本發(fā)明涉及衛(wèi)星導航
技術(shù)領(lǐng)域：
，具體為一種多狀態(tài)變量時空混沌復數(shù)偽隨機碼發(fā)生器實現(xiàn)方法及系統(tǒng)。
背景技術(shù)：
：目前世界上四大衛(wèi)星導航系統(tǒng)有美國的GPS(GlobalPositioningSystem)衛(wèi)星導航系統(tǒng)、俄羅斯的GLONASS(GlobalNavigationSatelliteSystem)衛(wèi)星導航系統(tǒng)、歐盟的Galileo衛(wèi)星導航系統(tǒng)和中國的北斗(BeiDou)衛(wèi)星導航系統(tǒng)。除GLONASS采用頻分多址(FDMA，F(xiàn)requencyDivisionMultipleAccess)通信方式外，其余衛(wèi)星導航系統(tǒng)均采用碼分多址(CDMA，CodeDivisionMultipleAccess)通信方式。它們所采用的測距碼分為民用粗測碼和軍用精密碼兩類，使用粗測碼的衛(wèi)星導航系統(tǒng)能進行目標粗定位，而使用精密碼的衛(wèi)星導航系統(tǒng)可進行目標高精度定位。衛(wèi)星導航系統(tǒng)使用的偽隨機碼發(fā)生器分為兩種，一種是目前衛(wèi)星導航系統(tǒng)正在使用的二進制偽隨機碼發(fā)生器，其測距碼通過線性方法，使用一個或幾個一定級數(shù)線性反饋移位寄存器先通過一段短二值序列對寄存器初始化，然后由寄存器移位產(chǎn)生。粗測碼實現(xiàn)方面GPSL1信號的C/A(CoarseAcquisitionCode)碼由兩個并行的10級(共20級)線性移位寄存器產(chǎn)生，碼長為1023位；GalileoE1信號的粗測碼由兩個并行的線性移位寄存器產(chǎn)生截短合并的M碼實現(xiàn)，碼長為4092位；GLONASS的測距碼由一個最大長度為9級的線性移位寄存器產(chǎn)生(M序列)，碼長為511位；BeiDouB1I、B2I信號處測距碼CB1I碼和CB2I碼均由兩個并行的11級(共22級)線性移位寄存器生成，碼長為2046位。精密碼實現(xiàn)方面只有GPS提供了實現(xiàn)方法，即分別使用兩個并行的12級(共24級)的線性移位寄存器產(chǎn)生。由于一定長度的偽隨機碼需要一定級數(shù)的移位寄存器通過移位產(chǎn)生，導致產(chǎn)生的測距碼普遍存在復雜度低、安全性差、碼長固定且較短、碼數(shù)量有限等缺點，且移位寄存器還需要承擔線性反饋和衛(wèi)星相位分配工作，又使其結(jié)構(gòu)復雜。另一種是文獻上討論的實數(shù)偽隨機碼發(fā)生器，它是通過非線性方法，利用時空混沌系統(tǒng)對初值的敏感依賴性，可以提供數(shù)量眾多、非相關(guān)、類隨機而又確定可再生的信號，這些信號具有偽隨機性、非周期性、長期不可預(yù)測性以及各態(tài)歷經(jīng)的特點，將時空混沌單向耦合映象格子模型應(yīng)用于GPS系統(tǒng)，用一組20個空間格點設(shè)計20級時空混沌實數(shù)偽隨機碼發(fā)生器，用它取代GPS兩個并行的10級線性移位寄存器。先用同一實數(shù)對格點變量狀態(tài)初始化，然后在非線性映射動力學函數(shù)(簡稱“非線性函數(shù)”)作用下產(chǎn)生隨時間狀態(tài)分布的實數(shù)偽隨機數(shù)，再經(jīng)相關(guān)格點變量抽頭獲取該格點變量時間狀態(tài)分布值，并輸出實數(shù)偽隨機數(shù)，二值化并模二和為測距碼。非線性函數(shù)由變量、變量的參數(shù)(包括變量的次方、位置序號、作為變量權(quán)值的非線性強度)和整常數(shù)項組成，變量、變量的參數(shù)和整常數(shù)項稱為非線性函數(shù)的參數(shù)。非線性函數(shù)一般采用單變量的多項式形式(即一個低次方變量乘以負的非線性強度加上整常數(shù))f(x)＝-δx2+1，δ為變量的非線性強度，其擴散系數(shù)(作為非線性函數(shù)作用值的權(quán)值)為實數(shù)域[0,1]中的實數(shù)，作用于不同格點狀態(tài)變量的非線性函數(shù)作用值的擴散系數(shù)的總和為1，且不同非線性函數(shù)作用值相互之間只能進行加法運算。實數(shù)偽隨機碼發(fā)生器可以克服目前二進制偽隨機碼發(fā)生器產(chǎn)生的測距碼碼長固定且較短和碼數(shù)量有限的缺點，但是由于采用一種非線性函數(shù)且一般為二次方函數(shù)作用，且數(shù)據(jù)精度為10-2，使產(chǎn)生的測距碼復雜度不高、安全性不強，且使用空間格點數(shù)過多，每一格點狀態(tài)變量一次只產(chǎn)生一種實數(shù)偽隨機數(shù)。此外對實數(shù)偽隨機數(shù)二值化，目前采用的處理方法主要為不變分布法、鄰值比較法和閾值調(diào)整和序列截取法：不變分布法需要對每個格點狀態(tài)變量產(chǎn)生的實數(shù)偽隨機數(shù)進行概率統(tǒng)計分析，以確定基準值再對偽隨機數(shù)序列二值化；鄰值比較法通過對格點狀態(tài)變量產(chǎn)生的實數(shù)偽隨機數(shù)相鄰值比較進行偽隨機數(shù)序列二值化；閾值調(diào)整和序列截取法首先需要對格點狀態(tài)變量產(chǎn)生的實數(shù)偽隨機數(shù)按一定比例截取為新序列，然后再在新序列平均值附近搜索最優(yōu)閾值，根據(jù)閾值實現(xiàn)原偽隨機數(shù)序列二值化。技術(shù)實現(xiàn)要素：針對上述技術(shù)問題，本發(fā)明提供了一種通過非線性方法產(chǎn)生高性能衛(wèi)星導航測距碼的多狀態(tài)變量時空混沌復數(shù)偽隨機碼發(fā)生器實現(xiàn)方法及系統(tǒng)。