Sunteți pe pagina 1din 310

CUVÂNT ÎNAINTE

NOI TEHNOLOGII PENTRU COMUNICAŢII

Dezvoltarea accentuată a comunicaţiilor digitale este o prioritate strategică, deosebit


de importantă atât pentru o economie modernă, cât şi pentru securitatea naţională a unei ţări
[1], [38], [39].
În reţelele şi sistemele de comunicaţii digitale, dispozitivele şi circuitele liniare au
avut un imens succes şi continuă să aibă un rol important şi în perioada următoare. Totuşi,
tehnologiile convenţionale liniare, utilizate în comunicaţii, apar ca limitative. De exemplu,
funcţionarea în regim liniar a amplificatoarelor necesită tehnici ineficiente de polarizare,
care limitează funcţionarea dispozitivelor doar la un domeniu redus din toată gama lor
dinamică. Astăzi, necesitatea unor circuite şi sisteme de comunicaţii cu un consum mic de
putere, capacitate mare de transmisie, flexibilitate şi securitate sporite, la un cost de
fabricaţie scăzut sunt deziderate tehnico-economice obişnuite.
Cercetarea ştiinţifică din ultimul deceniu a demonstrat posibilitatea realizării
sistemelor de comunicaţii digitale pe baza regimului neliniar de funcţionare a dispozitivelor
şi circuitelor electronice. Comportarea acestora a fost etichetată ca fiind haotică, deoarece
se remarca o puternică senzitivitate a funcţionării lor în raport cu variaţiile incrementale ale
parametrilor acestora.
Avantajele dispozitivelor, circuitelor şi sistemelor de comunicaţii neliniare, potenţiale
sau care sunt deja realizate, se referă la:
Eficienţă sporită. Sistemele cu comportări haotice sunt caracterizate printr-o mare
senzitivitate a răspunsului lor la variaţiile suficient de mici ale condiţiilor iniţiale, rezultând
un control simplu, la un consum redus de energie pentru prelucrarea semnalelor informaţionale.
Compactitate şi greutate scăzute. Tehnologiile convenţionale necesită unul sau mai
multe etaje de amplificare, care ocupă loc şi sunt consumatoare de energie. În tehnica
neliniară, etajele de amplificare şi circuitele pentru adaptarea semnalului de intrare, în game
specifice, sunt eliminate, rezultând posibilitatea integrării etajelor de emisie şi recepţie pe
acelaşi chip.
Capacitate sporită a canalelor informaţionale. Deoarece semnalele neliniare sunt
mai complexe decât cele liniare, rezultă o posibilitate sporită de codare a informaţiei.
Semnalele neliniare pot avea şi o dimensiune spaţială, în afara celei temporale, astfel încât
pot oferi o capacitate sporită pentru transmisiuni informaţionale. Datorită acestor flexibilităţi
ale semnalelor neliniare, rezultă posibilitatea realizării unor capacităţi sporite ale
semnalelor informaţionale.
Realizarea unui număr sporit de canale informaţionale rezultă şi din faptul că există o
infinitate de comportări neliniare diferite, astfel încât numărul de canale utilizate în
comunicaţiile digitale neliniare este limitat doar de capacitatea receptoarelor de a distinge
diferite tipuri de comportări haotice în condiţiile reale de funcţionare.
Capacitatea de a opera la niveluri sporite de putere. În cazul comunicaţiilor digitale
convenţionale, circuitele nu pot depăşi un anumit nivel de putere, care să le asigure
stabilitatea funcţionării în regim liniar. Dar, în cazul comunicaţiilor pe distanţe mari, prin
fibre optice sau sateliţi, sunt de dorit niveluri mari de putere pentru laseri sau alte
dispozitive, condiţie posibilă în cazul funcţionării lor în regim neliniar.

3
Cost de fabricaţie scăzut. Multe dintre componentele folosite în comunicaţiile digitale
neliniare sunt curent folosite în comunicaţiile convenţionale, dar de această dată sunt
utilizate şi exploatate şi comportările lor neliniare. În acest fel costurile dezvoltării de noi
componente va fi redus. În plus, se aşteaptă ca circuitele bazate pe funcţiuni neliniare să
conţină mai puţine componente.
Posibilitatea redusă de interceptare rezultă din faptul că semnalele transmise pot fi la
un nivel scăzut de putere, deoarece receptoarele sunt foarte sensibile.
Direcţiile de cercetare specifice accelerării utilizării comportărilor haotice a
dispozitivelor şi circuitelor pentru realizarea comunicaţiilor digitale neliniare s-au referit în
principal la:
- investigarea celor mai simple şi robuste soluţii pentru emiţătoarele şi receptoarele
electrice şi/sau optice cu comportări haotice;
- investigarea proceselor dinamice ale acestor subsisteme;
- investigarea spaţiului stărilor corespunzător comportărilor neliniare ale acestor
subsisteme;
- investigarea teoretică şi experimentală a proprietăţilor semnalelor produse de aceste
subsisteme;
- investigarea tehnicilor de sincronizare şi control al haosului produs de circuite şi
sisteme;
- dezvoltarea bazei matematice teoretice necesare pentru analiza şi proiectarea
sistemelor haotice destinate utilizării în aplicaţii dorite.
Aceste cercetări sunt interdisciplinare şi se referă deopotrivă la analiza formelor de
undă, a tehnicilor de control, la studiul mecanismelor microfizice fundamentale în dispozitive,
la investigarea sistemelor complexe de ecuaţii diferenţiale neliniare, la consideraţii privind
aspectele teoretice noi pentru prelucrarea şi transmiterea semnalelor informaţionale în regim
neliniar. Cercetările vor combina eforturile teoretice din domeniile fizicii şi matematicii cu
cele experimentale, inginereşti, precum şi cu cele din domeniul tehnicii şi tehnologiei
calculatoarelor.
La ora actuală, în cadrul unor grupe de matematicieni, în laboratoarele de cercetare
din universităţi sau din industrie, există deja o bună experienţă în cercetarea şi dezvoltarea
echipamentelor de comunicaţii digitale, neliniare. Modul în care aceste nuclee de cercetare
fundamentală şi experimentală vor colabora în viitor va determina în mod esenţial obţinerea
rapidă a unor rezultate remarcabile. Cu alte cuvinte trebuie elaborate strategii coerente de
colaborare pe termen mediu şi lung, ţinând cont de contextul colaborării existente şi de cel
preconizat pe termen scurt. În plus, trebuie stimulat un efort interdisciplinar, realizabil de
către echipe mixte de cercetare, formate din matematicieni, fizicieni şi ingineri. Această
coordonare complexă implică o colaborare instituţională din domeniile civil şi cel al apărării
naţionale, interesate deopotrivă în dezvoltarea comunicaţiilor [35].
Doresc să mulţumesc studenţilor şi doctoranzilor mei pentru participarea lor
entuziastă, discuţiile fructuoase şi efortul lor deosebit în realizarea numeroaselor simulări,
din care o parte se regăsesc în cuprinsul acestei cărţi. Mulţumirile mele se îndreaptă în
special către: Codruţ Irimia, Dorin Andrei, Doru Munteanu, Bogdan Cristea, Constantin
Cehan, Ciprian Baston şi Petrică Ciotârnae.
Totodată doresc să mulţumesc Colectivului de editare din A.T.M. pentru sprijinul
acordat, fără de care această lucrare nu ar fi putut să apară.

4
CAPITOLUL 1

INTRODUCERE ÎN SISTEME DINAMICE NELINIARE


Alexandru ŞERBĂNESCU
ACADEMIA TEHNICĂ MILITARĂ, Bucureşti

1.1 Generarea complexităţii: de la simplu la complex


Cum definim diferenţa dintre simplu şi complex?
Primul răspuns care ne vine în minte este, de fapt, răspunsul tradiţional şi
implică noţiunea de ierarhie. De exemplu, la o extremă se află obiectele simple,
deterministe şi perfect cognoscibile – precum un pendul mecanic –, iar la
cealaltă extremă, oamenii şi societăţile lor. Între aceste două extreme s-ar afla
enigma unui proces progresiv, ierarhic, de la simplu la complex. Şi totuşi,
situaţia pe care o descoperim astăzi este mult mai subtilă. Oriunde ne întoarcem
privirea descoperim un amestec de situaţii, unde elementele simple şi cele
complexe sunt vecine, fără a se opune de o manieră ierarhică. Apoi, la o analiză
atentă, suntem uimiţi de faptul că simplitatea aparentă a pendulului mecanic
poate ascunde o lume de complexitate.
Poate una dintre cele mai interesante lecţii din descoperirea complexităţii
ar fi să învăţăm să descifrăm lumea în care trăim, fără să presupunem ideea unei
diferenţe ierarhice între nivelurile ei. Un rezultat al acestei gândiri holistice îl
constituie studiul actual al sistemelor dinamice. Până nu demult, pe baza unui
asemenea studiu, se formulase o concluzie interesantă: toate sistemele complexe
care pot fi reprezentate de acelaşi model matematic şi care sunt supuse aceloraşi
condiţii cunosc acelaşi destin.
Pentru a explica noile raporturi dintre simplu şi complex, să luăm drept
ghid noţiunea de atractor, care, odinioară, era simbolul omogenităţii, iar astăzi
ilustrează diversitatea calitativă a sistemelor disipative.
Pentru a reprezenta un atractor este necesar să introducem noţiunea de
spaţiu al stărilor, care va avea o dimensiune egală cu numărul de variabile
necesare pentru a descrie evoluţia temporală a sistemului.
Stările de echilibru ale sistemelor disipative corespund atractorilor
reprezentaţi printr-un (singur) punct în spaţiul stărilor. Pentru alte sisteme
dinamice, care evoluează departe de echilibru, atractorul poate fi un ciclu limită.
Până nu demult s-a crezut că singurii atractori posibili corespund unor
varietăţi continue, cum ar fi: liniile, suprafeţele sau volumele. Descoperirea
atractorilor ,,stranii” a modificat conceptul despre simplitatea sistemelor. Aceşti
atractori sunt caracterizaţi de dimensiuni fracţionare şi sunt, aşa cum i-a denumit
Mandelbrot, varietăţi fractale. S-a identificat cu uşurinţă că numeroase obiecte
din natură sunt caracterizate de dimensiuni fractale. Astfel, un fulg de nea nu
este nici o suprafaţă, nici un volum, şi este caracterizat de o dimensiune cuprinsă
între 2 şi 3.

6
Un atractor fractal se dovedeşte a fi o structură extraordinar de complexă.
Traiectoriile succesive ale unui sistem dinamic, care sunt irepetabile, sunt atât de
dense încât, după un timp, vor ocupa compact o porţiune din spaţiul stărilor.
Toate punctele din această porţiune a spaţiului stărilor caracterizează o aceeaşi
clasă de sisteme dinamice. Dar, diversele sisteme din această clasă nu vor avea
destine convergente, fiind caracterizate individual de traiectorii care diverg în timp,
chiar dacă iniţial au plecat din puncte extrem de apropiate din spaţiul stărilor.
Se spune că sistemele dinamice care sunt caracterizate de atractori fractali
au comportări haotice. Aproape de echilibru, legile de evoluţie ale sistemelor
dinamice sunt (sau pot fi considerate) liniare, dar, departe de echilibru, aceste
legi de evoluţie sunt puternic influenţate de neliniarităţile sistemului, conducând
deseori la comportări haotice ale acestor sisteme.
În cursul ultimilor ani, matematicienii şi fizicienii au descoperit o
multitudine de sisteme haotice şi au identificat un număr de căi distincte de
evoluţie a comportării unui sistem către haos [2].
Într-o interpretare fizică, putem spune că un sistem dinamic haotic are
capacitatea de a evolua către comportări foarte complexe, pornind de la condiţii
iniţiale sau parametri iniţiali foarte simpli. În limbaj matematic, această
caracteristică a sistemelor dinamice poate fi modelată sau descrisă de un
algoritm care, de exemplu, generează un număr iraţional, plecând de la condiţii
sau parametri iniţiali reali.
Nu este pe deplin lămurit cum ceva complex poate fi generat din ceva
foarte simplu şi rămân deschise multe alte întrebări, cum ar fi:
- Care este setul de atribute prin care se distinge haosul faţă de alte forme ale
complexităţii?
- Ocupă oare haosul o poziţie distinctivă în univers, în sistemele biologice ori
într-un domeniu al preocupărilor umane? De exemplu, este haosul motorul
vieţii sau motorul sistemului solar?
Deocamdată nici una dintre noţiunile pe care le cunoaştem: dimensiunea
fractală, entropia, exponenţii Liapunov etc. nu este capabilă să ne permită
localizarea cu exactitate a haosului în spectrul complexităţii şi să-l distingă faţă
de alte forme ale complexităţii.

1.2 Noţiunea de sistem dinamic (neliniar)


Sistemele fizice, biologice, sociale, economice şi chiar cele politice
evoluează în timp, adică sunt procese caracterizate de stări care se schimbă în
timp. Această observaţie a dus la conceptul de sistem dinamic, care se modifică
în timp sau, cu alte cuvinte, îşi modifică starea cu timpul [3], [4].
Teoria sistemelor dinamice se ocupă cu evoluţia unui sistem, adică cu
schimbarea stării sale în timp. Dezvoltarea teoriei sistemelor dinamice a
evidenţiat existenţa unor sisteme la care nu se putea prevedea comportarea lor în
timp, deşi erau cunoscute legile ce guvernau fenomenele respective, precum şi
condiţiile iniţiale ale evoluţiei lor. De exemplu, este cunoscută imposibilitatea
7
precizării evoluţiei parametrilor meteorologici pentru intervale mari de timp, cu
toate că aerul, norii, temperatura etc. evoluează după legi cunoscute ale
mecanicii fluidelor şi termodinamicii şi se dispune de ecuaţiile ce descriu
fenomenele respective, precum şi de mijloace de calcul puternice [5], [6].
Din punct de vedere matematic, un sistem dinamic constă dintr-un spaţiu al
stărilor, numit şi spaţiu al fazelor, şi o regulă (sau o lege), numită uneori dinamică,
ce va preciza starea care va corespunde, în viitor, unei stări prezente a sistemului.
Este adevărat că elaborarea unui model teoretic duce, în general, la o
îndepărtare de sistemul real, ceea ce poate explica, în anumite situaţii, insuccesul
descrierii unor fenomene. Un model poate descrie un fenomen natural, complex,
caracterizat de un număr foarte mare de parametri, numai dacă modelul este bine
ales, şi anume dacă cuprinde parametrii esenţiali în evoluţia sistemului dinamic.
Un sistem dinamic determinist este complet caracterizat de starea sa
iniţială şi de dinamica sa. Un astfel de sistem poate avea spaţiul stărilor continuu
sau discret şi o dinamică definită în timp continuu sau discret.
Un sistem dinamic în timp continuu este modelat de un sistem de ecuaţii
diferenţiale, iar evoluţia unui sistem dinamic în timp discret este descrisă de un
sistem de ecuaţii iterative [4], [15], [18].
Unui sistem dinamic în timp continuu i se poate asocia sistemul de ecuaţii
diferenţiale ordinare de forma:
 x1  f1  x1, x2 ,..., xn ; t 

 x2  f 2  x1, x2 ,..., xn ; t 
 , (1.1)

 x  f  x , x ,..., x ; t 
 n n 1 2 n

care are soluţie unică şi care poate fi rescris sub forma:


x  f  x,t  , (1.2)
unde
x  t    x1  t  , x2  t  ,..., xn  t   n
(1.3)
reprezintă vectorul de stare al sistemului în timp continuu la momentul t  ,
astfel încât x  t0   x0 caracterizează starea iniţială a sistemului şi:

d x  t   d x1  t  d x2  t  d x t  
x t    , ,..., n  (1.4)
dt  dt dt dt 
reprezintă vectorul derivate parţiale, iar
f   f1, f 2 ,..., f n  (1.5)
reprezintă un câmp vectorial ce defineşte dinamica sistemului:

8
f: n
  n
(1.6)
şi care este continuu în n  .
În condiţiile de valabilitate a teoremei de existenţă şi unicitate a soluţiei
problemei (1.2), pentru fiecare pereche  x0 , t0   n  există o unică funcţie
continuă:
  ; x0 , t0  :  n
, (1.7)
astfel încât:
  t0 ; x0 , t0   x0 , (1.8)
iar
  t; x0 , t0   f    t; x0 , t0  , t  (1.9)
este numită, în aplicaţiile inginereşti, flux sau sistem dinamic.
Câmpul vectorial f al unui sistem dinamic, caracterizat de un sistem de
ecuaţii diferenţiale ordinare, generează un flux  , astfel încât unei stări
iniţiale x0 îi va corespunde în spaţiul stărilor, după timpul t imaginea sa
t  x0  , aşa cum se ilustrează în fig. 1.1.

Fig. 1.1 Câmpul generat de un sistem dinamic

Când câmpul vectorial f, asociat sistemului dinamic în timp continuu,


depinde doar de vectorul variabilei de stare x  t  şi nu depinde explicit de t
(ca în relaţia (1.2)), se spune că sistemul dinamic în timp continuu este (de tip)
„autonom”, caz în care este caracterizat de sistemul de ecuaţii diferenţiale de forma:
x t   f  x t  . (1.10)
Circuitul neliniar din fig. 1.2 poate fi considerat ca ilustrativ pentru un
sistem dinamic în timp continuu.

9
Fig. 1.2 Circuitul (simplificat) neliniar de tip Chua

Alegând drept variabile de stare curentul i3  t  şi tensiunea v2  t  ,


circuitul RLC din fig. 1.2 a) poate fi descris de sistemul de ecuaţii diferenţiale:
 d i3  t  1
 d t   L v2  t 

 (1.11)
 d v2  t    1 i  t   1 i  v 
 d t C2
3
C2
R 2

cu soluţiile iniţiale i3  0   i30 şi v2  0   v20 .


Pornind de la o soluţie iniţială  i30 , v20  , care este un punct în spaţiul
fazelor 2
, curba descrisă în spaţiul stărilor  i3 , v2  de soluţia sistemului (1.11)
este locul geometric al punctelor de coordonate  i3  t  , v2  t   , corespunzătoare
evoluţiei în timp a sistemului dinamic din fig. 1.2 a). Această evoluţie poate fi
convergentă către un punct fix (fig. 1.2 b)) sau poate converge către un ciclu
limită (fig. 1.2 c)).
Un sistem dinamic în timp discret poate fi caracterizat de sistemul de
ecuaţii cu diferenţe (finite) sau de tip iterativ de forma:
10
x  k  1  g  x  k , k  , (1.12)
unde
x  k    x1  k , x2  k ,..., xn  k   n
(1.13)
reprezintă vectorul de stare pentru sistemul dinamic la momentul de timp discret
k  , astfel încât x  k0   x0 caracterizează starea iniţială a sistemului, iar:
g   g1, g2 ,..., gn  (1.14)
reprezintă o aplicaţie care defineşte dinamica sistemului (în timp) discret:
g: n
  n
. (1.15)

Pentru fiecare pereche  x0 , k0   n


 există o unică funcţie continuă în
n
timp discret din :
  ; x0 , k0  :  n
, (1.16)
care defineşte traiectoria sistemului dinamic prin  x0 ,k0  , astfel încât:
  k0 ; x0 , k0   x0 , (1.17)
iar
  k  1; x0 , k0   g    k ; x0 , k0  , k  . (1.18)
În acest caz, aplicaţia  se numeşte sistem dinamic în timp discret generat
de g. Dacă însă aplicaţia g depinde doar de variabila x  k  şi nu depinde explicit
de k, se spune că sistemul dinamic în timp discret este autonom, caz în care
acesta este caracterizat de sistemul de ecuaţii iterative de forma:
x  k  1  g  x  k  (1.19)
sau
xk 1  g  xk  . (1.20)
Un exemplu tipic de sistem dinamic în timp discret este cel generat de
ecuaţia logistică:
xk 1  axk 1  xk  . (1.21)
Pentru a descrie procesul iterativ caracterizat de relaţia (1.21), vom reprezenta
grafic parabola y  ax 1  x  şi prima bisectoare  y  x  , ca în fig. 1.3.

11
Fig. 1.3 Procesul iterativ caracteristic ecuaţiei logistice

Începând cu o soluţie iniţială x0 , vom determina grafic valoarea lui


y0  ax0 1  x0  , care, prin reflectare faţă de prima bisectoare, va determina
valoarea x1  y0 , cu care se continuă procesul, aşa cum este prezentat în fig. 1.3.
Reprezentarea temporala a semnalului haotic
1

0.8

0.6

0.4

0.2

0
0 10 20 30 40 50 60 70 80 90 100

Reprezentarea spectrului semnalului haotic


60

50

40

30

20

10

0
0 100 200 300 400 500 600

Fig. 1.4 Variaţia în timp (a) şi spectrul (b) unui semnal haotic

În fig. 1.4 a) se dă reprezentarea grafică (continuă) a evoluţiei


semnalului xk , corespunzător relaţiei (1.21), pentru a  4 şi k  1,256 , iar în
fig. 1.4 b) este reprezentat modulul spectrului acestui semnal, evaluat cu ajutorul
transformatei Fourier discrete. Şi forma semnalului (fig. 1.4 a)) şi spectrul
acestuia (fig. 1.4 b)) indică o evoluţie de tip aleator a sistemului caracterizat de

12
relaţia (1.21), pentru a  4 . Menţionăm că această constantă este notată foarte
divers în literatura de specialitate, uneori cu r, alteori cu k,  etc.
Un alt exemplu tipic de sistem dinamic este descris de ecuaţia „liniară pe
porţiuni” de tip cort:
1
xk 1  1  2 xk  . (1.22)
2
Pentru xk  1/ 2 , ecuaţia de mai sus se reduce la xk 1  2 xk . În acest caz,
soluţiile (iniţiale) care sunt negative rămân negative, tind spre  şi îşi
dublează distanţa faţă de origine la fiecare iteraţie.
Pentru xk  1/ 2 , ecuaţia de tip cort se reduce la: xk 1  2 1  xk  . În acest
caz, dacă x0  1, rezultă că x1  0 şi, în consecinţă, punctele orbitei tind din nou
către  .
Pentru xk în intervalul  0,1 , va rezulta că: 0  1  2 xn  1/ 2  1, astfel
încât valorile succesive ale iteraţiilor ulterioare vor rămâne în intervalul  0,1 . În
fig. 1.5 sunt reprezentate câteva iteraţii pentru un sistem dinamic de tip cort.
În aplicaţii, funcţia de tip cort descrisă mai sus este folosită şi într-o
manieră compusă, aşa cum este sugerat în fig. 1.5 b).

a) b)
Fig. 1.5 Sistem dinamic descris de ecuaţia iterativă de tip cort
a) câteva iteraţii pentru funcţia cort simplă; b) câteva iteraţii pentru funcţia cort dublă

O altă funcţie neliniară simplă, liniară pe porţiuni şi înrudită cu cea de tip


cort este descrisă de relaţia:
xk 1  2 xk modulo1 . (1.23)
În fig. 1.6 este prezentat graficul ei şi iteraţia de ordinul m, aşa cum este
deseori utilizată în aplicaţii.

13
Fig. 1.6 Un (alt) exemplu de funcţie liniară pe porţiuni

Un alt exemplu de sistem dinamic (în timp) discret este sistemul (de
ecuaţii iterative) Hénon, caracterizat de relaţiile:
 1
 1 2
 bxk 
2
 xk 1  a  xk
 . (1.24)
 x 2   x1
 k 1 k
În fig. 1.7 este reprezentat atractorul Hénon pentru a  1,4 şi b  0,3 şi
104 iteraţii. Pe figură sunt marcate cu asterisc iteraţiile 13, 14 şi 15, plecând de
la soluţia iniţială  0;0  şi aceleaşi iteraţii, 13, 14 şi 15, plecând de la soluţia
iniţială  0,001;0,001 , sugerându-se puternica dependenţă de soluţia iniţială a
acestui sistem dinamic.

Fig. 1.7 Atractorul sistemului dinamic Hénon

1.3 Spaţiul stărilor (fazelor) asociat unui sistem


dinamic
Sistemele dinamice în timp continuu şi în timp discret, caracterizate de
relaţiile (1.2), respectiv (1.12), pot fi descrise de soluţiile (1.7), respectiv (1.16),
care pot fi reprezentate unitar de familia infinită de funcţii:
t , cu t : M  M , (1.25)
parametrizată după timpul notat cu t sau n, cu valori t  sau n .

14
Mulţimea M din relaţia (1.23) se numeşte spaţiul stărilor şi este alcătuită
din mulţimea tuturor stărilor (sau fazelor) posibile ale sistemului dinamic.
O fază sau o stare la un moment dat t este un punct x  M şi reprezintă
totalitatea caracteristicilor procesului la acel moment.
Spaţiul stărilor (sau fazelor) unui sistem dinamic este un spaţiu
matematic, cu axe de coordonate ortogonale pentru fiecare variabilă necesară
pentru a caracteriza starea instantanee a sistemului. De exemplu, starea unei
particule materiale în mişcare unidimensională este caracterizată prin poziţia
sa (x) şi viteza  v  x  . În consecinţă spaţiul fazelor este un plan: M  2 . Pe de
altă parte, o particulă în mişcare, într-un spaţiu tridimensional, va fi caracterizată
de un spaţiu al fazelor cu şase dimensiuni  x, y, z, x, y, z  , adică, în acest caz,
M 6
.
Spaţiul  n , în care se consideră şi o axă a timpului (care este
ortogonală în raport cu toate axele variabilelor de stare), se numeşte spaţiul
stărilor (sau fazelor) extins [3], [4].
Imaginea timpului ( t  sau n ) prin  t se numeşte traiectorie de
fază sau, simplu, traiectoria sistemului dinamic. Traiectoria se obţine prin
eliminarea timpului t între variabilele de stare x, ceea ce revine la proiecţia
curbei integrale, notată cu ABCD în fig. 1.5, pe spaţiul fazelor M (planul x1, x2
în acest caz), care este ortogonal pe axa timpului.

Fig. 1.8 Traiectorii de fază ale unui sistem dinamic

Prin fiecare punct x0  M din spaţiul fazelor trece o singură traiectorie de


fază, iar prin fiecare punct  t, x0    M trece o singură curbă integrală (fig. 1.8).
Totalitatea traiectoriilor de fază ale unui sistem dinamic (care evoluează
în timp) se numeşte portret de fază. Obiectul teoriei sistemelor dinamice îl
constituie studiul portretelor de fază ataşate acestora [3], [4], [11], [12], [14].

15
Din punct de vedere matematic, un sistem dinamic este o funcţie
 :  sau   M M ,   t   t , unde, pentru orice t fixat, t : M  M este
un homeomorfism şi: (1)  0  id M (aplicaţia identică a lui M);
(2) t  s  t  s , t , s   sau  .
Sistemul dinamic este o familie uniparametrică t sau  de aplicaţii,
structurată ca grup uniparametric de transformări ale lui M, parametrul t fiind
numit timp (continuu sau discret).
Mulţimea M se numeşte spaţiul fazelor sistemului dinamic, iar punctele
x  M se numesc stări sau faze [3], [4].
Aşa cum am precizat, dacă domeniul de variaţie al parametrului t este ,
sistemul dinamic este (denumit în timp) continuu, iar dacă parametrul timp este
discret (şi notat adesea cu n, k , j, i etc. ), iar de exemplu n , atunci sistemul
dinamic este (denumit în timp) discret.
Dimensiunea spaţiului fazelor M determină şi dimensiunea sistemului
dinamic. Astfel, dacă dim  M    , sistemul dinamic corespunzător este finit
dimensional, iar dacă dim  M    , sistemul dinamic este infinit dimensional.
Un sistem dinamic, finit dimensional, asociat sistemului de ecuaţii
diferenţiale x  f  x  , x  n şi f   f1, f 2 ,..., f n  este conservativ dacă
n
divergenţa câmpului f este nulă, adică divf   fi xi  0 . De exemplu, sistemul
i 1
dinamic asociat sistemului de ecuaţii diferenţiale (1.26) este conservativ
x1  x2
(1.26)
x2   x12  1
Dacă funcţiile fi sunt continuu diferenţiabile pe D  2 , adică fi  1 ,
iar divergenţa câmpului de vectori f nu este nulă şi păstrează un semn constant
pe D, atunci nu există nici o traiectorie de fază închisă, complet conţinută în D.
Această formulare este criteriul lui Bendixson, care reprezintă o condiţie
suficientă ca, într-o anumită regiune din planul fazelor, să nu existe soluţii
periodice ale sistemului dinamic, adică să nu existe cicluri limită. De exemplu,
sistemul dinamic neliniar: x1  x2  x13; x2  x1 1  x1  nu are soluţii periodice
în 2
 
, deoarece divergenţa  x2  x13  x1    x1 1  x1    x2  3x12 nu este
identic egală cu zero în 2 şi păstrează un semn constant.
O mulţime conexă din spaţiul fazelor (finit sau infinit dimensional) este
un domeniu absorbant dacă pe frontiera sa câmpul de vectori este orientat spre
interiorul domeniului. Sistemele dinamice care posedă domenii absorbante se
numesc sisteme disipative.

16
Sistemul dinamic (finit dimensional) pentru care câmpul vectorial f
provine dintr-un gradient se numeşte sistem dinamic-gradient. În acest caz,
 F F F 
există F : n  , astfel încât f  grad  F    , ,...,  . De exemplu,
 x1 x2 xn 
sistemul dinamic asociat sistemului de ecuaţii diferenţiale:
x1  2 x1x2  x2 sin  x1x2 
(1.27)
x2  2 x12  x1 sin  x1x2 

este un sistem-gradient, unde F  x1, x2   x12 x2  cos  x1x2  .

1.4 Clasificarea comportărilor sistemelor dinamice


În spaţiul stărilor, în cele din urmă, după un regim tranzitoriu, traiectoria
unui sistem dinamic ce pleacă din starea iniţială x0 se instalează pe o mulţime
limită de puncte. Această mulţime limită de puncte – notată în continuare cu 
– corespunde comportării asimptotice a sistemului dinamic pentru t   şi
defineşte regimul permanent al sistemului dinamic.
Un punct x este un punct limită a lui x0 dacă şi numai dacă există şirul
tk k   , astfel încât pentru tk   rezultă: klim

t  x0   x .
k

Mulţimea L  x0  a punctelor limită formează o mulţime limită 


corespunzătoare lui x0 .
O mulţime limită A este atractivă pentru o mulţime B din spaţiul fazelor
dacă L  x0   A , pentru toate punctele x0  B . În consecinţă mulţimea
traiectoriilor vecine converge, pentru t   , către o mulţime atractoare A.
O mulţime atractivă A este atractor dacă este atractivă pentru o întreagă
vecinătate a sa. De exemplu, o mulţime limită A care conţine cel puţin o orbită şi
care se apropie oricât de mult de fiecare punct din A se numeşte atractor.
În general, un atractor este format dintr-o infinitate de orbite, parţial
atractive, parţial repulsive. Din această cauză evoluţia sistemului dinamic din
spaţiul fazelor, de lângă atractor, este atât de complicată şi de neregulată încât
este greu de urmărit, deşi ea este complet deterministă!
Un punct din spaţiul fazelor rătăceşte aparent haotic din apropierea unei
orbite a atractorului spre alta, mişcându-se pe traiectorii atât de contorsionate
încât reprezentarea la o scară oricât de mare nu le poate evidenţia cu claritate.
Un atractor se numeşte global dacă „captează” toate traiectoriile de
fază. Un astfel de atractor poate fi format dintr-o singură orbită, mai multe sau
dintr-un număr infinit de orbite din spaţiul fazelor.
Deoarece un atractor determină comportarea finală pentru t   a
traiectoriilor de fază, spunem că atractorii „guvernează” portretul de fază al unui
sistem dinamic.
17
Pentru un sistem liniar care este asimptotic stabil, mulţimea limită este
independentă de condiţia iniţială, x0 , şi este unică, astfel încât are sens să se
vorbească despre o singură comportare de regim permanent. Dimpotrivă, în
cazul sistemelor dinamice neliniare, pot exista o varietate de regimuri
permanente, în funcţie de diferite condiţii iniţiale.
Mulţimea tuturor punctelor din spaţiul stărilor care converge către o
mulţime limită particulară L se numeşte „bazinul de atracţie” B(L) al mulţimii L.
Orice traiectorie care porneşte din B(L) tinde către L, pentru t   .
Studiul sau simularea sistemelor fizice (inclusiv cele electrice) arată că, în
regim permanent, sistemele sunt caracterizate doar de mulţimi limită atractoare.
Noţiunea de mulţime limită atractoare serveşte pentru clasificarea
comportărilor clasice, de regim permanent, ale sistemelor dinamice, cum ar fi:
punctele de echilibru şi ciclurile limită.
Se pot face următoarele observaţii:
a) cu toate că aceste definiţii au fost date pentru sisteme dinamice în timp
continuu, autonome, ele se aplică atât sistemelor dinamice în timp continuu
neautonome, cât şi celor în timp discret;
b) se pot defini şi comportări asimptotice limită ale sistemului dinamic, pentru
t   , care au fost denumite în literatura de specialitate „mulţimi limită de
tip  ” sau „  – mulţimi limită”, în opoziţie faţă de comportările asimptotice
către t   , care au fost denumite „mulţimi limită de tip  ” sau
„  – mulţimi limită”.
Pentru un sistem dinamic liniar şi asimptotic stabil există o singură
mulţime limită, iar bazinul ei de atracţie este întregul spaţiu al stărilor. În acest
caz, regimul permanent este independent de condiţia iniţial aleasă.
Însă, un sistem dinamic neliniar poate avea mai multe mulţimi limită,
fiecare cu diferite bazine de atracţie. În acest caz, alegerea condiţiei iniţiale va
determina, într-un mod foarte senzitiv, care mulţime limită va fi atinsă de
sistemul dinamic.
1.4.1 Punctul de echilibru
Cea mai simplă comportare a unui sistem dinamic, în regim permanent,
este cea corespunzătoare unei stări numite punct de echilibru sau un punct
staţionar, notat cu xQ şi care, în spaţiul stărilor, satisface condiţiile:

 
f xQ  0 (1.28a)
şi
 
t xQ  xQ . (1.28b)
Relaţia (1.28b) arată că traiectoria care pleacă dintr-un punct de echilibru
rămâne mereu în acel punct.

18
Cum un punct are dimensiunea topologică zero, înseamnă că un punct de
echilibru are dimensiunea topologică zero.
În domeniul timp, un punct de echilibru al unui circuit electronic este
soluţia de curent continuu sau punctul de funcţionare al acelui circuit.
Un exemplu simplu al unui sistem dinamic neliniar, care are mai multe
puncte de echilibru este descris de sistemul de ecuaţii:
x1  x2
(1.29)
x2  0,4 x2  sin  x1 
Acest sistem dinamic de ordinul doi are ca puncte de echilibru valorile
 x1, x2    k ,0 , pentru k  0, 1, 2,... Punctele de echilibru de ordin k par sunt
atractoare.
Pentru un sistem dinamic (în timp) discret, un punct de echilibru sau un
punct fix este un punct xQ din spaţiul stărilor, care satisface relaţia:

 
g xQ  xQ , (1.30)
deci este un punct fix al aplicaţiei g care generează acel sistem.
1.4.2 Regimul permanent periodic
O stare x a unui sistem dinamic se numeşte periodică dacă există o
valoare T  0 , astfel încât:
T  x   x . (1.31)
O orbită periodică ce nu este un punct staţionar se numeşte ciclu limită.
Restricţia T  0 previne clasificarea unui punct de echilibru ca o soluţie
periodică. Mai exact, un ciclu limită  este o orbită periodică izolată a unui
sistem dinamic. Traiectoria ciclului limită „vizitează” fiecare punct al unei curbe
închise  , cu o perioadă T, astfel că:
x   t  x   t T  x  . (1.32)
În consecinţă fiecare punct al unui ciclu limită  este un punct
„nonhaotic”. Se spune că un ciclu limită  are dimensiunea topologică unu,
deoarece fiecare porţiune din el arată ca un obiect de dimensiunea topologică
unu, deci ca o curbă.
Cele n componente xi  t  ale ciclului limită:
x  t    x1  t  , x2  t  ,..., xn  t   ,
T
(1.33)
n
din , sunt funcţii periodice, cu perioada T.
Dacă x  t  este periodic, cu perioada T, rezultă că spectrul său de putere
este concentrat într-o componentă de curent continuu, una de frecvenţă
fundamentală 1/T, şi armonice ale acesteia.

19
Un exemplu clasic de ciclu limită poate fi remarcat în comportarea
sistemului dinamic Van der Pol, descris de ecuaţiile:
x1  x2

 
(1.34)
x2  1  x12 x2  x1

În figurile de mai jos sunt reprezentate: ciclul limită din planul fazelor
 x1, x2  pentru sistemul dinamic de mai sus (fig. 1.9 a)) şi forma de undă a
variabilei x1  t  (fig. 1.9 b)).

