由于细胞神经网络特有的局域连接的结构，使得其硬件实现成为可能，因此对细胞神经网络的超混沌特性进行研究具有重要的理论意义和实用价值。

结论摘要：

细胞神经网络（Cellular Neural Network，CNN）是一种基于Hopfield神经网络和细胞自动机提出的一种反馈型神经网络，当其参数满足一定条件时，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，采用CNN超混沌系统同步方法能够提高通信系统的保密性能。由CNN超混沌系统生成的超混沌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系统中。此外，CNN优良的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多采用CDMA体制，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。本项目针对CNN超混沌特性开展理论和应用研究具有重要意义。本项目主要对CNN超混沌系统进行深入研究，首先建立了高维CNN全互连拓扑结构，通过对CNN超混沌特性的研究，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，针对CNN超混沌系统的同步问题，本项目提出了基于状态观测器的CNN超混沌系统同步算法，该算法能够快速、准确的实现CNN超混沌系统的同步；针对CDMA系统中的多用户检测问题，本项目提出了基于CNN的次最优多用户检测算法，以尽可能的消除用户间的多址干扰；针对超混沌扩频序列问题，本项目提出了CNN超混沌扩频序列筛选算法，该算法筛选出的超混沌扩频序列具有良好的相关特性和伪随机特性。其中，CNN超混沌扩频序列筛选算法所筛选出的超混沌序列可作为扩频序列应用于CDMA系统的发送端，基于CNN的多用户检测算法可应用于CDMA系统的接收端，从这两方面共同入手，可以提高CDMA系统的性能。最后，本项目研究了CNN超混沌系统在空间多目标测控系统中的应用。将筛选出的CNN超混沌序列及基于CNN的多用户检测算法应用于空间多目标测控系统的收发两端，提高了系统的性能。此外，为了进一步提高系统的保密性能，本项目还研究了基于CNN超混沌系统的差分混沌键控（Different Chaos Shift Keying，DCSK）调制方法，提出了两种新型DCSK系统设计方案，在保证系统保密性能的同时，提高了系统的传输速率及误码性能。