為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案：一、一種多狀態(tài)變量時空混沌復數(shù)偽隨機碼發(fā)生器實現(xiàn)方法，包括：S1構(gòu)建復數(shù)偽隨機碼發(fā)生器G，G由一系列復數(shù)狀態(tài)變量{x(i)+y(i)j}構(gòu)成(i＝1,2,...N，N為正整數(shù))，{x(i)}和{y(i)}分別構(gòu)成偽隨機碼發(fā)生器G1、G2，{x(i)}和{y(i)}為一系列順序排列且分別相互耦合的狀態(tài)變量；i表示復數(shù)狀態(tài)變量位置序號，G中包含的是有效復數(shù)狀態(tài)變量；S2優(yōu)化復數(shù)偽隨機碼發(fā)生器G獲得最小級數(shù)，將最小級數(shù)作為G的級數(shù)N；S3在有效復數(shù)狀態(tài)變量前向或后向補充擴展復數(shù)狀態(tài)變量構(gòu)成G0，擴展復數(shù)狀態(tài)變量數(shù)大于或等于預(yù)設(shè)的位置偏移量最大值；S4構(gòu)建非線性函數(shù)，將作用于有效復數(shù)狀態(tài)變量實部當前位置和偏移位置的狀態(tài)值的非線性函數(shù)分別記為實部當前位置非線性函數(shù)和實部偏移位置非線性函數(shù)，將作用于有效復數(shù)狀態(tài)變量虛部當前位置和偏移位置的狀態(tài)值的非線性函數(shù)分別記為虛部當前位置非線性函數(shù)和虛部偏移位置非線性函數(shù)；其中：實部當前位置非線性函數(shù)的構(gòu)建具體為：實部當前位置非線性函數(shù)由LL12個不同次方的含不同參數(shù)值的函數(shù)和LL13個不同次方的含不同參數(shù)值的變量構(gòu)成；以各函數(shù)負的非線性強度為權(quán)，取LL11個函數(shù)加權(quán)求和得實部第一函數(shù)項，對剩余的(LL12-LL11)個函數(shù)加權(quán)求和得實部第二函數(shù)項；以各變量負的非線性強度為權(quán)，對LL13個變量加權(quán)求和得實部第一變量項；實部第一變量項除以實部第二函數(shù)項，加上實部第一函數(shù)項和第一實常數(shù)項，所得多項式即實部當前位置非線性函數(shù)；實部偏移位置非線性函數(shù)的構(gòu)建具體為：實部偏移位置非線性函數(shù)由LL21個不同次方的含不同參數(shù)值的變量構(gòu)成；以各變量負的非線性強度為權(quán)，對LL21個變量加權(quán)求和得實部第二變量項，實部第二變量項和第二實常數(shù)項相加所得多項式即實部偏移位置非線性函數(shù)；虛部當前位置非線性函數(shù)的構(gòu)建具體為：虛部當前位置非線性函數(shù)由LL32個不同次方的含不同參數(shù)值的函數(shù)和LL33個不同次方的含不同參數(shù)值的變量構(gòu)成；以各函數(shù)負的非線性強度為權(quán)，取LL31個函數(shù)加權(quán)求和得虛部第一函數(shù)項，對剩余的(LL32-LL31)個函數(shù)加權(quán)求和得虛部第二函數(shù)項；以各變量負的非線性強度為權(quán)，對LL33個變量加權(quán)求和得虛部第一變量項；虛部第一函數(shù)項減去虛部第一變量項和虛部第二函數(shù)項的乘積，并加上第三實常數(shù)項，所得多項式即虛部當前位置非線性函數(shù)；虛部偏移位置非線性函數(shù)的構(gòu)建具體為：虛部偏移位置非線性函數(shù)由LL41個不同次方的含不同參數(shù)值的變量構(gòu)成；以各變量負的非線性強度為權(quán)，對LL41個變量加權(quán)求和得虛部第二變量項，虛部第二變量項和第四實常數(shù)項相加所得多項式即虛部偏移位置非線性函數(shù)；其中，函數(shù)的參數(shù)包括工作頻率、函數(shù)的次方、函數(shù)的幅度值、函數(shù)的相位、位置序號、位置偏移量和狀態(tài)平移量；位置偏移量即位置序號增加或減少的量，狀態(tài)平移量即變量狀態(tài)值增加或減少的量；變量的參數(shù)包括變量的次方、位置序號、位置偏移量和狀態(tài)平移量；LL12、LL13、LL21、LL32、LL33、LL41均為大于0的整數(shù)，其值根據(jù)需要自行設(shè)定；LL11為不大于LL12的正整數(shù)，LL31為不大于LL32的正整數(shù)，LL11和LL31值根據(jù)需要自行設(shè)定；S5參數(shù)初始化以及采用偽隨機數(shù)序列或由不同實數(shù)構(gòu)成的實數(shù)序列初始化有效復數(shù)狀態(tài)變量和擴展復數(shù)狀態(tài)變量的狀態(tài)值，有效復數(shù)狀態(tài)變量和擴展復數(shù)狀態(tài)變量統(tǒng)稱為復數(shù)狀態(tài)變量；S6使用多組不同的實部當前位置非線性函數(shù)和實部偏移位置非線性函數(shù)分別對有效復數(shù)狀態(tài)變量實部當前位置和偏移位置的當前狀態(tài)值分別進行作用，得實部作用值；使用多組不同的虛部當前位置非線性函數(shù)和虛部偏移位置非線性函數(shù)分別對有效復數(shù)狀態(tài)變量虛部當前位置和偏移位置的當前狀態(tài)值分別進行作用，得虛部作用值；基于擴散系數(shù)，對實部作用值和虛部作用值分別進行包含加、減、乘、除中至少一種運算的混合運算，通過狀態(tài)迭代產(chǎn)生隨時間分布的復數(shù)偽隨機數(shù)序列；本步驟進一步包括：實部狀態(tài)迭代，具體為：采用多組不同的實部當前位置非線性函數(shù)和實部偏移位置非線性函數(shù)分別作用于有效復數(shù)狀態(tài)變量實部當前位置和偏移位置的當前狀態(tài)值，得實部當前位置非線性函數(shù)值和實部偏移位置非線性函數(shù)值；以擴散系數(shù)為權(quán)值，分別對實部當前位置非線性函數(shù)值和實部偏移位置非線性函數(shù)值進行加權(quán)平均，得第一實部作用值和第二實部作用值；對第一實部作用值和第二實部作用值進行相加、相減、相乘或相除運算，得第一混合運算作用值；取部分實部當前位置非線性函數(shù)值求算術(shù)平均得第一平均值；其余實部當前位置非線性函數(shù)值分別與對應(yīng)的擴散系數(shù)相乘后再連乘，連乘值除以其余實部當前位置非線性函數(shù)值的數(shù)量得第二平均值，第一平均值和第二平均值相減得取部分實部偏移位置非線性函數(shù)值求算術(shù)平均得第三平均值，其余實部偏移位置非線性函數(shù)值分別與對應(yīng)的擴散系數(shù)相乘后再連乘，連乘值除以其余實部偏移位置非線性函數(shù)值的數(shù)量得第四平均值，第三平均值和第四平均值相減得第一混合運算作用值除以得k+1時刻實部的當前位置狀態(tài)值；虛部狀態(tài)迭代，具體為：采用多組不同的虛部當前位置非線性函數(shù)和虛部偏移位置非線性函數(shù)分別作用于有效復數(shù)狀態(tài)變量虛部當前位置和偏移位置的當前狀態(tài)值，得虛部當前位置非線性函數(shù)值和虛部偏移位置非線性函數(shù)值；以擴散系數(shù)為權(quán)值，分別對虛部當前位置非線性函數(shù)值和虛部偏移位置非線性函數(shù)值進行加權(quán)平均，得第一虛部作用值和第二虛部作用值；對第一虛部作用值和第二虛部作用值進行相加、相減、相乘或相除運算，得第二混合運算作用值；取部分虛部當前位置非線性函數(shù)值求算術(shù)平均得第五平均值，其余虛部當前位置非線性函數(shù)值分別與對應(yīng)的擴散系數(shù)相乘后再連乘，連乘值除以其余虛部當前位置非線性函數(shù