Fig. 1.9 Comportări ale sistemului dinamic Van der Pol


a) ciclul limită în planul fazelor; b) forma de undă a variabilei x1 (t )

În fig. 1.10 şi 1.11 sunt reprezentate ciclurile limită (fundamental şi de


ordinul trei) şi formele de undă corespunzătoare pentru diferite valori ale
parametrilor unui sistem de tip Duffing, care este descris de ecuaţiile:
x1  x2
(1.35)
x2  x1  x13   x2   cos t

Fig. 1.10 Soluţia sistemului Duffing pentru   0,15;   0,3 şi   1

20
Fig. 1.11 Soluţia sistemului Duffing pentru   0,22;   0,3 şi   1
a) o traiectorie de perioadă T=3; b) forma de undă a variabilei x1 (t )

Să analizăm mişcarea unui pendul mecanic, la amplitudini mici ale


unghiului de deplasare  , descrisă de ecuaţia de mişcare liniarizată în jurul
echilibrului său [14]:
d2 
   0. (1.36)
dt 2
Ecuaţia diferenţială ordinară de ordinul II poate fi transformată într-un
sistem de două ecuaţii diferenţiale de ordinul I dacă se introduce variabila viteză
unghiulară   d  dt , astfel încât rezultă sistemul echivalent:
d 
 d t  
 (1.37)
 d   
 d t
Sistemul (1.37) are soluţiile:
  ai sin t
 (1.38)
  ai cos t
care sunt reprezentate în planul fazelor   ,   prin cercuri concentrice, de raze
ai  a1, a2 , a3 ,... . Pentru orice valoare ai reală rezultă o traiectorie a sistemului
dinamic sub forma unei orbite circulare (fig. 1.12 a)).
O caracteristică importantă a traiectoriilor din fig. 1.12 a) este că acestea
nu se intersectează niciodată pentru valori distincte ai , oricât de apropiate ar fi.
Cercurile corespunzătoare fiecărei valori ai corespund unor comportamente
periodice ale sistemului dinamic descris de ecuaţiile (1.37).

21
d 
d 
2  d t  
a) 0 
dt2 d   
 d t
  ai sin t

  ai cos t

d2  d 
b)  0
dt2 dt

d2 
c)  sin   0
dt 2

d2  d 
d)   sin   0 
dt2 dt
d 
 d t  

 d     sin 
 d t

Fig. 1.12 Analiza comportărilor (neliniare) ale unui pendul mecanic

22
Sistemul dinamic liniar amortizat (şi pentru θ 1) poate fi descris de
ecuaţia diferenţială ordinară de ordinul II:
d2  d 
 0 (1.39)
dt2 dt
sau de sistemul de ecuaţii diferenţiale ordinare de ordinul I:
d 
 d t  
 (1.40)
 d     
 d t
Aşa cum este ilustrat în fig. 1.12 b), pentru acest caz, în spaţiul fazelor
  ,  există un singur atractor de coordonate     0 .
În realitate, mişcarea unui pendul mecanic este descrisă de o ecuaţie
neliniară, care în formă neamortizată poate fi scrisă sub forma:
d2 
 sin   0 . (1.41)
dt 2
Pentru acest caz, aşa cum se observă în fig. 1.12 c), pentru valori mici ale
lui  şi d  dt , traiectoriile de fază sunt similare celor din cazul liniarizat
(fig. 1.12 a)), dar, pe măsură ce  se apropie de  , traiectoriile se deformează,
iar pentru valorile    panta traiectoriilor are o discontinuitate. Şi în acest
caz traiectoriile de fază sunt periodice, cu perioada 2 şi trec prin
(, )  (,0) .
Să considerăm acum cazul pendulului real, descris de ecuaţia diferenţială
neliniară amortizată de ordinul II:
d2  d 
  sin   0 (1.42)
dt2 dt
sau de sistemul echivalent de ecuaţii diferenţiale ordinare de ordinul I:
d 
 d t  
 (1.43)
 d     sin 
 d t
Traiectoriile de fază tipice pentru acest caz sunt reprezentate în
fig. 1.12 d). Aşa cum se observă în figură, pe lângă atractorul din origine
    0 , care este datorat termenului de amortizare d  dt , există şi atractorii
situaţi la   n şi   0 . Exemplul de mai sus ilustrează bogăţia de atractori
din spaţiul fazelor, care pot fi observaţi chiar pentru un simplu pendul mecanic!

23
1.4.3 Un regim permanent periodic de tip subarmonic
O „orbită k-periodică” a unui sistem dinamic în timp discret este
caracterizată de mulţimea de k puncte  x1, x2 ,... xk , , care satisfac relaţiile
recurente:
x2  g  x1  , x3  g  x2  ,..., xk  g  xk 1  , (1.44)
iar
x1  g  xk  (1.45)
sau, mai compact:
xi  g k  xi  k  ; (1.46)


g k  g g ... g  ... , (1.47)

unde funcţia g   a fost aplicată iterativ de k ori argumentului său.


Soluţiile periodice de tip subarmonic apar în cazul sistemelor dinamice
care conţin mai multe frecvenţe competitive, cum ar fi oscilatoarele forţate.
Soluţii de tip subarmonic pot apărea ca urmare a bifurcaţiilor [3], [4].

1.4.4 Regimul permanent cvasiperiodic


Această comportare a unui sistem dinamic este ilustrată în spaţiul stărilor
de un tor. Deoarece o porţiune mică dintr-un tor, în 3 , este homeomorfă cu o
suprafaţă plană, se spune că acest tor are dimensiunea topologică doi.
O stare cvasiperiodică poate fi exprimată printr-o sumă finită de funcţii
periodice, cu frecvenţe ale căror rapoarte nu sunt numere raţionale, cum ar fi
starea x  t   sin  t   sin  2t  .
În domeniul timp, forma de undă a unui semnal cvasiperiodic arată ca un
semnal modulat în amplitudine sau în fază.
În domeniul frecvenţă, spectrul unui semnal cvasiperiodic este format tot
dintr-o infinitate de componente spectrale, care însă nu sunt localizate la
multiplii (întregi) doar ai unei frecvenţe fundamentale. Iată două exemple.
Un semnal modulat în amplitudine (MA) are expresia:
x  t   m  t  cos  2fct  , unde m  t  este funcţia mesajului, pe care o presupunem
periodică, cu frecvenţa f m . Este bine cunoscut că spectrul de amplitudini al
semnalului x  t  constă în componente la frecvenţele  fc  kf m  , unde
k  0,1,2,... Dacă f m şi f c sunt în raport iraţional, atunci x  t  este dublu
periodică în raport cu baza de frecvenţe  fc , f m  .

24
Un semnal modulat în fază are expresia: x  t   cos  2fct  m  t   . Dacă
m  t  este periodică, cu frecvenţa f m , atunci spectrul de amplitudini al
semnalului x  t  are componente spectrale la aceleaşi frecvenţe ca şi spectrul
semnalului MA. Dacă raportul fc / f m este un număr iraţional, atunci x  t  este
dublu periodică în raport cu baza de frecvenţe  fc , f m  .
Deşi nici unul dintre exemplele de mai sus nu a fost prezentat ca o soluţie
a unui sistem dinamic, ele ilustrează un lucru important, şi anume: regimul
cvasiperiodic poate fi generat când două sau mai multe funcţii periodice cu
rapoarte de frecvenţe numere iraţionale interacţionează în mod neliniar.
Într-adevăr, în cazul modulaţiei MA, neliniaritatea este de tip produs:
f  u, v   u  v , iar în cazul modulaţiei în fază neliniaritatea este ilustrată de
funcţia: f  u, t   cos  2fct  u  .
3
Aşa cum s-a prezentat anterior, în spaţiul stărilor , regimul
cvasiperiodic de ordin 2 al unui sistem dinamic are aspectul unui tor de ordin 2.
Regimul cvasiperiodic de ordin k este caracterizat în spaţiul stărilor de un tor de
ordin k, ce este greu de vizualizat în acest spaţiu, însă componentele sale
spectrale sunt caracteristice acestui regim şi sunt localizate discret în domeniul
frecvenţă, fiind dispuse la frecvenţe ale căror rapoarte nu sunt numere raţionale.
Pentru a ilustra modul în care poate apărea un regim permanent
cvasiperiodic în comportarea unui sistem dinamic, considerăm sistemul
(dinamic) de tip Van der Pol, descris de ecuaţiile:

x1  x2

 
(1.48)
x2  1  x12 x2  x1  A cos  2t / T2 

Se observă că în ecuaţia a doua a fost introdus un termen cosinusoidal de


comandă (sau de control) al sistemului dinamic. În absenţa acestui termen,
sistemul dinamic are un ciclu limită cu perioada (naturală) T1 . Soluţia (limită) a
sistemului dinamic cu termenul cosinusoidal de comandă va tinde să
sincronizeze cele două oscilaţii caracterizate de perioadele T1 şi T2 . Este posibil
ca din acest „conflict” dintre perioadele T1 şi T2 să nu „câştige” nici una şi, în
consecinţă, din această competiţie să se instaleze un regim de tip
„cvasiperiodic”. O astfel de situaţie este ilustrată în fig. 1.13, în care s-au ales
valorile: A  0,5; T2  2 /1,1, ilustrându-se atât traiectoria sistemului în spaţiul
fazelor, cât şi variaţia în timp a variabilei x1  t  .

25
Fig. 1.13 Comportări ale sistemului Van der Pol
a) Traiectoria sistemului în spaţiul fazelor; b) Variaţia variabilei x1 (t )

1.4.5 Regimul (permanent) haotic

Din punct de vedere experimental, comportarea haotică a unui sistem


dinamic poate fi definită ca o comportare limită, care nu este staţionară, i.e.
corespunzătoare unui punct de echilibru, nu este periodică şi nici cvasiperiodică.
În spaţiul stărilor, două traiectorii ale unui regim haotic care încep
aproape din acelaşi punct diverg şi devin necorelate, ilustrând sensibilitatea
mare faţă de condiţiile iniţiale şi imposibilitatea de a face o predicţie pe termen
lung a stării sistemului.
În domeniul timp, o traiectorie haotică nu este nici periodică, nici
cvasiperiodică, rezultând că variaţia sa are un aspect aleator.
În domeniul frecvenţă, comportarea haotică este caracterizată de un spectru de
putere de tip „zgomot de bandă largă”.
Trecerea de la un portret de fază simplu la unul complicat are loc, în
majoritatea cazurilor, o dată cu modificarea parametrilor de control ai unui
26
sistem dinamic. Drept consecinţă, de la mişcări regulate în spaţiul fazelor se
ajunge la cele neregulate de tip haotic, care tind către un atractor straniu, format
dintr-o infinitate de orbite, dar care formează un obiect matematic distinct.
Comportamentul de fază guvernat de atractorii complicaţi posedă anumite
proprietăţi statistice care, pe măsură ce parametrul de control creşte, devin tot
mai importante, apoi preponderente, ca în final, la o anumită valoare a
parametrului de control, atractorii stranii să fie formaţi din mulţimi de orbite
care pot fi caracterizate relevant doar probabilistic.

Un punct limită, un ciclu limită sau chiar un k-tor din spaţiul stărilor au o
dimensiune topologică (întreagă), pe când regimul haotic este descris de o
mulţime care are o dimensiune Hausdorff fracţionară, ce este specifică unui
fractal. Acest lucru este rezumat în tabelul 1.1.
Tabelul 1.1

Regim Mulţime limită Spectrul (de putere) Dimensiunea

curent o singură componentă


punct fix 0
continuu spectrală la   0
o frecvenţă fundamentală f 0
periodic curbă închisă 1
plus armonice la nf 0
un număr incomensurabil de
un tor
cvasiperiodic frecvenţe, ale căror rapoarte k
(k-tor)
sunt numere iraţionale
spectru larg
haotic fractal fracţionară
(de tip zgomot)

De exemplu, un sistem dinamic de tip Chua este descris de ecuaţiile:


x1    x2  h  x1  
x2  x1  x2  x3 (1.49a)
x3  x2
unde h   este o funcţie neliniară, dar liniară pe porţiuni, descrisă de relaţia:

m1x1   m0  m1  , x1  1

h  x1   m0 x1 , x1  1 (1.49b)

m1x1   m0  m1  , x1  1

27
În fig. 1.14 sunt ilustrate calitativ câteva regimuri de funcţionare ale
circuitului RLC neliniar de tip Chua, unde x1 v1(t ), x2 v2 (t ), iar x3 i3 (t ) .
În mod similar, pentru un sistem dinamic Duffing, în fig. 1.15 se
reprezintă: a) comportarea haotică în spaţiul fazelor, b) variaţia în timp a
variabilei x1  t  . Rezultatele sunt evaluate pentru   0,25;   0,3 şi   1 .

28
Fig. 1.14 Comportări neliniare ale circuitului de tip Chua

Fig. 1.15 Comportarea sistemului dinamic Duffing pentru   0,25;   0,3 şi   1


a) comportarea haotică în spaţiul fazelor; b) variaţia în timp a variabilei x1 (t )

29
1.5 Metode în studiul comportărilor sistemelor
dinamice (electrice)
1.5.1 Liniarizarea modelelor matematice ale sistemelor
dinamice (neliniare)
Sistemele dinamice electrice reale sunt caracterizate de sisteme de ecuaţii
diferenţiale neliniare. Multe dintre comportările lor caracteristice, cum ar fi:
stabilitatea, atractivitatea sau bifurcaţia, pot fi studiate, mai simplu, ca
proprietăţi locale, în vecinătatea unui punct din spaţiul fazelor, prin liniarizarea
sistemului de ecuaţii diferenţiale. Trebuie menţionat însă că nu întotdeauna prin
liniarizare se obţine o comportare echivalentă cu cea a sistemului iniţial neliniar
[3] – [6].
Să considerăm un sistem dinamic în timp continuu, caracterizat de
sistemul de ecuaţii diferenţiale, scris sub formă vectorială:
x t   f  x t  , (1.50)
ceea ce este echivalent cu:
 d x1 d t   f1  x1, x2 ,..., xn  
 d x d t   f x , x ,..., x 
 2    2 1 2 n 
. (1.51)
   
   
d xn d t   f n  x1, x2 ,..., xn  
Liniarizarea sistemului de ecuaţii (1.50) sau (1.51) poate fi făcută prin
dezvoltarea (parţială) în serie Taylor, în jurul unui punct x0 din spaţiul fazelor şi
reţinerea primilor doi termeni.

Fie un punct x0 din spaţiul fazelor, în jurul căruia se va face liniarizarea


sistemului de ecuaţii x  f  x  , care, pentru x = x0 , devine x0  f  x0  .
Să considerăm x variaţiile incrementale ale variabilelor de stare, astfel
încât în jurul punctului x0 putem scrie
x  x0  x . (1.52)
Cum x  f  x  , iar x  x0  x , rezultă că:
x0  x  f  x0  x  . (1.53)
Dezvoltând în serie Taylor funcţia f  x  , în jurul punctului x0 , şi
reţinând doar primii doi termeni rezultă că:
x0  x f  x0   Dx  f  x0  x , (1.54)

30
unde cu Dx  s-a notat matricea Jacobi (sau Jacobianul) funcţiei f  x  , adică:
 f1 f1 f1 
 x x xn 
 1 2

 f 2 f 2 f 2 
Dx  f  x     x1 x2 xn  . (1.55)
 
 
 
 f n f n f n 
 x1 x2 xn 
Cum x0  f  x0  , din relaţia (1.54) rezultă că:
f  x0   x f  x0   Dx  f  x0  x (1.56)
sau
x Dx  f  x0  x . (1.57)
Ecuaţia (1.57) este liniară în raport cu coordonatele locale
x =  x1, x2 ,..., xn  , în jurul punctului x0   x01, x02 ,..., x0n ,  , adică în raport
cu un nou sistem local de coordonate, cu originea în punctul x0 din spaţiul
fazelor. Considerând x = x - x0 , conform relaţiei (1.52), atunci x = x
(deoarece x0 este constant în raport cu timpul), astfel încât relaţia (1.57) devine:
x Dx  f  x0   x - x0  . (1.58)
Există numeroase alte metode, descrise în literatura de specialitate 5, 6,
care permit liniarizarea unui sistem de ecuaţii diferenţiale ce poate fi scris sub forma:
x = Ax + b . (1.59)
1.5.2 Stabilitatea mulţimilor limită
Stabilitatea unui sistem dinamic caracterizează portretul de fază în
vecinătatea unei mulţimi invariante M, la perturbaţii mici ale unora sau ale
tuturor parametrilor sistemului de care depinde funcţia de sistem (în afara
variabilei independente timp) [3], [4], [10].
Dacă xQ este un punct (limită) de echilibru, stabilitatea sistemului
dinamic este dată de valorile proprii ale liniarizării sistemului de ecuaţii în jurul
punctului xQ , adică de rădăcinile  i ale ecuaţiei caracteristice:

  
det I  Dx  f xQ   0 .  (1.60)

30
Dacă părţile reale ale tuturor valorilor proprii sunt strict negative, atunci
punctul de echilibru xQ este asimptotic stabil, astfel încât toate traiectoriile (din
vecinătatea sa) vor converge către el.
Dacă una dintre valorile proprii are partea reală pozitivă, punctul de
echilibru xQ este instabil, iar dacă toate valorile proprii au partea reală pozitivă,
atunci punctul xQ este un punct de tip sursă. Să reformulăm aceste afirmaţii.
Fie x0 un punct de echilibru pentru sistemul dinamic asociat sistemului
de ecuaţii diferenţiale x  f  x  , x  n , f   f1, f2 ,..., f n  .
Spunem că punctul de echilibru x0 este Liapunov-stabil dacă
  0,      0 , astfel încât orice x care verifică condiţia x  x0  
implică t  x   ξ 0  , t  0.
Spunem că punctul de echilibru este atractiv dacă există o vecinătate U a
lui x0 şi un T  0 cu proprietatea că x U şi t  T rezultă: t  x  U şi
lim t  x   x0  0 . Dacă lim t  x   x0  0 , spunem că punctul de echilibru
t t
este repulsiv.
Un punct de echilibru, x0 , care este stabil şi atractiv se numeşte
asimptotic stabil 40.
Definiţia unui punct de echilibru stabil poate fi reformulată, în termeni de
dinamică de fază, astfel: x0 este Liapunov stabil dacă   0,      0 , astfel
încât orice orbită din spaţiul fazelor care porneşte din regiunea B  x0 ;   va
rămâne în regiunea B  x0 ;   , la orice moment ulterior t  0 (fig. 1.16).
În mod asemănător cu stabilitatea punctului de echilibru se poate defini
stabilitatea ciclului limită şi a altor mulţimi invariante.
Stabilitatea punctelor de echilibru ale unui sistem dinamic liniar este
complet caracterizată pe baza teoremei de mai jos 40.
Fie sistemul dinamic liniar asociat ecuaţiei vectoriale n-dimensionale:
x  Ax .
a) Dacă toate valorile proprii  k ale matricei A au partea reală negativă,
Re  k   0, k  1, n , atunci există constantele C,   0 , astfel încât
pentru orice x0  n
au loc relaţiile: x  t; 0   C x0 et , t  0 şi
lim x  t; x0   0 , ceea ce înseamnă că originea este un punct asimptotic stabil
t 
pentru sistemul dinamic liniar.
b) Dacă există o valoare proprie  j a matricei A cu partea reală pozitivă, adică
 
Re  j  0 , atunci   0,  x0 , cu x0   , astfel încât lim x  t; x0    ,
t 
adică originea este un punct de echilibru instabil.

31
Teoremele din cazul sistemelor dinamice liniare au stat la baza formulării
şi demonstrării principiului de liniarizare Liapunov-Peron [40]
Fie sistemul dinamic neliniar asociat ecuaţiei diferenţiale: x  f  x  , cu
x n
şi f   f1, f 2 ,..., f n  , cu f cel puţin de clasă 1
şi fie x0 un punct de
echilibru al sistemului, pentru care f  x0   0 şi J  f   x0  matricea Jacobi a
lui f în x0 , care defineşte sistemul liniarizat   Jy .
- Dacă toate valorile proprii  k ale lui J au Re k   0 , atunci x0 este un
punct de echilibru neliniar asimptotic stabil;
- Dacă cel puţin o valoare proprie  j a matricei J are Re j   0 , atunci x0
este un punct de echilibru neliniar instabil.
Să considerăm, de exemplu, sistemul dinamic descris de ecuaţiile:

 x1  x2  f1  x1, x2 

 . (1.61)
 x2  x1  x1  x2  f 2  x1, x2 
3

Punctele de echilibru rezultă din sistemul algebric:
f1  x1, x2   x2  0 ; (1.62a)

f 2  x1, x2   x1  x13  x2  0 . (1.62b)


Din rezolvarea sistemului (1.62) rezultă punctele singulare (0,0), (1,0), (–1,0).
Matricea Jacobi ataşată sistemului (1.62) este:
 f1 f1 
 x x2   0 1
J 1  . (1.63)
 f 2 f 2  1  3x12 1
 x x2 
 1
Pentru punctele singulare  1,0  rezultă că:
0 1
J  x1 , x2   1,0    , (1.64)
 2 1
astfel încât se deduce ecuaţia caracteristică:
 1
 2    2  0 , (1.65)
2  1   
cu rădăcinile:
1
1,2    j 7 2, iar   7  0 . (1.66)
2

32
Aşadar, punctele singulare  1,0  sunt (asimptotic) stabile, deoarece
Re1,2  0 . Punctele singulare  1,0  sunt atractori.
Pentru punctul de echilibru  0,0  , matricea Jacobi devine:
0 1 
J  x1 , x2   0,0    , (1.67)
1 1
iar ecuaţia caracteristică:
 1
 2    1  0 , (1.68)
2  1   
cu rădăcinile:
1 5
3,4    , cu   5  0 . (1.69)
2 2
Punctul de echilibru  0,0  are Re 3,4   0 , dar   0 , astfel că este un
punct de tip „şa”. Portretul de fază pentru sistemul (1.61) este reprezentat în fig. 1.16.

Fig. 1.16 Portretul de fază pentru sistemul caracterizat de relaţia (1.61)


În timp ce stabilitatea unui punct de echilibru poate fi determinată
considerând valorile proprii ale liniarizării câmpului vectorial al sistemului
dinamic, cum putem studia stabilitatea unei mulţimi limită de tip ciclu limită, tor
sau traiectorie haotică? Ideea de bază pentru acest studiu a fost introdusă de
Poincaré şi constă în conversia sistemului dinamic în timp continuu într-un
sistem echivalent, în timp discret, considerând o secţiune transversală faţă de
liniile de câmp ale sistemului dinamic continuu. Intersecţiile traiectoriilor cu
această secţiune – numită secţiune Poincaré – definesc o „hartă” de tip Poincaré.
Şi cum un ciclu limită va determina un punct fix xQ pe secţiunea Poincaré,

33
rezultă că stabilitatea ciclului limită poate fi judecată ca stabilitatea punctului
limită xQ .

Fig. 1.17 Definiţia secţiunii Poincaré

1.5.3 Secţiunea Poincaré


O secţiune Poincaré a unui sistem dinamic autonom n-dimensional este un
hiperplan  , de dimensiune  n  1 în spaţiul stărilor, care este intersectat
transversal de fluxul câmpului vectorial f determinat de evoluţia sistemului
dinamic, aşa cum este ilustrat în fig. 1.17.
Fie  o orbită închisă în spaţiul stărilor unui câmp vectorial f, iar xQ
punctul de intersecţie al orbitei  cu planul  (fig. 1.17). Dacă T este perioada
de repetiţie a lui  şi x este suficient de apropiat de xQ , atunci traiectoria
t  x  prin x va intersecta planul  , după un timp   x  T , în punctul
  x   x  , aşa cum se arată în fig. 1.17. În consecinţă funcţia sau corespondenţa
de tip Poincaré este descrisă de aplicaţia:
g :U   , (1.70)
astfel că
g  x     x   x  , (1.71)

unde U  este o vecinătate a lui xQ , iar g    caracterizează sistemul în timp


discret:
xk 1  g  xk  . (1.72)

34
În acest sens se spune că aplicaţia Poincaré asociază sistemelor dinamice
continue şi finit dimensionale sisteme dinamice discrete, care au aceleaşi
mulţimi limită ca şi cele continue.
Stabilitatea ciclului limită  este determinată de valorile proprii ale
liniarizării funcţiei g  x  în jurul punctului xQ . Dacă toate valorile proprii  i
 
ale lui Dx  g xQ  au modulul mai mic decât unitatea, atunci ciclul limită este
asimptotic stabil, iar dacă un modul este mai mare decât unitatea, atunci ciclul
limită  va fi instabil. Dacă însă există  i , cu i  1 , iar toţi ceilalţi
multiplicatori verifică relaţia k  1, k  i , atunci nu se poate preciza doar din
această analiză tipul ciclului limită, fiind necesare diferenţialele de ordin
superior ale aplicaţiei Poincaré. De notat că stabilitatea ciclului limită este
independentă de poziţia şi orientarea secţiunii Poincaré, cu condiţia ca fluxul
sistemului dinamic să intersecteze secţiunea Poincaré.
Se poate formula şi următoarea teoremă: Valorile proprii  i ale matricei
Jacobi a aplicaţiei Poincaré asociată ciclului limită  sunt independente de
punctul xQ de pe i , de secţiunea transversală  şi de coordonatele locale alese
pe aceasta.
Într-o secţiune Poincaré, un ciclu limită arată ca un punct fix. Secţiunea
Poincaré a unui atractor cvasiperiodic va arăta, în final, ca o curbă închisă
(fig. 1.18). Secţiunea Poincaré a unui atractor haotic va avea o structură fractală
(de puncte).

Fig. 1.18 Secţiunea Poincaré a unui atractor cvasiperiodic

1.5.4 Exponenţii Liapunov


Exponenţii Liapunov pot fi consideraţi ca o generalizare a valorilor
proprii pentru un punct de echilibru. Ei sunt utilizaţi pentru a determina
stabilitatea oricărui tip de comportare de regim permanent, inclusiv pentru
comportările cvasiperiodice şi de tip haotic [11].
Să considerăm un sistem dinamic în timp discret, descris de setul de
ecuaţii (neliniare):
xk 1  g  xk  , (1.73)

35
unde xk reprezintă vectorul de stare n-dimensional.
Fie xk perturbaţia incrementală a unui vector de stare xk , astfel încât
xk  xk  xk . Rezultă că:
xk 1  Dx  g  xk  xk , (1.74)

unde Dx  g  x  este o matrice Jacobi, de dimensiune n  n , având drept


componente derivatele parţiale ale funcţiilor g  x  în raport cu cele
n componente ale vectorului x   x1, x2 ,..., xn  .
Fie yk  xk x0 vectorul tangent, care determină un „spaţiu tangent”.
Ecuaţia de evoluţie a sistemului dinamic în acest spaţiu va fi:
yk 1  Dx  g  xk  yk . (1.75)

Evident, evoluţia vectorului tangent yk depinde de orbita  xk  care, la


rândul ei, este determinată de soluţia iniţială x0 şi de orientarea iniţială a
vectorului tangent y0 . Suntem interesaţi de rata exponenţială, în care
amplitudinea lui y creşte sau scade o dată cu fiecare iteraţie. În acest scop vom
defini mărimile:
  x0 , y0   lim   x0 , y0 , k  , (1.76)
k 

unde
1
  x0 , y0 , k  =  k  ln yk .
not
(1.77)
k
Mărimea   x0 , y0  se numeşte exponent (de tip) Liapunov, iar

  x0 , y0 , k  =  k se numeşte exponent Liapunov în timp discret.


not

În mod echivalent, putem vorbi despre „numărul Liapunov” L, care poate


fi definit în funcţie de exponentul Liapunov  prin relaţia L  e . Numărul
Liapunov L reprezintă factorul mediu în care amplitudinea vectorului perturbaţie
incrementală xk este multiplicat la fiecare iteraţie.
Din ecuaţiile (1.75) şi (1.76) rezultă că:
1
  x0 , y0 , k   ln Dx  g k  x0   y0 
k
1
 ln Dx  g  xk -1   ...Dx  g  x0   y0 , (1.78)
k
unde am notat prin g k  x0  iterarea de k ori a funcţiei g   , adică:

36
  
g k  x   g g g ... g  x    , (1.79)
de k ori

iar Dx  g k  x  este matricea Jacobi de ordinul n  n , relativă la transformarea


g k   . Produsul dintre matricea Dx  g k  x0   şi vectorul tangent unitar y0
poate fi interpretat, în spaţiul stărilor, ca un elipsoid ale cărui n raze principale
sunt chiar numerele Liapunov Li  x0 , k  , definite în timp discret pentru
i  1,2,..., n . Direcţiile principale ale elipsoidului sunt cei n vectori proprii
T
perpendiculari ai matricei simetrice reale:  Dx  g k  x0      Dx  g k  x0    .
   
Razele principale ale elipsoidului sunt rădăcinile pătratice ale celor n valori
proprii, care, uneori, sunt denumite valori singulare ale lui Dx  g k  x0   .
Pentru k   , ecuaţia (1.76) poate avea n valori posibile ale exponenţilor
i  x0  , care depind de orientarea vectorului y0 . Fie ordonarea lor astfel încât:
1  x0   2  x0   ...   n  x0  . (1.80)
Mulţimea valorilor i  x0  , i  1,2,..., n formează „spectrul Liapunov”.
Pentru a rezuma introducerea teoretică a exponenţilor Liapunov, să ne
imaginăm în spaţiul n-dimensional o sferă cu centrul în x0 care evoluează o
dată cu sistemul dinamic. După k iteraţii, sfera poate evolua într-un elipsoid,
caracterizat de n raze principale, aşa cum este ilustrat în fig. 1.19, pentru cazul
particular n  2 .
Raportul razelor principale (fig. 1.19) este de ordinul ek i , adică exponenţii
Liapunov  i califică rata de tip exponenţial a traiectoriilor sistemului dinamic în
evoluţia sa. În vecinătatea unei traiectorii asimptotic stabile, fluxul „se
contractă”, astfel că exponentul Liapunov va fi zero sau negativ.

Fig. 1.19 Interpretarea geometrică a exponenţilor Liapunov

37
Calculul exponentului Liapunov pentru ecuaţia (neliniară) xn 1  f  xn 
După cum s-a arătat, exponenţii Liapunov caracterizează senzitivitatea
evoluţiei unui sistem dinamic în timp, la variaţia incrementală  a condiţiilor
iniţiale. Dacă analizăm evoluţia sistemului dinamic din punctul x0   în locul
evoluţiei acestuia din punctul x0 , după n iteraţii abaterea dintre cele două
evoluţii poate fi caracterizată de ecuaţia:
  n    en , (1.81)
unde exponentul Liapunov  caracterizează rata medie a convergenţei sau
divergenţei procesului. Dacă  este negativ, procesul converge, iar dacă  este
pozitiv, procesul diverge. Dacă sistemul dinamic este caracterizat de ecuaţia:
xn 1  f  xn  , (1.82)
rezultă că diferenţa dintre evoluţiile faţă de o soluţie iniţială x0 şi o alta
(perturbată) x0   , după n iteraţii, va fi:
f n  x0     f n  x0    en (1.83)
sau
f n  x0     f n  x0 
ln n . (1.84)

Pentru  mic, această expresie devine:
1 d f n 
 ln   (1.85)
n  dx 
sau
n 1


1
  lim ln  f   xi   . (1.86)
n  n
i 0

De exemplu, în [12] se arată că pentru ecuaţia logistică:


xn 1  xn 1  xn  (1.87)
valoarea exponentului Liapunov  , în funcţie de parametrul  , este reprezentată
grafic ca în fig. 1.20.
Semnul (negativ sau pozitiv) al coeficientului Liapunov  coincide cu
momentele de bifurcaţie ale ecuaţiei logistice. De exemplu, peste valoarea de
  3,56 , regiunile de comportare periodică coincid cu intervalele în care
0.

38
Fig. 1.20 Variaţia coeficientului Liapunov pentru ecuaţia logistică

În tabelul 1.2 se prezintă o clasificare a comportărilor de regim permanent


ale unui sistem dinamic, în funcţie de mulţimile lor limită şi de valorile
exponenţilor Liapunov [14]. Aşa cum este prezentat şi în tabelul 1.2, toate
 
valorile proprii i , i  1, n , specifice unui punct de echilibru stabil, au partea
reală negativă, iar cel mai mare exponent al unui punct atractor este negativ.
Traiectoriile vecine unui ciclu limită converg către ciclul limită dacă cel
mai mare exponent Liapunov corespunzător ciclului limită este zero, iar ceilalţi
exponenţi sunt negativi.
Tabelul 1.2
Valori specifice pentru coeficienţii
Regim de funcţionare
Liapunov
„curent continuu” 0  1  2  ...   n
1  0,
periodic
0  2  3  ...  n
cvasiperiodic 1  2  ...  k  0
(k-tor) 0  k 1  k  2  ...  n
n
haotic 1  0 , dar  i  0
i1

39
Un k-tor este caracterizat de k exponenţi Liapunov nuli, deoarece fluxul
local nu este nici contractiv, nici expansiv. Restul de  n  k  exponenţi
Liapunov sunt negativi.
În medie, o traiectorie haotică este instabilă şi, în consecinţă, are un
exponent Liapunov pozitiv. Aceasta conduce la o dependenţă senzitivă de
condiţiile iniţiale. Cu toate acestea, un atractor haotic este caracterizat de o
mulţime limită atractoare spre care converg toate traiectoriile, astfel că suma
exponenţilor Liapunov este negativă.
În acest paragraf, până acum, ne-am referit în mod particular la definirea
exponenţilor Liapunov doar pentru sistemele dinamice în timp discret. Pentru
sistemele dinamice în timp continuu, aceste noţiuni se definesc în mod similar.
De exemplu, pentru un sistem dinamic n dimensional, în timp continuu,
caracterizat de sistemul de ecuaţii:
x  f  x , (1.88)
vom considera o orbită x  t  deplasată infinitezimal în spaţiul fazelor cu x  t  ,
astfel încât:
x  t   x  t   x  t  , (1.89)
şi că vectorul tangent la această orbită este definit de:
y  t   x  t  x  t  . (1.90)
În spaţiul vectorial tangent, sistemul dinamic este caracterizat de:
y  Dx  f  x  t   y . (1.91)
În acest caz, exponenţii Liapunov sunt definiţi de:

  x  0  , y  0    lim ln y  t 
1
(1.92)
t  t

şi conduc, similar ca în relaţia (1.80), la obţinerea a „n” exponenţi Liapunov


pentru valoarea iniţială x  0  din bazinul atractorului sistemului dinamic descris
de relaţia (1.88).

1.5.5 Entropia

Să considerăm că un experiment poate avea n valori posibile, cu


probabilităţile p1, p2 ,..., pn . Shannon a introdus noţiunea de „entropie”, care
descrie incertidunea experimentului prin relaţia:

40
n

 pi ln pi .
1
Hs  (1.93)
i 1

De exemplu, în cazul în care pi este egal cu unu, iar restul sunt nule,
rezultă că H s  0 , confirmând faptul că nu există nici o incertitudine în
realizarea experimentului. Pe de altă parte, incertitudinea are o valoare maximă
când toate valorile experimentului au probabilităţile egale. În acest caz
1
p1  p2  ...  pn  şi entropia va avea valoarea maximă posibilă egală cu
n
ln  n  .
Kolmogorov a aplicat noţiunea introdusă de Shannon în cadrul teoriei
ergodice. Fie  o măsură invariantă de probabilitate ergotică, ataşată unui
sistem dinamic, caracterizat de funcţia „f”. În cazul cel mai interesant pentru
studiul nostru „  ” poate fi interpretat ca măsura naturală a unui atractor haotic
corespunzător sistemului. Fie R o regiune închisă din spaţiul fazelor sistemului
dinamic, care conţine măsura  . Să împărţim regiunea R într-un număr finit de
subregiuni Ri , astfel încât R  R1  R2  ...  Rn .
În acest caz, putem defini funcţia de entropie corespunzătoare unei partiţii
Ri  prin relaţia:
n
H Ri   
1
  Ri  ln   Ri   , (1.94)
i 1

care ne dă informaţia medie dobândită când ştim că o orbită se află într-una


dintre partiţiile Ri . În continuare, Kolmogorov consideră valorile f 1  Ri 
corespunzătoare partiţiilor Ri şi examinează cele n 2 intersecţii:
Ri  f 1 R j   (1.95)

pentru fiecare pereche  i, j  , cu 1  i, j  n .


Alegând toate intersecţiile „nenule”, se realizează un nou set de partiţii
 
Ri , cu 1  i  n2 , unde n2 reprezintă numărul de intersecţii nenule. În
(2)

continuare, procedeul se repetă pentru cel de-al treilea set de partiţii R  
i
3

format din cele n3 intersecţii nenule de tipul:


Ri  f 1  Ri   f 2  Rk  , pentru i, j, k  1,2,..., n (1.96)
În mod similar se formează partiţiile de ordin superior. Mărimea:

h  ,Ri   lim
1
n  n
   lim H R   H R 
Ri 
n
n 
i
n 1
i
n
(1.97)

41
poate fi interpretată ca fiind informaţia medie câştigată trecând de la partiţia de
ordin „n” la partiţia „mai fină” de ordin „ n  1”, când n   .
Entropia metrică a măsurii  , denumită şi entropia Kolmogorov-Sinai,
este, prin definiţie:
h     sup h  ,Ri  . (1.98)
 Ri 
Există şi alte definiţii ale entropiei ataşate unui sistem dinamic. De
exemplu, entropia topologică a unui sistem dinamic, definit de câmpul vectorial f,
conduce la o caracterizare a complexităţii dinamicii sistemului independent de
măsura invariantă sau de măsurile pe care acest câmp le poate admite 41.
Entropiile metrice şi topologice permit moduri diferite de a caracteriza
haosul. De exemplu, se afirmă că dinamica pe o mulţime invariantă, care admite
o măsură invariantă  este haotică pentru orice condiţie iniţială în raport cu
măsura  dacă h     0 . Pe de altă parte, se spune că dinamica unui sistem
neliniar, caracterizat de funcţia f   , admite orbite haotice dacă hT  0 .

