Professional Documents
Culture Documents
I.
I NTRODUCCI ON
S E NALES
C A OTICAS
M
X
(2)
i=1
n = 0, . . . , N ;
(4)
1
x[n] = fs[n]
(x[n + 1]) = . . . = fs[n],
(5)
x bs
,
as
(6)
SK-TM
BSK-TM
BSM
Ei
E1 = [0, p)
E2 = [p, 1]
ai
a1 = p1
1
a2 = 1p
bi
b1 = 0
1
b2 = 1p
E1 = [1, p)
E2 = [p, 1]
2
a1 = 1+p
2
a2 = 1p
b1 =
b2 =
E1 = [1, p]
E2 = (p, p)
E3 = [p, 1]
a1 =
a2 =
a3 =
2
1p
1
p
2
1p
1p
1+p
1+p
1p
1+p
1p
b1 =
b2 = 0
1+p
b3 = 1p
TABLE I
PAR AMETROS
DE
b[n]
-
Canal
y[n] Demod. b[n]
x
[n]
- h[n]
- j Caotico
Ca
o
tico
6
6
Mod.
x[N ], p
w[n]
III.
M ODULADOR C A OTICO
PARA
C ANAL G AUSSIANO
(7)
para n = 1, . . . , N . Esta senal se puede transportar posteriormente a cualquier frecuencia deseada para la transmision
paso banda. La Figura 2 muestra la estructura del modulador
en banda base, mientras que la Figura 3 muestra ejemplos de
secuencias obtenidas para los diferentes mapas estudiados.
III-B. Demodulacion de Maxima Verosimilitud
Para un canal aditivo blanco Gaussiano h[n] = [n], y la
senal recibida es simplemente
y[n] = x
[n] + w[n],
(8)
siendo w[n]
fs1
x[n 1])
[n] (
x
[n 1]
x[n]
r -
z 1
C1 [n]
C1 [n + 1]
[n]
x
1 [n] ....r.................................................................c......11
1 [n + 1]
................................................................................................r x
.....
x[n]
x[n]
0
0
1
x[n]
100
150
200
250
c [n]
c [n]
50
100
150
200
250
x
2 [n] r
C2 [n]
0
1
0
1
x[n]
50
0
1
0
1
g replacements
......
....
.....
.....
.....
.
.
.
.
.
.....
.....
.....
.....
......
.
.
.
.
.
.....
.....
.....
12
21
.....
.....
.
.
.
.
.
.....
.....
.
.
.
.
..
.....
.....
.....
.....
0.5
50
100
150
200
250
50
100
150
200
250
c22 [n]
rx
2 [n + 1]
C2 [n + 1]
0
1
0
Fig. 3. Ejemplos de secuencias caoticas tpicas: SK-TM con p = 0,7, BSKTM con p = 0, BSM con p = 0,1 y BSM con p = 0,9.
recibida, y = [
y[1], . . . , y[N ]]T , tiene una FDP Gaussiana
con media x = [
x[1], . . . , x
[N ]]T y varianza Cy = 2 I.
En estas circunstancias, el estimador ML de la secuencia
de bits transmitidos, que es el que proporciona la menor probabilidad de error, se puede obtener minimizando la siguiente
funcion de coste cuadratica en x,
J(y; b) = (y x)T (y x),
(9)
cij [n] = |
y [n + 1] (
xi [N ] bj )/aj |,
(10)
donde x
i [n] es la muestra obtenida iterando hacia atras N
n veces a partir de x[N ] utilizando la mejor secuencia que
termina en el nodo i-esimo. El coste de cada nodo en una
cierta iteracion se obtiene minimizando el coste de todos los
posibles caminos que llegan a e l desde la iteracion anterior:
Ci [n + 1] = mn {Cj [n] + cji [n]}.
j=1,2
(11)
10
10
BSM Viterbi
BSM ML
SKTM (8,8) Viterbi
SKTM(8,8) ML
SKTM(8,7) Viterbi
SKTM(8,7) ML
BPSK
10
Pe
10
10
10
BPSK (AWGN)
BPSK (h1)
pe
10
10
10
6
8
SNR (dB)
10
12
14
6
8
SNR (dB)
10
12
14
10
g replacements
10
10
10
10
15
20
25
30
Eb /No
35
40
45
pe
g replacements
10
10
10
10
15
20
Eb /No
25
30
35
40
IV.
C A OTICA
10
10
BPSK (AWGN)
BPSK (h2)
Eb /No
10
pe
10
10
10
Pe
PSfrag replacements
PARA
V. C ONCLUSIONES
En este artculo se ha propuesto un esquema novedoso de
comunicaciones caoticas basado en la dinamica simbolica y la
iteracion hacia atras. Los elementos clave del sistema son la
eleccion del mapa caotico (parece existir una relacion inversa
entre rendimiento y proteccion frente a intercepcion), y la
implementacion eficiente del demodulador (lograda mediante
el algoritmo de Viterbi). Para canales no Gaussianos se ha
propuesto combinar la modulacion caotica con OFDM para
proporcionar cierta inmunidad frente a la distorsion del canal.
Como lneas futuras destacan la busqueda de un mapa que
ofrezca un compromiso adecuado entre prestaciones y seguridad, el estudio de mapas con mas de dos intervalos, y el
desarrollo de estrategias de bit loading para los mismos.
AGRADECIMIENTOS
Este trabajo ha sido financiado en parte por el Ministerio de
Ciencia y Tecnologa (MCYT) gracias al proyecto TIC200406451-C05-02.
R EFERENCES
[1] Special Issue on Applications of Nonlinear Dynamics to Electronic and
Information Engineering, vol. 90, Proceedings of the IEEE, May 2002.
[2] Y. Hwang and H. C. Papadopoulos, Physical-layer secrecy in AWGN
via a class of chaotic DS/SS systems: Analysis and design, IEEE Trans.
on Signal Processing, vol. 52, no. 9, pp. 26372649, Sep. 2004.
[3] F. C. M. Lau and C. K. Tse, Chaos-Based Digital Communication
Systems, Springer-Verlag, Berlin, 2003.
[4] A. Tefas, A. Nikolaidis, N. Nikolaidis, V. Solachidis, S. Tsekeridou,
and I. Pitas, Performance analysis of correlation-based watermarking
schemes employing Markov chaotic sequences, IEEE Trans. on Signal
Processing, vol. 51, no. 7, pp. 19791994, Jul. 2003.
[5] C. Pantaleon, D. Luengo, and I. Santamara, Optimal estimation
of chaotic signals generated by piecewise-linear maps, IEEE Signal
Processing Letters, vol. 7, no. 8, pp. 235237, Aug. 2000.
[6] C. Pantaleon, L. Vielva, D. Luengo, and I. Santamara, Bayesian
estimation of chaotic signals generated by piecewise-linear maps, Signal
Processing, vol. 83, pp. 659664, Mar. 2003.
[7] R. L. Devaney, An Introduction to Chaotic Dynamical Systems, Perseus
Books, Reading, MA (USA), 1989.
[8] D. Luengo and I. Santamara, Secure communications using OFDM with
chaotic modulation in the subcarriers, in Proc. IEEE 61st Semiannual Vehicular Technology Conference (VTC2005-Spring), Stockholm (Sweden),
May 30 - Jun. 1 2005, Aceptado para su presentacion.