)值的數(shù)量得第六平均值，第五平均值和第六平均值相加得取部分虛部偏移位置非線性函數(shù)值求算術(shù)平均得第七平均值，所有虛部偏移位置非線性函數(shù)值分別與對應(yīng)的擴散系數(shù)相乘后再連乘，連乘值除以所有虛部偏移位置非線性函數(shù)值的數(shù)量得第八平均值，第七平均值和第八平均值相減得第二混合運算作用值除以得k+1時刻虛部當前位置狀態(tài)值；S7采用當前有效復數(shù)狀態(tài)變量獲得的復數(shù)偽隨機數(shù)序列或經(jīng)重新排列的復數(shù)偽隨機數(shù)序列修改G0中擴展復數(shù)狀態(tài)變量的狀態(tài)值，或利用這些修改的狀態(tài)值相互間進行重新組合排列；然后，讀取G中下一個有效復數(shù)狀態(tài)變量，執(zhí)行步驟S6；當G中所有有效復數(shù)狀態(tài)變量均完成狀態(tài)迭代，執(zhí)行步驟S8；S8分別從G1和G2中相關(guān)變量抽頭提取隨時間分布的實部偽隨機數(shù)序列和虛部偽隨機數(shù)序列，分別記為第一偽隨機數(shù)和第二偽隨機數(shù)，將第一偽隨機數(shù)和第二偽隨機數(shù)中各實數(shù)隨機數(shù)按時間順序分別與對應(yīng)的基準值比較，若大于基準值，實數(shù)偽隨機數(shù)取值1，否則取值0，即可獲得二值化的第一偽隨機碼和第二偽隨機碼；基準值分別為描述第一偽隨機數(shù)和第二偽隨機數(shù)中各實數(shù)偽隨機數(shù)中間值大小的統(tǒng)計量；S9將第一偽隨機碼和第二偽隨機碼進行模二和，得測距碼。上述步驟S2中優(yōu)化復數(shù)偽隨機碼發(fā)生器G獲得最小級數(shù)，具體為：2.1初始化取N＝1；2.2從G1的N個狀態(tài)變量中取k1個變量抽頭，從余下(N-k1)個狀態(tài)變量取k2個變量抽頭，求組合數(shù)分別表示從G1的N、N-k1個狀態(tài)變量中分別取k1、k2個變量抽頭的組合數(shù)，k1和k2均為[1,N]內(nèi)整數(shù)；2.3從G2的N個狀態(tài)變量中取k3個變量抽頭，從余下(N-k3)個狀態(tài)變量取k4個變量抽頭，求組合數(shù)分別表示從G2的N、N-k3個狀態(tài)變量中分別取k3、k4個變量抽頭的組合數(shù)，k3和k4均為[1,N]內(nèi)整數(shù)；2.4從G1的N個狀態(tài)變量中取k5個變量抽頭，從G2的N個狀態(tài)變量中取k6個變量抽頭，求組合數(shù)分別表示從G1和G2的N個狀態(tài)變量中分別取k5、k6個變量抽頭的組合數(shù)，k5和k6均為[1,N]內(nèi)整數(shù)；2.5求子步驟2.2～2.4所得組合數(shù)之和，若組合數(shù)之和大于所用衛(wèi)星導航系統(tǒng)衛(wèi)星總數(shù)，當前N值即最小級數(shù)，結(jié)束；否則，執(zhí)行子步驟2.6；2.6將N加1，執(zhí)行子步驟2.2。步驟S5中，采用偽隨機數(shù)序列初始化有效復數(shù)狀態(tài)變量和擴展復數(shù)狀態(tài)變量的狀態(tài)值，具體為：分別構(gòu)建兩個線性偽隨機碼發(fā)生器，記為第一線性偽隨機碼發(fā)生器和第二線性偽隨機碼發(fā)生器；分別驅(qū)動第一線性偽隨機碼發(fā)生器和第二線性偽隨機碼發(fā)生器并從相關(guān)寄存器抽頭輸出第三偽隨機碼和第四偽隨機碼；將第三偽隨機碼和第四偽隨機碼中0、1分別設(shè)置為不同實數(shù)，轉(zhuǎn)變?yōu)榈谌齻坞S機數(shù)和第四偽隨機數(shù)，所得偽隨機數(shù)序列要保證有效復數(shù)狀態(tài)變量處于混沌工作狀態(tài)，若所得偽隨機數(shù)序列不能保證混沌工作狀態(tài)，需調(diào)整非線性函數(shù)的擴散系數(shù)和函數(shù)和/或變量的非線性強度；第三偽隨機數(shù)和第四偽隨機數(shù)即分別為復數(shù)狀態(tài)變量的實部和虛部的初始狀態(tài)值。步驟S5中，采用由不同實數(shù)構(gòu)成的實數(shù)序列初始化有效復數(shù)狀態(tài)變量和擴展復數(shù)狀態(tài)變量的狀態(tài)值，所述的實數(shù)序列要保證有效復數(shù)狀態(tài)變量處于混沌工作狀態(tài)，若實數(shù)序列不能保證混沌工作狀態(tài)，需要調(diào)整非線性函數(shù)的擴散系數(shù)和函數(shù)和/或變量的非線性強度。步驟S8中所述的基準值可采用權(quán)值法、排序法或中間值法獲得。所述的權(quán)值法中，對第一偽隨機數(shù)和第二偽隨機數(shù)分別進行：求偽隨機數(shù)中所有實數(shù)偽隨機數(shù)之和，記為和值；各實數(shù)偽隨機數(shù)的平方分別除以和值后再求和即權(quán)值和，將權(quán)值和作為基準值。所述的排序法中，第一偽隨機數(shù)和第二偽隨機數(shù)的基準值分別為第一偽隨機數(shù)和第二偽隨機數(shù)中各實數(shù)偽隨機數(shù)經(jīng)過大小排序后獲得的中間值，將中間值作為基準值。所述的中間值法中，對第一偽隨機數(shù)和第二偽隨機數(shù)分別進行：求偽隨機數(shù)中實數(shù)偽隨機數(shù)的最大值和最小值之差，記為極值差，將0.5倍的極值差與最小值求和，將所得和值作為基準值。二、一種多狀態(tài)變量時空混沌復數(shù)偽隨機碼發(fā)生器實現(xiàn)系統(tǒng)，包括：(1)復數(shù)偽隨機碼發(fā)生器構(gòu)建模塊，用于構(gòu)建復數(shù)偽隨機碼發(fā)生器G，G由一系列復數(shù)狀態(tài)變量{x(i)+y(i)j}構(gòu)成(i＝1,2,...N，N為正整數(shù))，{x(i)}和{y(i)}分別構(gòu)成偽隨機碼發(fā)生器G1、G2，{x(i)}和{y(i)}為一系列順序排列且分別相互耦合的狀態(tài)變量；i表示復數(shù)狀態(tài)變量位置序號，G中包含的是有效復數(shù)狀態(tài)變量；(2)優(yōu)化模塊，用于優(yōu)化復數(shù)偽隨機碼發(fā)生器G獲得最小級數(shù)，將最小級數(shù)作為G的級數(shù)N；(3)擴展模塊，用于在有效復數(shù)狀態(tài)變量前向或后向補充擴展復數(shù)狀態(tài)變量構(gòu)成G0，擴展復數(shù)狀態(tài)變量數(shù)大于或等于預(yù)設(shè)的位置偏移量最大值；(4)非線性函數(shù)構(gòu)建模塊，用于構(gòu)建非線性函數(shù)；所述的非線性函數(shù)構(gòu)建模塊進一步包括(4-1)實部當前位置非線性函數(shù)構(gòu)建模塊、(4-2)實部