1.6 Stabilitatea structurală şi bifurcaţii

Stabilitatea structurală se referă la senzitivitatea unui sistem dinamic la


modificări mici ale parametrilor săi. În consecinţă un câmp vectorial f structural
stabil este acela pentru care un câmp vectorial f', foarte aproape de f, va avea o
dinamică echivalentă în spaţiul fazelor [3], [4], [10].
Noţiunea matematică de stabilitate structurală este foarte importantă şi
pentru sistemele dinamice electrice. De exemplu, un circuit fizic depinde, în
general, de un set de parametri, dintre care unul sau mai mulţi trebuie modificaţi
pentru a optimiza un criteriu de performanţă. În acest sens este necesar să ştim
dacă comportările în spaţiul fazelor vor fi echivalente sau (mult) diferite o dată
cu modificarea acestor parametri.
Să considerăm un sistem dinamic cu un singur parametru  , descris de
setul de ecuaţii:
x  t   f  x  t   , (1.99)
pentru care câmpul vectorial este parametrizat de valoarea lui  . O valoare
particulară 0 , pentru care fluxul câmpului vectorial corespunzător ecuaţiei
(1.99) nu este structural stabil, adică este puternic senzitiv la mici variaţii ale
parametrului 0 , constituie un punct de bifurcaţie.
Să considerăm exemplul comportării în spaţiul fazelor a unei diode Chua,
pentru diferite valori ale neliniarităţii rezistenţei negative Ga , aşa cum este
ilustrat în fig. 1.21. Aşa cum rezultă din fig. 1.21, sistemul Chua evoluează de la
42
regimul periodic stabil, caracterizat printr-o singură curbă în spaţiul fazelor
 v1, i3 , v2  , prin bifurcaţii succesive, la un regim periodic cu două, patru dublări
de perioadă, până la o mulţime caracterizată de o spirală atractoare [14].
Un alt exemplu îl poate constitui comportarea sistemului dinamic în timp
discret, caracterizat de ecuaţia logistică:
xk 1  xk 1  xk  . (1.100)
Această relaţie poate fi considerată ca fiind discretizarea ecuaţiei logistice
în timp continuu:
f  x   x 1  x  , x  . (1.101)
Pentru sistemul dinamic descris de ecuaţia iterativă pătratică (1.100),
valoarea „de echilibru” sau valoarea punctului atractor xq satisface condiţia:

 
f xq  xq , (1.102a)
adică
 
xq 1  xq  xq . (1.102b)
Rezultă:
1
xq1  0 şi xq2  1  . (1.103)

Valorile de echilibru xq1 şi xq2 vor satisface şi condiţia:
f   x    1  2 x  , (1.104)
adică
 
f  xq1  f   0    (1.105)
şi
 1
 
f  xq2  f  1    2   .
 
(1.106)

43
Fig. 1.21 Regimuri specifice unui sistem dinamic

44
În consecinţă condiţia de stabilitate pentru xq1  0 devine   1 , iar
1
condiţia de stabilitate pentru xq2  1  este 2    1 , adică 1    3 . Aceste

rezultate sunt ilustrate în fig. 1.22.

Fig. 1.22 Descrierea stabilităţii/instabilităţii atractorilor specifici ecuaţiei logistice

Deci sistemul dinamic caracterizat de funcţia logistică (de gradul doi)


(1.100) are următoarea comportare în raport cu  :
1
- dacă 0    1, rezultă xq1  0 este stabil, iar xq2  1  este instabil;

1
- dacă 1    3 , rezultă xq1  0 este instabil, iar xq2  1  este stabil;

- dacă   3 , atât xq1 , cât şi xq2 sunt instabile.
Să considerăm, în continuare, un al doilea ciclu al comportării sistemului
dinamic, caracterizat de operatorul:

f  f  x   = f 2  x    x 1  x   1  x 1  x  


not

  2 x 1  x   3 x 2 1  x  .
2 (1.107)

În acest caz, condiţia de echilibru f 2  xq   xq devine:

   
2
 2 xq 1  xq  3 xq2 1  xq  xq (1.108a)
sau


3 xq4  23 xq3   2 1    xq2   2  1 xq  0 .  (1.108b)

1
Rădăcinile sunt: xq1  0 şi xq2  1  , iar din ecuaţia

45
2 xq2      1 xq  1     0

 1    1   3
rezultă şi xq3,4  , care sunt reale doar dacă   3 .
2
În continuare, pentru compoziţia de ordinul trei a funcţiei iterative
logistice:

f  f  f  x     f 3  x ,
not
(1.109)

soluţiile de echilibru se obţin din ecuaţia f 3  xq   xq , care vor fi în număr de


opt, evidenţiind apariţia în spaţiul stărilor a 8  23 puncte fixe, dintre care patru
vor fi stabile şi patru vor fi instabile. Aceste bifurcaţii apar pentru
3  6  3,449490... .
Similar se poate constata că, pentru compoziţia de ordinul patru a funcţiei
logistice, soluţiile de echilibru ale ecuaţiei:

   
f  f  f  f xq   
  f 4  xq   xq
not
(1.110)

pun în evidenţă o nouă bifurcaţie pentru 4  3,5440... , rezultând 16 puncte


fixe, dintre care opt stabile şi opt nestabile ş.a.m.d.
Valorile  n pentru care au loc bifurcări, cu 2n puncte fixe, dintre care
2n1 sunt stabile şi 2n1 sunt nestabile, sunt date mai jos:
1  1  6  3,568759...
2  3  7  3,569296...
3  3,449490... 8  3,569891...
 4  3,545090... 9  3,569934...
5  3,564407... ...
Feigenbaum [12] a arătat că aceste puncte de bifurcaţie pot fi obţinute din
ecuaţia:
 n    c  F   ,
 n 1
(1.111)
unde   3,5699456... , c  2,6327... , iar F  4,6692... , care se numeşte
constanta (universală) Feigenbaum, deoarece caracterizează punctele de
bifurcaţie ale oricărei funcţii iterative (neliniare) de ordinul doi.
Ecuaţia unui sistem dinamic parametrizat poate fi rescrisă sub forma:
x  f  x,   , f: n
  n
, (1.112)

46
având ca soluţie perechea de valori  x,    S , unde mulţimea soluţiilor S este
definită de S   x  R f  x,    0 , cel puţin pentru o valoare   .
Din exemplele precedente s-a văzut că, pentru anumite valori ale
parametrului  se pot obţine diverse comportări ale sistemului dinamic în
spaţiul fazelor.
Un punct  x0 , 0   S se numeşte punct regulat al ecuaţiei f  x,    0
dacă:
f
0 (1.113)
x x  x0
0

şi punct singular dacă:


f
 0. (1.114)
x x  x0
0

Dintre punctele singulare, o importanţă deosebită o au punctele de


bifurcaţie, definite ca acele puncte în vecinătatea cărora ecuaţia (1.114) are, cel
puţin pentru un  dat, mai multe soluţii.
Teoria bifurcaţiei este o disciplină matematică care studiază schimbările
topologice şi diferenţiale, numite bifurcaţii, ale aplicaţiilor neliniare în anumite
puncte singulare, numite puncte de bifurcaţie 4.
Obiectul teoriei bifurcaţiei depinde de context, adică de spaţiile în care se
consideră aplicaţiile. Astfel, când aplicaţia defineşte o ecuaţie neliniară,
staţionară, ce depinde de un parametru, studiul de bifurcaţie revine la
determinarea anumitor caracteristici geometrice şi algebrice ale varietăţilor ce
alcătuiesc mulţimea soluţiilor acelei ecuaţii. În acest caz, teoria bifurcaţiei se
ocupă, în principal, de găsirea punctelor de bifurcaţie, a numărului varietăţilor ce
trec prin aceste puncte, a sensului lor de apariţie în aceste puncte, a stabilităţii
punctelor varietăţilor, ca soluţii ale unor ecuaţii de evoluţie ataşate unor familii
de câmpuri vectoriale.
Dacă aplicaţia defineşte un sistem dinamic, atunci teoria bifurcaţiei se
referă la schimbările topologice neechivalente ale spaţiului fazelor.
În cadrul sistemelor dinamice, teoria bifurcaţiei se numeşte teoria
bifurcaţiei dinamice (şi aparţine topologiei diferenţiale). În cazul problemelor
staţionare, definite de câmpuri vectoriale, ea se numeşte teoria bifurcaţiei statice
(şi aparţine analizei funcţionale neliniare). Datorită legăturii dintre ecuaţiile
diferenţiale, sistemele dinamice şi câmpurile vectoriale, bifurcaţia dinamică şi
cea statică a ecuaţiilor sunt legate corespunzător [3], [4].
Ca şi stabilitatea, bifurcaţia este o proprietate a soluţiei unei ecuaţii ce
depinde de un parametru, legată de variaţia acestei soluţii cu acel parametru.
Cum, în general, ecuaţia este neliniară, în cazul staţionar această variaţie nu este
47
descrisă de o funcţie, ci de o funcţie multiformă. De aceea teoria bifurcaţiei
apare ca un studiu al multiformităţii funcţiilor. Fiind un studiu de natură
calitativă, investigarea bifurcaţiei trebuie efectuată înaintea abordării numerice
sau a celei cantitativ teoretice a unei ecuaţii, deoarece, în funcţie de numărul şi
de natura soluţiilor, trebuie alese metodele analitice şi numerice specifice pentru
determinarea acelor soluţii.
De altfel teoria bifurcaţiei s-a impus în urma constatării că, datorită
neliniarităţii modelelor matematice ale ştiinţelor particulare, prezenţa bifurcaţiei
este regula şi nu excepţia! Pe de altă parte, existenţa mai multor atractori pentru
o aceeaşi valoare a parametrului a dus la explicarea multor „paradoxuri” ale
ştiinţelor particulare, impunând un alt sens noţiunilor de rezolvare şi de soluţie a
unei ecuaţii [4].
1.6.1 Diagrame de bifurcaţie
Portretele de fază, secţiunile Poincaré, seriile de timp sau spectrele de
putere evidenţiază informaţii asupra dinamicii unui sistem. Însă dinamica unui
sistem poate fi evidenţiată şi într-o manieră globală, în raport cu variaţia
valorilor parametrilor săi, permiţându-ne compararea simultană a comportărilor
periodice şi haotice.
Să considerăm, din nou, sistemul dinamic în timp continuu de ordinul n,
descris de ecuaţia: x  f  x,   , cu parametrul   . Pe măsură ce parametrul 
se modifică, mulţimile limită ale sistemului dinamic se vor schimba. În mod
tipic, o variaţie mică a parametrului  va produce o variaţie cantitativă mică a
mulţimilor limită ale sistemului. Dar există şi posibilitatea ca o variaţie mică a
parametrului  , în jurul anumitor valori, să producă schimbări calitative
importante ale sistemului dinamic. Aceste schimbări calitative se numesc
bifurcaţii, iar valorile parametrului  la care apar se numesc valori ale
bifurcaţiilor. Trebuie menţionat că o schimbare calitativă a mulţimii limită poate
să apară numai dacă sistemul dinamic este structural instabil. Astfel, mulţimea
valorilor de bifurcaţie este mulţimea valorilor parametrului pentru care sistemul
dinamic este structural instabil. În acest sens se spune că o diagramă de
bifurcaţie este o reprezentare a mulţimilor atractoare ale unui sistem dinamic în
raport cu valorile unui parametru de control [12], [13], [14]. În mod tipic, se
reprezintă fie spaţiul stărilor, fie se alege o variabilă de stare a sistemului
dinamic, care se reprezintă grafic în raport cu variaţia parametrului de control.
Diagrama de bifurcaţie este forma sintetică, geometrică de prezentare a
rezultatelor unui studiu de bifurcaţie. Exemple de bifurcaţii sunt: dispariţia sau
apariţia unor mulţimi limită sau o modificare în tipul de stabilitate a unei
mulţimi limită.
Să considerăm, pentru început, exemplul unui sistem dinamic de ordinul
unu, descris de ecuaţia:
x    x2 , x  . (1.115)

48
Punctele critice sunt date de ecuaţia:   x2  0 . Rezultă x1,2    .
Pentru   0 , sistemul dinamic nu are nici un punct de echilibru; pentru   0 ,
există un punct de echilibru în origine  x  0  , cu valoarea proprie egală cu
zero, iar pentru   0 , există un punct de echilibru stabil, la x    , cu
valoarea proprie 2  , şi un punct de echilibru instabil, la x    , cu
valoarea proprie 2  . Deoarece la trecerea prin zero a parametrului  se
creează două puncte de echilibru pentru sistemul dinamic, se spune că   0 este
o valoare de bifurcaţie pentru acest sistem. Portretul de fază pentru acest tip de
bifurcaţie este dat în fig. 1.23.

Fig. 1.23 Portretul de fază pentru bifurcaţia de tip „şa”: a)   0 ; b)   0

Diagrama de bifurcaţie pentru acest sistem este ilustrată în fig. 1.24, unde
sunt indicate şi mulţimile limită stabile (linie continuă) şi instabile (linie
punctată).

Fig. 1.24 Diagrama de bifurcaţie pentru sistemul dinamic (1.115)

Să considerăm exemplul unui sistem dinamic de ordinul unu, descris de


ecuaţia:
x  x  x3 , x  (1.116)
Pentru orice valoare a lui  , există un punct de echilibru în origine.
Valoarea proprie corespunzătoare lui este egală cu  , astfel că acest punct de
echilibru este stabil dacă   0 şi instabil pentru   0 . Pentru   0 , există, în

49
plus, încă două puncte de echilibru, la   . Ambele puncte de echilibru au
valorile proprii corespunzătoare egale cu 2 , astfel că acestea sunt stabile.
Poziţia şi stabilitatea punctelor de echilibru sunt reprezentate în fig. 1.25

Fig. 1.25 Portretele de fază ale bifurcaţiei de tip „pitchfork”


a) cazul   0 ; b) cazul   0

O bifurcaţie apare la   0 , deoarece la această valoare punctul de


echilibru din origine îşi schimbă tipul de stabilitate şi, în plus, sunt create două
noi puncte de echilibru. Diagrama de bifurcaţie este reprezentată în fig. 1.26.

Fig. 1.26 Diagrama de bifurcaţie pentru sistemul dinamic (1.116)

În cele două exemple precedente, o bifurcaţie a creat o pereche de puncte


de echilibru şi, în plus, în cazul exemplului precedent, a modificat şi stabilitatea
unui punct de echilibru existent. În următorul exemplu, bifurcaţia va crea un
ciclu limită.
Să considerăm sistemul dinamic de ordinul doi, descris de ecuaţiile:


x1  x2  x1 x12  x22    (1.117)
x2   x1  
x2 x12  x22  
Acest sistem dinamic are un punct de echilibru în origine, cu valoarea
proprie   j , unde j  1 . Pentru   0 , punctul de echilibru este stabil. Când
 este mărit către valoarea   0 , punctul de echilibru devine nonhiperbolic
(având valori pur imaginare pentru valorile proprii corespunzătoare), iar pentru
50
  0 , punctul de echilibru devine instabil. Mai mult, pentru   0 , există un
ciclu limită stabil, dat de soluţia ecuaţiei x12  x22   . Deoarece punctul de
echilibru al sistemului dinamic îşi schimbă stabilitatea la   0 şi este creată o
nouă mulţime limită, vom concluziona că   0 este o valoare de bifurcaţie
pentru sistemul dinamic considerat. Această bifurcaţie este denumită bifurcaţie
de tip Hopf.
Diagrama de bifurcaţie pentru exemplul de mai sus, reprezentată în spaţiul
de coordonate (, x1, x2 ) , este dată în fig. 1.27.

Fig. 1.27 Diagrama de bifurcaţie pentru sistemul dinamic (1.117)

În fig. 1.28 se prezintă diagrama de bifurcaţie corespunzătoare unui sistem


dinamic, în timp discret, caracterizat de ecuaţia logistică: xk 1  xk (1  xk ) . Aşa
cum rezultă din fig. 1.28, pentru valorile 1, 2 ,... ale parametrului de control
rezultă apariţia dublării de perioadă.

Fig. 1.28 Diagrama de bifurcaţie corespunzătoare ecuaţiei logistice

51
1.6.2 Tipuri de bifurcaţii
Teoria matematică a bifurcaţiei a studiat aproape complet tipurile de
bifurcaţii pentru sistemele dinamice dependente de un singur parametru sau, cel
mult, de câţiva parametri. Se admite faptul că un studiu general, pentru un
număr de n parametri, este imposibil (şi poate nici nu este interesant din punctul
de vedere al aplicaţiilor practice) [3], [4]. În continuare ne vom referi succint la
trei tipuri de bifurcaţii.
1. Bifurcaţia de tip Hopf apare în cazul sistemelor dinamice în timp
continuu, când o pereche complex-conjugată de valori proprii ale liniarizării
 
Dx  f xQ  a câmpului vectorial în jurul unui punct de echilibru xQ ,
traversează axa imaginară. În mod tipic, punctul de echilibru stabil devine
instabil şi se naşte un ciclu limită stabil. Similar, când un ciclu limită traversează
o bifurcaţie de tip Hopf, va rezulta o mişcare pe un tor 2 în spaţiul fazelor
sistemului dinamic.
2. O bifurcaţie de tip „şa” (saddle-nod) apare când un punct de echilibru
stabil şi unul instabil fuzionează şi apoi dispar brusc dintr-un atractor. Un
exemplu tipic de bifurcaţie de tip „şa” în circuitele electronice o constituie
comutarea între cele două stări ale unui circuit trigger Schmitt: la un anumit prag
de comutare, punctul de echilibru, care corespunde stării de saturaţie „high”, se
„uneşte” cu punctul de echilibru de tip „şa” din regiunea instabilă de câştig mare
şi dispare. După un regim tranzitoriu, traiectoria se îndreaptă către un alt punct
de echilibru, care corespunde stării „low”. O bifurcaţie de tip „şa” se poate
manifesta şi ca un comutator între atractori de diferite dimensiuni, între atractori
periodici şi atractori haotici sau de la un ciclu limită de o anumită perioadă către
un ciclu limită de o altă perioadă (de repetiţie).
3. Bifurcaţia de tip „dublare de perioadă” este tipică pentru sistemele
în timp discret şi apare atunci când o valoare proprie reală a liniarizării
 
Dx  f xQ  a câmpului vectorial f în jurul unui punct de echilibru xQ
traversează cercul unitate în punctul –1. În cazul sistemului dinamic în timp
continuu, bifurcaţia de tip dublare de perioadă apare doar pentru comportări de
tip ciclu limită, când durata unei perioade T se schimbă într-una de durata 2T
etc., aşa cum a fost ilustrat în fig. 1.12.
Fiecare dintre cele trei bifurcaţii descrise mai sus poate da naştere unei
evoluţii distincte către haos şi toate trei au fost regăsite în studiul circuitelor
electronice neliniare. De exemplu, evoluţia către haos prin dublarea perioadei
este caracterizată printr-o cascadă de bifurcaţii, în care un ciclu limită se
transformă în altul cu perioadă de repetiţie înjumătăţită. Un astfel de scenariu de
evoluţie către haos s-a pus în evidenţă la circuitul Chua.
Evoluţia către haos datorată bifurcaţiilor de tip „şa” cunoaşte diferite
strategii. Cea mai comună este aşa-numita „evoluţie intermitentă”, care rezultă
datorită unei singure bifurcaţii de tip „şa”. Caracteristic acestei strategii este

52
faptul că imediat după o bifurcaţie traiectoria din spaţiul stărilor este
caracterizată de intervale (relativ) lungi de mişcări aproape regulate, urmate de
scurte „ruperi” de mişcări neregulate. La o anumită valoare critică a
parametrului (de control) a sistemului dinamic, fazele regulate devin din ce în ce
mai scurte, iar „ruperile” de mişcări neregulate devin din ce în ce mai frecvente,
până când intervalele regulate dispar, lăsând locul unei evoluţii haotice (a
traiectoriei unui sistem dinamic).
Evoluţia către haos, datorată unei secvenţe de bifurcaţii de tip Hopf, dă
naştere unei căi către haos denumite „cale cvasiperiodică”. De exemplu, un
sistem dinamic care pleacă dintr-un punct fix va genera în evoluţia sa, după trei
bifurcaţii Hopf, trei toruri istabile şi la cea mai mică perturbaţie în sistem
evoluţia sistemului se va îndrepta către haos.
1.6.3 Drumurile către haos
De regulă, sistemele dinamice neliniare, ce pot avea un comportament
haotic, realizează trecerea dintr-un regim nonhaotic în regimul haotic printr-un
anumit regim tranzitoriu sau scenariu. Aşa cum am spus, există mai multe
modalităţi sau drumuri prin care un sistem periodic sau pseudoperiodic
realizează tranziţia către regimul haotic. Cele trei mari scenarii de tranziţie către
haos sunt:
- dublarea perioadei sau drumul lui Feigenbaum, caracterizat printr-o serie de
bifurcaţii;
- de la intermitenţa haosului către haos, ce apare în imediata vecinătate a
ferestrelor în care regimul haotic nu este prezent, deşi în afara acestor ferestre
sistemul are un comportament haotic;
- cvasiperiodicitatea, ce se traduce prin bifurcaţii Hopf repetate.
Scenariile: dublarea perioadei, ca şi intermitenţa haosului către haos se
găsesc adesea în cazul sistemelor monodimensionale. Astfel, pentru a ilustra
aceste două drumuri către haos, vom considera sistemul dinamic bazat pe funcţia
logistică definită astfel:
 xn 1  f  xn 
 (1.118)
 f  x   k x 1  x 
unde xn[0, 1] şi k[0, 4].
a) Dublarea perioadei sau drumul lui Feingenbaum
Drumul lui Feigenbaum se traduce prin dublări de perioadă succesive, pe
măsură ce unul dintre parametrii sistemului dinamic se modifică. În cazul
funcţiei logistice, parametrul ce se modifică este k, iar pe măsură ce k creşte
gradual, apar din ce în ce mai multe dublări de perioadă, până când sistemul
intră în regimul haotic. Pentru a explica fenomenul dublării de perioadă,
caracterizat printr-o bifurcaţie de tip furcă, vom considera mai multe intervale
de valori pentru parametrul k.
53
Cazul 1 : k  1
Traiectoria {xn} converge către punctul x=0, ce se numeşte punct fix
stabil al funcţiei logistice (pentru k  1 ).
Definiţie: x* este un punct fix al sistemului descris de funcţia F dacă
* * *
F(x )=x . În plus, x este un punct fix stabil dacă
d F x*  
 1 şi se numeşte
dx

instabil dacă
d F x*
 1.
 
dx
1

0. 9

0. 8

0. 7

0. 6
xn + 1

0. 5

0. 4

0. 3

0. 2

0. 1

0
0 0 .2 0. 4 0 .6 0 .8 1
xn

Fig. 1.29 Evoluţia traiectoriei {xn} pentru k=0.9 şi x0=0.6

În cazul exemplului considerat, definiţia stabilităţii unui punct fix se poate


traduce şi geometric folosind prima bisectoare xn+1=xn. Dacă panta funcţiei
logistice f(x) în x* este mai mică de 45˚, punctul fix x* este stabil, iar în caz
contrar punctul fix este instabil.

Cazul 2 : 1 < k < 3


Funcţia logistică are, în acest caz, două puncte fixe x0*  0 şi x1*  1  1 k 
, obţinute prin rezolvarea ecuaţiei: k x 1  x   x . Punctul x0* este instabil pentru
 1
că f   0   k  1, iar punctul x1* este stabil, deoarece f  1    2  k  1 ,
 k
pentru k<3. Aceasta înseamnă că toate traiectoriile cu condiţia iniţială x0 [0,1]
converg către x1* atunci când 1<k<3. Cu alte cuvinte, fiecare traiectorie converge
către un ciclu de ordinul 1 sau atractor punctual, reprezentat de punctul x1* .

Cazul 3 : 3  k  1  6

54
Pentru acest domeniu de valori ale parametrului k, punctul fix x1* devine
şi el instabil. Traiectoria cu condiţia iniţială x0 converge la început în vecinătatea
lui x1* , iar apoi se îndepărtează, pentru a oscila între două valori x2* şi x2*
(fig. 1.30). Această oscilaţie se numeşte ciclu de ordinul 2 sau atractor de
perioadă 2.
1

0.9

0.8

0.7

0.6
xn+1

0.5

0.4

0.3

0.2

0.1

0
x*2- x*1 x*2+
0 0.2 0.4 0.6 0.8 1
xn
Fig. 1.30 Dublarea perioadei (k=3.14, x0=0.04)

Trecerea de la un ciclu de ordinul 1 la un ciclu de ordinul 2 corespunde


unei bifurcaţii furcă (fig. 1.31), punctul de bifurcaţie fiind obţinut pentru k = 3.
x2*

x1*
x2*

Fig. 1.31 Bifurcaţia furcă

Punctele fixe x2* şi x2* sunt punctele fixe ale transformării f  f  x   ,


fiind deci soluţiile ecuaţiei:
f  f  x   x (1.119)
sau
 x k x   k  1 k 2 x 2  k  k  1 x   k  1  0 . (1.120)

Rezolvând ultima ecuaţie obţinem soluţiile (punctele fixe):

55
 x0*  0

 x*  1  1
 1 k

 * k 1  k  1 k  3 (1.121)
x
 2 
2k

 k 1  k  1 k  3
 x2* 
 2k

Cele două puncte fixe x2* şi x2* sunt soluţii stabile ale transformării
f  f  x   pentru 3  k  1  6 , deoarece

     1 ; d  f  f  x   1 .
d f f x2* *
2

dx dx

Cazul 4 : k  1  6
În acest caz punctele fixe x2* şi x2* sunt instabile, fiecare punct
divizându-se în alte două puncte pentru a da naştere unui atractor de perioadă 4.
Cele două noi bifurcaţii furcă apar pentru k  1  6 (fig. 1.32).

k=3 k 1 6

Fig. 1.32 Diagrama bifurcaţiilor pentru funcţia logistică (2.9k3.6)

56
Procesul de dublare a perioadei se repetă pe măsură ce k creşte. În
fig. 1.32 se poate observa fenomenul de dublare a perioadei, care apare pentru
k = 3 şi k  1  6 .
În general, atunci când un atractor de perioadă n devine instabil, pentru
k = kn, apare un alt atractor de perioadă 2n. Pentru funcţia logistică, dincolo de o
valoare critică, kc=3.5699456…, atractorul devine haotic.
Convergenţa funcţiei logistice către un regim haotic poate fi măsurată cu
ajutorul raportului distanţelor dintre valorile succesive ale parametrului kn, la
care apar dublări de perioadă. Pe măsură ce kn creşte, acest raport tinde spre o
anumită valoare , numită constanta lui Feingenbaum:
kn  kn 1
  lim  4.66920166... (1.122)
n  kn 1  kn

iar kn tinde spre kc.


Constanta lui Feingenbaum a fost pusă în evidenţă şi în cazul altor
sisteme dinamice la care apar bifurcaţii furcă şi deci are un caracter general.

b) De la intermitenţa haosului către haos


În fig. 1.33 este prezentată diagrama bifurcaţiilor pentru funcţia logistică
atunci când 2.8  k  4 . Se poate observa că pentru valori ale lui k mai mari
decât valoarea critică kc, în zona în care sistemul ar trebui să aibă un
comportament haotic există nişte „benzi albe”, numite ferestre, în care nu apare
nici un comportament haotic.

kc

Fig. 1.33 Diagrama bifurcaţiilor pentru funcţia logistică ( 2.8  k  4 )

Fereastra cea mai importantă se situează în jurul valorii k=3.84. Cea mai
mare parte a orbitelor incluse în această fereastră, determinate de condiţia
iniţială x0 şi parametrul k, converg spre un ciclu de ordinul trei. Pentru anumite
valori ale lui k, orbita nu converge asimptotic spre acest ciclu, dar aceste

57
traiectorii nu sunt în general observabile. S-a găsit că această fereastră (fig. 1.34)
începe exact atunci când k  1  8 .
+

-

+

-

 +

-

Fig. 1.34 Diagrama bifurcaţiilor pentru fereastra ce posedă un ciclu de ordinul trei

Pentru k  1  8 transformarea f  f  f  x    are trei puncte fixe notate


cu , , . Se poate observa din fig. 1.34 că, pe măsură ce parametrul k creşte,
cele trei puncte fixe se bifurcă, pentru a da fiecare naştere la alte două soluţii ale
ecuaţiei f  f  f  x     x , soluţii notate cu (+,-), (+,-), (+,-).
La fel ca în cazurile prezentate mai sus, se demonstrează că punctele +,
+, + sunt puncte fixe stabile, dar celelalte trei puncte sunt puncte fixe instabile.
Punctele +, +, + determină un atractor de perioadă 3, care atrage cea mai mare
parte a orbitelor. Bifurcaţia care produce un punct stabil şi unul instabil se mai
numeşte şi bifurcaţie tangentă. Bifurcaţia tangentă apare şi în cazul altor
ferestre ce posedă cicluri de alte ordine şi este considerată ca fiind specifică
scenariului de intermitenţă a haosului către haos. Haosul intermitent poate fi
observat atunci când parametrul k ia valori puţin mai mici decât valoarea
parametrului de la care începe fereastra periodică.
Păstrând parametrul k în fereastra considerată în fig. 1.34, vom nota
parametrul k sub forma k  1  8   . Graficele următoare arată evoluţia
traiectoriei {xn} pentru două valori diferite ale lui .
Din cele două grafice prezentate în fig. 1.35 se constată că orbita generată
cu funcţia logistică, cu parametrul k considerat şi condiţia iniţială x0=0.3,
urmează o mişcare periodică stabilă în general, dar care se destabilizează brusc,
lăsând locul unor răbufniri haotice, care se sting pe măsură ce k se apropie de
fereastra periodică.

58
1

0.9

0.8

0.7

0.6
xn

0.5

0.4

0.3

0.2

0.1
250 300 350 400 450
n
a)
1

0.9

0.8

0.7

0.6
xn

0.5

0.4

0.3

0.2

0.1
250 300 350 400 450
n

Fig. 1.35 a) Evoluţia lui xn pentru =10-3 şi x0=0.3 ;


b) Evoluţia lui xn pentru =10-4 şi x0=0.3

Pe măsură ce k se îndepărtează de fereastra periodică, răbufnirile haotice


devin din ce în ce mai frecvente, iar în final regimul haotic domină din nou. Este
de subliniat totuşi că, deşi în exemplul considerat răbufnirile haotice erau
controlate prin parametrul k  k    , ele depind şi de condiţia iniţială x0.

59
c) Cvasiperiodicitatea sau bifurcaţiile Hopf
Fie sistemul dinamic descris de ecuaţiile în timp continuu:
d x
 d t  y 
 x x 2
 y 2

 (1.123)
 d y
 d t 
 x  y x  y  
2 2

Se observă că acest sistem are un punct fix în origine (x=0, y=0), ale cărui
valori proprii sunt   j , unde j  1 .
Pentru <0, punctul fix este stabil. Când =0, punctul fix devine
nonhiperbolic, iar pentru >0, el este instabil. Pe de altă parte, pentru >0,
există un un ciclu limită stabil dat de ecuaţia: x 2  y 2   .
Deci, deoarece stabilitatea punctului fix se schimbă pentru =0 şi un ciclu
limită este creat pentru >0, rezultă că =0 este o valoare de bifurcaţie.
Trecerea unei perechi de valori proprii conjugate peste axa imaginară şi
crearea unui ciclu limită formează o bifurcaţie de tip Hopf.
Bifurcaţiile Hopf sunt mai puţin vizibile pe o diagramă de bifurcaţii, dar
pot fi observate cu uşurinţă în spaţiul fazelor. Astfel, fig. 1.36 a), b) prezintă,
pentru sistemul precedent, cazul în care punctul fix din origine este stabil
asimptotic (fig. 1.36 a)) şi spaţiul fazelor după ce bifurcaţia Hopf s-a produs
(fig. 1.36 b)).
Fie un sistem dinamic oarecare ce se află într-o stare staţionară,
caracterizată prin existenţa unui punct fix. Presupunem că prin modificarea unui
parametru al sistemului, acesta îşi pierde starea staţionară pentru a oscila cu o
frecvenţă f1 (ciclu limită), prin intermediul unei bifurcaţii Hopf. Dacă prin
modificarea în continuare a parametrului considerat apare o nouă bifurcaţie
Hopf, regimul periodic se transformă într-un regim cvasiperiodic cu două
frecvenţe f1 şi f 2 . În acest ultim caz, în spaţiul fazelor, vom avea ca atractor un
tor de dimensiune 2. Dacă urmează o a treia bifurcaţie Hopf, torul de
dimensiune 2 se transformă într-un tor de dimensiune 3, căruia îi corespunde un
regim cvasiperiodic cu trei frecvenţe f1 , f 2 şi f3 . Dacă sistemul dinamic este în
continuare perturbat, prin intermediul parametrului considerat, noul tor poate
deveni instabil şi regimul cvasiperiodic este înlocuit de un regim haotic.
În practică, o situaţie des întâlnită este aceea în care cvasiperiodicitatea
apare atunci când un oscilator de frecvenţă f 2 perturbă un sistem care era, iniţial
periodic, cu frecvenţa f1 . Dacă raportul frecvenţelor celor două oscilatoare nu
este raţional, sistemul se numeşte cvasiperiodic. În spaţiul frecvenţelor, drumul
către haos prin intermediul cvasiperiodicităţii este reprezentat printr-o
îmbogăţire a armonicilor de tipul mf1  nf 2 . O condiţie necesară pentru ca un
sistem să ajungă în regim haotic, plecând de la un regim periodic, este ca
sistemul să treacă prin cel puţin două bifurcaţii Hopf.

60
0.6

(-0.5,0.5) (0.5,0.5)
0.4

0.2

y 0

-0.2

-0.4
(-0.5,-0.5) (0.5,-0.5)
-0.6

-0.8
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6
x

a)
0.8

0.6
(-0.5,0.5) (0.5,0.5)
0.4

0.2

0
y

-0.2

-0.4
(-0.5,-0.5) (0.5,-0.5)
-0.6

-0.8
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
x
Fig. 1.36 a) Spaţiul fazelor înainte de bifurcaţia Hopf (=-0.2);
b) Spaţiul fazelor după ce bifurcaţia Hopf s-a produs (=0.2)

1.7 Asupra teoriei catastrofelor


1.7.1 Introducere
„Majoritatea teoriilor matematicii – afirma Rene Thom într-un interviu
în 1983 – au o origine endogenă, cu alte cuvinte cerinţele matematicii însăşi
generează teoria corespunzătoare. Teoria catastrofelor, din acest punct de
vedere, nu este o teorie a matematicii, ea este, mai degrabă, o metodologie în
raport cu un tip oarecare de situaţie experimentală, cu o fenomenologie oarecare,
constituind un mijloc de interpretare sau de generare a unor interpretări care
ne-ar permite să vedem ceva mai departe decât ne permite fenomenologia
propriu-zisă” [28], [29].

61
În forma cea mai brutală, o catastrofă este un salt de la continuu la
discontinuu. Teoria catastrofelor îşi propune să explice apariţia unor accidente
discontinue înăuntrul unor medii continue, atunci când observăm apariţia unor
discontinuităţi acolo unde iniţial ele nu existau. Apariţia unei discontinuităţi
într-un mediu continuu poate fi interpretată sau explicată cauzal, adică
identificând o altă discontinuitate care o precede şi o cauzează. Teoria
catastrofelor oferă însă o alternativă constând în a spune că un fenomen
discontinuu poate să apară oarecum spontan în cadrul unei comportări continue
a respectivului mediu.
Apariţia celulelor canceroase într-un organism cu o evoluţie sănătoasă sau
ieşirea din sincronism a unor echipamente digitale, interconectate controlat
într-o reţea – ca să luăm doar două exemple –, pot fi interpretate în sensul
modelării apariţiei situaţiei nedorite utilizând teoria catastrofelor.
Din capul locului, foarte mulţi reproşează utilizării termenului de
catastrofă, care a fost sugerat de Christopher Zeeman, atacurile vizând cel mai
adesea aspectele lingvistice sau filozofice decât pe cele ştiinţifice. Pentru cele
mai multe aplicaţii, nuanţa exagerată de dezastru a cuvântului catastrofă este
însă înşelătoare.
Întrebat de un reporter „la ce poate servi, practic, teoria dumneavoastră?”,
Rene Thom a răspuns: „De exemplu, poate servi la prezicerea căderii unor
faleze, la spargerea unui val sau, aşa cum a încercat colegul meu Zeeman, la
prezicerea revoltelor dintr-o închisoare sau a catastrofelor economice”.
Această teorie se aplică azi cu succes în probleme de stabilitate, geometria
fluidelor, optică, structuri elastice, termodinamică, fizica laserilor, biologie,
ecologie ş.a.
Teoria catastrofelor îmbină intuiţia fizică, experimentul, geometria
multidimensională, algebra, calculul numeric, topologia, teoria singularităţilor şi
altele, într-o abordare globală şi intercorelată, pentru explicarea comportării
sistemelor dinamice [26], [27].
În absenţa unor abordări serioase şi profunde nu pot să apară clar nici
scopul teoriei, nici intenţiile ei, nici posibilităţile de aplicare şi nici limitările pe
care i le (re)cunoaştem astăzi.
Teoria catastrofelor este un instrument de investigaţie care trebuie stăpânit
cu sensibilitate şi inteligenţă, căci folosind o teorie matematică, precum un
ciocan pentru dăltuirea unei statui din marmură, rezultatele sunt, de regulă,
remarcabile, dar ocazional pot fi şi fatale.