偏移位置非線性函數(shù)構(gòu)建模塊、(4-3)虛部當前位置非線性函數(shù)構(gòu)建模塊和(4-4)虛部偏移位置非線性函數(shù)構(gòu)建模塊；其中：(4-1)實部當前位置非線性函數(shù)構(gòu)建模塊，用于實部當前位置非線性函數(shù)的構(gòu)建，具體為：實部當前位置非線性函數(shù)由LL12個不同次方的含不同參數(shù)值的函數(shù)和LL13個不同次方的含不同參數(shù)值的變量構(gòu)成；以各函數(shù)負的非線性強度為權(quán)，取LL11個函數(shù)加權(quán)求和得實部第一函數(shù)項，對剩余的(LL12-LL11)個函數(shù)加權(quán)求和得實部第二函數(shù)項；以各變量負的非線性強度為權(quán)，對LL13個變量加權(quán)求和得實部第一變量項；實部第一變量項除以實部第二函數(shù)項，加上實部第一函數(shù)項和第一實常數(shù)項，所得多項式即實部當前位置非線性函數(shù)；(4-2)實部偏移位置非線性函數(shù)構(gòu)建模塊，用于實部偏移位置非線性函數(shù)的構(gòu)建，具體為：實部偏移位置非線性函數(shù)由LL21個不同次方的含不同參數(shù)值的變量構(gòu)成；以各變量負的非線性強度為權(quán)，對LL21個變量加權(quán)求和得實部第二變量項，實部第二變量項和第二實常數(shù)項相加所得多項式即實部偏移位置非線性函數(shù)；(4-3)虛部當前位置非線性函數(shù)構(gòu)建模塊，用于虛部當前位置非線性函數(shù)的構(gòu)建，具體為：虛部當前位置非線性函數(shù)由LL32個不同次方的含不同參數(shù)值的函數(shù)和LL33個不同次方的含不同參數(shù)值的變量構(gòu)成；以各函數(shù)負的非線性強度為權(quán)，取LL31個函數(shù)加權(quán)求和得虛部第一函數(shù)項，對剩余的(LL32-LL31)個函數(shù)加權(quán)求和得虛部第二函數(shù)項；以各變量負的非線性強度為權(quán)，對LL33個變量加權(quán)求和得虛部第一變量項；虛部第一函數(shù)項減去虛部第一變量項和虛部第二函數(shù)項的乘積，并加上第三實常數(shù)項，所得多項式即虛部當前位置非線性函數(shù)；(4-4)虛部偏移位置非線性函數(shù)構(gòu)建模塊，用于虛部偏移位置非線性函數(shù)的構(gòu)建，具體為：虛部偏移位置非線性函數(shù)由LL41個不同次方的含不同參數(shù)值的變量構(gòu)成；以各變量負的非線性強度為權(quán)，對LL41個變量加權(quán)求和得虛部第二變量項，虛部第二變量項和第四實常數(shù)項相加所得多項式即虛部偏移位置非線性函數(shù)；其中，函數(shù)的參數(shù)包括為工作頻率、函數(shù)的次方、函數(shù)的幅度值、函數(shù)的相位、位置序號、位置偏移量和狀態(tài)平移量；位置偏移量即位置序號增加或減少的量，狀態(tài)平移量即變量狀態(tài)值增加或減少的量；變量的參數(shù)包括變量的次方、位置序號、位置偏移量和狀態(tài)平移量；LL12、LL13、LL21、LL32、LL33、LL41均為大于0的整數(shù)，其值根據(jù)需要自行設(shè)定；LL11為不大于LL12的正整數(shù)，LL31為不大于LL32的正整數(shù)，LL11和LL31值根據(jù)需要自行設(shè)定；(5)初始化模塊，用于參數(shù)初始化以及采用偽隨機數(shù)序列或由不同實數(shù)構(gòu)成的實數(shù)序列初始化有效復數(shù)狀態(tài)變量和擴展復數(shù)狀態(tài)變量的狀態(tài)值，有效復數(shù)狀態(tài)變量和擴展復數(shù)狀態(tài)變量統(tǒng)稱為復數(shù)狀態(tài)變量；(6)狀態(tài)迭代模塊，用于使用多組不同的實部當前位置非線性函數(shù)和實部偏移位置非線性函數(shù)分別對有效復數(shù)狀態(tài)變量實部當前位置和偏移位置的當前狀態(tài)值分別進行作用，得實部作用值；使用多組不同的虛部當前位置非線性函數(shù)和虛部偏移位置非線性函數(shù)分別對有效復數(shù)狀態(tài)變量虛部當前位置和偏移位置的當前狀態(tài)值分別進行作用，得虛部作用值；基于擴散系數(shù)，對實部作用值和虛部作用值分別進行包含加、減、乘、除中至少一種運算的混合運算，通過狀態(tài)迭代產(chǎn)生隨時間分布的復數(shù)偽隨機數(shù)序列；所述的狀態(tài)迭代模塊進一步包括(6-1)實部狀態(tài)迭代模塊和(6-2)虛部狀態(tài)迭代模塊，其中：(6-1)實部狀態(tài)迭代模塊，用于采用多組不同的實部當前位置非線性函數(shù)和實部偏移位置非線性函數(shù)分別作用于有效復數(shù)狀態(tài)變量實部當前位置和偏移位置的當前狀態(tài)值，得實部當前位置非線性函數(shù)值和實部偏移位置非線性函數(shù)值；以擴散系數(shù)為權(quán)值，分別對實部當前位置非線性函數(shù)值和實部偏移位置非線性函數(shù)值進行加權(quán)平均，得第一實部作用值和第二實部作用值；對第一實部作用值和第二實部作用值進行相加、相減、相乘或相除運算，得第一混合運算作用值；取部分實部當前位置非線性函數(shù)值求算術(shù)平均得第一平均值；其余實部當前位置非線性函數(shù)值分別與對應(yīng)的擴散系數(shù)相乘后再連乘，連乘值除以其余實部當前位置非線性函數(shù)值的數(shù)量得第二平均值，第一平均值和第二平均值相減得取部分實部偏移位置非線性函數(shù)值求算術(shù)平均得第三平均值，其余實部偏移位置非線性函數(shù)值分別與對應(yīng)的擴散系數(shù)相乘后再連乘，連乘值除以其余實部偏移位置非線性函數(shù)值的數(shù)量得第四平均值，第三平均值和第四平均值相減得第一混合運算作用值除以得k+1時刻實部的當前位置狀態(tài)值；(6-2)虛部狀態(tài)迭代模塊，用于采用多組不同的虛部當前位置非線性函數(shù)和虛部偏移位置非線性函數(shù)分別作用于有效復數(shù)狀態(tài)變量虛部當前位置和偏移位置的當前狀態(tài)值，得虛部當前位置非線性函數(shù)值和虛部偏移位置非線性函數(shù)值；以擴散系數(shù)為權(quán)值，分別對虛部當前位置非線性函數(shù)值和虛部偏移位置非線性函數(shù)值進行加權(quán)平均，得第一虛部作用值和第二虛部作用值；對第一虛部作用值和第二虛部作用值進行相加、相減、相乘或相除運算，得第二混合運算作用值；取部分虛部當前位置非線性函數(shù)值求算術(shù)平均得第五平均值，其余虛部當前位置非線性函數(shù)值分別與對應(yīng)的擴散系數(shù)相乘后再連乘，連乘值除以其余虛部當前位置非線性函數(shù)值的數(shù)量得第六平均值，第五平均值和第六平均值相加得取部分虛部偏移位置非線性函數(shù)值求算術(shù)平均得第七平均值，所有虛部偏移位置非線性函數(shù)值分別與對應(yīng)的擴散系數(shù)相乘后再連乘，連乘值除以所有虛部偏移位置非線性函數(shù)值的數(shù)量得第八平均值，第七平均值和第八平均值相減得第二混合運算作用值除以得k+1時刻虛部當前位置狀態(tài)值；(7)判斷模塊，用于采用當前有效復數(shù)狀態(tài)變量獲得的復數(shù)偽隨機數(shù)序列或經(jīng)重新排列的復數(shù)偽隨機數(shù)序列修改G0中擴展復數(shù)狀態(tài)變量的狀態(tài)值，或利用這些修改的狀態(tài)值相互間進行重新組合排列；然后，讀取G中下一個有效復數(shù)狀態(tài)變量，轉(zhuǎn)至狀態(tài)迭代模塊；當G中所有有效復數(shù)狀態(tài)變量均完成狀態(tài)迭代，轉(zhuǎn)至二值化模塊；(8)二值化模塊，用于分別從G1和G2中相關(guān)變量抽頭提取隨時間分布的實部偽隨機數(shù)序列和虛部偽隨機數(shù)序列，分別記為第一偽隨機數(shù)和第二偽隨機數(shù)，將第一偽隨機數(shù)和第二偽隨機數(shù)中各實數(shù)隨機數(shù)按時間順序分別與對應(yīng)的基準值比較，若大于基準值，實數(shù)偽隨機數(shù)取值1，否則取值0，即可獲得二值化的第一偽隨機碼和第二偽隨機碼；基準值分別為描述第一偽隨機數(shù)和第二偽隨機數(shù)中各實數(shù)偽隨機數(shù)中間值大小的統(tǒng)計量；(9)測距碼獲取模塊，用于將第一偽隨機碼和第二偽隨機碼進行模二和，得測距碼。本發(fā)明可克服目前二進制偽隨機碼發(fā)生器和實數(shù)偽隨機碼發(fā)生器產(chǎn)生的測距碼存在的所有技術(shù)缺陷，極大提高衛(wèi)星導航系統(tǒng)測距碼的性能，本發(fā)明提供了衛(wèi)星導航系統(tǒng)新一代高性能測距碼實現(xiàn)技術(shù)，可全面替代當前衛(wèi)星導航系統(tǒng)測距碼實現(xiàn)技術(shù)。和現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和有益效果：與現(xiàn)有的二進制偽隨機碼發(fā)生器和實數(shù)偽隨機碼發(fā)生器實現(xiàn)技術(shù)相比，本發(fā)明優(yōu)點為：(1)可獲得復雜度高的偽隨機碼本發(fā)明使用多種不同次方的非線性函數(shù)共同作用，通過混合運算作用以迭代方式產(chǎn)生偽隨機碼，所獲得的偽隨機碼復雜度高。(2)可獲得安全性強的偽隨機碼本發(fā)明產(chǎn)生復雜度高的偽隨機碼，可充分保證所獲得的偽隨機碼的高安全性。(3)偽隨機碼碼長不受級數(shù)限制本發(fā)明產(chǎn)生的是隨時間分布的隨機碼，其最大碼長與偽隨機碼發(fā)生器使用級數(shù)無關(guān)，且可達無限長。(4)級數(shù)特少本發(fā)明通過復數(shù)實現(xiàn)方式，可最大限度降低偽隨機碼發(fā)生器級數(shù)。(5)產(chǎn)生偽隨機碼碼型多本發(fā)明偽隨機碼型由初始化復數(shù)狀態(tài)變量狀態(tài)值的實數(shù)、非線性函數(shù)包含的參數(shù)如擴散系數(shù)、非線性強度等的參數(shù)精度決定，接收端這些參數(shù)精度至少為10-5，本發(fā)明可產(chǎn)生的偽隨機碼型至少為105×L個，L為碼長。(6)可隨時調(diào)整偽隨機碼特性當偽隨機碼偽隨機性受到破壞，可通過調(diào)整非線性函數(shù)的擴散系數(shù)、函數(shù)和/或變量的非線性強度恢復。附圖說明圖1是本發(fā)明方法的具體流程示意圖；圖2是實施例中二值化的流程示意圖；圖3是實施例中根據(jù)G1第2個狀態(tài)變量獲得的實部偽隨機數(shù)序列；圖4是對圖3所示實部偽隨機數(shù)序列采用權(quán)值法二值化獲得的偽隨機碼；圖5是對圖3所示實部偽隨機數(shù)序列采用排序法二值化獲得的偽隨機碼；圖6是對圖3所示實部偽隨機數(shù)序列采用中間值法二值化獲得的偽隨機碼；圖7是實施例中采用權(quán)值法二值化處理后獲得的測距碼；圖8是實施例中采用排序法二值化處理后獲得的測距碼；圖9是實施例中采用中間值法二值化處理后獲得的測距碼；圖10是圖7所示測距碼的自相關(guān)函數(shù)；圖11是圖8所示測距碼的自相關(guān)函數(shù)；圖12是圖9所示測距碼的自相關(guān)函數(shù)；圖13是本發(fā)明系統(tǒng)結(jié)構(gòu)示意圖。具體實施方式下面結(jié)合實施例以前向擴展復數(shù)狀態(tài)變量對本發(fā)明作進一步詳細描述，根據(jù)圖1實現(xiàn)步驟如下：S1：構(gòu)建復數(shù)偽隨機碼發(fā)生器G，G由順序排列且相互耦合的N個復數(shù)狀態(tài)變量{x(i)+y(i)j}構(gòu)成，其中，{x(i)}構(gòu)成偽隨機碼發(fā)生器G1，{y(i)}構(gòu)成偽隨機碼發(fā)生器G2，i表示復數(shù)狀態(tài)變量位置序號，N表示級數(shù)，i＝1,2,...N。S2：優(yōu)化復數(shù)偽隨機碼發(fā)生器G的級數(shù)，獲得最小級數(shù)Noptimal，最小級數(shù)即優(yōu)化后的復數(shù)偽隨機碼發(fā)生器G的級數(shù)。本步驟進一步包括子步驟：2.1初始化取N＝1；2.2從G1的N個狀態(tài)變量中取k1個變量抽頭，從余下(N-k1)狀態(tài)變量取k2個變量抽頭，求組合數(shù)分別表示從G1的N、N-k1個狀態(tài)變量中分別取k1、k2個變量抽頭的組合數(shù)；2.3從G2的N個狀態(tài)變量中取k3個變量抽頭，從余下(N-k3)變量取k4個變量抽頭，求組合數(shù)分別表示從G2的N、N-k3個狀態(tài)變量中分別取k3、k4個變量抽頭的組合數(shù)；2.4從G1的N個狀態(tài)變量中取k5個變量抽頭，從G2的N個狀態(tài)變量中取k6個變量抽頭，求組合數(shù)分別表示從G1和G2的N個狀態(tài)變量中分別取k5、k6個變量抽頭的組合數(shù)；2.5求子步驟2.2～2.4所得組合數(shù)之和，若組合數(shù)之和大于中國北斗衛(wèi)星導航系統(tǒng)衛(wèi)星數(shù)35，當前N值即最小級數(shù)Noptimal，結(jié)束；否則，執(zhí)行步驟2.6；2.6將N加1，執(zhí)行步驟2.2。表1中列出了最小級數(shù)，即表中復數(shù)狀態(tài)變量數(shù)。