1.7.2 Noţiuni de bază


Pentru evidenţierea fundamentelor matematice ale teoriei catastrofelor se
foloseşte aparatul matematic general din topologia sistemelor dinamice, analiza
funcţiilor de mai multe variabile, teoria varietăţilor diferenţiabile şi afine,
algebra liniară şi neliniară.

62
Încadrarea unei probleme în domeniul teoriei catastrofelor se face numai
după obţinerea modelului matematic al problemei fizice. După ce modelul
matematic a fost obţinut, asupra lui se proiectează tehnica de lucru din teoria
catastrofelor, adică se rezolvă o problemă (deja) rezolvată teoretic, cum obişnuia
să spună matematicianul Grigore Moisil.
Scopul teoriei catastrofelor este studierea schimbărilor discontinue din
spaţiul stărilor, care sunt produse de variaţii netede (mici) în spaţiul parametrilor
de control al unui sistem dinamic.
Termenul de catastrofă este utilizat pentru a marca faptul că o variaţie
netedă în spaţiul de control determină o schimbare discontinuă (un salt) în
spaţiul stărilor unui sistem dinamic.
Să presupunem că „suprafaţa de evoluţie în timp” a stării unui sistem
dinamic este cea din fig. 1.37.

Fig. 1.37 Ilustrarea evoluţiei unui sistem dinamic în timp, în spaţiul fazelor

Dacă starea iniţială a sistemului este s1 şi evoluţia sa parcurge în timp


„traseul” s1  s1 , se remarcă pe fig. 1.37 o continuitate a stărilor intermediare.
Dacă însă starea iniţială a sistemului este s2 , atunci în evoluţia spaţio-temporală
a sistemului se remarcă existenţa unei discontinuităţi, interpretată ca un salt de
tip catastrofă.
Să considerăm sistemul dinamic caracterizat de o funcţie F  x, c  , unde
am notat prin x vectorul variabilelor de stare:
x   x1, x2 ,..., xn   n
spaţiul stărilor (1.124)
şi prin c vectorul variabilelor de control:
c  c1, c2 ,..., cm   m
spaţiul de control, (1.125)
astfel încât
F: n
 m
 . (1.126)

63
Variabilele de control ci , i  1, m pot fi interpretate tehnic ca parametri
(de control) ce vor modifica comportarea dinamică a sistemului.
Fie un punct particular c din spaţiul de control m , adică o valoare
particulară, fixată, pentru parametrii sistemului. Restricţia funcţiei F, definită de
relaţia (1.126), pentru n
 c , adică funcţia x  Fc  x  realizează
corespondenţa:
Fc ( x) : n
 c  . (1.127)
Cu alte cuvinte funcţia F  x, c  poate fi caracterizată de o familie de
funcţii Fc  x  care sunt parametrizate după c.
Formal, definiţiile şi proprietăţile referitoare la familii de funcţii vor fi
aceleaşi ca şi pentru o singură funcţie, dar acest lucru nu va implica faptul că
toate funcţiile familiei vor avea acele proprietăţi. Se spune că familiile de funcţii
reprezintă o altă calitate faţă de o singură funcţie, unele comportări ale familiei
neavând loc în cazul unei singure funcţii.
În cazul particular în care funcţia Fc ( x) : n  este inversabilă,
nesingulară şi de formă pătratică:
Fc  x    aij xi x j , (1.128)
i   j 
se demonstrează că ea poate fi adusă, printr-o schimbare liniară, reală de
coordonate, la forma canonică (polinomială):
Fc  z12  z22  ...  zr2  zr21  ...  zs2 , (1.129)
cu s  n , unde s şi r sunt independenţi de acea schimbare.
Acest rezultat permite clasificarea formelor pătratice cu ajutorul lui s şi r.
De exemplu, în cazul particular a două variabile, forma pătratică
Fc  x1, x2   a11x12  2a12 x1x2  a22 x22 poate fi adusă la una din expresiile:
z12  z22 , z12  z22 ,  z12  z22 ,  z12  z22 .
Cel mai mare interes îl reprezintă însă clasificarea funcţiilor neliniare,
infinit diferenţiabile Fc : n  , care nu sunt pătratice, cubice sau de o altă
formă particulară. O clasificare a acestora, în tot spaţiul n , este foarte dificilă,
iar în cazurile practice este necesară, astfel încât această clasificare se face doar
în jurul unui punct x0 din n , cel mai adesea făcându-se în jurul originii. În
acest caz, caracterul local al studiului permite folosirea dezvoltării funcţiei
Fc : n  în serie Taylor în jurul punctului x0  n , astfel încât:
1
Fc  x   Fc  x0   DFc  x0  x  x0   D 2 Fc  x0  x  x0  ,
2
(1.130)
2
64
unde
 F F F 
DFc  x    c , c ,..., c  (1.131)
 x1 x2 xn 
reprezintă vectorul gradient, iar

  2 Fc 

D Fc  x   
2
, 1  i, j  n  (1.132)
 xi x j
 

reprezintă matricea Hessian.
Punctul x0  n este un punct critic (PC) pentru Fc  x  dacă
DFc  x0   0 . În plus, dacă D2 Fc  x0   0 , atunci x0 se numeşte punct critic
nedegenerat (PCN), iar dacă: D2 Fc  x0   0 , atunci x0 se numeşte punct critic
degenerat (PCD). De exemplu, în cazul funcţiilor reale de o singură variabilă
reală (deci pentru n  1 ), punctele critice corespund unor minime, maxime sau
unor puncte de inflexiune ale funcţiei Fc  x  , aşa cum rezultă din fig. 1.38.

Fig. 1.38 Punctele critice specifice funcţiilor Fc  x 

În cazul n  2 , o funcţie Fc  x1, x2  poate avea puncte critice de tip


minim, maxim (care sunt PCN) sau puncte de tip şa (PCN), puncte de tip
şa-maimuţă (PCD) sau puncte de tip albie (PCD). De exemplu, în jurul punctului
 x1, x2    0,0 , funcţiile de mai jos, aşa cum rezultă şi din fig. 1.39, au
următoarele tipuri de puncte critice:
F  x1, x2   x12  x22 minim; (1.133a)

F  x1, x2   x12  x22 punct şa; (1.133b)

F  x1, x2   x13  3x1x22 punct şa-maimuţă; (1.133c)

F  x1, x2   x12 punct albie. (1.133d)

65
Fig. 1.39 Punctele critice specifice funcţiilor Fc  x1, x2 

1.7.3 Teorema lui Morse


Teorema lui Morse precizează faptul că în vecinătatea unui punct critic
nedegenerat (PCN), o funcţie Fc  x  poate fi adusă la o formă standard simplă
printr-o schimbare de coordonate. Adică, pentru o funcţie:
Fc : V  n
 de clasă 2
(1.134)
şi un punct critic nedegenerat (PCN) x0 V , pentru o vecinătate U  V a lui
x0 există un sistem de coordonate  y1, y2 ,..., yn  , cu yi  x0   0 , i  1, n , astfel
încât pe U are loc identitatea:
Fc  y   Fc  x0   y12  y22  ...  y 2  y 21  ...  yn2 , (1.135)
unde 0   n .

66
Cu alte cuvinte teorema lui Morse [23] arată că după alegerea potrivită a
coordonatelor y, într-o vecinătate a unui punct critic nedegenerat x0 , creşterea
funcţiei Fc se reduce la o formă pătratică de tipul:

y12  y22  ...  y 2  y 21  ...  yn2 (1.136)

numită, uneori,  şa Morse. Numărul este un invariant ataşat tipului de


punct critic, deoarece schimbările de coordonate îl lasă neschimbat.
Teorema lui Morse arată că un punct critic nedegenerat poate fi
transformat, printr-un difeomorfism (adică schimbarea netedă de coordonate,
infinit diferenţiabilă şi inversabilă), într-un punct  şa . Deoarece un punct
 şa este un punct critic izolat, difeomorfismele transformă punctele critice
izolate tot în puncte critice izolate. Cu alte cuvinte un PCN este întotdeauna un
punct critic izolat.
Fie Fc : V  n  o funcţie de clasă 2
. Dacă D 2 Fc  x  este
nedegenerată în punctele critice ale lui Fc  x  , atunci Fc se numeşte funcţie
Morse. Funcţiile Morse au o structură relativ stabilă, fapt exploatat din plin în
teoria catastrofelor. Această stabilitate este legată de faptul că, local, funcţiile
Morse pot fi exprimate fie ca forme liniare (în vecinătatea punctelor x pentru
care DFc  x   0 ), fie ca forme pătratice (în vecinătatea punctelor critice
nesingulare).
Funcţiile Morse sunt structural stabile, adică o perturbare suficient de
mică a funcţiei poate fi întotdeauna exprimată local în aceeaşi formă ca şi
funcţia iniţială printr-o schimbare de coordonate, urmată, eventual, de o
schimbare a scării valorilor.
O funcţie Fc  x  este structural stabilă în vecinătatea unui punct critic x0
dacă pentru orice funcţie perturbatoare P  x  , netedă şi suficient de mică,
punctele critice ale lui Fc  x  şi ale lui Fc  x   P  x  sunt de acelaşi tip sau, cu
alte cuvinte, după o schimbare convenabilă de coordonate, funcţiile Fc  x  şi
Fc  x   P  x  sunt echivalente.
În concluzie, aşa cum rezultă din teorema lui Morse, o funcţie Fc  x  este
structural stabilă în jurul unui PCN.
Să vedem acum ce se întâmplă în jurul punctelor critice degenerate (PCD)
ale unei funcţii: Fc : V  n  , cu Fc  2 , unde x0 V este un punct critic
degenerat, cu rangul matricei hessian r  n .

67
1.7.4 Teorema de bifurcaţie
Teorema de bifurcaţie afirmă că, pentru o vecinătate U  V a lui x0 ,
există un sistem de coordonate  y1, y2 ,..., yn  , astfel încât pe U are loc
reprezentarea:

 
Fc  y    y12  y22  ...  yr2  Fc yr21, yr2 2 ,... yn2 . (1.137)

Adică, în vecinătatea unui punct critic degenerat (PCD), o funcţie Fc  x 


se descompune (impropriu zis „bifurcată”) într-o funcţie Morse şi o funcţie
„catastrofă”, notată cu Fc , fiecare depinzând de alte variabile. Acum,
comportarea funcţiei Fc în x0 U se transformă în studiul comportării funcţiei
Fc pentru x0 .
Diferenţa de comportare a funcţiei Fc  x  în jurul punctelor critice
nedegenerate faţă de comportarea în jurul punctelor critice degenerate este dată
de proprietăţile de stabilitate structurală ale funcţiei în jurul punctelor critice.
Aşa cum am mai precizat, se poate arăta că funcţia Fc  x  este structural stabilă
în jurul unui PCN şi numai acolo. Deci în jurul unui PCD funcţia Fc  x  este, de
regulă, structural instabilă.

1.7.5 Teorema de clasificare a lui Thom


Teorema (de clasificare a) lui Thom afirmă că o familie m parametrică de
funcţii F : n  m  , cu n spaţiul stărilor pentru x şi m spaţiul de
control pentru c, care este infinit diferenţiabilă de la n la pentru orice n
şi restrictivă pentru 1  m  4 este structural stabilă, iar în vecinătatea unui punct
x0 este echivalentă cu una din clasele de:
I. Funcţii structural stabile, de tipul funcţiei liniare (dacă x0 nu este un PC)
sau funcţii de tip  şa Morse (dacă x0 este un PCN);
II. Funcţii structural instabile (dacă x0 este un PCD), care se pot descompune
într-o sumă de o funcţie de tip Morse şi o funcţie de tip catastrofă.

În tabelul 1.3 sunt prezentate cele şapte catastrofe „elementare” pentru


1  m  4 parametri, aşa cum au fost clasificate de R. Thom în 1972. Ulterior, în
1975, V. Arnold a prezentat o nouă clasificare pentru 1  m  5 parametri [3].
Calificativul „elementare” dat de R. Thom celor şapte catastrofe din
tabelul 1.3 nu exprimă caracterul lor simplu, ci, mai degrabă, caracterul lor
constitutiv, potrivit căruia ele se regăsesc într-o diversitate foarte mare de
aplicaţii din diferite ştiinţe particulare. De fapt catastrofele sunt clase de
echivalenţă de forme normale, polinomiale. Deci ele nu sunt funcţii, ci clase de
echivalenţă de funcţii (rezultate din modelarea aplicaţiilor fizice).
68
Tabelul 1.3
Denumirea catastrofelor F  x, c 
1 3
Faldul x1  c1x1   M 
3
1 4 1 2
Întoarcerea x1  c1x1  c2 x1   M 
4 2
1 5 1 3 1
Coada de rândunică x1  c1x1  c2 x12  c3 x1   M 
5 3 2
1 6 1 4 1 3 1 2
Fluturele x1  c1x1  c2 x1  c3 x1  c4 x1   M 
6 4 3 2
Ombilicul eliptic  
x13  3x1x22  c1 x12  x22  c2 x1  c3 x2   N 
Ombilicul hiperbolic x13  x23  c1x1x2  c2 x1  c3 x2  N 
Ombilicul parabolic x12 x2  x24  c1x12  c2 x22  c3 x1  c4 x2  N 
unde  M  este o funcţie Morse de forma:
x22  ...  xi2  xi21  ...  xn2 , 1  i  n ,
iar  N  este o funcţie Morse de forma:
x32  ...  xi2  xi21  ...  xn2 , 2  i  n .

Să observăm încă o dată că teoria catastrofelor clasifică local comportarea


familiei de funcţii F  x, c  în punctele critice x  n , când c  m se modifică.
Pentru a cunoaşte (mai bine) comportamentul local al funcţiei F este necesar să
studiem întreaga geometrie a catastrofei, pe tot domeniul său de definiţie
n
 m . Există numeroase lucrări remarcabile care prezintă în detaliu acest
studiu [26], [27].
Esenţa studiului unei funcţii catastrofă constă în determinarea mulţimii
bifurcaţie B  m a variabilelor de control c pentru care funcţia F are puncte
critice degenerate. Cititorul interesat într-un astfel de studiu poate consulta, de
exemplu, lucrările [31], [32].
În cazul sistemelor dinamice aflate departe de echilibru pot să apară tranziţii
de fază. Tranziţia de fază este fie o apariţie a unei ordini în dezordine, fie a unei
ordini în alt tip de ordine, fie a dezordinii în ordine. Cele mai cunoscute tranziţii de
fază sunt cele care se referă la trecerea de la o fază de agregare a materiei la alta
(topirea metalelor, lichefierea gazelor, sublimarea, vaporizarea, îngheţarea etc.).
Dar acestea sunt tranziţii de fază ce au loc pentru sisteme aflate la echilibru sau
aproape de echilibru. În general prezintă interes studiul tranziţiilor de fază ale
sistemelor aflate departe de echilibru. Apariţia şi comportările haotice ale
sistemelor dinamice sunt ilustrative pentru acest studiu [3].

69
1.8 Fractalii în caracterizarea (atractorilor) sistemelor
dinamice
Cuvântul „fractal” este derivat din latinescul „fractus”, care înseamnă
ceva neregulat şi fragmentat şi a fost inventat de Benoit B. Mandelbrot pentru
titlul unui articol din 1975 asupra unor forme care aveau proprietatea de a fi
„rugoase şi autosimilare”. Astăzi ştim că fractalii pot fi obiecte de diferite forme,
astfel încât este dificil de dat o definiţie corespunzătoare. La început, pentru
Mandelbrot, „rugos şi autosimilar” era o posibilitate de a reprezenta obiecte
matematice care se depărtau de formele extrem de ordonate şi netede din
geometria euclidiană şi evadau către forme de o complexitate geometrică
deosebită, cum sunt atractorii haotici din spaţiul fazelor unor sisteme dinamice.
Mandelbrot observa că norii nu sunt sfere, munţii nu sunt conuri, iar
fulgerul nu este o linie dreaptă, încât, pentru reprezentarea geometrică a unor
obiecte din natură trebuie înlocuită geometria euclidiană cu una fractală. De fapt
Mandelbrot dorea să explice tranziţia de la ordine la dezordine printr-un
scenariu sau un drum către turbulenţă. Cu ajutorul conceptului de fractal,
Mandelbrot dorea să formalizeze contrastul mare dintre netezimea ce
caracterizează ordinea şi „nenetezimea” care caracterizează haosul. În acest
sens, el a dezvoltat noţiunea de dimensiune Hausdorff fracţionară pentru
caracterizarea modelelor sale autosimilare, specifice unor clase largi de fractali.
Fractalii au fost studiaţi încă din secolul trecut, mult înaintea lui
Mandelbrot. Astfel, Georg Cantor (1872), Giuseppe Peano (1890), David
Hilbert (1891), Helge von Koch (1904), Waclaw Sierpinschi (1916), Gaston
Julia (1918) şi Felix Hausdorff (1919) au studiat, pe rând, astfel de mulţimi
excepţionale, care azi le poartă numele, dar nu le-au dat o caracterizare comună.
Ei le-au numit mulţimi cu dimensiuni fracţionare, mulţimi măsurabile
Hausdorff, mulţimi cu structură fină sau mulţimi neregulate, stranii! Astăzi, deşi
ne referim la mulţimea de tip Cantor, curba lui Koch, Peano sau Hilbert, sau
triunghiul lui Sierpinschi, nu le mai considerăm ca fiind exemple de monştri
matematici, ci mulţimi care sunt de neevitat pentru explicarea unor teorii
matematice sau reprezentarea unor obiecte din natură [12], [13].
1.8.1 Noţiunea de dimensiune
Noţiunea de dimensiune este legată de procesul de măsurare. Odată
definită o unitate de măsură  , a măsura un obiect (matematic) înseamnă a
determina de câte ori unitatea de măsură este cuprinsă în obiectul măsurat, adică
[15], [34]:
M  N . (1.138)
Notând unitatea de măsură cu:
  D , (1.139)

70
rezultă că, în geometria euclidiană, punctul este caracterizat de dimensiunea
D  0 , dreapta de dimensiunea D  1 , suprafaţa de dimensiunea D  2 , iar un
volumul de dimensiunea D  3 , aşa cum este ilustrat în fig. 1.40 a), b), c), d).

D=0

D=1

D=2

D=3

L  1   N1  1

L  2   N2  2  L  1 
Fig. 1.40 Ilustrarea noţiunii de dimensiune
Dar, alegând pentru etalonul  o valoare 1 , lungimea curbei din
fig. 1.40 e) va fi L  1   N11 , iar dacă se alege 2  1 , de exemplu 2  1 ,
atunci lungimea aceleiaşi curbe va fi L  2   N22  L  1  , ceea ce nu pare
normal! Acesta a fost subiectul celebrului articol a lui Mandelbrot din 1967, în
care se întreba retoric: „How long is the Coast of Britain?”.
Pentru a introduce intuitiv noţiunea de dimensiune considerăm relaţia
dintre numărul N de unităţi de măsură şi etalonul ales  , pentru a măsura o linie
de lungimea L. Aşa cum rezultă succesiv din fig. 1.41 a), b), c),… dacă etalonul
1 1 1
ales  are valorile: 1, , ,..., n , numărul N    poate fi exprimat de şirul de
2 4 2
n
valori: 1,2,4,8,...,2 , adică:
1
1
N     . (1.140)

71
1
1
 N    
 3

a) 1 1
b) 1
2
2
1
c) 4
4
1
8
8
.................... ....................

1 2n
2n

Fig. 1.41 Ilustrarea măsurii unui segment de dreaptă

În cazul măsurării unei suprafeţe pătratice de arie L2 , ca cea din fig. 1.42,
1 1 1 1
dacă se aleg succesiv pătrate de laturi 1, , , ,..., n , atunci numărul N    de
2 4 8 2
astfel de unităţi de măsură pentru evaluarea suprafeţei este dat de şirul
1, 4, 16, 64, ..., 4n , adică:
2
1
N     . (1.141)

În concluzie, generalizând aceste rezultate, pentru măsurarea unor puncte,
linii, suprafeţe, volume etc., de dimensiuni euclidiene D  0, 1, 2, 3, ... , rezultă
că numărul N    este:
D
1
N     . (1.142)

Din relaţia (1.142) se obţine prin logaritmare:
1
log N  D log   , (1.143)


72
astfel încât
log  N 
D , (1.144)
1
log  

unde N este numărul de copii identice ale unităţii de măsură, iar 1  exprimă
ordinul de reducere a copiilor de la o iteraţie la alta.
2
1
 N    


1 1

1 4
2

1 16
4

1 64
8

1
4n
2n
Fig. 1.42 Ilustrarea măsurii unei suprafeţe

73
Trebuie menţionat că, în general, o mulţime fractală este caracterizată de
o dimensiune Hausdorff şi de o dimensiune de autosimilaritate (D), care sunt
egale atunci când acea mulţime fractală este autosimilară. Pentru obiecte
matematice „obişnuite”, adică: linii, curbe sau suprafeţe rectificabile, această
dimensiune devine dimensiunea euclidiană obişnuită.
Primii fractali studiaţi de Mandelbrot au fost cei autosimilari (adică
invarianţi la transformări liniare). Să analizăm câteva exemple.
1.8.2 Mulţimea Cantor
Mulţimea Cantor este formată dintr-un set infinit de puncte aflate în
intervalul închis [0,1]. Algoritmul de obţinere a mulţimii Cantor este simplu şi
este ilustrat în fig. 1.43. Intervalul închis [0,1], sugerat ca un segment de dreaptă
în fig. 1.43, este împărţit în trei părţi egale, iar la iteraţia doi se elimină
intervalul median deschis (1/3, 2/3). Celor două intervale rămase, [0, 1/3] şi
[2/3, 1], li se aplică la iteraţia trei acelaşi algoritm ca mai sus.
Pentru fiecare iteraţie, în fig. 1.43 sunt trecute numărul N de copii identice
şi lungimea  a intervalelor (identice), determinând, de fiecare dată, şi ordinul
lor de reducere 1  .

Fig. 1.43 Generarea mulţimii Cantor

În consecinţă, conform relaţiei (1.144), dimensiunea de autosimilaritate a


mulţimii Cantor este:
log  N  log 2n log 2
D  lim  lim   0,63093... (1.145)
0  1  0 log3n log3
log  

74
1.8.3 Curba lui Koch
Curba lui Koch este un alt exemplu clasic de obiect fractal. Construcţia
acesteia este ilustrată în fig. 1.44 şi se bazează pe două reguli geometrice foarte
simple. Să începem cu un segment de lungime L, pe care îl împărţim în trei părţi
egale, de lungime 1  L 3 . În prima iteraţie, segmentul din mijloc este înlocuit
cu un triunghi echilateral cu laturile 1 din care se omite baza. Se obţine astfel o
linie frântă formată din patru segmente identice, care are lungimea totală
L1  41 . Aceste două reguli se aplică din nou celor patru segmente,
determinându-se mai întâi 2  1 3  L 9 şi rezultând la sfârşitul iteraţiei doi o
linie frântă de lungime L2  161 (fig. 1.44).

Fig. 1.44 Generarea curbei lui Koch


75
Aşa cum este arătat şi în fig. 1.44, la iteraţia n, lungimea segmentelor
(identice) constitutive este n  L 3n , iar lungimea totală a curbei lui Koch este
de Ln  4n n . Rezultă că dimensiunea ei de autosimilaritate este:
Ln
log
n log 4n log 4
D    1,2618... (1.146)
L log3n log3
log
n
Interesant este că dimensiunea D  1,2618 plasează curba lui Koch între o
dreaptă care are dimensiunea euclidiană unu şi un plan care are dimensiunea
euclidiană doi. Cu alte cuvinte, în geometria euclidiană, curba lui Koch nu este
nici dreaptă, dar nici plan! Mai mult, deşi rezultă din aplicarea iterativă a unui
algoritm atât de simplu, lungimea curbei lui Koch este infinită!
1.8.4 Triunghiul lui Sierpinschi
Face parte tot dintre fractalii clasici. Algoritmul care conduce la obţinerea
lui este ilustrat în fig. 1.45.

Fig. 1.45 Generarea triunghiului lui Sierpinschi

De exemplu, se începe cu o suprafaţă plană de forma unui triunghi


echilateral din care „se decupează” triunghiul echilateral median (fig. 1.45).
Operaţia se repetă pentru fiecare din cele trei triunghiuri echilaterale rămase
ş.a.m.d. La fiecare iteraţie, numărul de triunghiuri identice rămase este 3n , iar
factorul de reducere este de 1 2  , astfel încât dimensiunea de autosimilaritate
n

pentru triunghiul lui Sierpinschi este:


log3n log3
D   1,5850... (1.147)
log 2n log 2
Să analizăm în continuare legătura dintre dimensiunea de autosimilaritate
(D) şi lungimea unui fractal. Lungimea (L) unui fractal măsurată va depinde de
etalonul () ales, conform legii:

76
1
L   , (1.148)
d
unde prin d s-a notat „dimensiunea compas” sau dimensiunea fractală.
Logaritmând relaţia de mai sus se obţine:
1
log L     d log (1.149)

Pe de altă parte, numărul N    de copii identice a unităţii de măsură, la
fiecare iteraţie, în cazul unui fractal autosimilar, este dat de relaţia:
1
N   . (1.150)
D
Logaritmând relaţia de mai sus se obţine:
1
log N     D log . (1.151)

Relaţia dintre lungimea L    şi numărul de copii identice N    , la o
anumită scală , este:
L   N    . (1.152)
Pe baza relaţiilor de mai sus rezultă succesiv că:
log L     log N     log  (1.153)
şi
1 1
d log  D log  log  , (1.154)
 
de unde rezultă relaţia dintre dimensiunea fractală d şi dimensiunea de
autosimilaritate D:
D 1 d . (1.155)
Rezultă că dimensiunea de autosimilaritate (D) a unui fractal poate fi
calculată prin două metode echivalente:
a) determinând, pe baza formelor geometrice de autosimilaritate, legea
exponenţială între numărul de copii identice N    şi ordinul de reducere al
acestora de la o iteraţie la alta, care are forma: N     1/   ;
D

b) efectuând măsurătorile de lungimi de tip compas şi determinând legea


exponenţială între lungimea L şi 1/  , unde  este valoarea aleasă a etalonului,
exprimată prin L     1/   . Dimensiunea de autosimilaritate D se calculează
d

în acest caz cu relaţia D  1  d .

77
Mulţimile fractale clasice, ca cele descrise mai sus, sunt autosimilare,
adică sunt formate din bucăţi care sunt din punct de vedere geometric asemenea
cu întreaga mulţime, dar la o scară mai mică. De exemplu, mulţimea Cantor are
proprietatea că partea sa care se găseşte în segmentul  0,1/ 3 sau cea din
segmentul  2 / 3,1 are raportul de asemănare 1/ 3 cu întreaga mulţime, iar părţile
din segmentele 0,1/ 9,  2/ 9,1/ 3 şi  2/ 3,7 / 9 sunt asemenea cu mulţimea
Cantor, cu raportul de asemănare 1/9 etc.
În general, o mulţime fractală este caracterizată de o dimensiune
Hausdorff şi de o dimensiune de similaritate, diferite una de alta, dar le sunt
egale când acea mulţime este autosimilară.
O altă definiţie a dimensiunii, relativă la un atractor, este dimensiunea
informaţională  DI  , legată de noţiunea de entropie, care a fost introdusă în
paragraful 1.5.5.
Să presupunem că un atractor este „acoperit” de n pătraţele de
dimensiunea  . Să notăm cu p probabilitatea ca un punct al atractorului să se
găsească în pătrăţelul de ordin i. Incertitudinea acestui experiment se evaluează
cu relaţia lui Shannon şi are expresia:
n
I     pi log pi . (1.156)
i 1

Dacă punctele sunt egal distribuite pe fractal, atunci I    are valoarea


maximă I 0  log n .
Dimensiunea informaţională  DI  este definită de relaţia:
n

 I  
 pi log pi
i 1
DI  lim     lim . (1.157)
0  log   0 log 
Să arată că, în general, dimensiunea informaţională este mai mică decât
dimensiunea de autosimilaritate (capacitate), adică: DI  D .
Forma obiectelor geometriei euclidiene este simplă, dar, în natură, apariţia
acestor obiecte constituie excepţia, regula fiind dată de mulţimile fractale.
Există o strânsă legătură între obiectele generate aleator şi fractali, de
exemplu traiectoriile browniene sunt fractali, iar pe frontierele fractale drumurile
trebuie studiate în mod aleator [3].
Din punct de vedere matematic, fractalii, care rezultă prin generare
aleatoare iterativă, sunt statistic autosimilari, adică similitudinile sunt alese la
întâmplare, după o anumită distribuţie de probabilitate, la fiecare pas al
procesului iterativ.

78
S-a arătat şi că sistemele dinamice continue ataşate unor ecuaţii
diferenţiale au atractori care sunt mulţimi fractale. Cel mai celebru este
atractorul Lorenz.
În ultimele decenii s-a constat că mulţimile fractale modelează fenomene
naturale de o mare diversitate: mişcarea browniană a particulelor, turbulenţa
fluidelor, creşterea plantelor, fenomene din biologie, repartiţia galaxiilor în univers,
fluctuaţia preţurilor, forma coastelor marine sau chiar mecanismul ereditar.
Sistemele dinamice continue, deterministe şi neliniare, ce conţin
parametri, încep, pentru anumite valori critice ale acestor parametri, să depindă
sensibil de soluţia iniţială, pierzându-şi astfel predictibilitatea pe termen lung.
Până nu demult, apariţia dependenţei sensibile de soluţia iniţială era legată de
apariţia atractorilor haotici. Recent, această dependenţă a fost legată şi de
fractali. O mulţime de experimente numerice, din ultimul deceniu, au pus în
evidenţă frontiere fractale ale unor bazine de atracţie ale unor atractori nehaotici
(cum sunt punctele de echilibru, ciclurile limită, orbitele periodice etc.). De
asemenea, s-a remarcat faptul că ecuaţiile ataşate sistemelor dinamice cu mai
mulţi atractori nehaotici pot poseda frontiere fractale între două sau mai multe
bazine de atracţie ale acestor atractori. Rezultă că există o clasă mult mai largă
de fenomene neliniare impredictibile decât cea a sistemelor dinamice neliniare
cu atractori haotici.

1.9 Asupra aplicaţiilor teoriei sistemelor dinamice


Să înţelegi fenomenele observate este unul din scopurile fundamentale în
ştiinţă. Pentru a face faţă acestei provocări, oamenii de ştiinţă au adoptat, de-a
lungul secolelor, diferite strategii. Poate cea mai veche a fost observarea şi
analiza datelor unor experimente repetate pe modele fizice. O altă strategie a
constituit-o analiza datelor obţinute de la un model matematic ataşat
fenomenului sau procesului fizic, construit astfel încât să poate reprezenta cu o
fidelitate cât mai bună fenomenul sau procesul fizic respectiv. La început, au
fost adoptate modelele matematice liniare, care aveau o structură simplă, ai
căror parametri erau estimaţi, de regulă, prin minimizarea unei funcţii obiectiv
pe baza unor date măsurate. Avantajul acestor modele era simplitatea lor şi
uşurinţa în utilizare, dar aceste modele nu puteau reproduce fenomene neliniare!
De câteva decenii s-au adoptat modelele matematice neliniare, a căror
structură a devenit complexă şi, uneori, greu de pus într-o corespondenţă directă
cu fenomenul fizic modelat. În acest caz parametrii modelului se obţin prin
minimizarea unei funcţii obiectiv (complexe) sau a unui set de funcţii obiectiv
neliniare de mai multe variabile. În acest caz, alegerea parametrilor modelului
poate să nu fie unică! Avantajul incontestabil al acestor modele îl constituie
flexibilitatea lor în raport cu modelarea numeroaselor tipuri de fenomene sau
procese, care sunt, în general, neliniare. Însă, pot deveni foarte complexe şi greu
de analizat analitic şi chiar numeric. Pentru depăşirea acestor dificultăţi, în cazul
unei probleme noi de modelare cu sisteme neliniare, de mare folos se dovedeşte
79
analiza atentă a modelărilor deja efectuate şi care au avut succes. Apoi trebuie
analizate şi utilizate cât mai multe informaţii „apriori”, care pot determina
structura modelului, numărul de parametri şi relaţiile dintre aceştia, astfel încât
să se realizeze o cât mai bună apropiere între comportarea modelului şi dinamica
procesului ce va fi modelat.
Experienţa de până acum în modelarea proceselor fizice cu sisteme
dinamice neliniare a determinat noi căutări în elaborarea unor reprezentări
matematice complexe, dar mai flexibile, pentru sistemele dinamice neliniare,
şi a unor noi algoritmi pentru determinarea structurii modelului şi estimarea
parametrilor acestuia.
Mulţi oameni ar dori ca în viaţa lor să existe „ordine” şi să aibă
sentimentul predictibilităţii acţiunilor lor viitoare. Ei doresc să-şi planifice
viitorul şi, cel puţin, să existe o probabilitate rezonabilă ca să-şi vadă visele
împlinite. Cu toate acestea, viaţa din jurul nostru, în complexitatea ei, pare să
sfideze efortul nostru de a prezice viitorul în ansamblul lui. Şi numai la auzul
cuvântului „haos” se face, în mod obişnuit, legătura cu totala dezordine şi
confuzia generală.
Modelarea fenomenelor fizice complexe, adesea extinse spaţial cu sisteme
dinamice neliniare, finit dimensionale, a condus la studiul haosului determinist –
ca o comportare posibilă a acestora, care a devenit un model pentru
manifestările haotice ale proceselor fizice. Studiul haosului determinist, generat
de modelele dinamice neliniare, ne-a permis să-i înţelegem geneza, să-l
analizăm, să-l prezicem şi chiar să-l controlăm! Învăţând să facem aceste lucruri
pe modelele matematice, putem spera să le aplicăm şi în cazul proceselor fizice
ce au fost modelate. Dar, în acelaşi timp, să ne reamintim ce spunea, în 1903,
Poincaré: „A very small cause which escapes our notice determines a
considerable effect that we cannot fail to see… even if the case that the natural
laws had no longer secret for us… We could only know the initial situation
approximately… It may happen that small differences in initial conditions
produce very great ones in the final phenomena”.
Să analizăm în continuare câteva domenii în care modelarea cu sisteme
dinamice haotice a condus la rezultate notabile.
1.9.1 Haos în atmosfera terestră
Este deja bine cunoscut că unul dintre primele succese în modelarea cu
sisteme dinamice neliniare a fost realizat de Edward Lorenz, care a căutat să
explice „haosul din atmosfera terestră” şi, pe baza modelului matematic, să
demonstreze de ce nu poate fi făcută o bună predicţie pe termen lung a evoluţiei
condiţiilor meteorologice. Pentru mulţi autori, lucrările sale pot fi considerate ca
determinante pentru naşterea sau, cel puţin, pentru consolidarea teoriei moderne
a haosului. E. Lorenz a simplificat un model mai general din teoria dinamicii
fluidelor: modelul Navier-Stokes şi a elaborat un model de trei ecuaţii
diferenţiale neliniare, cu trei parametri, care a pus în evidenţă dependenţa

80
extrem de mare a soluţiei sistemului de condiţia iniţială din spaţiul stărilor.
Inspirat de forma de fluture a atractorului sistemului său de ecuaţii neliniare,
E. Lorenz a dat sugestiv un răspuns la problema predicţiei condiţiilor
meteorologice, publicând articolul cu titlul „Can a flap of the butterfly′s stir up a
tornado in Texas”. Şi răspunsul a fost că, în principiu, se poate !
1.9.2 Haos în oceanul terestru
Pentru modelarea dinamicii apelor oceanelor, pusă în evidenţă, de
exemplu, de variaţia nivelului apelor, s-au folosit ecuaţiile Naviaer-Stokes din
teoria dinamicii fluidelor. Cel puţin pentru început, interesul acestui studiu era
legat din predicţia adâncimii apelor în estuare şi porturi. În cazul unor estuare
sau porturi mici, relativ izolate de ocean, predicţia pe termen mediu a dinamicii
nivelului apei era bună, însă studiile avertizau că pot fi şi excepţii, iar pentru
deschiderile largi faţă de ocean, modelul matematic determinat punea în
evidenţă coeficienţi Liapunov pozitivi, care conduc la apariţia comportărilor
haotice.
Studiul stratificării apelor oceanelor şi al dinamicii acestui proces a
devenit important şi pentru realizarea comunicaţiilor subacvatice, deoarece
dinamica diferitelor straturi de apă dintr-un ocean va influenţa apariţia căilor
multiple de propagare.
1.9.3 Haos în dinamica plăcilor tectonice
Cutremurele sunt datorate dinamicii plăcilor tectonice, care fac parte din
sistemul complex al scoarţei terestre. De unde dificultatea în predicţia
momentului declanşării unui cutremur şi a intensităţii acestuia? Din punct de
vedere statistic, legea de distribuţie a apariţiei cutremurelor de diferite intensităţi
este cunoscută ca o lege scăzătoare, cu un exponent negativ, evidenţiind faptul
că apariţia cutremurelor de intensităţii mari este mult mai puţin frecventă.
Răspunsul principal la aceste întrebări a rezultat din modelarea sistemului
dinamic al scoarţei terestre cu plăcile sale tectonice ca un sistem mare, format
din subsisteme intercorelate (neliniar). Acest model a pus în evidenţă
posibilitatea apariţiei regimului haotic în cazul dinamicii spaţio-temporale, în
sensul că variaţii mici ale energiilor înmagazinate în plăcile tectonice pot
conduce la efecte dezastruoase în unele zone şi nesemnificative în altele. Din
acest studiu a rezultat că distribuţia de probabilitate a apariţiei cutremurelor mici
este dată de o lege scăzătoare, dar apariţia cutremurelor mari are o probabilitate
mult mai mare decât cea dată de această lege şi, în plus, este foarte dependentă
de alegerea parametrilor modelului matematic folosit.
1.9.4 Modelarea ecosistemelor cu haos
Cum s-ar putea modela creşterea sau dinamica a unei populaţii? Încă din
1845, matematicianul belgian François Verhulst a încercat să dea un răspuns
acestei probleme. Să presupunem că dimensiunea unei populaţii la momentul

81
sau generaţia n este Pn . Desigur, mărimea unei populaţii este influenţată de
mulţi parametri, dictaţi de condiţiile de mediu sau interacţiunea cu alte specii.
O caracteristică relevantă pentru dinamica unei populaţii este rata sa de
creştere, definită de r   Pn 1  Pn  Pn , unde P n 1 este dimensiunea populaţiei
la momentul sau generaţia „ n  1”. Rescriind această relaţie se obţine:
Pn 1  1  r  Pn , care indică o creştere nelimitată a populaţiei în timp, ceea ce
este nerealist! Mai întâi să normăm mărimea populaţiei P faţă de numărul
maxim N al populaţiei care ar fi suportată de ecosistem. Se obţine p  P / N ,
unde 0  p  1 .
F. Verhulst a postulat că rata de creştere a unei populaţii sub
influenţa mediului, la momentul (sau generaţia) n, este proporţională cu 1  pn 
, adică  pn 1  pn  pn  r 1  pn  , ceea ce conduce la relaţia:
pn 1  pn  r pn 1  pn  . Dacă se notează cu xn  r pn  r  1 , iar a  r  1, se
obţine ecuaţia logistică: xn 1  a xn 1  xn  , care reprezintă cel mai comun
exemplu de sistem dinamic în timp discret.
O problemă mult mai complicată o constituie modelarea alocării
resurselor în sistemele multiagent. O strategie adoptată pentru modelare se
bazează pe aşa-numitul control exercitat „prin piaţă”, care este inspirată din
domeniul economic. În această abordare fiecare agent propune câte un preţ, fie
pentru a folosi, fie pentru a oferi o resursă, iar negocierile între agenţi se
realizează prin licitaţie. Acest model a fost aplicat în numeroase domenii, cum ar
fi: alocarea optimă a fişierelor (de date) într-un sistem distribuit de calculatoare
sau elaborarea unor soluţii pentru economia de energie în clădiri.
O altă abordare este denumită „ecologie computaţională” şi este inspirată
din metodele de organizare din biologie sau sociologie şi foloseşte un
macromodel al comportărilor agenţilor. Fiecare agent va lua o decizie în
condiţiile unor informaţii incomplete sau întârziate şi va încerca să o
îmbunătăţească în favoarea sa, în funcţie de noile date obţinute din mediu.
Modelele de tip sistem multiagent au fost adoptate şi în inginerie. De
exemplu, s-au elaborat soluţii pentru problema alocării resurselor într-un proces
de fabricaţie sau în problema optimizării traficului într-o reţea digitală de
comunicaţii.
1.9.5 Teoria haosului şi dinamica economică
Dezvoltarea economică este, în general, un proces obiectiv, continuu, dar
în timp cunoaşte atât momente sau perioade cu caracter ascendent, cât şi
momente sau perioade marcate de instabilitate, de criză, care pot conduce la
situaţii catastrofale 43.
Se apreciază că dinamica economică are trei aspecte principale:
dezvoltare economică, creştere economică şi progres economic. Teoria modernă
a dezvoltării economice se referă, în principal, la echilibrele economice
82
corespunzătoare punctelor de echilibru ale sistemelor dinamice economice. Însă
studiul dinamic complet arată că, în economie, schimbările structurale şi
variaţiile sunt regula şi nu excepţia, iar stările staţionare (dorite) devin, în
general, instabile când anumiţi parametri variază.
Astfel, studiul modelelor dinamice arată că economia poate evolua către
cicluri economice sau către situaţii de haos economic. Iată ce a adus nou în
studiul sistemului economic teoria modelării cu sisteme dinamice (neliniare) faţă
de teoriile clasice, bazate, în mare măsură, pe modele economice constând din
ecuaţii algebrice şi evaluări statistice.
Dezvoltarea, creşterea şi mai ales progresul economic depind de
capacitatea sistemului de a-şi adapta strategiile la condiţiile care sunt în
permanentă schimbare. Acest lucru presupune ca managementul să anticipeze
corect evenimentele viitoare ale mediului macroeconomic (şi nu numai), pe baza
unor previziuni pe termen mediu şi lung.
Alături de opinia experţilor, explorarea trendului, analizele statistice ş.a.,
modelarea matematică cu sisteme dinamice (neliniare) a devenit o metodologie
de bază pentru realizarea previziunilor macroeconomice.
Modelele de creştere economică şi, în general, practica modelării
economico-matematice au constituit un prilej şi un instrument pentru studierea
dezechilibrelor din economia contemporană, stimulând discuţiile referitoare la
ciclicitatea economică şi/sau diferite feluri de crize, care s-au manifestat de-a
lungul timpului. De exemplu, să ilustrăm în continuare câteva politici
tehnico-economice în comunicaţii modelate cu sisteme dinamice haotice 43, 46.

a) Modelarea evoluţiei numărului de clienţi dintr-o reţea de comunicaţii

În continuare prezentăm analiza unui model al evoluţiei numărului de


clienţi din reţea. Modelul matematic constă dintr-un sistem de ecuaţii
diferenţiale ordinare, aşa cum este propus în [43]. Vom nota cu Y numărul
utilizatorilor curenţi ai reţelei şi cu X potenţialii clienţi:
 X  k  aXY  Y
 (1.158)
Y  aXY  Y
unde k este viteza de creştere a numărului de clienţi potenţiali, a = Y descrie
procesul de atragere a clienţilor în sistem şi este presupus proporţional cu
numărul de clienţi,  este o constantă ce descrie procesul de migrare a clienţilor
spre firme concurente sau procesul de dezvoltare a firmelor concurente şi 
modelează fenomenul prin care unii clienţi renunţă complet la orice tip de
servicii disponibile (aşa cum se poate vedea aceşti clienţi dispar atât pentru
reţeaua analizată, cât şi pentru orice reţea concurentă ), iar  =  + reprezintă
efectul cumulat de migrare şi dispariţie a clienţilor din reţea.

83
Sistemul (1.158) include prin intermediul parametrilor prezentaţi mai sus
câteva fenomene ce afectează numărul clienţilor dintr-o reţea. În primul rând
constanta k exprimă creşterea continuă a cererii de servicii de telecomunicaţii,
iar atragerea clienţilor în reţea este dependentă de interacţiunile
clienţi curenţi-clienţi potenţiali, exprimată prin produsul XY. Existenţa reţelelor
concurente şi pierderea completă a unor clienţi este reprezentată în sistemul
propus prin intermediul parametrilor  şi .
Astfel sistemul (1.158) devine:

 X  k  XY  Y
2
 (1.159)
Y  XY  Y
2

k 
Cazul k ≠ 0. În acest caz se pot efectua transformările x  X, y Y
 k
K 2 
,   2 ,   , u  x  1 , v  y  1 şi, efectuând schimbarea de variabilă
 
temporală r  t , se obţine sistemul:

 u   (u  v  2uv  v  uv )
2 2
 (1.160)
 v  u  v  2uv  v  uv
2 2

unde ψ = 2 – Φ.
Sistemul (1.160) se mai poate scrie sub forma:
 u      u    

v  1 
1    1 ,
g (u , v ) (1.161)
    v   
cu g (u, v)  2uv  v 2  uv 2 .
Ţinând cont de semnificaţia economică a lui α, rezultă în mod normal
γ ≠ 0. De asemenea, deoarece ε ≠ 0, obţinem că ψ ≠ 1.
Analiza cazurilor γ ≠ 0, ψ ≠ 1 şi  =  = 1 este de o complexitate
matematică ce depăşeşte interesul acestei lucrări.

Interpretare economică. În baza celor prezentate mai sus putem trasa


evoluţia sistemului în spaţiul fazelor. Ţinând cont de semnificaţia parametrilor
k, , β, δ > 0, β ≤ δ şi conform transformărilor efectuate obţinem γ > 0, Φ < 1 şi
ψ > 1. În această situaţie avem un singur punct de echilibru, a cărui natură o
detaliem în continuare.
Pentru ψ = ψ0 > 1, pe măsură ce γ creşte de 0 la ∞, punctul de echilibru
poate lua următoarele forme:
1. nod repulsiv care determină creşterea nemărginită a funcţiilor de stare
(k = 0.7,  = 3, β = 8, δ = 9 şi ψ = 1,11, γ = 0.16);
84
2. focar repulsiv a cărui prezenţă determină creşterea în spirală a funcţiilor de
stare (fig. 1.46, în care k = 1.7,  = 3, β = 8, δ = 9 şi ψ =1,11, γ = 0.96);
3. ciclu limită în care funcţiile de stare tind spre o evoluţie periodică (fig. 1.47,
în care k = 1.7321,  = 3, β = 8, δ = 9 şi ψ = 1,11, γ = 1);
4. focar atractiv pentru care funcţiile de stare tind după o spirală către valorile
focarului (fig. 1.48, în care k = 1.74,  = 3, β = 8, δ = 9 şi ψ = 1.11, γ = 1.01);
5. nod atractiv pentru care funcţiile de stare tind către valorile nodului
(k = 3,  = 3, β = 8, δ = 9 şi ψ = 1.11, γ = 3).
Din punct de vedere economic ne interesează comportarea sistemului în timp.
În funcţie de valorile parametrilor, evoluţia sistemului poate lua mai multe forme:
a) divergentă cu sursă nodală sau punct fix (fig. 1.46);
b) convergentă la punct fix, nod sau orbită periodică (fig. 1.47 şi 1.48).

a) b)
Fig. 1.46 a) Spaţiul fazelor (X,Y);
b) Liniarizarea ecuaţiilor sistemului în jurul focarului repulsiv

a) b)
Fig. 1.47 a) Spaţiul fazelor (X,Y); b) Liniarizarea ecuaţiilor sistemului
în jurul punctului fix cu evidenţierea orbitelor periodice (ciclurilor limită)

85
a) b)
Fig. 1.48 a) Spaţiul fazelor (X,Y); b) Liniarizarea ecuaţiilor sistemului
în jurul punctului fix atractiv
În afara situaţiilor de divergenţă şi a punctelor fixe atractive, a căror
interpretare economică este evidentă, vedem confirmată prin intermediul
modelului propus şi existenţa ciclurilor economice, a orbitelor periodice stabile
(ciclu limită stabil) (fig. 1.47 b)) cu patru faze:
1. prosperitate când X creşte, Y creşte; acest stadiu desemnează perioada
imediat următoare apariţiei reţelei pe piaţă, când operatorul reţelei caută să se
impună şi să câştige un loc pe piaţă. Principalele obiective ale acestui stadiu
sunt de a arăta că serviciile reţelei oferă ceea ce nici un alt operator nu a mai
oferit înaintea acestuia;
2. saturaţie când X descreşte, Y creşte; este stadiul în care operatorul devine
cunoscut şi are un grad de acceptare pe piaţă;
3. cădere când X şi Y descresc; operatul îşi menţine locul pe piaţă în virtutea
reputaţiei câştigate;
4. revenire, redresare când X creşte , Y descreşte; este faza în care clienţilor li
se reaminteşte de existenţa operatorului prin oferirea de noi servicii sau
sublinierea calităţilor serviciilor oferite.
Ecuaţiile modelului matematic considerat pot fi extinse ţinându-se cont că
pentru estimarea parametrilor care apar în aceste funcţii se folosesc date
statistice provenite din sondaje de opinie, cercetări selective, bugete de familie,
studii legate de lansarea unor servicii noi pe piaţă, studii privind durata medie de
utilizare a serviciilor, anuare statistice, gradul de substituibilitate şi de
complementaritate al unor servicii, comportamentul cumpărătorilor.

b) Modelul multiplicator accelerator


Considerând funcţia generală pentru investiţie, funcţie care conţine şi
diferenţa dintre capitalul dorit (K*) şi stocul actual de capital (K), adică:
K  I  ( K *  K ) , (1.162)

86
unde α > 0 reprezintă viteza de ajustare a capitalului, se obţine modelul
accelerator de ordin doi. Pentru simplificare s-a considerat că nu există deprecieri.
Ecuaţia (1.162) exprimă principiul ajustării stocului de capital. Ea lasă
stocul de capital aşteptat nedeterminat şi realizează o ajustare parţială a funcţiei
investiţie. Mai departe se poate presupune K* = rY, adică stocul de capital este
proporţional cu venitul Y, r fiind ritmul de creştere a raportului capital/venit. Se
obţine astfel:
K  I  (rY  K ) . (1.163)
Prin acceleratorul de ordin doi se doreşte urmărirea dezvoltării stocului de
capital folosind nu nivelul actual al investiţiei I, ci nivelul dorit I*. Ţinând cont
de aceasta, considerăm I  ( I *  I ) , adică:

I  [( K *  K )  I ] . (1.164)
Ideea acceleratorului de ordinul doi este rezultatul a două procese de
decizie: în primul rând managerul trebuie să urmărească diferenţa dintre stocul
de capital şi capitalul aşteptat pentru a face ajustarea necesară nivelului dorit al
investiţiilor şi în al doilea rând trebuie să urmărească realizarea investiţiei prin
intermediul diferenţei dintre nivelul dorit şi nivelul actual.
Deoarece K  I , rearanjând termenii se obţine:
K  K      (1.165)
Construim un model macroeconomic, considerând funcţia standard de
consum fără decalaje C = a + bY, 0 < b < 1. Din condiţia de echilibru Y = C + I
se obţine:
1 1
Y ( I  a)  ( K  a) . (1.166)
1 b 1 b
Înlocuind (1.166) şi K* = rY în ecuaţia (1.167) se obţine:
r a
K  1   K  K  r . (1.167)
1 b 1 b
O soluţie particulară se poate găsi punând K  K  const. ;
a
K r  rYe este stocul de capital corespunzător valorii Ye a echilibrului static.
1 b
Plecând de la ecuaţia (1.167) şi ţinând cont de egalitatea K  I se obţine
sistemul dinamic:
K  I

 r a (1.168)
 I  K  (  1  b ) I   r 1  b

87
r
cu b (0,1) , (, , r, b, a)  5
. Notăm c = αβ, d  şi obţinem:
1 b
K  I
 (1.169)
 I  cK  (  cd ) I  acd

r
Pentru c şi d fixaţi, ecuaţiile c = αβ, d  definesc în 5 o
1 b
subvarietate tridimensională c, d . În toate punctele lui c, d sistemul evoluează
identic, pentru fiecare valoare fixată a lui a. Acest fapt permite o mare
flexibilitate în alegerea convenabilă a parametrilor, proiectantul putând să ţină
cont de oportunităţile existente (stoc, preţuri, termene).
Din analiza punctelor de echilibru şi a naturii acestora reţinem doar că
pentru punctele din spaţiul parametrilor situate în subspaţiul c = 0 sistemul

(1.169) admite o infinitate de puncte de echilibru  K ,0  K  
, iar în toate
celelalte puncte sistemul admite un unic punct de echilibru (ad, 0).

În orice activitate economică veniturile obţinute sunt finalmente destinate


consumului şi investiţiilor. Cum investiţiile influenţează producţia, veniturile şi
consumul, repartizarea veniturilor pentru consum şi pentru investiţii trebuie
realizată cu foarte mare atenţie. Astfel, creşterea investiţiilor determină creşterea
producţiei şi a venitului, iar creşterii venitului îi corespunde un nivel în creştere
a cheltuielilor de consum, care, la rândul lor, impulsionează şi determină
mărimea investiţiilor viitoare.
Principiul acceleratorului exprimă şi măsoară efectul creşterii venitului
asupra investiţiilor sub impulsul efectului stimulativ al cererii de consum.
Acceleratorul furnizează o explicaţie teoretică a variaţiilor acumulării de capital.
Creşterea cererii de consum apare ca o variabilă independentă, şi deci
principiul acceleratorului consideră investiţia ca o variabilă dependentă de
creşterea cererii.

În situaţia în care a  2,   4, c  4, d  1 (fig. 1.50), sistemul studiat


admite o soluţie periodică, ceea ce se traduce prin apariţia unui ciclu comercial
de afaceri. Astfel se determină investiţiile pe baza creşterii scontate a capitalului
şi cererii. Investiţiile determină creşterea veniturilor, producându-se efectul
multiplicator. La rândul său, capitalul îşi produce efectul accelerator asupra
investiţiei. Acest lucru se produce în faza de expansiune economică, când
K, I, Y cresc ( a  2,   3, c  4, d  1 – fig. 1.49).

88
a) b)
Fig. 1.49 Evoluţia sistemului de la starea de echilibru la starea de oscilaţie
explozivă: a) Investiţie vs capital; b) Investiţie, capital vs timp

a) b)
Fig. 1.50 Evoluţia sistemului în starea de oscilaţie continuă:
a) Investiţie vs capital; b) Investiţie, capital vs timp

În faza de recesiune şi criză (a = 2, β = 5, c = 4, d = 1 – fig. 1.51),


scăderea cererii antrenează reducerea producţiei şi, implicit, frânarea sau
stoparea investiţiilor. Deoarece K  I , capitalul tinde să rămână constant.
În concluzie, la un nivel mic al investiţiilor în reţea (atunci când cerinţele
de piaţă sunt reduse sau când resursele financiare lipsesc), sistemul tinde către o
stare de echilibru, fără a fi necesară o intervenţie exterioară. Reţeaua se va
comporta ca un sistem oscilant la început, după care va tinde către starea de
echilibru. Dacă cerinţele de piaţă din partea clienţilor cresc, atunci este necesară
o investiţie în sistem pentru dezvoltare sau chiar o schimbare tehnologică.
Dinamica sistemului în acest caz este reflectată de fig. 1.49, în care este descrisă
ieşirea din starea de echilibru şi evoluţia explozivă. Nu trebuie uitat că acest
proces galopant este însoţit de fluctuaţii şi că poate deveni periculos. La nevoie,

89
când cerinţele pieţei se stabilizează, sistemul poate fi condus spre o evoluţie
ciclică (fig. 1.50) sau chiar la starea de echilibru (fapt ilustrat în fig. 1.51).

a) b)
Fig. 1.51 Evoluţia sistemului de la starea de oscilaţie continuă
la starea de echilibru: a) Investiţie vs capital; b) Investiţie, capital vs timp

Pentru realizarea unei dezvoltări în strictă concordanţă cu necesităţile


reţelei de comunicaţii, procentul dedicat investiţiilor din cadrul veniturilor
realizate trebuie corelat permanent cu valoarea profitului estimat ce ar putea fi
generat de mărirea capacităţii şi performanţelor sistemului.

1.9.6 Haos în emisia LASER

Încă din primele zile ale răspândirii „tehnologiei LASER”, s-au observat
instabilităţi în procesele care conduc la emisia LASER. În principiu, un LASER
este alcătuit dintr-un material dielectric dispus între două oglinzi reflectoare.
Spectrul energetic al dielectricului trebuie să conţină două niveluri de energie
atomică (sau moleculară), ocupate de populaţii care sunt interschimbate de o
sursă externă de energie electrică, optică sau chimică. Protonii corespunzători
diferenţei de energie între cele două niveluri vor stimula atomii din nivelul
energetic superior să treacă pe nivelul energetic inferior şi să emită fotoni.
Radiaţia de fotoni este reflectată succesiv de mai multe ori între cele două
oglinzi, generându-se o emisie LASER de intensitate mare.
Unul din primele modele matematice pentru procesul de emisie LASER a
fost descris de ecuaţiile diferenţiale Maxwell-Bloch. Acesta descrie dependenţa
de timp a câmpului electric E, a polarizării medii P a atomilor şi a sumei
populaţiilor inversate D şi depinde şi de unele „constante” care descriu
configuraţia electrică şi fizică a LASER-ului.
Studiul modelului Maxwell-Bloch a evidenţiat posibilitatea apariţiei unor
comportării haotice.

90
1.9.7 Comportări haotice în circuitele electronice neliniare

Cei mai mulţi dintre inginerii care se ocupă cu studiul, realizarea sau
aplicarea circuitelor şi sistemelor electronice sunt deja obişnuiţi cu efectele
stranii, haotice, care pot apărea în aceste sisteme, datorită caracterului neliniar al
dispozitivelor, componentelor sau funcţiilor de circuit utilizate. Interesant este
faptul că, la început, comportările haotice au fost puse în evidenţă în cazul
circuitelor şi sistemelor în timp continuu, şi nu în cazul acelora în timp discret,
care sunt chiar mai simplu de analizat.
Capitolele următoare ale lucrării se vor ocupa în detaliu de aplicaţiile
sistemelor dinamice în comunicaţiile analogice şi digitale, astfel încât, în acest
paragraf, ne vom rezuma să subliniem, prin doar două exemple, comportările
haotice ale circuitelor electronice în timp discret.
În fig. 1.52 este reprezentat un filtru digital de ordinul doi, care conţine un
(singur) bloc neliniar cu o caracteristică de tip „complement faţă de 2”.
L. Chua şi C. Lin 44 au studiat acest filtru pentru valorile parametrilor a
şi b în domeniile: b  1 şi a  2 . În acest caz simulările au pus în evidenţă trei
tipuri de traiectorii în spaţiul fazelor  x1, x2  . În funcţie de valorile parametrilor
a şi b, aceste traiectorii puteau să fie periodice, să viziteze un număr finit de
puncte fixe situate pe o elipsă sau să indice un regim cvasiperiodic, care putea
prefaţa un regim haotic, reprezentat din mai multe elipse dispuse într-un obiect
fractal (fig. 1.53). Aceste comportări depind de valorile parametrilor a şi b, dar
şi de condiţiile iniţiale ale analizei filtrului. Să remarcăm doar că acest sistem
(neliniar), relativ simplu, poate avea comportări extrem de complexe.

Fig. 1.52 Filtru digital de ordinul 2

91
Fig. 1.53 Comportări distincte în spaţiul fazelor ale filtrului digital de ordinul 2

Un al doilea exemplu de comportări haotice ale circuitelor electronice este


dat de studiul fenomenelor neliniare din electronica de putere.
Electronica de putere este o disciplină născută din aplicaţiile din viaţa
reală, de exemplu din mediul industrial, comercial sau aerospaţial.
Se apreciază că o bună modelare a dispozitivelor şi circuitelor din
electronica de putere s-a dezvoltat după anii ′70 şi continuă cu intensitate şi în
zilele noastre. De exemplu, circuitele din electronica de putere pot fi descrise ca
fiind circuite de comutaţie, care au topologii diferite, la momente de timp
diferite. Rezultatul acestei operaţiuni (neliniare) a necesitat, în mod natural,
metode de analiză neliniară, cum ar fi metodele analitice de aproximare cu serii
Voltera, însă complexitatea fenomenelor neliniare studiate a impus o schimbare
a strategiei de investigaţie. Prima fază a studiilor a cuprins raportarea
fenomenelor neliniare şi explicarea lor în termenii dinamicii neliniare. În ultima
decadă, cercetătorii au remarcat tot mai multe exemple de fenomene „stranii”,
cum ar fi bifurcaţiile şi haosul. Cazul analizei fenomenelor neliniare din
convertoarele CC-CC este, poate, tipic.
Pentru cei din domeniul teoriei sistemelor haotice a devenit clar că
electronica de putere oferă a sursă foarte bogată de studii. Identificarea
fenomenelor haotice în electronica de putere rămâne un subiect activ, iar
exploatarea lor profitabilă nu a încetat să apară. S-a admis, aproape fără rezerve,
că fenomenele neliniare trebuie studiate şi cu unelte de investigaţie din teoria
sistemelor dinamice neliniare. Astfel electronica de putere a devenit un caz tipic
în care se urmăreşte „controlul haosului” prin care se obţine, de exemplu, o
funcţionare neliniară limită la cât mai puţine iteraţii 45.

1.10 Bibliografie
[1] Toward a new digital communication technology based on nonlinear dynamics
and chaos. Advanced Concept Workshop, „Communication by Chaos: Digital
signal generation by simple nonlinear devices”, organised by Mathematical and
Computer Sciences Division. The Electronics Division and the Physics Division
of the Army Research Office, USA, June 1996
[2] Brown R., Chua L. O., Chaos: Generating complexity from simplicity,
International Journal of Bifurcation and Chaos, vol. 7, no. 11, 1997

92
[3] Georgescu A., Sinergetica, Solitoni, Fractali, Haos determinist, Turbulenţa,
Tipografia Universităţii din Timişoara, 1992
[4] Georgescu A., Moroianu M., Oprea I., Teoria bifurcaţiei: Principii şi aplicaţii,
Editura Universităţii din Piteşti, 1999
[5] Voinea R., Stroe I. V., Introducere în teoria sistemelor dinamice, Editura
Academiei Române, Bucureşti, 2000
[6] Copae I., Teoria reglării automate cu aplicaţii la autovehicule militare. Sisteme
automate neliniare, Editura ATM, Bucureşti, 1998
[7] Chua L.O. (Ed.), Proc. of IEEE: Special Issue on Chaotic systems, Aug. 1987
[8] Proc. of IEEE: Special Issue on Chaotic systems, Oct. and Nov. 1993
[9] Trans. on Circuits and Systems, Part I: Special Issue on Chaos Synchronisation
and Control: theory and Applications, Oct. 1997
[10] Petrişor E., Sisteme dinamice haotice, Tipografia Universităţii din Timişoara, 1992
[11] Ott E., Sauer T., Yorke J. A., Coping with chaos: Analysis of chaotic data and
exploatation of chaotic systems, John Wiley, 1994
[12] Heinz-Otto Peintgen, Harmut Jurgens, Dietmar Saupe, Chaos and Fractals - New
frontiers of Science, Springer-Verlag, 1992
[13] Robert Devaney, Chaos, Fractals and Dynamics, Addison-Wesley Publishing
Company, 1990
[14] Peter Kennedy, Basic Concepts of Nonlinear Dynamics and Chaos, Tutorial 6.1
from Proc. ISCAS, 1994
[15] Arnaud Jacquin, Fractals in Signal Processing, Tutorial 6.4 from Proc. ISCAS, 1994
[16] Bernstein G. M., Lieberman M. A., Secure Random Number Generating Using
Chaotic Systems, IEEE Trans on Circuits and Systems, CAS-37, 1990
[17] Hasler M., Synchronisation of Chaotic Systems and Transmission of Information on
Chaotic Carriers, Chapter 5.5 in Technology for Multimedia, Proc. ISCAS, 1994
[18] Carrol T.L., Pecora L.M., Synchronising Chaotic Circuits, IEEE Trans. on
Circuits and Systems, vol. CAS-38, April 1994
[19] Carrol T.L., Communications with Use of Filtered Synchronised, Chaotic
Signals, IEEE Trans. on Circuits and Systems, part 1, vol. CAS-42, no. 3, 1995
[20] Feldman U., Hasler M., Schwarz W., Communication by Chaotic Signals: The
Inverse System Approach, Trans on IEEE on Circuits and Systems, no. 2, 1995
[21] Halle K.S. et al., Spread Spectrum Communication through Modulation of
Chaos, Intern. Journal of Bifurcation and Chaos, vol. 3, 1993
[22] Chen G., Dong X., From Chaos to Order: Perspective and Methodologies in
Controlling Nonlinear Dynamical Systems, Inter. Journ. of Bifurcation and
Chaos, vol.3, 1993
[23] Morse M., The Critical Points of a Functional of n Variables, Trans. of American
Mathematics Science, number 33, 1931
[24] Poenaru V., Théorie des Invariances C  ; Stabilité structurelle équivalente,
parties 1 et 2, Preprints, Orsay, 1975
[25] Poenaru V., Singularités C  en présence de Symétrie, Lecture Notes in
Mathematics, Berlin, New-York, Springer, 1976
[26] Poston T., Stewart I., Catastrophe Theory and its Applications, Pitman, London, 1978.
[27] Stewart I., Catastrophe Theory, IEEE Trans. on Circuits and Systems,
Vol. CAS30, number 8, August 1983

93
[28] Thom René, Stabilité Structurelle et Morphogénèse, New-York, Benjamin
Adison Wesley, 1972
[29] Thom René, Structural Stability and Morphogenesis, New-York, Benjamin
Adison Wesley, 1975
[30] Udrişte C., Tănăsescu E., Maxime şi minime ale funcţiilor reale de variabile
reale, Ed. Tehnică, Bucureşti, 1981
[31] Şerbănescu, Al., Popoviciu N., Asupra teoriei catastrofelor şi a aplicaţiior sale,
Revista ATM, an IV, nr.1, 1994
[32] Popoviciu N., Aplicarea algoritmului mulţimii bifurcaţie la studiul catastrofelor
elementare, Revista ATM, an VI, nr.2, 1996
[33] Şerbănescu Al., Comportări haotice ale sistemelor dinamice (electrice) neliniare,
Revista ATM , an V , nr.2, 1995
[34] Şerbănescu Al., Cheregi R., Fractali în preclucrarea semnalelor, Revista ATM,
an V, nr.2, 1995
[35] Şerbănescu Al., Raport de cercetare la tema „Aplicaţii ale teoriei haosului în
domeniul militar”, M.Ap.N. - DIA, A.T.M., Bucureşti, 1996
[36] Şerbănescu Al., Sistemes et Signaux face au chaos, cap. 5 in Electronique,
Physique et signal pour les telecommunication, Mateescu, Ad., Gimenes, C.
(Eds.), Editura Tehnică, Bucureşti, 1997
[37] Şerbănescu Al., Ciotarnae P., Iterative aspects in nonlinear dynamic systems with
chaotic behavioural, Proc. of Intern. Conf. of University The west, Timişoara,
19-21 May 1997
[38] Şerbănescu Al., Why Digital Communications using Chaos, AFCEA Symp.,
Bucureşti, 1998
[39] Şerbănescu Al., Noi tehnologii pentru comunicaţii, Simpozion AFCEA,
Bucureşti, România, 2000
[40] Curtu R., Introducere în teoria sistemelor dinamice, Ed. INFOMARKET, Braşov, 2000
[41] Ott E., Chaos in Dynamical Systems, Cambridge University Press, U.K., 2002
[42] Huertas J.L., Wai-Kai Chen, Madan R.N., Visions of Nonlinear Science in the
21st century, Word Scientific Publishing Co., Singapore, 1999
[43] Ungureanu L., Elemente de dinamică economică, Editura Universităţii din Piteşti, 2000
[44] Feely Orla, Nonlinear Dynamics of Discrete Time Electronic Systems, CAS
Society Newsletter, vol.11, no.1, 2000
[45] Parker T. S., Chua L. O., Practical Numerical Algorithms for Chaotic Systems,
Springer-Verlag, New York, 1989
[46] Grumaz A., Şerbănescu A., Baston C., Politici tehnico-economice în comunicaţii
modelate cu sisteme dinamice haotice, in Proceedings of Communications
Conference, Bucureşti, 3-5 iunie 2004

94
CAPITOLUL 2

GENERAREA SEMNALELOR HAOTICE

Bogdan CRISTEA
AGENŢIA DE CERCETĂRI PENTRU TEHNICI
ŞI TEHNOLOGII MILITARE, Bucureşti

2.1 Condiţii generale pentru generarea semnalelor


haotice
În sistemele de comunicaţii, semnalele produse de generatoarele haotice
sunt utilizate pentru sinteza de secvenţe de împrăştiere în sistemele cu acces
multiplu şi diviziune în cod (Code-Division Multiple Access), ca purtătoare
pentru semnalul informaţional, precum şi în aplicaţii criptografice.
Din punct de vedere statistic, este de dorit ca secvenţele haotice generate
să prezinte următoarele proprietăţi:
 funcţie de autocorelaţie de tip impuls Dirac sau echivalent densitate spectrală
de putere a secvenţei haotice constantă (zgomot alb);
 funcţie de crosscorelaţie nulă;
 densitate de probabilitate uniformă (în aplicaţiile criptografice).
Din punct de vedere al implementării practice, modelele pentru
generatoarele haotice trebuie să fie simple, uşor realizabile şi robuste la variaţiile
statistice ale tehnologiilor de realizare. În literatura de specialitate au fost deja
raportate numeroase soluţii pentru implementări analogice sau digitale ale
generatoarelor haotice [1], [4], [23], [26], [27], [29].

2.2 Generatoare haotice în timp continuu


2.2.1 Oscilatorul Colpitts
Pentru început vom prezenta exemplul clasic al oscilatorului Colpitts,
într-o configuraţie cu tranzistor bipolar cu joncţiuni (fig. 2.1) [1], [2], [3], [4].
Funcţionarea circuitului din fig. 2.1 este descrisă de sistemul de ecuaţii:
 d vCE
C1 d t  iL   F iB  vBE 

 d vBE V  vBE
C2   EE  iL  iB  vBE  (2.1)
 d t R EE
 d iL
L  VCC  vCE  vBE  iL RL
 dt
unde iB  vBE  reprezintă caracteristica de transfer a tranzistorului bipolar.

95
VCC

RL

iL

L
iC
iB
C1
vCE
vBE

C2
REE

VEE

Fig. 2.1 Schema de principiu a oscilatorului Colpitts

Plecând de la această schemă a oscilatorului Colpitts, s-a constatat că se


poate obţine un comportament haotic, observabil în spaţiul fazelor prin prezenţa
atractorului haotic. Circuitul real are un comportament haotic pentru următoarele
valori ale componentelor utilizate (tranzistorul, inductanţa bobinei, capacităţile
condensatoarelor, rezistenţele şi tensiunea de alimentare): F  200 , VTH  0.75 ,
RON  100 , L  98.5 H; RL  35 W, C1  54 nF, C2  54 nF, REE  400 ,
VCC  5V, VEE  5V .
În studiul teoretic însă este mult mai convenabil să se lucreze cu sistemul
de ecuaţii diferenţiale cu parametrii normaţi. Trecerea la sistemul cu mărimi
normate se face cu schimbările de variabilă:
vCE v i R t
x ; y  BE ; z  L ON ;   ,
VTH VTH VTH RON C1
2
C1 VEE RON C1 V R RC R
 ;  ;  ;   CC ;   ON L 1 ; r  ON ,
C2 VTH L VTH L REE
astfel încât sistemul (2.1) devine:
 x  z  F f  y 

 y    r  y     z  f  y   (2.2a)
 z     x  y     z

96
unde
0, y 1
f  y   (2.2b)
 y  1, y  1
este caracteristica de transfer a tranzistorului (fig. 2.2).

f  y
f(y)

1
y
Fig. 2.2 Caracteristica de transfer a tranzistorului

Pentru simplificare s-a aproximat caracteristica de transfer a tranzistorului


cu o funcţie liniară pe porţiuni. Cu ajutorul pachetului de programe scris în
Matlab (capitolul 7) s-a realizat studiul sistemului dinamic reprezentat de
ecuaţiile (2.2), cu următoarele valori pentru parametrii normaţi:
  1; F  200;   20/ 3;   5.5;   20/ 3;   2, r  0.25
Rezultatele sunt prezentate în fig. 2.3–2.5.