表1實施例所得最小級數(shù)復數(shù)狀態(tài)變量數(shù)(單位：個)1234變量抽頭組合數(shù)(單位：種)11151>100S3：將有效復數(shù)狀態(tài)變量前向擴展IM個復數(shù)狀態(tài)變量并構(gòu)成G0。本步驟的具體實施方式：取比max{Il2,1,Il4,1}大的數(shù)值IM，即擴展復數(shù)狀態(tài)變量數(shù)；前向擴展IM個復數(shù)狀態(tài)變量，所擴展的IM個復數(shù)狀態(tài)變量記為G0。G0中擴展復數(shù)狀態(tài)變量位置序號i為[1,IM]中整數(shù)，G中有效復數(shù)狀態(tài)變量位置序號i為[1+IM,N+IM]中整數(shù)。為保證后續(xù)計算效率，IM取值不宜過大，一般取不大于10的正整數(shù)。S4：作用于有效復數(shù)狀態(tài)變量實部和虛部的非線性函數(shù)和狀態(tài)迭代公式的構(gòu)建。(4-1)非線性函數(shù)的構(gòu)建：fl1(xk(i))=Σll11=1LL11(-δll11,k(fl1,ff)ffll11nll11(xk(i)))+Σll12=1LL13(-δll12,k(fl1,x)xknll12(i))Σll11=LL11+1LL12(-δll11,k(fl1,ff)ffll11nll11(xk(i)))+λfl1gl2(xk(i))=Σll2=1LL21(-δll2,k(gl2,x)xknll2(i))+λgl2---(1)]]>fl3′(yk(i))=Σll31=1LL31(-δll31,k(fl3′,ff′)ffll31′nll31(yk(i)))-Σll32=1LL33(-δll32,k(fl3′,y)yknll32(i))×Σll31=LL31+1LL32(-δll31,k(fl3′,ff′)ffll31′nll31(yk(i)))+λfl3′gl4′(yk(i))=Σll4=1LL41(-δll4,k(gl4′,y)yknll4(i))+λgl4′---(2)]]>式(1)～(2)中：k表示離散的時間坐標；i表示有效復數(shù)狀態(tài)變量的位置序號，i＝1+IM,...,N+IM；xk(i)、yk(i)分別表示k時刻第i個復數(shù)狀態(tài)變量實部和虛部的當前位置狀態(tài)值；分別表示作用于第i個有效復數(shù)狀態(tài)變量的實部當前位置、實部偏移位置、虛部當前位置、虛部偏移位置的非線性函數(shù)，分別包含頻率為f0的sin函數(shù)和cos函數(shù)，相位分別為Φk和Φ'k；l1、l2、l3、l4分別表示非線性函數(shù)的序號，即，表示作用于第i個有效復數(shù)狀態(tài)變量實部當前位置的第l1個非線性函數(shù)，表示作用于第i個有效復數(shù)狀態(tài)變量實部偏移位置的第l2個非線性函數(shù)，表示作用于第i個有效復數(shù)狀態(tài)變量虛部當前位置的第l3個非線性函數(shù)，表示作用于第i個有效復數(shù)狀態(tài)變量虛部偏移位置的第l4個非線性函數(shù)；ll11、ll12分別表示非線性函數(shù)中包含的函數(shù)、變量的序號；ll2表示非線性函數(shù)中包含的變量的序號；ll31、ll32分別表示非線性函數(shù)中包含的函數(shù)、變量的序號；ll4表示非線性函數(shù)中包含的變量的序號；為非線性函數(shù)中次方為的第ll11個函數(shù)，為非線性函數(shù)中次方為的第ll31個函數(shù)；LL12、LL13分別表示非線性函數(shù)中函數(shù)和變量xk(i)的數(shù)量；LL21表示非線性函數(shù)中變量xk(i)的數(shù)量；LL32、LL33分別表示非線性函數(shù)中函數(shù)和變量yk(i)的數(shù)量；LL41表示非線性函數(shù)中變量yk(i)的數(shù)量；LL12、LL13、LL21、LL32、LL33、LL41均為大于0的整數(shù)，其值根據(jù)需要自行設(shè)定；LL11為不大于LL12的正整數(shù)，LL31為不大于LL32的正整數(shù)，其值根據(jù)需要自行設(shè)定；分別表示k時刻非線性函數(shù)中第ll11個函數(shù)和第ll12個變量的非線性強度；表示k時刻非線性函數(shù)中第ll2個變量的非線性強度；分別表示k時刻非線性函數(shù)中第ll31個函數(shù)和第ll32個變量的非線性強度；為k時刻非線性函數(shù)中第ll4個變量的非線性強度；為非線性函數(shù)中第ll12個變量xk(i)的次方；為非線性函數(shù)中第ll2個變量xk(i)的次方；為非線性函數(shù)中第ll32個變量yk(i)的次方；為非線性函數(shù)中第ll4個變量yk(i)的次方；分別為非線性函數(shù)包含的實常數(shù)，其值根據(jù)需要自行設(shè)定。上述非線性強度均為實數(shù)，上述次方數(shù)為大于1的正整數(shù)，其值根據(jù)需要自行設(shè)定；(4-2)狀態(tài)迭代公式設(shè)復數(shù)偽隨機碼發(fā)生器G產(chǎn)生的碼長為L，使用多組含有不同參數(shù)值的非線性函數(shù)作用于有效復數(shù)狀態(tài)變量實部和虛部當前位置和偏移位置的當前狀態(tài)值，以擴散系數(shù)為權(quán)值通過包含加、減、乘、除中至少一種運算的混合運算方式，使復數(shù)狀態(tài)變量產(chǎn)生隨時間分布的復數(shù)偽隨機數(shù)。通過混合運算方式獲得的第i個有效復數(shù)狀態(tài)變量(k+1)時刻實部和虛部的狀態(tài)值xk+1(i)、yk+1(i)的狀態(tài)迭代公式如下：xk+1(i)=1L12Σl1=1L12αl1,kfl1(xk(i)-nl1,k)×1L22Σl2=1L22βl2,kgl2(xk(i-Il2,k)-nl2)xk(1)(i)+xk(2)(i)yk+1(i)=1L32Σl3=1L32αl3,k′fl3′(yk(i)-nl3,k)×1L42Σl4=1L42βl4,k′gl4′(yk(i-Il4,k)-nl4)yk(1)(i)×yk(2)(i)---(3)]]>式(3)中：xk(1)(i)=1L11Σl1=1L11fl1(xk(i)-nl1,k)-1L12-L11Πl1=L11+1L12αl1,kfl1(xk(i)-nl1,k);]]>xk(2)(i)=1L21Σl2=1L21gl2(xk(i-Il2,k)-nl2)-1L22-L21Πl2=L21+1L22βl2,kgl2(xk(i-Il2,k)-nl2);]]>yk(1)(i)=1L31Σl3=1L31fl3′(yk(i)-nl3,k)+1L32-L31Πl3=L31+1L32αl3,k′fl3′(yk(i)-nl3,k);]]>yk(2)(i)=1L41Σl4=1L41gl4′(yk(i-Il4,k)-nl4)-1L42Σl4=1L42βl4,k′gl4′(yk(i-Il4,k)-nl4);]]>其中：表示k時刻第個偏移位置有效復數(shù)狀態(tài)變量的實部的狀態(tài)值；表示k時刻第個偏移位置有效復數(shù)狀態(tài)變量的虛部的狀態(tài)值；L12、L22、L32、L42分別表示非線性函數(shù)的數(shù)量，L12、L22、L32、L42均為大于0的整數(shù)，其值根據(jù)需要自行設(shè)定；L11、L21、L31、L41分別為不大于L12、L22、L32、L42的正整數(shù)，其值根據(jù)需要自行設(shè)定；和分別表示k時刻非線性函數(shù)和包含的位置偏移量；分別表示非線性函數(shù)和包含的狀態(tài)平移量；分別為k時刻非線性函數(shù)和包含的狀態(tài)平移量；分別表示k時刻非線性函數(shù)的作用值；分別為非線性函數(shù)在k時刻的擴散系數(shù)，為實數(shù)；S5：參數(shù)和復數(shù)狀態(tài)變量狀態(tài)值的初始化。(5-1)參數(shù)初始化參數(shù)包括復數(shù)狀態(tài)變量數(shù)N(即級數(shù))、碼長L、擴展復數(shù)狀態(tài)變量數(shù)IM、非線性函數(shù)數(shù)量、非線性函數(shù)參數(shù)、擴散系數(shù)。非線性函數(shù)為包含有不同次方函數(shù)和/或變量的多項式形式，參數(shù)進一步包括函數(shù)和/或變量、函數(shù)和/或變量的參數(shù)和實常數(shù)項，其中函數(shù)的參數(shù)為工作頻率、函數(shù)的次方、函數(shù)的幅度值、函數(shù)的相位、位置序號、位置偏移量、狀態(tài)平移量，變量的參數(shù)為變量的次方、位置序號、位置偏移量、狀態(tài)平移量。本發(fā)明中，函數(shù)次方均為大于1的整數(shù)，無上限要求；各非線性函數(shù)的擴散系數(shù)均為實數(shù)。非線性函數(shù)分別包含頻率為f0的sin函數(shù)和cos函數(shù)，相位分別為Φk和Φ'k,所有函數(shù)的幅度值均為數(shù)值1，f0為基本工作頻率；非線性函數(shù)分別為作用于有效復數(shù)狀態(tài)變量實部和虛部當前位置的非線性函數(shù)。本實施例，根據(jù)表1取復數(shù)狀態(tài)變量數(shù)N＝3，即最小級數(shù)Noptimal，碼長L＝511位，擴展復數(shù)狀態(tài)變量數(shù)量IM＝5。作用于有效復數(shù)狀態(tài)變量實部和虛部當前位置的非線性函數(shù)的數(shù)量L11＝1、L12＝3、L31＝1、L32＝3；作用于有效復數(shù)狀態(tài)變量實部和虛部前向偏移位置的非線性函數(shù)的數(shù)量L21＝L41＝1、L22＝L42＝2。作用于實部當前位置的各非線性函數(shù)包含的函數(shù)最高次方分別為2、4、6次方，作用于虛部當前位置的各非線性函數(shù)包含的函數(shù)最高次方分別為3、5、7次方；作用于實部前向偏移位置的各非線性函數(shù)包含的函數(shù)最高次方分別為2、3次方，作用于虛部前向偏移位置的各非線性函數(shù)包含的函數(shù)最高次方分別為2、3次方。作用于有效復數(shù)狀態(tài)變量實部和虛部當前位置的擴散系數(shù)分別為其中，分別表示時刻1時第1、2、3個非線性函數(shù)的擴散系數(shù)，分別為時刻1時第1、2、3個非線性函數(shù)的擴散系數(shù)。作用于有效復數(shù)狀態(tài)變量實部和虛部前向偏移位置的擴散系數(shù)分別為其中，分別為時刻1時第1、2個非線性函數(shù)的擴散系數(shù)，分別為時刻1時第1、2個非線性函數(shù)的擴散系數(shù)。作用于有效復數(shù)狀態(tài)變量實部當前位置的非線性函數(shù)包含的最高次方函數(shù)在前LL11個函數(shù)中，對應(yīng)的非線性強度分別為其余LL11-1個函數(shù)對應(yīng)的非線性強度為0；LL12-LL11個函數(shù)對應(yīng)的非線性強度自行設(shè)定；LL13個變量對應(yīng)的非線性強度為0；其前向偏移位置最高次方變量對應(yīng)的非線性強度分別為其余LL21-1個變量對應(yīng)的非線性強度為0；作用于當前位置虛部的非線性函數(shù)包含的最高次方函數(shù)在前LL31個函數(shù)中，對應(yīng)的非線性強度分別為其余LL31-1個函數(shù)對應(yīng)的非線性強度為0；LL32-LL31個函數(shù)對應(yīng)的非線性強度自行設(shè)定；LL33個變量對應(yīng)的非線性強度為0；其前向偏移位置最高次方變量對應(yīng)的非線性強度分別為其余LL41-1個變量對應(yīng)的非線性強度為0；其中，分別為時刻1時第1、2、3個非線性函數(shù)最高次方函數(shù)對應(yīng)的非線性強度，分別為時刻1時第1、2個非線性函數(shù)最高次方變量對應(yīng)的非線性強度，分別為時刻1時第1、2、3個非線性函數(shù)最高次方函數(shù)對應(yīng)的非線性強度，分別為時刻1時第1、2個非線性函數(shù)最高次方變量對應(yīng)的非線性強度。有效復數(shù)狀態(tài)變量實部當前位置第1、2、3個非線性函數(shù)包含的實常數(shù)分別為和包含的狀態(tài)平移量均分別為1.50005；有效復數(shù)狀態(tài)變量虛部當前位置第1、2、3個非線性函數(shù)包含的實常數(shù)分別為和包含的狀態(tài)平移量均為2.50005；有效復數(shù)狀態(tài)變量實部前向偏移位置第1、2個非線性函數(shù)包含的實常數(shù)分別為和包含的狀態(tài)平移量均分別為1.00001；有效復數(shù)狀態(tài)變量虛部前向偏移位置第1、2個非線性函數(shù)包含的實常數(shù)分別為和包含的狀態(tài)平移量均為2.00002。前向位置偏移量分別為分別表示時刻1時第1、2個非線性函數(shù)對應(yīng)的前向位置偏移量，分別表示時刻1時第1、2個非線性函數(shù)對應(yīng)的前向位置偏移量；時刻1即初始時刻。f0＝1.023Hz，nΦ＝16，單值區(qū)間為[0,π/2]，f0為產(chǎn)生的測距碼提供基本工作頻率，nΦ用來對非線性函數(shù)分別包含的sin函數(shù)和cos函數(shù)在單值區(qū)間的相位進行初始相位角均分。