Fig. 2.3 Atractorul sistemului în spaţiul fazelor,


definit de variabilelele de stare x(t) şi y(t)

97
Fig. 2.4 Variaţia în timp a variabilei de stare x(t)

Fig. 2.5 Densitatea spectrală de putere a variabilei de stare x(t)

Se poate observa astfel prezenţa atractorului haotic în spaţiul fazelor


(fig. 2.3), precum şi variaţia în timp şi densitatea spectrală de putere a variabilei
de stare x(t) (fig. 2.4 şi 2.5) ce arată faptul că semnalului haotic este un semnal
de bandă largă.
98
(0.05, 0.025)

Fig. 2.6 Bicoerenţa variabilei de stare x(t) pentru r = 0.3

De asemenea am realizat studiul generatorul Colpitts în momentul intrării


în regimul haotic cu ajutorul statisticii de ordin superior (fig. 2.6). Pentru a
observa mai bine componentele spectrale ale variabilei de stare studiate, în
partea superioară a fig. 2.6 am reprezentat spectrul său de putere. Totodată, din
ambele spectre am eliminat componenta de curent continuu, care pentru studiul
nostru nu are relevanţă.
Spectrul de putere pentru variabila de stare x(t) arată existenţa a trei
componente spectrale dominante la frecvenţele normate f1 f s  0.025 ,
f 2 f s  0.05 şi f3 f s  0.075 , unde prin fs am notat frecvenţa de eşantionare.
Se observă că unul din maximele bicoerenţei este situat în punctul ale cărui
coordonate în planul fazelor sunt date de perechea ( f1 f s , f 2 f s ). Cum există o
componentă spectrală la f3 f s  f1 f s  f 2 f s şi pe baza proprietăţii
bicoerenţei de a avea valori maxime la frecvenţele corespunzătoare
componentelor spectrale cuplate pătratic, putem spune că f3 f s a apărut
datorită cuplajului pătratic dintre f1 f s şi f 2 f s . Deci se poate afirma că
mecanismele neliniare de tip pătratic contribuie la generarea comportamentului
haotic în acest caz. Din fig. 2.6 se remarcă totodată prezenţa a numeroase alte
cuplaje de tip pătratic. Acestea se datorează pe de o parte componentelor
spectrale cu amplitudini mici, mai puţin vizibile în spectrul de putere din
fig. 2.6, dar şi cuplajelor de fază false care apar la frecvenţe la care nu mai există
componente spectrale în spectrul de putere. Aceste cuplaje false se datorează
modului în care este definită bicoerenţa ca transformata Fourier a unui produs
triplu, prezenţa lor fiind de altfel inerentă oricărui tip de policoerenţă. Rezultă de

99
aici necesitatea comparării policoerenţelor cu spectrul de putere pentru
determinarea corectă a componentelor spectrale cuplate în fază.
Este important de remarcat faptul că prin modificarea tuturor parametrilor
ce caracterizează sistemul dinamic considerat se poate obţine un domeniu de
valori în care comportamentul haotic există. Deci studiul sistemului normat de
ecuaţii diferenţiale poate constitui punctul de plecare în proiectarea
generatoarelor haotice, prin determinarea mai întâi a unor intervale de valori
pentru parametrii normaţi şi apoi a parametrilor fizici realizabili practic, care
asigură comportamentul haotic dorit.
De asemenea, este necesar să se ţină seama de aproximările făcute, în
special în ceea ce priveşte caracteristica de transfer a tranzistorului (fig. 2.2).
Deşi comodă din punct de vedere teoretic, liniarizarea pe porţiuni a
caracteristicii de transfer a tranzistorului poate schimba comportamentul haotic
al circuitului real.
2.2.2 Generator haotic cu neliniaritate de tip histerezis
O întreagă familie de generatoare haotice este semnalată în literatura de
specialitate pe baza neliniarităţii de tip histerezis [5]-[9]. În continuare vom
considera un exemplu simplu de astfel de generator cu neliniaritate de tip
histerezis, care are pe lângă elementul neliniar şi o sursă liniară de curent
comandată în tensiune (fig. 2.7).
C1

v1

R1 v2 C2 R2 ia(v1+v2)
ih(v1)

Fig. 2.7 Schema de principiu a generatorului haotic cu neliniaritate de tip histerezis

Circuitul din fig. 2.7 este caracterizat de sistemul ecuaţii:


 d v1 v1  v2
C
 dt
1  
 R1
 (2.3)
C d v2   v1  v2  v2  i  v  v   i  v 
 2 d t R1 R2
a 1 2 h 1

unde ia este o sursă liniară de curent controlată în tensiune, a cărei funcţionare


este caracterizată de relaţia:
ia  G  v1  v2  , (2.4)

100
iar ih este o sursă neliniară de curent controlată în tensiune, de tip histerezis,
astfel încât:
 I , pentru v1  V
ih (v1 )   0 (2.5)
 I 0 , pentru v1  V

ia=G (v1+v2) ih(v1)

I0

-V V v1
v1+v2
-I0

Fig. 2.8 Caracteristica sursei Fig. 2.9 Caracteristica sursei


de curent liniare de curent neliniare ih(v1)

ia=G (v1+v2)
Pentru simplificare vom considera în continuare: R1=R2=R, C1=C2=C.
Trecerea la sistemul cu mărimi normate se face cu următoarele schimbări de
variabilă:
v1 v t GR  3 RI
x ; y 2;  ;  ; p 0
V V RC 2 V
Astfel sistemul (2.3) devine:
x  x  y
 (2.6a)
 y  2    1 x   2  1 y  p h  x 
unde
1, x  1
h x   (2.6b)
1, x  1
este varianta normată a caracteristicii de tip histerezis reprezentată în fig. 2.9.
Pentru studiul sistemului de ecuaţii (2.6a) am folosit valorile normate
p=1; =0.01. În fig. 2.10 se remarcă faptul că traiectoria sistemului se roteşte
divergent în spaţiul fazelor, pe rând, în jurul a două puncte de echilibru,
momentul atingerii pragului de comutare pe caracteristica de tip histerezis
corespunzând cu momentul schimbării punctului de echilibru în spaţiul fazelor.
Din variaţia în timp a variabilei de stare x(t) (fig. 2.11) se poate remarca
faptul că schimbarea punctului de echilibru se face după intervale de timp de
lungime diferită, ceea ce determină comportamentul haotic al variabilei de stare
considerate.
101
Fig. 2.10 Spaţiul fazelor definit de variabilele de stare x(t) şi y(t)

Fig. 2.11 Variaţia în timp a variabilei de stare x(t)

Analiza cu ajutorul bicoerenţei a variabilei de stare x() (fig. 2.12 şi 2.13)


pune în evidenţă prezenţa a numeroase cuplaje de fază în spectrul semnalului
haotic generat. Este de remarcat faptul că aici forma bicoerenţei este cu totul
aparte şi indică prezenţa unui mecanism neliniar specific, care nu este de tip
pătratic şi care, în plus, depinde de starea iniţială a elementului cu histerezis.

102
Fig. 2.12 Bicoerenţa variabilei Fig. 2.13 Bicoerenţa variabilei de stare x()
de stare x() pentru starea iniţială pentru starea iniţială a elementului cu
a elementului cu histeresis 1 histeresis -1
Este remarcabilă diferenţa mare care apare între polispectre prin simpla
modificare a stării iniţiale a elementului cu caracteristică de tip histerezis.
Diferenţele sunt mai puţin vizibile în spectrul de putere, dar apar pregnant în
bispectre. Practic, în funcţie de starea iniţială a elementului cu caracteristică de
tip histerezis, există două comportamente neliniare distincte, arătând importanţa
condiţiei iniţiale a elementului cu histerezis asupra semnalului haotic generat.
2.2.3 Generator haotic analogic simplu
Un exemplu de generator haotic comandat de o sursă de tensiune
sinusoidală este reprezentat în fig. 2.14. Elementul neliniar RN, a cărui
caracteristică este reprezentată în fig. 2.15, poate fi implemenat cu ajutorul unor
amplificatoare operaţionale [10].
În acest caz vom da direct forma normată a sistemului de ecuaţii
diferenţiale ce descrie funcţionarea circuitului din fig. 2.14:
 x  y  g ( x)
 (2.7a)
 y  y  x  F sin(t )
unde

a  b x  1  x 1  .
1
g  x   bx  (2.7b)
2

103
i=g(vc)
Gb
iL i=g(v)
R L
Ga
RN vc
C -Bp Bp
vC
A sin() v=vC
Gb

Fig. 2.14 Schema de principiu Fig. 2.15 Caracteristica elementului


a generatorului haotic analogic simplu neliniar (g(v))

Pentru  = 0.6;  = 1; a = –1.27; b = –0.68; F = 0.25 şi x(0); y(0) se


obţine atractorul haotic din fig. 2.16.

Fig. 2.16 Spaţiul fazelor reprezentat de variabilele de stare x(t) şi y(t)

Comportamentul dinamic al sistemului depinde de amplitudinea şi


frecvenţa sursei de tensiune sinusoidală, astfel încât prin intermediul sursei de
tensiune se poate realiza o formă de control al generatorului haotic.
2.2.4 Circuitul Chua
Circuitul Chua este un generator de haos [10]–[23] format din mai multe
elemente RLC liniare şi un singur uniport neliniar, a cărui caracteristică poate fi
liniară pe porţiuni sau netedă. Circuitul Chua reprezintă unul dintre primele
circuite electronice în care a fost observat şi studiat haosul. Varianta prezentată
este cea cu un număr minim de elemente, existând variante în care se ia în

104
considerare şi rezistenţa bobinei sau apare în plus un generator de tensiune
(sinusoidală, de regulă), care poate duce la o formă de control al momentului
apariţiei mişcării haotice şi a formei atractorului.

g(vC1)
G=1/R Gb

Ga
RN vC1
C1 C2 L -Vp Vp
vC1 vC2
g(vC1) iL
Gb

Fig. 2.17 Schema de bază Fig. 2.18 Caracteristica elementului


a circuitului Chua neliniar g(vC1)

Sistemul normat de ecuaţii diferenţiale pentru circuitul Chua (fig. 2.17)


este:
 x     x  y  h  x 

y  x  y  z (2.8)
 z   y

unde caracteristica elementului neliniar poate fi scrisă sub forma:

 a  b   x  1  x  1  , a = –1.3, b = –0.7
1
h1  x   bx 
2
sau
h2  x   cx  dx3 , c  1.3, d  0.07
iar ceilalţi parametri ai circuitului sunt:  = 8.85,  = 15.

În cele ce urmează vom studia influenţa caracteristicii elementului


neliniar asupra comportamentului haotic al circuitului Chua (fig. 2.19 şi 2.20).
Astfel influenţa caracteristicii elementului neliniar asupra dinamicii
sistemului este observabilă prin existenţa a doi atractori diferiţi în spaţiul
fazelor. Acest comportament al circuitului Chua dovedeşte impactul major pe
care îl are implementarea elementului neliniar, respectiv tipul caracteristicii de
transfer (liniară pe porţiuni – h1  x  sau netedă – h2  x  ). Trebuie precizat totuşi
că alegând alţi parametri ai sistemului dinamic ( şi ) se poate obţine acelaşi
tip de atractor cu ambele tipuri de caracteristici de transfer.

105
Fig. 2.19 Spaţiul fazelor reprezentat Fig. 2.20 Spaţiul fazelor reprezentat
de variabilele de stare de variabilele de stare
x(t) şi y(t) cu h1(x) x(t) şi y(t) cu h2(x)

2.2.5 Circuit haotic cuadridimensional


Caracterul cuadridimensional al generatorului haotic reprezentat de
circuitul din fig. 2.21 provine din faptul că mărimile de stare ce caracterizează
generatorul haotic sunt in număr de patru: intensităţile curenţilor prin bobinele
L1 şi L2 şi tensiunile pe capacităţile C1 şi C2. De aici şi numele circuitului.

106
Fig. 2.21 Schema circuitului haotic Fig. 2.22 Caracteristica
autonom cuadridimensional liniarizată a diodei id(v)
Pentru circuitul haotic cuadridimensional din fig. 2.21 sistemul normat de
ecuaţii diferenţiale este:
 x    x  y   z  f d 1  x 

 y     x  y   w  f d 2  y  
 (2.9a)
z  x
 w  y

unde
x 1  x 1
f dk  x   , k  1,2 ,... (2.9b)
2k

Pentru   2;   0.17;   3;   0.27; 1  0.8; 2  0.2 se obţine atractorul


din fig. 2.23.

107
Fig. 2.23 Spaţiul fazelor reprezentat de variabilele de stare x(t) şi y(t)

Prezenţa a patru sau mai multe variabile de stare poate conduce la un


comportament haotic aparte, cunoscut sub numele de hiperhaos [24], [25].
„Hiperhaosul” este un haos de ordin superior, care este caracterizat de un
atractor haotic cu doi sau mai mulţi exponenţi Lyapunov pozitivi. Acest lucru
are drept consecinţă faptul că dinamica atractorului haotic se dezvoltă în mai
mult de o direcţie în spaţiul fazelor şi implicit are un caracter mult mai complex.

2.3 Generatoare haotice în timp discret


La fel ca în cazul generatoarelor haotice în timp continuu şi în acest caz
putem face o clasificare după cum mărimile de stare iau valori continue sau
discrete. În plus apar următoarele elemente noi:
- este necesară utilizarea unui semnal de tact pentru implementarea cu circuite
integrate a generatoarelor haotice în timp discret;
- deoarece se folosesc funcţii pur iterative, devine extrem de uşoară
implementarea prin software a generatorului haotic, însă proprietăţile statistice
ale semnalului astfel generat sunt limitate de precizia reprezentării numerice.
Majoritatea generatoarelor haotice în timp discret studiate în literatura de
specialitate sunt unidimensionale (1D), fiind caracterizate, de regulă, de o
ecuaţie de stare de forma:
x  n  1  f  x  n , (2.10)
unde f : I     .
108
x[n+1] x[n]
z-1

x[n+1] = f(x[n])

f( )

Fig. 2.24 Schema bloc a unui generator haotic 1D în timp discret

Elementul esenţial în cazul acestor generatoare îl reprezintă funcţia f( ),


care este o funcţie neliniară şi care, în plus, trebuie să satisfacă următoarele
condiţii necesare pentru a asigura comportamentul haotic:
 să fie neinjectivă;
 să fie surjectivă şi să transforme intervalul I pe el însuşi: f : I  I ;
d f ( x)
 dacă xf este un punct fix al transformării, atunci x  x f  1.
dx

2.3.1 Funcţia logistică


Funcţia logistică este definită de o caracteristică de tip hiperbolic
(fig. 2.25), iar generatorul haotic astfel obţinut are următoarea ecuaţie de stare:
x  n  1  k  x  n  1  x  n , (2.11)
k fiind un parametru ce determină, împreună cu condiţia iniţială, x[0],
comportamentul haotic.

fL(x)
k/4

x
0.5 1

Fig. 2.25 Funcţia logistică x[n+1]=fL(x[n])

Pentru studiul nostru vom fixa parametrul k la valoarea k = 4, ce asigură


împreună cu condiţia iniţială x[0]=0.1, un exponent Lyapunov pozitiv
(fig. 2.26), caz în care semnalul generat este unul haotic.

109
Logistic map
1

Ly
ap -1
un
ov
ex
-2
po
ne
nt
-3

-4

-5
0 0.5 1 1.5 2 2.5 3 3.5 4
Parameter of Logistic map

Fig. 2.26 Variaţia exponentului Lyapunov () în funcţie de parametrul k

La fel ca în cazul sistemelor haotice în timp continuu, şi în cazul


generatoarelor 1D în timp discret se poate reprezenta în spaţiul fazelor atractorul
mişcării haotice. Spaţiul fazelor pentru sistemele dinamice monodimensionale se
obţine prin decalarea secvenţei obţinute cu o durată de tact şi reprezentarea
acesteia în funcţie de secvenţa nedecalată. S-a obţinut astfel un atractor a cărui
formă reproduce caracteristica hiperbolică a funcţiei logistice folosită pentru
generare (fig. 2.27), dar tranziţiile dintre diferitele puncte de pe această
caracteristică sunt efectuate de o manieră dezordonată, ce asigură caracterul de
„pseudozgomot” al semnalului x[n] (fig. 2.28).

Fig. 2.27Planul fazelor, x[n] vs x[n+1], pentru funcţia logistică

110
Fig. 2.28 Variaţia în timp a variabilei de stare x[n]

Semnalul haotic reprezentat de variabila de stare x[n] nu are o distribuţie


statistică uniformă (lucru uşor de verificat cu ajutorul histogramei valorilor
semnalului considerat), dar densitatea sa spectrală de putere este plată, foarte
apropiată de cea a unui zgomot alb (fig. 2.29). Datorită acestei ultime proprietăţi
apare posibilitatea utilizării generatorului haotic reprezentat de funcţia logistică
ca generator de secvenţe de împrăştiere în sistemele de acces multiplu cu
diviziune în cod.

111
Fig. 2.29 Densitatea spectrală de putere a variabilei de stare x[n]
pentru funcţia logistică

Similar cu funcţia logistică se pot găsi şi alte funcţii neliniare ce asigură


generarea unor semnale haotice. În fig. 2.30 sunt date câteva exemple:
f L1  x   k 2 x 1  x 1  2 x 
2

f L2  x   x 3  4 x2 
k = 4, x[0]=0.1 x[0] = 0.1
fL1(x) fL2(x)
1
1

1 1

1
0.5 1 x
 
f L3  x   x 5  20 x 2  16 x 4 ; x[0] = 0.1

fL3(x)
1

1 1

1
Fig. 2.30 Funcţii neliniare ce asigură generarea unor semnale haotice

Toate cele trei funcţii sunt generalizări ale funcţiei logistice, distribuţia de
probabilitate a semnalelor generate (histograma), cu valorile menţionate mai sus,
fiind foarte asemănătoare cu distribuţia de probabilitate a semnalului obţinut cu
funcţia logistică.
Pentru a arăta posibilitatea realizării în variantă electronică a
generatorului haotic bazat pe funcţia logistică, vom prezenta pe scurt în
continuare schema de principiu a unui circuit integrat ce implementează varianta
electronică a funcţiei logistice (fig. 2.31). Acest circuit, a cărui implementare
este pe larg discutată în [26], are o parte principală formată de blocul A, a cărui
funcţionare este descrisă de următoarea ecuaţie:
K 
I out  20 I 0 sec h2  Vn  V4   . (2.12)
2 

112
Vd
d

V1

Vdd
V4

Iout
A V3
V2

B
1 pF

Vn  Vn+1

1 pF

Fig. 2.31 Implementarea electronică a funcţiei logistice

Ecuaţia (2.12) reprezintă o caracteristică parabolică ce aproximează


ecuaţia logistică pentru anumite valori ale parametrilor circuitului. Tensiunile
V1, V2, V3, V4 au acelaşi rol, de a asigura o aproximare cât mai bună a funcţiei
logistice. Blocul B este un circuit de polarizare ce asigură punctul static de
funcţionare al schemei. Comutatoarele notate cu  şi  funcţionează în
contratimp şi asigură lucrul circuitului în timp discret. Ca semnale de ieşire pot
fi oricare dintre tensiunile Vn sau Vn+1, ce reprezintă replicile electronice ale
mărimii x[n] din ecuaţia (2.11).
Prin alegerea corespunzătoare a parametrilor circuitului se poate obţine o
caracteristică de tipul funcţiei logistice, adică se poate realiza un generator
haotic integrat printr-o structură relativ simplă.

113
2.3.2 Funcţia cort
Un alt tip de generator haotic 1D în timp discret este descris de funcţia de
tip cort (fig. 2.32), ce are următoarea ecuaţie de stare:

x  n  1  k 1  1  2 x  n  (2.13)
sau
2kx  n ,
 x  n   0.5
x  n  1   (2.14)
2k   x  n  1 , x  n   0.5

unde k este un parametru a cărui valoare determină comportamentul haotic al
sistemului dinamic considerat.
fT(x)

0.5 1 x

Fig. 2.32 Funcţia de tip cort x[n+1]=fT(x[n])

Variaţia exponentului Lyapunov în raport cu parametrul k[0,1]


(fig. 2.33) are un aspect mult mai uniform în comparaţie cu graficul similar din
cazul funcţiei logistice, dar comportamentul haotic este evidenţiat şi în acest caz
prin valorile pozitive ale exponentului Lyapunov.

114
Fig. 2.33 Variaţia exponentului Lyapunov în raport cu parametrul k

Existenţa exponentului Lyapunov pozitiv pentru 0.5<k<1 constituie un


indiciu al comportamentului haotic al funcţiei cort, acest lucru fiind confirmat
prin obţinerea unui atractor în spaţiul fazelor. Pentru k  1 nu mai avem un
comportament haotic, deoarece exponentul Lyapunov are valori mari şi funcţia
cort va fi divergentă în urma interaţiilor succesive. De exemplu, pentru k=0.99
şi condiţia iniţială x[0]=0.1, se obţine atractorul din fig. 2.34, ce reproduce
forma funcţiei generatoare (aici funcţia cort).

Fig. 2.34 Spaţiul fazelor, x[n] vs x[n+1], pentru funcţia cort

La fel ca în cazul funcţiei logistice, semnalul generat pentru funcţia cort


(cu parametrii menţionaţi) are un aspect de semnal aleator, evidenţiat atât prin
evoluţia sa în timp, cât şi prin densitatea sa spectrală de putere (fig. 2.35 şi 2.36).
115
Fig. 2.35 Variaţia în timp a semnalului x[n]

Fig. 2.36 Densitatea sa spectrală de putere a semnalului x[n] pentru funcţia cort

De asemenea, pe baza funcţiei cort se poate găsi o întreagă clasă de funcţii


neliniare, cu ajutorul cărora se obţin semnale haotice cu distribuţii statistice de
probabilitate asemănătoare cu cea a funcţiei cort. Iată, în continuare, câteva:

116
 1
3.99 x, 0x
 1 4
3 x, 0 x 

3  3.99 1  2 x  , 1
x
1
 1 2 
fT 1  x   2  3 x, fT 2  x   
4 2
x
 3 3  3.99  2 x  1 , 1 3
x
 2  2 4
2  3 x,  x 1 
 3
3.99 1  x  ,
3
 x 1
 4

x[0]=0.1 x[0]=0.1

fT1(x) fT2(x)

1 1

1/3 2/3 1 x 1/2 1 x

Fig. 2.37 Funcţii neliniare, dar „liniare pe porţiuni”

În [26] este semnalată posibilitatea implementării funcţiei cort cu un


circuit integrat analogic, a cărui caracteristică de transfer aproximează funcţia
cort dată de ecuaţia (2.13), pentru o valoare a parametrului k apropiată de unu.

2.3.3 Funcţii de tip Markov


Funcţia f : I  I , I   a, b se numeşte funcţie afină de tip Markov [27]
dacă există o partiţie finită Y  I k , k  1,2,..., N de subintervale deschise, care
nu au elemente comune notate I k   ak 1, ak  , cu a0 = a şi aN = b, astfel încât:
a) f( ) este definită pe  I k , iar punctele de partiţie ale lui Ik, {ai}; i = 0,1,…,N
au măsura zero;
b) dacă f(Ik)Ij  , atunci f(Ik)Ij pentru fiecare k, j;
c) fk=fIk este o funcţie afină pentru fiecare k.
Deoarece aplicaţiile în telecomunicaţii ale generatoarelor haotice necesită
secvenţe cu funcţii de autocorelaţie care scad rapid în timp, este important ca f( )
să conducă la o cât mai mare complexitate din punctul de vedere al mişcării
haotice. Un caz limită al secvenţelor cu funcţii de autocorelaţie care scad rapid
în timp este definit de aşa-numitele procese cu corelaţie de tip , a căror funcţie
de autocorelaţie în timp tip discret este simbolul lui Kronecker (n).

117
Se poate demonstra că, dacă funcţia Markov f( ) este o funcţie dublu
simetrică, adică:
a) f( ) este uniform distribuită;
b) f( ) are simetrie pară: f(a+bx)=f(x), xI,
atunci secvenţele generate cu f( ) au o corelaţie de tip .
Pentru a putea fi realizată practic o funcţie de tip Markov, f( ) este necesar
să fie structural stabilă, adică secvenţele haotice generate pe baza acestei funcţii
să-şi păstreze proprietăţile statistice în cazul apariţiei unor perturbaţii impuse de
limitările tehnologice.
În rândul acestor limitări tehnologice se are în vedere şi domeniul maxim
de valori al semnalelor obţinute cu dispozitive active. Datorită acestei limitări,
funcţia implementată nu va avea expresia dată de f( ), ci se obţine prin
compunerea lui f( ) cu o caracteristică de saturaţie Hsat( ):
 xmin , x  xmin

H sat  x    x, xmin  x  xmax (2.15)
x , x  x
 max max

unde xmin şi xmax sunt nivelurile minim, respectiv maxim ale semnalului
reprezentat de variabila x. În urma compunerii funcţiei f( ) cu caracteristica de
saturaţie rezultă o funcţie nouă h(x)=Hsat(f(x)), a cărei caracteristică se
„aplatizează” atunci când x depăşeşte domeniul [xmin, xmax]. Acest efect este
ilustrat pentru funcţia cort (fig. 2.38), definită sub forma:
f  x  A  C  B x  C  , (2.16)
fiind una dintre cele mai simple exemple de funcţii de tip Markov.

h(x) h(x)
xmax xmax
A+C A+C
xmin xmax xmin xmax
C x C x
xmin xmin

a) b)
Fig. 2.38 a) Funcţia cort rezultată după compunerea cu h(x);
b) Funcţia cort modificată pentru a elimina efectul „aplatizării”
asupra generării semnalului haotic

Parametrii B şi C trebuie aleşi astfel încât intervalul invariant


I=[CA,C+A] să se afle în interiorul intervalului definit de limitele de saturaţie
Isat=[xmin,xmax], altfel Hsat( ) va influenţa dinamica funcţiei originale f( ). De aici

118
rezultă că, în general, pentru evitarea efectului de saturaţie, funcţiile de tip
Markov trebuie să satisfacă şi condiţia:
I sat  I , (2.17)
unde I este intervalul invariant pentru f( ), adică satisface condiţia f(I)=I.
Datorită aplatizării caracteristicii f( ), în planul fazelor poate apărea un
punct de atracţie definit de toate punctele de pe axa reală ce se află în afara
intervalului Isat. În consecinţă funcţia rezultată în urma efectului de saturaţie,
h( ), va avea două mulţimi atractoare: una reprezentată de un atractor straniu,
inerent pentru funcţia cort, iar cealaltă de un punct fix, datorat nivelurilor de
saturaţie. Din punctul de vedere al implementării electronice, realizarea funcţiei
f( ) ca generator haotic va necesita un circuit special care să asigure punctul
iniţial de funcţionare în interiorul intervalului Isat. Pentru a evita necesitatea
folosirii acestui circuit suplimentar, vom impune pentru funcţiile Markov
următoarea restricţie:
f  xmin  , f  xmax   I sat . (2.18)
În fig. 2.38 b) este prezentată caracteristica h( ) corectată, ce satisface
condiţiile de mai sus. Strategia folosită pentru realizarea corecţiei constă în
micşorarea pantelor caracteristicii h(x) iniţiale, astfel încât punctele f(xmin) şi
f(xmax) să se afle în interiorul intervalului Isat. Dezavantajul metodei constă în
faptul că în urma micşorării pantelor caracteristicii h(x) scade şi amplitudinea
semnalului generat. În continuare sunt prezentate patru exemple de astfel de
funcţii de tip Markov, împreună cu parametrii ce asigură comportamentul haotic
al generatorului 1D obţinut:

B  D  x , x  D

fM 1  x    (2.19)
 B  x  2D  , x  D

 B  x , x  D

fM 2  x    (2.20)
 B  x  2 D  , x  D

D = 1, B = 3, x0 = 0,1
  B  x, x  D

f3  x    (2.21)
 B  x  2 D  sgn  x   , x  D

 B   x  D  sgn  x   , x  D

f4  x    (2.22)
 B  x  2 D  sgn  x   , x  D

D = 1; B = 3; x0 = 0,1

119
fM1(x) fM2(x)

D D
x D D x
xmin xmax xmin xmax

a) b)
fM3(x) fM4(x)

D D x D D x

xmin xmax xmin xmax

Fig. 2.39 Exemple de funcţii de tip Markov

2.3.4 Generator haotic cu structură de filtru numeric recursiv


Generatoarele haotice în timp discret prezentate până acum erau
caracterizate de prezenţa unui singur element de întârziere sau, cu alte cuvinte,
valoarea la momentul curent depindea, prin intermediul funcţiei neliniare, numai
de valoarea de la momentul anterior. Aceste structuri de generatoare haotice se
pot generaliza prin introducerea unui număr arbitrar de elemente de întârziere,
deşi este de subliniat faptul că funcţiile neliniare utilizabile în aceste structuri
trebuie să satisfacă anumite cerinţe legate, în principal, de necesitatea de a
asigura comportamentul stabil al sistemului dinamic rezultat.
Un astfel de exemplu de generator haotic în timp discret este realizat cu
un filtru numeric recursiv de ordinul trei, completat cu o funcţie neliniară de tip
complement faţă de doi [28], [29] (fig. 2.40).
Funcţia neliniară tip complement faţă de doi transformă axa numerelor
reale într-un interval de lungime doi, centrat în jurul lui zero, [-1, 1), fiind
similară ca efect cu funcţia modulo faţă de doi (x mod 2), ce transformă axa
numerelor reale într-un interval tot de lungime doi, dar necentrat în zero, [0, 2).
Această proprietate a funcţiei complement faţă de doi este utilă atunci când se
doreşte obţinerea directă a unor semnale de medie nulă.
Comportarea generatorului autonom în timp discret cu structura de mai
sus este descrisă de ecuaţia de stare:
x  n  f  c1  x  n  1  c2  x  n  2  c3  x  n  3 , (2.23)
iar funcţia neliniară tip complement faţă de doi, f( ), este:

120
 x  1
f  x  x  2  , f:[-1,1),
 2 
unde prin [y] am notat partea întreagă a numărului real y.
 3 
xn  f   ck xn  k 
f( )  k 1 

z-1

c1
z-1

c2
z-1

c3

Fig. 2.40 Exemplu de generator haotic cu structură de filtru recursiv

f(x)
1

-2 -1 1 2 x
-1

Fig. 2.41 Funcţia neliniară tip complement faţă de doi

Am considerat pentru generatorul din fig. 2.40 următorii parametri


c1=2, c2=1, c3=1 şi condiţiile iniţiale x[0]=0, x[1]=0, x[2]=0,1. Cu aceste valori
am obţinut, prin simulări numerice, rezultatele din fig. 2.42, 2.43 şi 2.44.
În acest caz semnalul generat are o densitate spectrală de putere plată
(fig. 2.44) şi, în plus, o distribuţie statistică uniformă, proprietăţi care fac util
acest generator pentru aplicaţiile criptografice. În plus prezenţa mai multor
elemente de întârziere asigură o lungime superioară a cheii de criptare
(reprezentată de condiţia iniţială).

121
Fig. 2.42 Spaţiul fazelor, x[n] vs x[n+1], pentru generatorul cu structură
de filtru numeric recursiv

Fig. 2.43 Variaţia în timp a semnalului x[n]

122
Fig. 2.44 Densitatea spectrală de putere a semnalului x[n]

2.3.5 Generatoare haotice în timp discret 2D


Acest tip de generatoare sunt caracterizate de ecuaţia de stare:
 x1[n  1], x2[n  1]  f  x1[n], x2[n] . (2.24)
Pentru a simplifica notaţia am folosit acelaşi simbol pentru reprezentarea
funcţiei neliniare f( ), deşi aici este vorba de o funcţie vectorială de variabilă
vectorială: f : I  2  2 .

(x1[n+1], x2[n+1]) (x1[n], x2[n])


z-1

f( )

Fig. 2.45 Schema bloc a unui generator haotic 2D în timp discret

La fel ca în cazul generatoarelor haotice în timp discret 1D, se pot da


condiţii necesare pentru ca funcţia f() să asigure comportamentul haotic al
generatoarelor haotice în timp discret 2D.
Câteva exemple de funcţii neliniare folosite în generatoarele haotice 2D
sunt prezentate în continuare, împreună cu valorile parametrilor ce asigură un
comportament haotic:
123
- funcţia lui Henon

 
f  x1, x2   1  x12  x2 , x1 ,   1.4,   0.3 ; (2.25)

- funcţia lui Mira


 x2 , x2  ax1  ,
 dacă x1  6
f  x1, x2    (2.26)
 x2 , x2  x1  6  a     , altfel

a  1.05,   2 ;
- funcţia de tip cubic

   
f  x1, x2   x2 , a  x13  x1  b  x23  x2 ,  (2.27)

a  2.2, b  0.99 .
Spre deosebire de generatoarele haotice în timp discret 1D, aici spaţiul
fazelor este determinat de ambele variabile de stare, obţinând atractori haotici
asemănători cu atractorii sistemelor haotice în timp continuu.
De exemplu, pentru funcţia de tip cubic (2.27) şi condiţiile iniţiale
x1[0]=0.1 şi x2[0]=0 se obţine atractorul haotic din fig. 2.46.

Fig. 2.46 Spaţiul fazelor pentru funcţia de tip cubic

Recent acest tip de generator haotic a fost propus pentru aplicaţii


criptografice [30], deoarece caracterul bidimensional asigură o complexitate mai
mare a secvenţelor obţinute, precum şi o lungime suficient de mare a cheii de
criptare (condiţia iniţială).

124
2.4 Bibliografie
[1] Kennedy M., Chaos in the Colpitts oscillator, IEEE Transactions on circuits and
systems-I: Fundamental theory and applications, vol. 41, no. 11, Nov. 1995
[2] Maggio G., De Feo O., Kennedy M., An explicit expression for the amplitude of
oscillation in the Colpitts oscillator, ECCTD '99, Stresa, Italy, 1999
[3] Persic B., Medic I., Chaotic results of the Spice simulator ECCTD '97, Budapest,
Sept. 1997
[4] Maggio G., De Feo O., Kennedy M., Nonlinear analysis of the Colpitts oscillator
and application to design, IEEE Transactions on circuits and systems-I:
Fundamental theory and applications, vol. 46, no. 9, Sept. 1999
[5] Nakagawa S., Saito T., An RC OTA hysteresis chaos generator, IEEE Transactions
on circuits and systems-I: Fundamental theory and applications, vol. 43, no.12,
Dec. 1996
[6] Nakagawa S., Saito T., Design and control of RC VCCS SD hysteresis chaos
generators, IEEE Transactions on circuits and systems-I: Fundamental theory and
applications, vol. 45, no. 2, Feb. 1998
[7] Suzuki T., Saito T., On fundamental bifurcations from a hysteresis hyperchaos
generator, IEEE Transactions on circuits and systems-I: Fundamental theory and
applications, vol. 41, no. 12, Dec. 1994
[8] Varrientos J., Sanchez-Sinencio E., A 4-D chaotic oscillator based on a
differential hysteresis comparator, IEEE Transactions on circuits and systems-I:
Fundamental theory and applications, vol.45, no.1, Jan. 1998
[9] Matsubori K., Saito T., A four dimensional plus hysteresis chaos generator,
IEEE Transactions on circuits and systems-I: Fundamental theory and
applications, vol.41, no. 12, Dec. 1994
[10] Moegel A., Schwarz W., Continuous time chaos generators Chapter 5.3:
Technology for multimedia, Proc. ISCAS, 1994
[11] Zhong G., Implementation of Chua's circuit with a cubic nonlinearity, IEEE
Transactions on circuits and systems-I: Fundamental theory and applications,
vol. 41, no.12, Dec. 1994
[12] Arena P., Baglio S., Fortuna L., Manganaro G., Chua's circuit can be generated
by CNN cells, IEEE Transactions on circuits and systems-I: Fundamental theory
and applications, vol. 42, no. 2, Feb. 1995
[13] Hartley T., Lorenzo C., Qammer H., Chaos in a fractional order Chua's system,
IEEE Transactions on circuits and systems-I: Fundamental theory and
applications, vol. 42, no. 8, Aug. 1995
[14] Cruz J., Chua L., An IC chip of Chua's circuit, IEEE Transactions on circuits and
systems-II: Analog and digital signal processing, vol. 40, no. 10, Oct. 1993
[15] Piovaccari A., Setti G., A CMOS current mode Chua's diode, ECCTD '95,
European conference on circuit theory & design, Istambul, Turky, 1995
[16] Itoh M., Chua L., Experimental study of forced Chua's oscillator, ECCTD '95,
European conference on circuit theory & design, Istambul, Turky, 1995
[17] Murali K., Lakshmanan M., Chaotic dynamics of the driven Chua's circuit, IEEE
Transactions on circuits and systems-I: Fundamental theory and applications,
vol. 40, no. 1, Nov. 1993
125
[18] Gregg A., Johnston E., Derivative control of the steady state in Chua's circuit
driven in the chaotic region, IEEE Transactions on circuits and systems-I:
Fundamental theory and applications, vol. 40, no. 11, Nov. 1993
[19] Hosny E. A., Sobhy M. I., Analysis of chaotic behaviour in lumped-distributed
circuits applied to the time-delayed Chua's circuit, IEEE Transactions on circuits
and systems-I: Fundamental theory and applications, vol. 41, no. 12, Dec. 1994
[20] Galleany L., Biey M., Gilli M., Lo Presti L., Time frequency analysis of chaotic
waveforms from Chua's oscillator, ECCTD '99, Stresa, Italy, 1999
[21] Ogorzalek M., Galias Z., Dabrowski A., Dabrowski W., Chaotic waves and
spatio-temporal patterns in large arrays of doubly-coupled Chua's circuits, IEEE
Transactions on circuits and systems-I: Fundamental theory and applications,
vol. 42, no. 10, Oct. 1995
[22] Kapitaniak T., Chua L., Zhong G., Experimental hyperchaos in coupled Chua's
circuits, IEEE Transactions on circuits and systems-I: Fundamental theory and
applications, vol. 41, no.7, July 1994
[23] Rodriguez-Vazquez A., Delgado-Restituto M., CMOS design of chaotic
oscillators using state variables: a monolithic Chua's circuit, IEEE Transactions
on circuits and systems-II: Analog and digital signal processing, vol. 40, no. 10,
Oct. 1993
[24] Suzuki T., Saito T., On fundamental bifurcations from a hysteresis hyperchaos
generator, IEEE Transactions on circuits and systems-I: Fundamental theory and
applications, vol. 41, no. 12, Dec. 1994
[25] Nishio Y., Inaba N., Ushida A., Torus and chaos in a four dimensional
autonomous circuit, ECCTD '97, Budapest, Sept. 1997
[26] Tanaka H., Sato S., Nakajima K., Integrated circuits of map chaos generators,
IEICE transactions fundamentals, vol. E-82 A, no. 2, February 1999
[27] Delgado-Restituto M., Rodriguez-Vasquez A., Piecewise affine Markov maps for
chaos generation in chaotic communication, ECCTD '99, Stresa, Italy, 1999
[28] Gotz M., Kelber K., Schwarz W., Discrete time chaotic encryption systems,
IEEE transactions on circuits an systems, vol. 44, no. 10, 1997
[29] Kelber K., Schwarz W., Digital realisation of discrete time chaos generators,
ECCTD '97, Budapest, Sept. 1997
[30] Guglielmi V., Fournier-Prunaret D., Taha K., Pinel P., Rouabhi S., Beneteau L.,
Two encryption schemes using the chaotic dynamics of two-dimensional
noninvertible maps

126
CAPITOLUL 3

METODE DE MODULAŢIE
ÎN COMUNICAŢIILE BAZATE PE HAOS
Dorin ANDREI, Bogdan LUCA
ACADEMIA TEHNICĂ MILITARĂ, Bucureşti

3.1 Generalităţi
Să considerăm schema bloc generală a unui sistem de comunicaţii din
fig. 3.1, care foloseşte o purtătoare haotică. Modulaţia este procesul prin care
simbolurile numerice sunt transformate în forme de undă analogice, convenabile
pentru transmisia pe un canal real.
În sistemele de comunicaţii digitale convenţionale, prin modulaţie,
simbolurile numerice sunt reprezentate ca o sumă ponderată a câtorva funcţii
periodice de bază (de exemplu, utilizându-se funcţiile sinusoidale şi
cosinusoidale, ca în modulaţia în cuadratură).
În cazul sistemelor de comunicaţii digitale haotice, pentru modulaţia
semnalelor informaţionale se utilizează o bază de semnale haotice care conduc
la o mai bună protecţie a semnalului modulat.