本發(fā)明中，各非線性函數(shù)的擴散系數(shù)和函數(shù)和/或變量的非線性強度的設(shè)置要保證系統(tǒng)處于混沌工作狀態(tài)，級數(shù)設(shè)為最小級數(shù)，對應(yīng)當前位置的非線性函數(shù)的相位值為有效復數(shù)狀態(tài)變量的位置序號與單值區(qū)間角度均分之積，單值區(qū)間即變量與其函數(shù)值一一對應(yīng)的區(qū)間，相位總分割數(shù)為nΦ。(5-2)復數(shù)狀態(tài)變量狀態(tài)值的初始化可采用偽隨機數(shù)序列或?qū)崝?shù)序列進行初始化。若采用偽隨機數(shù)序列初始化復數(shù)狀態(tài)變量的狀態(tài)值，可采用線性移位寄存器通過相關(guān)寄存器抽頭獲得偽隨機碼；若采用實數(shù)序列初始化復數(shù)狀態(tài)變量需要保證有效復數(shù)狀態(tài)變量工作于混沌狀態(tài)。下面將提供采用偽隨機數(shù)序列初始化復數(shù)狀態(tài)變量的具體實施過程:5.1：根據(jù)多項式(4)和(5)構(gòu)建兩個11級線性移位偽隨機碼發(fā)生器：Z1(X)＝1+X+X7+X8+X9+X10+X11(4)Z2(X)＝1+X+X2+X3+X4+X5+X8+X9+X11(5)5.2：以初始值[11101110111]和[10101010101]分別驅(qū)動兩個11級線性移位偽隨機碼發(fā)生器，產(chǎn)生偽隨機碼，并分別從11級線性移位反饋偽隨機碼發(fā)生器最后一移位寄存器提取530位偽隨機碼，分別記為第三偽隨機碼和第四偽隨機碼；5.3：采用0.00085和0.00035分別代替第三偽隨機碼中數(shù)值1和0，采用0.00065和0.00015分別代替第四偽隨機碼中數(shù)值1和0，得第三偽隨機數(shù)和第四偽隨機數(shù)；以第三偽隨機數(shù)為實部、第四偽隨機數(shù)為虛部構(gòu)成復數(shù)偽隨機數(shù)序列；5.4：復數(shù)狀態(tài)變量的實部和虛部分別以位置序號乘以0.1和0.2，并與步驟5.3獲得的530位復數(shù)偽隨機數(shù)序列的實部和虛部值分別相加，即復數(shù)狀態(tài)變量的實部和虛部的初始值。S6：采用公式(3)對復數(shù)偽隨機碼發(fā)生器G中各有效復數(shù)狀態(tài)變量分別進行狀態(tài)迭代，產(chǎn)生隨時間分布的530秒的復數(shù)偽隨機數(shù)序列。S7：對G0中各擴展復數(shù)狀態(tài)變量，以其位置序號乘以0.001后與步驟S6獲得的530位復數(shù)偽隨機數(shù)序列的實部值相加，得該擴展復數(shù)狀態(tài)變量的實部狀態(tài)值；再以其位置序號乘以0.003后與步驟S6獲得的530位復數(shù)偽隨機數(shù)序列的虛部值相加，得該擴展復數(shù)狀態(tài)變量的虛部狀態(tài)值，實現(xiàn)G0中擴展復數(shù)狀態(tài)變量狀態(tài)值的修改；然后讀取G中下一個有效復數(shù)狀態(tài)變量，執(zhí)行步驟S6。當對G中所有有效復數(shù)狀態(tài)變量均完成狀態(tài)迭代，執(zhí)行步驟S8。S8：延遲5秒，以避開初始非混沌振蕩信號，先分別從G1第2個、第3個變量抽取長度511秒一組時間狀態(tài)分布的實部偽隨機數(shù)序列，見圖3，并二值化，見圖4～6,并模二和得到第一偽隨機碼；再從G2第1個變量和第3個變量抽取長度511秒時間狀態(tài)分布的虛部偽隨機數(shù)序列，二值化并模二和為第二偽隨機碼，二值化流程見圖2；本發(fā)明中，將從G1中相關(guān)變量抽頭提取的隨時間分布的實部偽隨機數(shù)序列記為第一偽隨機數(shù)，將從G2中相關(guān)變量抽頭提取的隨時間分布的虛部偽隨機數(shù)序列記為第二偽隨機數(shù)。偽隨機數(shù)的二值化可采用權(quán)值法、排序法或中間值法獲得：(1)權(quán)值法對第一偽隨機數(shù)和第二偽隨機數(shù)分別進行：求偽隨機數(shù)中所有實數(shù)偽隨機數(shù)之和，記為和值；將各實數(shù)偽隨機數(shù)的平方分別除以和值后再求和，記為權(quán)值和，將權(quán)值和作為基準值。將各實數(shù)偽隨機數(shù)分別與基準值比較，大于基準值，實數(shù)偽隨機數(shù)取值1，否則取值0，從而得到第一偽隨機數(shù)和第二偽隨機數(shù)對應(yīng)的二值化偽隨機碼，記為第一偽隨機碼和第二偽隨機碼。(2)排序法對第一偽隨機數(shù)和第二偽隨機數(shù)分別進行：將偽隨機數(shù)中實數(shù)偽隨機數(shù)按照大小排序，取中間值，將中間值作為基準值。將各實數(shù)偽隨機數(shù)分別與基準值比較，若大于基準值，實數(shù)偽隨機數(shù)取值1，否則取值0，從而得到第一偽隨機數(shù)和第二偽隨機數(shù)對應(yīng)的二值化偽隨機碼，記為第一偽隨機碼和第二偽隨機碼。(3)中間值法對第一偽隨機數(shù)和第二偽隨機數(shù)分別進行：求偽隨機數(shù)中實數(shù)偽隨機數(shù)的最大值和最小值，再求最大值和最小值之差，記為極值差，將0.5倍的極值差與最小值求和，記為極值和值，將極值和值作為基準值。將各實數(shù)偽隨機數(shù)與基準值比較，大于基準值，實數(shù)偽隨機數(shù)取值1，否則取值0，從而得到第一偽隨機數(shù)和第二偽隨機數(shù)應(yīng)的二值化偽隨機碼，記為第一偽隨機碼和第二偽隨機碼。S9：將第一偽隨機碼和第二偽隨機碼進行模二和，形成碼長為511位的偽隨機碼，即導航衛(wèi)星測距碼，見圖7～9。對測距碼的偽隨機性進行評價，評價結(jié)果見表2～7和圖10～12。偽隨機性可采用平衡性、游程性和自相關(guān)性評價：平衡性即測距碼中數(shù)值0和1占總數(shù)的百分比，理想情況下0和1分別占總數(shù)的50％；游程性即測距碼中不同長度的游程占總游程數(shù)的百分比，理想情況下各長度游程占總游程數(shù)的百分比為其中，a表示游程長度；自相關(guān)性即測距碼自相關(guān)函數(shù)的δ函數(shù)特性。表2圖7所示測距碼的平衡性數(shù)值占總數(shù)百分比(％)050.68149.32表3圖8所示測距碼的平衡性數(shù)值占總數(shù)百分比(％)046.18153.82表4圖9所示測距碼的平衡性數(shù)值占總數(shù)百分比(％)048.53151.47表5圖7所示測距碼的游程性游程長度占游程總數(shù)百分比(％)145.65224.35314.7843.9152.6161.30表6圖8所示測距碼的游程性游程長度占游程總數(shù)百分比(％)144.28234.69313.6544.0652.2161.11表7圖9所示測距碼的游程性游程長度占游程總數(shù)百分比(％)155.08226.56315.7441.6450.6660.33當前第1頁1 2 3