Fig. 3.1 Schema bloc generală a unui sistem de comunicaţii pe purtătoare haotică

3.2 Mascarea haotică


În cadrul acestei metode, semnalul informaţional s  t  este însumat cu
semnalul y  t  de la ieşirea sistemului haotic din emiţător. Receptorul va încerca
să se sincronizeze cu componenta y  t  din semnalul recepţionat y  t   s  t  .
Dacă sincronizarea are loc, se poate extrage estimatul semnalului informaţional
prin simplă scădere (fig. 3.2) [1], [2].
La prima vedere, se pare că sincronizarea este posibilă doar dacă semnalul
s  t  este mult mai mic decât y  t  . Acest lucru este de dorit şi pentru ca
semnalul informaţional să rămână inaccesibil unui intrus, care nu cunoaşte
parametrii sistemului haotic. Dar, dacă e  t  este mic, metoda este sensibilă la
zgomot (căci zgomotul aditiv se poate elimina în receptor, după extragerea
purtătoarei, doar dacă s  t  este destul de mare în comparaţie cu zgomotul).

126
Fig. 3.2 Sistem de comunicaţii folosind mascarea haotică

Mascarea haotică ar putea fi folosită într-un sistem cu un singur utilizator,


astfel încât să nu existe interferenţa celorlalţi utilizatori care să depăşească
semnalul ascuns.
În continuare, se va prezenta un sistem de comunicaţie bazat pe mascarea
haotică, care foloseşte sistemul Lorenz ca generator haotic. Semnalul
informaţional este adunat cu un semnal haotic, iar semnalul rezultat este
transmis către corespondent. Mesajul nu intervine în nici un fel în procesul de
generare a semnalului haotic de amestec. Ideea de bază constă în capacitatea
sistemului Lorenz de a se sincroniza chiar în condiţiile existenţei unor
perturbaţii în semnalul cu care este condus (s-a demonstrat experimental
robusteţea acestui sistem la perturbaţii).
Ecuaţiile ce descriu funcţionarea generatorului haotic tip Lorenz sunt:
u    v  u 

v  ru  v  20uw , (3.1)
 w  5uv  bw

în care, de exemplu,   16 , r  45,6 şi b  4 . Acest sistem a fost obţinut,
plecând de la sistemul Lorenz clasic, printr-o transformare de variabile.
Sistemul Lorenz se poate descompune în două subsisteme stabile,
corespunzătoare stărilor  u, w şi respectiv  v, w . Doar aceste două subsisteme
se pot utiliza ca sisteme de recepţie conduse de variabilele v, pentru  u, w ,
respectiv u, pentru  v, w . În exemplul care urmează, se va utiliza însă întregul
sistem (din punct de vedere formal, sistemul de recepţie este aproape identic cu
cel de emisie, fapt care, din punct de vedere al implementării practice, constituie
un avantaj):
ur    vr  ur 

vr  ru  vr  20uwr . (3.2)
 w  5uv  bw
 r r r

127
Dacă se alege ca semnal de amestec u  t  , sistemul de recepţie se obţine
simplu, prin redenumirea variabilelor  u, v, w în  ur , vr , wr  şi substituirea lui
ur  t  cu u  t  . Semnalul informaţional binar m  t  este însumat cu semnalul
haotic generat de emiţător u  t  , iar semnalul s  t  rezultat constituie semnalul
care se va transmite în linie:
s  t   u  t   m  t . (3.3)
Schema bloc a unui astfel de sistem de comunicaţie este prezentată în
fig. 3.3. În principiu, dacă receptorul se sincronizează cu emiţătorul, cu ajutorul
semnalului s  t  , atunci semnalul ur  t  va fi aproximativ identic cu u  t  şi, în
consecinţă, se poate reconstitui semnalul m(t ) pe baza relaţiei:
ˆ  t   s  t   ur  t  .
m (3.4)

Fig. 3.3 Schema de principiu a sistemului de comunicaţie

3.2.1 Simulare pe calculator


Pentru simularea funcţionării unui sistem, ca cel prezentat teoretic mai
sus, au fost concepute mai multe programe în Matlab6.5 [3], [4]. Transmisia este
simulată prin amestecul aditiv dintre semnalul care se transmite în linie (suma
semnalelor informaţional şi haotic) şi un semnal aleator cu distribuţie gaussiană.
Semnalul la intrarea în receptor este prezentat în fig. 3.4. În urma simulărilor,
semnalul obţinut după demodulare păstrează forma semnalului informaţional,
dar este foarte zgomotos (fig. 3.5). Aşadar, reconstituirea semnalului
informaţional nu este chiar atât de simplă, deoarece sincronizarea între emiţător
şi receptor nu este perfectă şi canalul de transmisie este afectat de zgomot.

128
Fig. 3.4 Semnalul haotic de amestec şi cel din punctul de recepţie

Fig. 3.5 Semnale pe lanţul de prelucrare

În continuare, s-au căutat metode de îmbunătăţire a rezultatelor obţinute


după demodulare. Într-o primă etapă s-a urmărit reducerea zgomotului care
însoţeşte semnalul după demodulare printr-un filtraj de tip Kalman. În etapa a
doua, ideea a fost de a folosi un filtru median. În urma acestei operaţii s-au
refăcut fronturile semnalului informaţional. Ultima etapă a constat în refacerea
palierelor, prin aplicarea semnalului obţinut după filtrajul median unui formator
de impulsuri.

129
Frecvenţa de eşantionare la care s-au realizat simulările a fost
fe  112000 Hz , iar debitul binar al semnalului informaţional Db  300 b/s .
Numărul de puncte de calcul a fost ales n  8192 . Amplitudinea semnalului
informaţional a fost aleasă 0,8 V. Pentru simularea zgomotului din canalul de
comunicaţie s-a utilizat zgomot alb, centrat, având deviaţia standard 0,3 V.
Raportul semnal pe zgomot considerat la intrarea în demodulator a fost, în aceste
condiţii, 12,81 dB. Rezultatele obţinute sunt prezentate în fig. 3.4, 3.5 şi 3.6.

Fig. 3.6 Semnalul refăcut în comparaţie cu cel original

3.3 Modulaţia haotică parametrică


În acest caz, la emisie, semnalul informaţional analogic modulează un
parametru al oscilatorului haotic. La recepţie se foloseşte un subsistem haotic
sincron, echipat cu un filtru proiectat special. Alegerea corespunzătoare a
parametrului ce va fi modulat asigură sincronizarea receptorului, independent de
modulaţie. Schema bloc a unui astfel de sistem este prezentată în fig. 3.7 [5].

Fig. 3.7 Sistem de comunicaţie bazat pe modulaţia haotică parametrică

130
Teoria generală pe care se bazează un astfel de sistem este foarte bine
descrisă matematic. Pentru clarificare, aceasta este prezentată pentru un oscilator
de ordinul trei, deşi generalizarea este foarte simplă, pentru orice ordin.
Presupunem că sistemul care descrie funcţionarea oscilatorului este de forma:
d x
 d t  f  x, y , z ,  

d y
  g  x, y , z  , (3.5)
 d t
d z
 d t  h  x, y , z 

unde iˆ2 (t ) sunt variabile de stare,  este parametru al sistemului, iar t este
variabila independentă timp. Comportamentul oscilatorului, reprezentat de
relaţia (3.5), trebuie să se modifice uşor atunci când  variază într-o regiune
continuă de valori. Un subsistem sincron pentru (3.5) poate fi descris de relaţiile:
 d yr
 d t  g  x, yr , zr 
 (3.6)
 d z r  h  x, y , z 
 d t r r

unde starea x a sistemului (3.5) constituie o stare de control şi este transmisă


sistemului (3.6). Parametrul  devine o funcţie de timp:
   t  (3.7)
şi conţine informaţia ce trebuie transmisă.
Pecora şi Carroll au arătat că, în aceste condiţii, stările yr şi zr din (3.6)
se apropie de stările originale y şi z din (3.5) [6]÷[10]. Mai mult, ei au
determinat, pe baza exponenţilor Lyapunov, condiţiile necesare pentru
sincronizare. Sistemul de recepţie este în mod intenţionat ales independent de
parametrul , deoarece, pe de o parte, sistemul de recepţie (3.6) poate fi „perfect
acordat” cu cel de transmisie (3.5) şi, pe de altă parte, ecuaţia din sistemul (3.5),
care conţine acest parametru (şi care nu intervine în receptor), poate fi utilizată
pentru demodularea semnalului informaţional.
La o primă analiză, demodularea se poate face pe baza relaţiei:
 dx
  f 1  x, yr , zr ;  , (3.8)
 dt 
unde f 1 reprezintă funcţia inversă, obţinută prin rezolvarea în raport cu  a
primei ecuaţii din sistemul (3.5). În principiu, tot ceea ce este conţinut de
membrul drept al relaţiei (3.8) este cunoscut şi, în consecinţă,  poate fi estimat.

131
În realitate, această abordare ridică două probleme delicate. Prima dintre ele este
legată de faptul că derivata în raport cu timpul a semnalului x trebuie estimată
din valoarea lui x, curent transmisă, fapt care poate conduce la mărirea erorilor
datorate zgomotului. În al doilea rând, funcţia dată de relaţia (3.8) poate avea
singularităţi, care împiedică estimarea corectă a parametrului . Aceste două
probleme pot fi evitate prin folosirea unui filtru neliniar. Pentru proiectarea
filtrului, se restricţionează sistemul (3.5) presupunând că funcţia f este liniară în
raport cu , astfel încât:
f  x, y, z;    f0  x, y, z   f1  x, y, z  . (3.9)
Cel mai adesea, forma din (3.9) poate fi obţinută dacă f este neliniară şi
presupunând că  are variaţii mici. În aceste condiţii, relaţia (3.8) devine:
dx
 f 0  x , yr , z r 
 d t . (3.10)
f1  x, yr , zr 
Proiectarea unui filtru pentru demodulare porneşte de la prima ecuaţie a
sistemului (3.5) şi folosind restricţia din relaţia (3.9):
dx
 f0  x, yr , zr    f1  x, yr , zr  . (3.11)
dt
Este de dorit să integrăm (3.11), pentru a scăpa de derivata semnalului x,
dar nu este de dorit să se introducă cerinţe noi legate de condiţiile iniţiale ale
sistemului. Adăugând termenul kx în ambele părţi ale relaţiei (3.11) şi
multiplicând cu factorul de integrare e kt , obţinem:
d
dt
 
x ekt  ekt  f0  x, yr , zr    f1  x, yr , zr   kx  , (3.12)

unde k este o constantă pozitivă arbitrară, care va fi aleasă astfel încât


performanţele filtrului să se îmbunătăţească. Integrând de la momentul de timp
t0 la momentul curent t şi împărţind prin factorul de integrare, se obţine:
t
k  t0  t 
  f 0  x, yr , zr   kx  e   d  

k t
x  x0 e
t0
(3.13)
t
   f1  x, yr , zr   e   d ,

k t

t0

x0 fiind condiţia iniţială corespunzătoare momentului t  t0 . Dacă se presupune


că variaţia în timp a lui  este lentă, comparativ cu constanta k, atunci putem
scoate de sub integrală acest parametru din relaţia (3.13). Pe măsura trecerii

132
timpului, termenul ce conţine x0 se micşorează şi devine neglijabil. În acest fel,
relaţia (3.13) poate fi simplificată pentru a furniza o estimare a parametrului:
x  w0
ˆ  , (3.14)
w1
unde
t
w0   f 0  x, yr , zr   kx  e   d  ;

k t
(3.15)
t0

t
w1   f1  x, yr , zr   e   d  .

k t
(3.16)
t0

Estimarea făcută cu ajutorul relaţiilor (3.14), (3.15) şi (3.16) este o


îmbunătăţire faţă de relaţia (3.10), deoarece derivata semnalului x nu este
necesară. Cantităţile w0 şi w1 nu sunt uşor de calculat folosind forma din
relaţiile (3.15) şi (3.16). Prin diferenţierea relaţiilor (3.15) şi (3.16) se obţine:
 d w0
 d t  f 0  x, yr , zr   kx  kw0
 (3.17)
 d w1  f  x, y , z   kw
 d t 1 r r 1

în condiţiile iniţiale w0  t0   0 şi w1  t0   0 . Sistemul (3.17) este mult mai


practic pentru integrarea continuă decât (3.15) şi (3.16). Valoarea instantanee a
estimaţiei rezultate în urma demodulării este o singularitate pentru w1  0 . De
asemenea, pentru valori mici ale lui w1 , estimarea este incorectă. În practică
aceste singularităţi apar ca impulsuri de durată foarte scurtă şi amplitudine
relativ mare. Pentru înlăturarea acestor impulsuri nedorite se foloseşte un filtru
trece-jos:
d f
dt

 q f ˆ   f , (3.18)

unde ̂ este dat de relaţia (3.14). Evitarea singularităţilor presupune definirea


parametrului q f al filtrului, ca mai jos:

q w1
qf  , (3.19)
1  w1
unde q reprezintă un parametru care setează constanta de timp a filtrului.
Combinând relaţiile (3.14), (3.18) şi (3.19), obţinem:

133
d ˆ f q *sgn  w1 
dt

1  w1
 
x  w0  w1 f . (3.20)

În acest fel  f reprezintă estimarea filtrată a parametrului de modulaţie .

3.3.1 Simulare pe calculator


Pentru exemplificare, considerăm un sistem de comunicaţii haotice cu
modulaţie parametrică, folosind oscilatorul Lorenz:
d x
 d t   y  x

d y
  rx  y  xz , (3.21)
 d t
d z
 d t  xy  bz

unde x, y şi z sunt variabilele de stare ale sistemului, iar , r şi b sunt parametrii
fixaţi. De exemplu, dacă la emisie se transmite y, iar r  t  este ales parametru de
modulaţie, subsistemul de la recepţie va fi:
 d xr
 d t    y  xr 
 (3.22)
 d zr  x y  bz
 d t r r

Filtrul neliniar folosit pentru demodulare este caracterizat de următoarele


ecuaţii:
d w
 0   k  1 y  xr zr  kw0
 dt
 d w1
  xr  kw1 (3.23)
 d t
 d r f q *sgn  w1 

d t

1  w

y  w0  w1r f 
 1

unde k şi q sunt parametrii filtrului, aleşi pentru obţinerea performanţelor


optime. Relaţia (3.23) oferă estimarea filtrată a semnalului r  r  t  .
Un exemplu concret de comunicaţie care foloseşte sistemul Lorenz are în
vedere următoarele valori:
8
b  ,   10, k  20, q  20 .
3

134
Simularea s-a făcut pe un număr de n  16384 puncte, cu un pas de
1/64 secunde (frecvenţa de eşantionare este 64 Hz). Rezultatele obţinute în urma
simulărilor sunt prezentate în fig. 3.8 şi fig. 3.9.

Fig. 3.8 Semnalul în linie y(t)

Fig. 3.9 Semnalul refăcut în comparaţie cu cel original

3.4 Modulaţia haotică directă


Această metodă rezultă implicit prin adoptarea sincronizării „sistemului
invers”. Corespunzător acestui procedeu de sincronizare, să considerăm schema
bloc din fig. 3.10.

Fig. 3.10 Sistem de comunicaţie bazat pe modulaţia haotică directă

135
La emisie, informaţia poate fi „injectată” direct, în formă analogică, sau
s  t  poate fi o purtătoare analogică modulată de un semnal informaţional binar.
În cazul modulaţiei directe, receptorul va urmări continuu stările emiţătorului,
astfel încât stările celor două subsisteme nu vor fi niciodată diferite.
Pentru a ilustra această metodă de modulaţie, să considerăm sistemul de
comunicaţie care foloseşte două circuite tip Chua, ca cel din fig. 3.11. Circuitul
Chua este transformat într-un uniport, apoi la acest uniport este conectată o sursă
de curent şi este realizat sistemul invers, conform fig. 3.11. Semnalul
informaţional este injectat la emisie prin sursa de curent. Tensiunea elementului
neliniar în circuitul Slave este impusă de către circuitul Master. Astfel, curentul
său iˆ1 (t ) este identic cu curentul i1 (t ) al circuitului Master şi nu depinde de
tensiunea iniţială şi nici de curentul din circuitul Slave. Aceeaşi tensiune
conduce şi partea liniară a circuitului Slave. Deoarece această parte este pasivă,
pe ansamblu este asimptotic stabilă şi, de aceea, iˆ2 (t ) devine asimptotic egal cu
i2 (t ) . Conform legii lui Kirchhoff, rezultă că iˆ(t ) devine asimptotic egal cu i (t )
şi astfel se poate reconstitui semnalul informaţional.

Fig. 3.11 Sistem cu două circuite Chua

3.4.1 Simulare pe calculator


S-a conceput un program [3], [4], care simulează un sistem de
comunicaţie folosind modularea haotică directă. La emisie, respectiv recepţie se
folosesc două circuite Chua. O sursă de curent este conectată la circuitul Chua
de la emisie, iar semnalul informaţional este injectat în această sursă. Aşa cum
s-a arătat în prezentarea teoretică, dacă cele două circuite Chua se sincronizează,
se poate extrage la recepţie semnalul informaţional. Simularea s-a realizat pentru

136
t  40 ms . S-a folosit un semnal informaţional sinusoidal, cu amplitudinea de
50 A şi frecvenţa 200 Hz. Pentru a arăta diferenţa dintre semnalul
informaţional şi semnalul reconstituit la recepţie, în cele două situaţii (în care
există sau nu există sincronizare), s-a folosit un comutator care se închide la
t0  20ms . Aşa cum era de aşteptat, în intervalul 0  20 ms , cele două semnale
nu sunt identice. O dată ce comutatorul se închide, semnalul de la recepţie
începe să urmărească semnalul informaţional. Pe durata a aproximativ 1 ms se
realizează sincronizarea celor două circuite, fapt care duce la o suprapunere
aproape perfectă a celor două semnale (fig. 3.12 şi 3.13). O dată realizată
sincronizarea celor două circuite, semnalul de la recepţie va fi identic cu
semnalul de la emisie.

Fig. 3.12 Semnalul informaţional şi semnalul reconstituit

Fig. 3.13 Eroarea de amplitudine dintre semnale

Pentru semnale de amplitudine mai mare la emisie (de exemplu, pentru


0,5 mA), sursa de curent va influenţa comportamentul haotic al sistemului la
emisie, diferenţa între semnale la recepţie fiind mai mare de data aceasta
(fig. 3.14 şi 3.15).
137
Fig. 3.14 Semnalul informaţional şi cel reconstituit

Fig. 3.15 Eroarea dintre semnale

3.5 Modulaţia haotică de tip CSK (Chaos Shift Keying)


În locul modulaţiei obţinute prin simpla adunare a semnalului
informaţional cu cel haotic, se poate aborda o strategie complet diferită, prin
care semnalul haotic va purta mesajul informaţional. În acest caz, semnalul
informaţional trebuie să fie binar. La emisie, acesta va determina transmisia
semnalului haotic y  t  sau y  t  , comutând vectorul parametru al sistemului
haotic de la p la p . Semnalul emis este recepţionat de receptor, care va conţine
două variante (copii) ale sistemului haotic din emiţător, una cu setul de
parametri p, cealaltă cu setul p (fig. 3.16).

138
Dacă la emisie comutatorul este pe poziţia caracterizată de vectorul p,
sincronizarea la recepţie se va realiza cu subsistemul p şi se va desincroniza cu
subsistemul p . Atunci semnalul eroare e  t  va tinde la 0, în timp ce semnalul
e  t  va avea amplitudinea diferită de zero şi o formă de undă neregulată. Dacă
la emisie comutatorul este în poziţia p , sincronizarea va avea loc cu
subsistemul p de la recepţie şi deci e  0 , iar e  t  va avea amplitudinea
diferită de zero. În consecinţă semnalul s  t  poate fi reconstituit din analiza
semnalelor de eroare e  t  şi e  t  .

Fig. 3.16 Schema bloc a unui sistem de comunicaţii


care utilizează modulaţia de tip CSK

Evident, timpul de comutare pe o poziţie (p sau p ) va fi suficient de


mare pentru a permite sincronizarea circuitelor haotice de la emisie şi recepţie
şi, implicit, ca e  t  sau e  t   0 . Acest timp va determina şi durata minimă a
tactului lui s  t  şi deci viteza de transmisie.
Acest tip de modulaţie a fost denumit în literatura de specialitate
modulaţie de tip CSK („Chaos Shift Keying”) [11]. De fapt, modulaţia de tip
CSK foloseşte semnale aparţinând unor atractori diferiţi, ca simboluri
corespunzătoare valorilor binare „1” şi „0”.
În cele mai multe situaţii se comută, în ritmul selecţiei binare, doar un
singur parametru al unui sistem dinamic, care va evolua distinct către atractori
diferiţi, pentru cele două valori ale parametrului.
Schema bloc de generare şi prelucrare (în Simulink) a semnalului CSK
este prezentată în fig. 3.17, iar semnalele generate şi prelucrate sunt prezentate
în fig. 3.18 şi 3.19. O analiză detaliată a acestui tip de modulaţie se va realiza în
capitolul 7.

139
Fig. 3.17 Schema bloc de generare şi prelucrare a semnalului CSK în Simulink

140
Fig. 3.18 Semnale pentru modulaţia de tip CSK

Fig. 3.19 Semnale prelucrate la recepţie

În literatura de specialitate s-a raportat şi o formă simplă a


modulaţiei CSK, pe care autorii au denumit-o COOK („Chaotic on-off Keying”).
În acest caz, purtătoarea haotică este comutată între „on” şi „off”, corespunzător
valorilor „1” şi „0” ale secvenţei informaţionale (fig. 3.20).

141
Fig. 3.20 Semnal de tip COOK

3.6 Modulaţia haotică de tip DCSK

În cazul modulaţiei haotice denumite „Differential Chaos Shift Keying”


(DCSK), simbolul „1” este reprezentat de o porţiune de undă haotică analogică,
transmisă succesiv de două ori, iar simbolul „0” este reprezentat de o porţiune de
undă haotică analogică, urmată de o copie inversată a aceleiaşi forme de undă.
În consecinţă, în cazul modulaţiei DCSK, fiecare bit informaţional ce
trebuie transmis este reprezentat în linie de două eşantioane de funcţii haotice.
Primul eşantion (sau formă de undă) serveşte ca „referinţă”, iar al doilea este
purtătorul de informaţie.
Astfel, dacă este transmis simbolul „1” în intervalul ti , ti  T  , semnalul
emis este:
 x(t ), ti  t  ti  T / 2
si (t )   (3.24)
 x(t  T / 2), ti  T / 2  t  ti  T
iar dacă este transmis simbolul „0” în intervalul ti , ti  T  , semnalul emis va fi:

 x(t ), ti  t  ti  T / 2
si (t )   (3.25)
 x(t  T / 2), ti  T / 2  t  ti  T

Schema bloc a unui sistem de comunicaţie care foloseşte tehnica DCSK


este prezentată în fig. 3.21.
Deoarece fiecare bit este pus în corespondenţă cu corelaţia dintre
segmentele succesive de lungime T 2 ale semnalului transmis, semnalul
informaţional poate fi refăcut cu ajutorul unui corelator.
Semnalul recepţionat este întârziat cu jumătate din durata unui bit ( T 2 ),
apoi se determină corelaţia dintre semnalul recepţionat şi copia sa întârziată.
Atât timp cât simbolurile „1” şi „0” sunt reprezentate de corelaţii pozitive şi

142
negative, cu valorile Eb / 2 şi  Eb / 2 , decizia poate fi luată de un comparator de
nivel cu pragul setat la zero.

Fig. 3.21 Schema bloc a sistemului DCSK

Un avantaj major al tehnicii DCSK rezultă din faptul că referinţa şi


eşantionul purtător de informaţie traversează acelaşi canal, făcând astfel ca
schema de modulaţie să fie insensibilă la distorsiunile canalului. Performanţa la
zgomot a sistemului este relativ insensibilă la forma precisă a eşantioanelor de
funcţii transmise, datorită faptului că proprietatea formei de undă recepţionate
utilizată în circuitul de decizie este energia pe bit.
Principalul inconvenient al modulaţiei DCSK rezultă tocmai din faptul că
pentru fiecare bit se transmit două forme de undă, rezultând o înjumătăţire a
ratei de biţi transmişi, faţă de modulaţia CSK. Acest inconvenient poate fi
depăşit dacă se adoptă tehnici de modulaţie multinivel.

3.6.1 Scheme de modulaţie multinivel (M-are)


În schemele de modulaţie convenţionale M-are, fluxul de biţi de intrare
este transformat într-o secvenţă de simboluri şi fiecare simbol este pus în
corespondenţă cu un element al unui set de semnale conţinând M simboluri. În
aproape toate aplicaţiile, numărul de semnale posibile este M  2n , unde n este
un număr întreg. Durata simbolului este dată de TS  nTb , unde Tb este durata
unui bit. În schemele de modulaţie M-are, un simbol este transmis pentru fiecare
n biţi din fluxul informaţional. De vreme ce timpul de estimare necesar este
determinat de durata simbolului, rata de biţi disponibilă este de n ori rata
simbolului. Această idee de modulaţie poate fi aplicată şi la schemele de
modulaţie haotică.
Aşa cum s-a prezentat anterior, semnalele binare DCSK sunt demodulate,
prin determinarea corelaţiei dintre referinţă şi părţile purtătoare de informaţie ale
semnalului recepţionat. Ieşirea corelatorului variază între valori pozitive şi
143
negative, la momentele de decizie. Aceste valori sunt determinate de energia pe bit.
Dacă ieşirea corelatorului poate fi una dintre valorile distincte M  2 , depinzând de
modulaţie, şi dacă fiecare simbol este pus în corespondenţă cu o valoare de ieşire
unică, atunci poate fi generat un set de semnale conţinând M elemente distincte.
Astfel, se poate implementa o schemă de modulaţie DCSK M-ară.

3.6.2 Modulaţii DCSK multinivel utilizând o funcţie de bază


haotică

Pentru a realiza o schemă de modulaţie DCSK M-ară, ieşirea corelatorului


trebuie să fie variată între M valori distincte. Acest lucru se poate realiza în cel
puţin trei moduri diferite:
(i) analizând porţiunea purtătoare de informaţie a semnalului;
(ii) analizând atât referinţa, cât şi părţile purtătoare de informaţie ale
semnalului;
(iii) introducând o întârziere suplimentară.
Avantajul tehnicii de modulaţie M-ară, descrisă mai sus, este că doar un
atractor este utilizat pentru a genera funcţiile haotice, adică banda de frecvenţă
mascată de fiecare simbol este aceeaşi.

Fig. 3.22 Diagrama bloc a unui demodulator DCSK M-ar


utilizând o funcţie haotică de bază

Schema bloc generală, prezentată în fig. 3.21 [12], poate demodula orice
tip de tehnică de modulaţie M-ară descrisă mai sus. Mai întâi, este determinată
corelaţia referinţei şi părţilor purtătoare de informaţie ale semnalului recepţionat
ri (t ) , apoi sunt refăcute simbolurile de către comparatoarele de nivel.
Momentele temporale de decizie sunt „programate” de către un comutator de
144
eşantionare. Nivelurile pragului circuitului de decizie sunt selectate în
concordanţă cu ieşirile corelatorului, care aparţin unor simboluri diferite. La
final, secvenţa de simboluri estimată este decodată pentru a produce fluxul de
biţi la ieşire bˆk .

3.6.3 Modulaţii DCSK multinivel utilizând două funcţii de bază


haotice
Dimensiunea setului de semnale transmise poate fi mărită dacă, de
exemplu, se utilizează două seturi de funcţii de bază ortogonale. Cele două
semnale, transmise simultan prin acelaşi canal, vor fi demodulate independent
dacă sunt ortogonale, deci vor fi complet separate la recepţie.
Semnale ortogonale de tip DCSK pot fi generate ca în fig. 3.23, unde cu
A şi B sunt notate cele două baze de funcţii ortogonale [12].

Fig. 3.23 Împărţirea semnalului DCSK


în scopul de a realiza două funcţii de bază

Aşa cum se observă în fig. 3.23, perioada unui simbol transmis este
împărţită în patru intervale de timp. Referinţa semnalului A este divizată în
două părţi, notate AR1 şi AR 2 . Aceste segmente sunt transmise în primul şi în al
treilea interval temporal. Părţile purtătoare de informaţie ale semnalului A ,
notate AI 1 şi AI 2 , sunt transmise în al doilea şi al patrulea interval temporal.
Semnalul B este de asemenea divizat în patru părţi. În scopul de a da semnale
haotice ortogonale, ordinea de transmisie este schimbată pentru semnalul B .
Referinţa semnalului B este transmisă în primul şi în al doilea interval temporal
(a se vedea BR1 şi BR 2 din fig. 3.23), în timp ce partea purtătoare de informaţie
a semnalului B este transmisă în al treilea şi în al patrulea interval temporal (a
se vedea BI 1 şi BI 2 din fig. 3.23). Deoarece cele două semnale haotice sunt
decorelate, rezultă că semnalele A şi B, corespunzătoare celor două baze de
funcţii, sunt ortogonale.

145
În fig. 3.24 se prezintă schema de principiu a unui demodulator de
tip 4-DCSK, care foloseşte două seturi de baze ortogonale pentru a transmite
4 simboluri. Relaţia dintre ieşirile corelatoarelor din receptor şi simbolurile
transmise este prezentată în tabelul de mai jos.
Tabelul 3.1
Ieşirea corelatoarelor
Simbol
A B
0 pozitivă pozitivă
1 pozitivă negativă
2 negativă negativă
3 negativă pozitivă

Fig. 3.24 Diagrama bloc a unui demodulator 4-DCSK


utilizând două funcţii de bază haotice

3.6.4 Simulare pe calculator


Simulările metodelor prezentate în acest subcapitol s-au realizat folosind
mai multe programe concepute în Matlab6.5 [3], [4].
Pentru simularea metodei DCSK s-a folosit schema bloc din fig. 3.25.
Drept semnal informaţional s-a ales un semnal binar aleator, cu durata unui bit
T = 2 ms.
Pentru generarea semnalului haotic s-a folosit circuitul Chua. Acest circuit
a fost simulat folosind ecuaţiile diferenţiale care îl caracterizează. Semnalul
haotic utilizat pentru generarea semnalului DCSK este vC1 .
Transformarea semnalului haotic în semnal DCSK se realizează cu
ajutorul blocului modulator „Modulator DCSK” [3], [4]. Semnalul DCSK, la
ieşirea modulatorului, are forma din fig. 3.26. Acest semnal este transmis în
continuare pe canal.

146
Fig. 3.25 Schema bloc de generare şi prelucrarea semnalului DCSK în Simulink

147
Fig. 3.26 Semnalul haotic generat şi semnalul DCSK

Pentru simularea canalului s-a utilizat un generator de zgomot alb


(fig. 3.27).

Fig. 3.27 Zgomotul în canal

Odată generat zgomotul, se realizează însumarea acestuia cu semnalul


DCSK transmis, la intrarea receptorului semnalul având forma din fig. 3.28.

Fig. 3.28 Semnalul la intrarea corelatorului

148
În corelator se realizează o întârziere a semnalului recepţionat cu
T 2  1 ms . În continuare se realizează multiplicarea celor două semnale, la
ieşirea multiplicatorului semnalul având forma din fig. 3.29.

Fig. 3.29 Semnalul la ieşirea multiplicatorului

La ieşirea corelatorului rezultă semnalul din fig. 3.30. Acest semnal este
apoi aplicat unui comparator de nivel (pragul acestuia fiind 0), la ieşirea căruia
rezultă semnalul informaţional [3], [4].

Fig. 3.30 Semnalul la ieşirea corelatorului

3.7 Modulaţia haotică de tip FM-DCSK


În cazul modulaţiilor de tip CSK, COOK sau DCSK, semnalul
informaţional este pus în corespondenţă cu eşantioane de funcţii haotice de
lungime finită. La recepţie se vor determina acei parametri ai eşantioanelor de
semnale haotice care permit unui demodulator necoerent să recunoască simbolul
transmis. Din cauza caracteristicilor specifice ale semnalelor haotice, parametrii
determinaţi de către demodulator variază de la eşantion la eşantion, chiar dacă s-
a transmis acelaşi simbol. Cu alte cuvinte receptorul va determina doar un
estimat al parametrului informaţional şi, în plus, acest estimat poate avea o

149
varianţă care modifică performanţele de zgomot ale receptorului. Aceste
probleme pot fi depăşite dacă energia de bit transmisă, Eb , pentru fiecare
simbol, este păstrată constantă. Deci scopul ar fi să generăm un semnal de bandă
largă şi cu energie Eb constantă.
Puterea instantanee a unui semnal cu modulaţie de frecvenţă (MF) este
constantă şi nu depinde de indicele de modulaţie. În consecinţă, dacă semnalul
haotic de bandă largă va fi modulat mai întâi în frecvenţă, iar apoi va suporta o
modulaţie de tip DCSK, corelatorul de la recepţie nu va avea nici o varianţă (în
cazul absenţei zgomotelor în canalul de comunicaţie). În figura de mai jos este
prezentată o schemă de modulaţie şi demodulaţie de tip FM-DCSK [12], [13].
În fig. 3.31, n(t ) reprezintă zgomotul aditiv din canal. Purtătoarea de
bandă largă este generată din semnalul haotic r  t  . Fluxul de biţi este
reconstituit de către un comparator de nivel condus de ieşirea z (t ) a
corelatorului. Din punct de vedere al schemei bloc, tehnica de modulaţie
FM-DCSK este asemănătoare cu DCSK, diferenţa constând în existenţa
modulatorului FM, care este condus de către semnalul haotic de bandă limitată.

Fig. 3.31 Schema bloc pentru sistemul de tip FM-DCSK

Dintre toate tehnicile de modulaţie haotică, FM-DCSK oferă cele mai


bune performanţe în ceea ce priveşte zgomotul. Această metodă de modulaţie
poate fi folosită cu bune rezultate pentru aplicaţii speciale, acolo unde cerinţele
de sincronizare ale demodulatoarelor coerente nu pot fi satisfăcute, unde
densitatea spectrală de putere trebuie să fie mică, pentru a evita interferenţa cu
alte sisteme radio şi unde propagarea pe căi multiple limitează performanţele
sistemului de telecomunicaţii. În aceste aplicaţii, emiţătorul şi receptorul sunt
relativ apropiate unul de celălalt, astfel încât atenuarea canalului de
telecomunicaţii este moderată. Cauza care limitează performanţele
comunicaţiilor într-un asemenea mediu nu este zgomotul, ci puternicul fading
selectiv în frecvenţă, cauzat de propagarea pe căi multiple.
În concluzie se poate afirma că metoda de modulaţie FM-DCSK conduce
la o soluţie robustă, mai ales pentru medii în care există fading selectiv în
frecvenţă, în care metodele de modulaţie de bandă îngustă nu dau satisfacţii.

150
3.7.1 Simulare pe calculator
În vederea simulării acestei metode de modulaţie, s-a construit un model
al sistemului de comunicaţie de tip FM-DCSK. Schema bloc a acestui model
este prezentată în fig. 3.32.

Fig. 3.32 Modelul echivalent al sistemului de comunicaţie de tip FM-DCSK

Aşa după cum se observă în fig. 3.32, semnalul haotic m(t ) este mai întâi
integrat, apoi semnalul rezultat se aplică celor două ramuri în cuadratură (I şi Q).
Fiecare ramură conţine un modulator de tip DCSK şi un corelator (identice cu
cele din cazul modulaţiei de tip DCSK). La ieşirile celor două modulatoare
rezultă semnalele sI (t ) şi sQ (t ) , care vor fi însumate cu zgomotul din canal
nI (t ) , respectiv nQ (t ) . La intrarea celor două corelatoare semnalele vor fi
rI (t )  sI (t )  nI (t ) , respectiv rQ (t )  sQ (t )  nQ (t ) . Semnalele de la ieşirile celor
două corelatoare se însumează, rezultând semnalul z (t ) , care, ca şi în cazul
modulaţiei de tip DCSK, se va aplica unui comparator pentru a se obţine, în
final, semnalul informaţional iniţial.
Simularea s-a realizat cu ajutorul programului Matlab6.5, limbaj în care
au fost concepute mai multe programe [3], [4].
Semnalul informaţional s-a considerat a fi de tipul binar, aleator, durata
unui bit informaţional fiind aleasă T  2 ms .
În fig. 3.33 sunt prezentate semnalele rezultate în urma prelucrării în cele
două ramuri I şi Q. Aceste semnale sunt însumate, rezultând semnalul din
fig. 3.34. După aplicarea acestui semnal unui comparator (cu pragul 0), se
reconstituie semnalul informaţional.

151
Fig. 3.33 Semnale pe lanţul de prelucrare

Fig. 3.34 Semnalul la intrarea comparatorului

3.8 Modulaţia haotică de tip M-CPSK


În modulaţia digitală binară, secvenţa de biţi este pusă în corespondenţă
cu două semnale posibile, rezultând o slabă utilizare a canalului, a cărui bandă
va fi proporţională cu rata biţilor transmişi. Eficienţa folosirii benzii canalului va
fi îmbunătăţită în cazul folosirii modulaţiilor multiple, de tip M-are, caz în care
se vor utiliza pentru modulaţie M semnale (analogice) posibile. Aproape în toate
aplicaţiile se consideră M  2n , unde n este întreg. Durata unui simbol transmis
va fi T  nTb , unde Tb este durata unui bit.
În cazul sistemelor de comunicaţii digitale convenţionale, elementele
setului de semnale sunt sinusoide, ale căror amplitudini, faze sau frecvenţe sunt
modificate corespunzător celor M valori discrete ale semnalului informaţional,
obţinându-se tehnicile binecunoscute: M-ASK, M-PSK, M-FSK sau QAM.
În cazul tehnicilor de modulaţie M-are se va transmite un simbol
(analogic) pentru fiecare n biţi de date. Deoarece vom transmite (doar) un
simbol pentru fiecare din cei n biţi informaţionali şi nu doar pentru unul singur,
152
banda necesară a canalului va fi proporţională cu rata de transmisie a
simbolurilor şi nu cu rata de transmisie a biţilor. Se obţine astfel o mărire
considerabilă a eficienţei utilizării benzii canalului.
Ideea de bază în cazul comunicaţiilor digitale care folosesc semnale
haotice este că biţii informaţionali (în cazul modulaţiei binare) sau grupele de
M biţi informaţionali (în cazul modulaţiei M-are) sunt puşi în corespondenţă cu
porţiuni din forme de undă haotice, care corespund unuia sau mai multor
atractori.
Principala diferenţă dintre o purtătoare haotică şi una periodică,
convenţională, este că semnalul transmis este neperiodic şi diferă de la un
interval la altul.
Şi în cazul comunicaţiilor digitale haotice, ca şi în cazul celor
convenţionale, sunt posibile următoarele tehnici de modulaţie şi demodulaţie:
- receptor coerent de tip corelator (cu sincronizare haotică);
- receptor coerent cu filtru adaptat;
- tehnici de detecţie necoerente;
- receptor coerent diferenţial.

Metoda de modulaţie M-CPSK este o generalizare a metodei de tip CPSK


şi are următoarele avantaje:
- o flexibilitate sporită în a trata informaţiile digitale (şi nu numai binare);
- o rată crescută de transmisie;
- permite transmisia simultană a mai multor seturi de date, contribuind
astfel la creşterea securităţii comunicaţiei.
Să considerăm sistemul liniar S L din fig. 3.35, care este caracterizat de
ecuaţiile de stare:
 x(k  1)  Ax(k )  Bu (k )
 , (3.26)
 y ( k )  Cx ( k )

unde x(k )  n
, u (k )  m
, iar y(k )  l
.

Fig. 3.35 Sistem de tip liniar

153
În plus, dacă aplicăm sistemului SL o reacţie neliniară, caracterizată de:
u(k )  f [ x(k )] , cu f : n
 m
, (3.27)
rezultă că:
x(k  1)  Ax(k )  Bf [ x(k )] . (3.28)
În mod obişnuit, sistemul observator S0 al sistemului S L va estima starea
x(k ) a lui S L din semnalele de ieşire y (k ) şi de intrare u (k ) .
În [14] se propune un sistem observator modificat, notat cu S0 , care va fi
de tip M-sincronizat cu S L , astfel încât:

w(k  1)  M 1 AMw(k )  M 1bu (k ) , (3.29)


unde w(k )  n
este vectorul de stare al sistemului S0 la momentul discret k ,
nn n1
A , b , iar M  nn este o matrice de sincronizare nesingulară şi
u(k )  f [Mw(k )]  1 .
Vom spune că semnalele x(k ) şi w(k ) sunt M-sincronizate dacă:
lim  x(k )  Mw(k )  0 . (3.30)
k 

Aplicarea directă a modelului (simplu) din fig. 3.36 pentru realizarea


modulaţiei şi sincronizării unei legături de comunicaţii presupune însă existenţa
a cel puţin două canale, pentru transmiterea simultană a semnalelor w(k ) şi
Mw(k ) sau f  Mw(k ) , pentru ca demodularea să fie posibilă. Aceasta ar
conduce la o complexitate de sistem sau la o reducere a eficienţei de transmisie
inacceptabile.

Fig. 3.36 Sistem de comunicaţie bazat pe tehnica M-CPSK


154
În fig. 3.37 se propune schema unui emiţător care necesită un singur canal
de comunicaţie şi care este capabil să transmită N  2n şiruri de caractere,
a n biţi fiecare.

Fig. 3.37 Emiţător pentru modulaţia M-CPSK

Fiecare tip de semnal reprezentat de n biţi este mai întâi trecut printr-un
modulator, care îi asignează un număr întreg i (1  i  N ) şi care îl pune în
corespondenţă cu o matrice de sincronizare M i , şi un vector de sincronizare
1n
i  . Vectorul de stare w(k )  S0 este apoi multiplicat cu  i , rezultând o
valoare scalară a semnalului de transmisie s(k )  1 , corespunzător relaţiei
s(k )  i w(k ) . Semnalul s(k ) se aplică şi la intrarea blocului neliniar
caracterizat de funcţia g . În consecinţă, la emisie, pentru diferiţi indici i vor
rezulta diferite funcţii haotice u(k )  g i w(k ) , unde g : 1  1 .
Sistemul liniar S L din componenţa receptorului este descris de ecuaţia:
x(k  1)  Ax(k )  bu(k ) . (3.31)
Vom alege matricea A încât valorile sale proprii să fie aproximativ sau
egale cu zero, astfel încât regimul permanent al receptorului să fie atins după un
număr mic de paşi. În acest caz putem spune că sistemele S L şi S0 sunt
„ M i sincronizate”, în care caz:
M i w(k )  x(k ) , (3.32)
ceea ce conduce la relaţiile:
w(k )  M i1x(k ) ; (3.33)
i w(k )  i M i1x(k ) (3.34)

155
şi deci:
s(k )  i M i1x(k ) . (3.35)
Cu alte cuvinte semnalul transmis s(k ) se sincronizează cu semnalul
i M i1x(k ) .
La recepţie, prin compararea spectrelor semnalelor i M i1x(k ) şi x(k ) ,
vom reconstitui semnalul transmis. În acest scop, pentru fiecare indice i, vom
calcula funcţia eroare:
T T

 
2
Ei  ei2 (k )   s(k )  i M i1x(k )  , (3.36)
 
k T k T

unde T este intervalul semnalului, iar T reprezintă numărul minim de paşi


necesari pentru ca sistemele S L şi SO să ajungă la sincronism. Pentru fiecare
indice i, semnalul care va conduce la cea mai mică valoare Ei va fi considerat
ca fiind semnalul reconstituit (sau demodulat). Semnalul i M i1x(k ) trebuie să
fie unic pentru fiecare valoare a indicelui i, pentru ca demodularea să fie
posibilă. În consecinţă trebuie luate precauţiuni speciale legate de alegerea
perechilor de valori pentru M i şi  i . O schemă de receptor bazată pe acest
principiu este reprezentată în fig. 3.38.

Fig. 3.38 Receptor pentru tehnica M-CPSK

156
3.8.1 Exemplu de sistem de comunicaţie bazat pe tehnica
M-CPSK
Să considerăm un sistem de comunicaţie cuaternar, descris de o relaţie de
tipul relaţiei (3.31), în care avem:
0 1 
A ; (3.37)
0 0 
b  0 1 .
T
(3.38)
În acest caz, sistemul lucrează prin cuvinte binare de 2 biţi b1  k  , b2  k 
. Fiecărei combinaţii posibile  b1, b2  i se va asocia o singură valoare i şi deci o
pereche M i şi  i . Astfel, avem următoarele combinaţii: (0,0), (0,1), (1,0) şi
(1,1) asociate valorilor i = 1, 2, 3, 4. Pentru a simplifica modelul şi
explicaţiile, vom considera elementul de pe linia p şi coloana q din matricea M i
ca fiind mipq . Elementele mi12 şi mi 21 sunt considerate nule, iar elementele minn
, n1, 2 vor fi determinate cu relaţia:

 1, pentru bn  1
minn   . (3.39)
 1, pentru bn  0

În aceste condiţii, matricele M i vor fi:

 1 0   1 0 1 0  1 0 
M1    ; M   0 1 ; M 
3   ; M 
4  .
 0 1 0 1
2
  0 1 
Avantajul alegerii matricelor M i , în maniera de mai sus, constă în aceea
că M i1  M i şi, astfel, se reduce o parte din efortul de calcul necesar. Ecuaţia
care guvernează funcţionarea Ŝ0 este:

0 mi11 * mi 22   0 
w  k  1    * w  k    m * g  w k   . (3.40)
0 0   i 22  i   
Dacă b1  b2 , atunci i  0  1 . În rest i   1 0 şi astfel avem:
1   0 1;
 2   1 0  ;
(3.41)
 3   1 0  ;
 4   0 1.

157
Ca funcţie neliniară se utilizează:
g  z    z 3  3z , (3.42)
unde z  . Graficul acestei funcţii este prezentat în fig. 3.39.
Ecuaţia ce caracterizează receptorul este:
0 1   0 
x  k  1    * x  k    g  x k   . (3.43)
 0 0    i   

Fig. 3.39 Caracteristica funcţiei neliniare

Conform celor arătate avem:


s  k   M i1i x  k  , (3.44)
unde i  1,2,3,4 .
Aşa cum s-a spus mai înainte, A este aleasă astfel încât valorile ei proprii
să fie nule şi A2  0 pentru a asigura M-sincronizarea în doi paşi a sistemelor
S L şi Ŝ0 (chiar dacă acestea pornesc din condiţii iniţiale total diferite).
La recepţie (după demodulator), funcţia de eroare este:
ei  k   s  k   M i1i x  k  , (3.45)
unde i  1,2,3,4 . După calculul spectrului de putere Ei , criteriul de decizie
este:


j  arg min Ei .
i
 (3.46)

158
 
Semnalul reconstituit bˆ1, bˆ2 este:

 0,0  , j  1

 0,1 , j  2
 ˆ ˆ 
b1, b2  
 1,0  , j  3
. (3.47)

 1,1 , j  4

3.8.2 Rezultate experimentale

Implementarea relaţiilor care descriu comportarea sistemului este relativ


simplă, graţie simplificărilor făcute prin alegerea particulară a matricelor de
sincronizare M i , i  1,2,3,4 . Atât în partea de emisie, cât şi în partea de
recepţie este necesar să se specifice condiţiile iniţiale din care pleacă cele două
sisteme. Specificarea condiţiilor iniţiale se reduce la introducerea a doi vectori
de dimensiune 21 (un vector pentru emiţător, celălalt pentru receptor)
conţinând valori cuprinse în intervalul (–2, 2). De asemenea, un parametru foarte
important, care trebuie specificat, îl reprezintă durata de transmitere a unui
simbol (pereche de biţi). În intervalul de timp alocat unui simbol, sistemul
parcurge un anumit număr de paşi, număr care este determinat în urma unui
compromis între rata de transmisie şi rata de eroare pe bit, pentru un anumit
raport semnal pe zgomot la intrarea în receptor. Pentru exemplul nostru, cele
două sisteme sunt M-sincronizate în doi paşi (datorită alegerii matricei A). Deci
numărul de paşi parcurşi de sistem pe durata unui simbol trebuie ales mai mare
de 2. În sistemele actuale, numărul de paşi pe care sistemul îi face pe durata unui
simbol este ales mai mare de 6 (pentru asigurarea unui nivel de performanţă
considerat bun).
Un alt parametru necesar pentru efectuarea simulării funcţionării unui
astfel de sistem este numărul de simboluri informaţionale care compun mesajul
ce trebuie transmis. Acest număr determină timpul de execuţie al programului şi
trebuie ales relativ mare dacă se urmăreşte evaluarea cât mai corectă a ratei de
eroare pe bit.
Pentru simularea condiţiilor reale de transmisie se defineşte zgomotul care
afectează semnalul util în canalul de comunicaţie, prin specificarea radicalului
varianţei (dispersiei) zgomotului gaussian care va fi combinat aditiv cu semnalul
emis.
După fixarea parametrilor de simulare se generează semnalul
informaţional. Acest semnal este aplicat rutinei de modulare, care furnizează
semnalul s  t  ce va fi transmis în canalul de comunicaţie. Semnalul s  t  este
sumat cu zgomotul gaussian, centrat, a cărui dispersie a fost fixată anterior şi
aplicat rutinei destinate recepţiei (demodulării).

159
Ultima parte a programului face estimarea ratei de eroare pe bit [3], [4].
Este de aşteptat ca rata de eroare pe bit să scadă o dată cu creşterea raportului
semnal pe zgomot la intrarea receptorului, pentru un anumit număr dat de paşi
alocaţi duratei unui simbol şi, de asemenea, să scadă o dată cu scăderea
numărului de paşi, pe durata unui simbol, pentru un anumit raport semnal pe
zgomot dat la intrarea receptorului.
Performanţele sistemului au fost analizate din punct de vedere al ratei de
eroare pe bit, corespunzătoare un anumit raport semnal pe zgomot la intrare,
pentru mai multe valori ale numărului de intervale elementare alocate unui
simbol (perechi de biţi).
Din punct de vedere experimental, rata de eroare pe bit (BER) este
definită ca raportul dintre numărul de biţi eronaţi la ieşirea demodulatorului
(respectiv decodorului, dacă este cazul) şi numărul de biţi transmişi într-un
interval de timp dat. Metoda universală de determinare a BER, adoptată de
CCITT prin avizul V52, constă în utilizarea unei secvenţe pseudoaleatoare, ale
cărei proprietăţi statistice sunt asemănătoare secvenţelor din traficul real.
Semnalul obţinut la ieşirea demodulatorului este comparat cu secvenţa
pseudoaleatoare prin intermediul unui sumator modulo 2 şi un numărător care
contorizează erorile. Rezultatele sunt arătate în fig. 3.40 şi fig. 3.41. Pentru
efectuarea calculelor s-a ales un număr de 10000 simboluri, iar numărul de
intervale elementare a fost modificat de la N = 6 la N = 10. Au fost luate în
consideraţie două tipuri de distribuţii ale zgomotului: uniformă şi normală. În
ambele cazuri, pentru N = 8, rata de eroare pe bit a scăzut sub valoarea de
BER=10-3, când raportul semnal pe zgomot la intrare a crescut peste aproximativ
RSZ=23dB. Rezultatele cele mai bune s-au obţinut în cazul N = 10, pentru
zgomotul cu distribuţie uniformă: BER<10-3, când SNR>14dB. Pentru aceeaşi
valoare N = 10, în cazul zgomotului gaussian, s-a obţinut BER=10-3, când
SNR=17 dB.

Fig. 3.40 Rata de eroare pe bit pentru sistemul M-CPSK,


în cazul zgomotului cu distribuţie uniformă

160
Fig. 3.41 Rata de eroare pe bit pentru sistemul M-CPSK

3.9 Tehnici de modulaţie haotică pentru sisteme


cu acces multiplu cu diviziune în cod (CDMA)

În sistemele digitale clasice, care permit accesul multiplu al abonaţilor pe


baza diviziunii în cod („Code Division Multiple Access” – CDMA), se folosesc
semnale pseudoaleatoare, care „împrăştie” banda semnalului informaţional
într-o bandă (foarte) largă în canalul de transmisiuni.
Semnalul informaţional poate fi transformat într-un semnal cu spectru
împrăştiat prin mai multe metode. Cea mai comună metodă este de a aduna
semnalul informaţional cu un cod de împrăştiere a spectrului, înainte de a
modula o purtătoare de radiofrecvenţă, aşa cum este ilustrat în fig. 3.42, unde, la
emisie, d (t ) este mesajul informaţional, c(t ) este semnalul cu spectrul
împrăştiat, cos t este purtătoarea de radiofrecvenţă (RF), iar x(t ) este semnalul
codat. La recepţie, I (t ) reprezintă semnalul de interferenţă sau bruiaj rezultat
din influenţa canalului, iar r (t ) este semnalul informaţional reconstituit.
Deoarece generatoarele haotice furnizează la ieşire o caracteristică de tip
zgomot, cu o sincronizare specială, ele pot fi utilizate în comunicaţiile cu spectru
împrăştiat. Generatoarele haotice pot fi utilizate pentru a crea secvenţe de
împrăştiere, care apoi pot fi integrate într-un sistem cu modulaţie digitală
standard, cum este BPSK. De fapt, secvenţele de împrăştiere haotice pot furniza
o îmbunătăţire a proprietăţilor de autocorelaţie şi de croscorelaţie, faţă de
secvenţele tip m şi secvenţele Gold, furnizând în acelaşi timp capacităţi pentru
mai mulţi utilizatori.

161
Fig. 3.42 Sistem de comunicaţie cu spectru împrăştiat

Ideea fundamentală este de a face ca emiţătorii pentru diferiţi utilizatori să


creeze semnale haotice diferite, alocând o condiţie iniţială diferită fiecărui
utilizator [14]. Semnalul haotic este cuantizat şi utilizat în locul secvenţelor de
împrăştiere clasice. Fig. 3.43 ilustrează două implementări de secvenţe haotice
de împrăştiere.

Fig. 3.43 Secvenţe haotice de împrăştiere


162
În fig. 3.43 a) este utilizat un singur prag pentru a converti forma de undă
haotică, continuă în timp, într-o secvenţă de împrăştiere binară. În fig. 3.43 b),
secvenţa are patru niveluri.
În sistemele digitale haotice, care realizează accesul multiplu pe baza
diviziunii în cod („Chaotic Digital Code-Division Multiple Access” –
(CD)2MA), în locul secvenţelor pseudoaleatoare se folosesc seturi de funcţii
(neliniare) ortogonale, care generează semnale haotice.
În fig. 3.44 este prezentată schema bloc a unui sistem de tip (CD)2MA.
Semnalul informaţional d  t  modulează direct o purtătoare haotică de
radiofrecvenţă. Suplimentar, funcţia de împrăştiere poate fi modificată cu o
cheie identică la emisie şi la recepţie, care sporeşte securitatea comunicaţiei. Şi
în cazul sistemelor cu spectru împrăştiat, bazate pe haos, trebuie să se asigure
sincronizarea sistemelor haotice de la emisie şi recepţie, pentru ca să fie posibilă
refacerea semnalului informaţional.

Fig. 3.44 Sistem de comunicaţie de tip (CD)2MA

În cazul sistemelor tip (CD)2MA, în locul codurilor pseudoaleatoare se


folosesc semnale haotice. Deoarece circuitele haotice generează semnale cu
spectrul în gama frecvenţelor joase, este nevoie de o funcţie (neliniară) pentru a
asigura împrăştierea spectrului, care conţine şi mesajul informaţional, într-o
bandă mult mai largă, care să se întindă pe mai mulţi megaherţi. Sunt posibil de
utilizat mai multe funcţii de împrăştiere. În fig. 3.45 se prezintă modelul ideal şi
modelul practic al unei astfel de funcţii.
163
De fapt semnalul x(t ) se obţine prin aplicarea iterativă a funcţiei
neliniare, încât:
x(t )  e( p(t ))  f1(... f1( f1 ( p(t ), p(t )), p(t )),... p(t )) , (3.48)
de " n " ori n

unde h este ales astfel încât p(t ) să rămână în limitele (h, h) . În relaţia de mai
sus, funcţia neliniară poate avea forma:
( x  k )  2h, 2h  ( x  k )  h

f1 ( x, k )  ( x  k ) ,  h  (x  k)  h . (3.49)
( x  k )  2h, h  ( x  k )  2h

Această funcţie ideală, care este reprezentată în fig. 3.45 a), nu poate fi
implementată practic, astfel încât se preferă versiunea sa reală descrisă de relaţia:
 h
 h   ( x  k )  2h, 2h  ( x  k )  h  

  h ( x  k  h) ,  h    ( x  k )   h  
 
 h
f1 ( x, h)   (x  k) ,  h    (x  k)  h   . (3.50)
 h  
 h
   ( x  k  h) , h    ( x  k )  h  

 h ( x  k )  2h , h    ( x  k )  2h
 h  

Ca o concluzie se poate spune că cel mai promiţător mod de a folosi


sistemele dinamice cu comportări haotice în comunicaţii este crearea secvenţelor
de împrăştiere. Nu numai că proprietăţile de autocorelaţie şi croscorelaţie sunt
comparabile cu cele ale secvenţelor tradiţionale, dar există şi alte avantaje pentru
secvenţele haotice. În primul rând, aceste secvenţe sunt destul de simplu de
generat; ecuaţiile de stare pot fi simplificate şi pot fi făcute dependente doar de
eşantionul precedent, menţinând în acelaşi timp comportamentul haotic. În al
doilea rând, numărul de secvenţe care pot fi create tinde deseori la infinit.
Mazzini ş.a. au studiat în profunzime această proprietate [15], [16]. Studiile lor
au demonstrat posibilitatea de a crea un număr aproape infinit de secvenţe
pentru a fi folosite împreună în acelaşi sistem CDMA. Deşi în mod sigur nu este
infinit, numărul practic de secvenţe disponibile poate fi mai mare decât
secvenţele-m şi secvenţele Gold. Desigur, experimentările practice pot dovedi
dificultatea în a mări sistemul pentru un număr foarte mare de utilizatori. În
ciuda acestei opinii, există rezultate promiţătoare cu privire la posibilitatea de a

164
permite accesul mai multor utilizatori în sistem decât prin folosirea
secvenţelor-m şi secvenţelor Gold, menţinând rate ale erorilor acceptabile.

Fig. 3.45 Funcţia neliniară f1( x, h)

3.10 Proiectarea demodulatoarelor pentru sistemele


de comunicaţie bazate pe modularea haotică
Una dintre cele mai cunoscute şi mai simple metode de demodulare,
utilizată în sistemele de comunicaţie care folosesc semnale haotice, se bazează
pe inversarea funcţiei logistice care caracterizează emiţătorul. Această tehnică
de demodulare funcţionează foarte bine când mediul de transmisie nu este
afectat de zgomot. Când canalul de comunicaţie este afectat de zgomot, eficienţa
utilizării acestei tehnici este pusă sub semnul întrebării. Au fost propuse metode
de estimare a parametrilor unui semnal haotic afectat de zgomot, care, pe de o
parte, nu sunt aplicabile în timp real, iar pe de altă parte, necesită un volum
foarte mare de date pentru o reducere semnificativă a influenţei negative a
zgomotului. Mai mult decât atât, aceste metode au fost proiectate pentru
estimarea unui parametru constant al sistemului haotic şi, în consecinţă, nu
posedă abilitatea de a urmări un parametru variabil în timp, aşa cum este cerut în
cazul sistemelor de comunicaţie bazate pe modulare haotică. În aceste condiţii,
prin folosirea unor filtre adaptive s-ar putea face estimarea parametrului
semnalului în timp real. Algoritmii de filtrare adaptivă cei mai cunoscuţi sunt [17]:
- Least Mean Square (LMS);
- Recursive Least Square (RLS);
- filtrare Kalman (de exemplu Extended Kalman Filter (EKF)).

165
Folosirea funcţiei logistice are avantajul că este liniară în raport cu
parametrii. De aceea, algoritmii LMS şi RLS pot fi aplicaţi pentru urmărirea
parametrului de bifurcaţie al funcţiei logistice.
Să consideram că semnalul care urmează a fi transmis este identificat prin
st şi că ecuaţia care caracterizează emiţătorul este de forma:
xt  f  xt 1,..., xt  M ;   , (3.51)
unde  este parametrul de bifurcaţie ce va fi modulat de st     st  . Dacă se
consideră că funcţia f   este funcţia logistică:
xt  xt 1 1  xt 1  , (3.52)
atunci emiţătorul este caracterizat de ecuaţia:
xt  st 1xt 1 1  xt 1  . (3.53)
Semnalul st este controlat astfel încât să varieze în intervalul [3,7; 4]
pentru a asigura comportamentul haotic al sistemului. Reprezentarea în timp a
funcţiei logistice este reprezentată în fig. 3.46.

Fig. 3.46 Semnalul furnizat de funcţia logistică în timp


în prezenţa semnalului modulator

Calea directă de a face demodularea pentru acest sistem particular este de


a folosi funcţia inversă:
xt
st 1  . (3.54)
xt 1 1  xt 1 
Acest demodulator este foarte simplu şi permite estimarea parametrului de
bifurcaţie în timp real, dar nu a fost luat în calcul efectul zgomotului din canalul
de comunicaţie. Dacă zgomotul din canal nt este aditiv, semnalul care este
recepţionat în punctul de recepţie devine:

166
yt  xt  nt , (3.55)
iar ceea ce se obţine după demodulare pe baza funcţiei inverse,
_
yt
st 1  , (3.56)
yt 1 1  yt 1 
poate fi complet eronat.
Pentru estimarea parametrului  din yt se poate urmări minimizarea
funcţiei obiectiv:
N 2

  yt  yt 1 1  yt 1  , (3.57)


t 1

după valorile lui , adică:


N 2
min

  yt  yt 1 1  yt 1  , (3.58)
t 1

unde N reprezintă numărul total de puncte. Deoarece funcţia logistică este liniară
în raport cu , problema estimării devine o problemă liniară a celor mai mici
pătrate. Cu ale cuvinte, dacă se consideră derivata funcţiei obiectiv, problema
optimizării se reduce la un set de ecuaţii liniare de forma:
 y2   y1 1  y1  
   
y  y 1  y  
d     A    .
3 2 2
(3.59)
 ...  ...
   
 
 N
y  N 1 
y 1  y N 1  

Sistemul de mai sus poate fi direct rezolvat prin calcularea pseudoinversei


matricei A, astfel încât estimarea, în sensul celor mai mici pătrate, devine:
_
  A d , (3.60)
unde A+ este pseudoinversa matricei A. Deoarece   st nu este constant, este
necesară estimarea lui st printr-un proces iterativ. Această cerinţă poate fi
îndeplinită de algoritmi ca LMS şi RLS.
Aplicarea algoritmului LMS pentru estimarea lui st presupune utilizarea
următoarelor formule iterative:

et  yt 1  st yt 1  yt 

 , (3.61)
 s 
 t 1 ts   y t1  y t t
e

167
unde s0  0 . Pentru ca algoritmul LMS să conveargă în medie, este necesar ca
parametrul de ajustare  să satisfacă condiţia:
2
0 , (3.62)
 max
unde max  var  yt 1  yt   .
În comparaţie cu algoritmul LMS, algoritmul RLS are avantajul unei
convergenţe mai rapide. El implică însă un volum de calcul mai mare şi prezintă
o senzitivitate mai mare la datele de intrare. O versiune numerică stabilă a
algoritmului RLS, pentru funcţia logistică considerată, este:
 Pt 1 yt 1 1  yt 1 

 t   y 1 y
k
 t 1  t 1  Pt 1
et  yt  st 1 yt 1 1  yt 1 
 , (3.63)
 st  st 1  kt et

 Pt  1  Pt 1  kt yt 1 1  yt 1  Pt 1 
 
unde S0  0 şi 0    1 , iar P0 este o valoare mare.
Algoritmii LMS şi RLS mai sus prezentaţi au luat în considerare
zgomotul în canalul de comunicaţie, dar estimarea:
xt  st 1xt 1 1  xt 1   nt (3.64)
dă rezultate slabe în condiţiile unui zgomot puternic.
Un model mai bun pentru rezolvarea problemei estimării este:
 xt  st 1xt 1 1  xt 1 
 . (3.65)
 t
y  x t  n t

Ecuaţiile de stare de mai sus caracterizează un filtru Kalman extins


(Extended Kalman Filter – EKF). Singura problemă care apare este legată de
faptul că EKF nu poate fi aplicat direct funcţiei logistice, deoarece nu se
cunoaşte st . De aceea st se va modela cu ajutorul unui model autoregresiv
(AR):
p
st   ai st i  wt , (3.66)
i 1

unde wt este un proces aleator gaussian, iar p este ordinul modelului AR. În caz
general, ecuaţiile sistemului au forma:

168
 xt  f  xt 1   Gt  xt 1  wt

 . (3.67)
 y
 t  h  xt   nt

Dacă se ţine cont de expresia funcţiei logistice, forma matriceală a


ecuaţiei de stare a modelului filtrului Kalman (extins) este:
 xt   st 1xt 1 1  xt 1  
   (1) 
 st   at 1st 1  at 1st 1  at 1st 1  ...  at 1 st 1 
(2) (2) (3) (3) ( p) ( p)

 (2)   s 
 s t   t 1 
 s (3)   s (2) 
 t   t 1 

 ...   ...   wt , (3.68)
 ( p )   ( p 1) 
 s t   st 1 
 (1)   (1) 
 at   at 1 

 ...  ... 
 ( p)   
 a   a( p) 
 t   t 1 
iar ecuaţia de măsură este:
T
yt  1,0,0,...,0  xt , st , st(2) ,..., st( p ) , at(1) ,..., at( p )   nt . (3.69)

Filtrul Kalman extins pentru sistemul haotic dat este:


 xt     f  xt 1    

 xt     xt     Kt  yt  h  xt     


 
1
 Kt  Pt 1    H t H t Pt 1    H t  Rt
T T
, (3.70)

 Pt      I  Kt H t  Pt 1   

 Pt      * Pt 1    * t  Gt Qt Gt
T T

unde
 f
 t 
x
 , (3.71)
H   h
 t x
iar Rt şi Qt sunt matricele de covarianţă corespunzătoare zgomotului din ecuaţia
de măsură  nt  , respectiv celui din ecuaţia de stare  wt  .

169
Pentru aplicaţia de faţă este folosit un model AR de ordinul al doilea
pentru reprezentarea semnalului transmis. Formele ecuaţiilor de stare pentru
această valoare a ordinului modelului devin:
 xt   st 1xt 1 1  xt 1   0
   (1)   
 st   at 1st 1  at 1st 1  1 
(2) (2)

 (2)     
 st    st 1    0  wt ;
 a (1)   a (1)   0
 t   t 1   
 a (2)   a (2)   0
 t   t 1 
 
yt  1,0,0,0,0  xt , st , st(2) , at(1) , at(2)  nt ;
 st  2st xt 0 0 0 0
 
 xt 1  xt  at
(1)
1 0 0
t   0 at(2)

0 0 0 ;

 0 st 0 1 0
 
 0 st(2) 0 0 1 
(3.72)
H t  1,0,0,0,0  .
T

3.10.1 Simulare pe calculator

Pentru simulare s-a conceput un program în Matlab 6.5 [3], [4]. Drept
semnal informaţional s-a ales un semnal binar (aleator). În condiţiile utilizării
unei frecvenţe de eşantionare de fe  44100 s-au obţinut rezultate bune pentru
un debit binar de 2400 [biţi/secundă]. Amplitudinea semnalului modulator a fost
de 0,15 (s-a ţinut cont de necesitatea asigurării comportamentului haotic al
modulatorului, şi anume că st  3,7;4 ). Zgomotul din canalul de transmisie a
fost considerat ca fiind un proces aleator normal, centrat şi având deviaţia
standard de 0,01. În condiţiile enunţate mai sus, raportul semnal pe zgomot
considerat la intrarea în demodulator a fost de
36,78 dB. În ideea îmbunătăţirii rezultatelor după demodulator s-a utilizat un
filtru median de ordin mic.
După filtrarea mediană, semnalului i s-au aplicat operaţii echivalente
detectării şi formării impulsurilor pentru refacerea completă a mesajului.
Rezultatele sunt prezentate în fig. 3.47 şi fig. 3.48.

170
Fig. 3.47 Rezultate în cazul algoritmului LMS

Fig. 3.48 Rezultate în cazul algoritmului RLS

3.11 Receptor haotic folosind metode de filtraj Kalman


3.11.1 Receptorul DUAL

Receptorul DUAL este punctul de plecare pentru atingerea scopului final,


şi anume realizarea unui sistem de comunicaţii haotic folosind o metodă de
sincronizare bazată pe metoda de estimare a stării. Studiul teoretic şi al
performanţelor particulare acestei metode de sincronizare vor fi făcute în cadrul
capitolului următor, dedicat metodelor de sincronizare.
În cazul receptorului DUAL, presupunem recuperarea purtătoarei realizată
şi că semnalul în banda de bază este eşantionat la frecvenţa codului haotic.
Astfel putem scrie expresia semnalului recepţionat sub următoarea formă:
yk  ck  sk  bk , (3.73)

171
unde ck reprezintă codul de împrăştiere utilizat, sk este simbolul informaţional
transmis şi bk reprezintă zgomotul introdus de canalul emisie-recepţie. Sistemul este
caracterizat de un câştig de împrăştiere, care semnifică faptul că pentru această
valoare întreagă a câştigului semnalul sk păstrează aceeaşi valoare „+1” sau „–1”
(am considerat în acest caz o reprezentare binară a informaţiei ce trebuie transmisă).
Astfel, plecând de la observaţia precedentă, prezentată în ecuaţia (3.73),
trebuie să construim modelul pentru a estima de o manieră robustă informaţia
binară transmisă. În bibliografie [18] este propusă utilizarea unei metode de
estimare duală cu o metodă de filtraj Kalman Unscented pentru obţinerea
semnalului informaţional şi, de asemenea, a codului haotic. Structura acestui
sistem este prezentată în fig. 3.49. Ideea acestui sistem este de a utiliza metoda
de sincronizare a sistemului haotic caracteristic receptorului folosind filtrajul
Kalman şi apoi de a face o estimare parametrică pentru a recupera semnalul
informaţional. Altfel spus, vom face o estimare a codului haotic folosind ca
parametru estimarea simbolului la momentul anterior şi o estimare a simbolului
emis folosind ca parametru estimarea codului la momentul anterior.
sˆk 1
Estimarea
codului

cˆk 1
yk Estimarea sˆk
de symbol

Fig. 3.49 Structura receptorului DUAL


Modelul utilizat de această structură pentru generatorul haotic logistic este
dat mai jos de către ecuaţiile (3.74), (3.75).
- Modelul utilizat pentru estimarea codului:


 2

 xk 1  ck 1  sign  sˆk 1  1  2ck  vk
(3.74)
 yk  sign  sˆk 1  ck  nk

Matricele alese de covarianţă ale zgomotului: Q  0,1, R ajustat la
zgomotul de observaţie.
- Modelul utilizat pentru estimarea de simbol:

 xk 1  sk 1  sk  vk


 
(3.75)
 yk  sk 1  2cˆk21  nk

Matricele alese de covarianţă ale zgomotului: Q  0,01, R ajustat la
zgomotul de observaţie.

172
Le signal informationnel estimé (EKF) R=0.1 Le signal informationnel estimé (UKF) R=0.1 La synchronisation chaotique (EKF) R=0.1
1

Estimation EKF Estimation UKF


0.5
1 Symbole émis 1 Symbole émis

Séquence émetteur
0

0.5 0.5
-0.5
Valeur estimée

Valeur estimée
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
0 0 Séquence estimée
La synchronisation chaotique (UKF) R=0.1
1

-0.5 -0.5 0.5

Séquence émetteur
0

-1 -1
-0.5

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 -1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps [s] Temps [s] Séquence estimée

a) b) c)

Fig. 3.50 Demodularea în cazul structurii DUAL: a) estimarea simbolului emis folosind filtrajul Kalman Extins;
b) estimarea simbolului emis folosind filtrajul Kalman Unscented;
c) diagramele de sincronizare pentru cele două cazuri

173
Pentru acest model sistemul a fost testat pe un canal AWGN, cu varianţa
zgomotului 0.1 SNR 7dB , câştigul sistemului fiind ales 63 şi fiind transmisă
o secvenţă informaţională de 50 biţi generaţi aleator cu un debit de 70 bps. Cele
două tipuri de filtraj Kalman Extins şi Unscented au fost utilizate în condiţiile
expuse mai sus.
Pentru a compara cele două metode de filtraj Kalman neliniar, am estimat
eroarea pătratică medie de sincronizare între secvenţa haotică de la emisie şi
estimata sa la recepţie (fig. 3.51). Observăm că pentru diferenţa de eroare
pătratică medie calculată pentru varianţe mici ale zgomotului de observaţie,
obţinem o eroare de sincronizare destul de importantă. Această eroare este
cauzată de tranziţiile de fază introduse de către simbolurile informaţionale,
receptorul trebuind să se adapteze în permanenţă semnului simbolului, pentru a
nu pierde sincronizarea. Simularea a fost făcută în cazul cel mai dificil, unde
avem o alternanţă sistematică între simbolurile +1 şi –1.
La performance de la synchronisation pour EKF/UKF - structure DUAL
0.35
DUAL EKF
DUAL UKF
0.3

0.25

0.2
EQM

0.15

0.1

0.05

0
-6 -5 -4 -3 -2 -1
10 10 10 10 10 10
La variance du bruit R
Fig. 3.51 Performanţa receptorului DUAL în raport
cu eroarea pătratică medie de sincronizare

În concluzie putem aprecia că receptorul DUAL, în condiţii optimale


(canal alb gaussian, la nivel de receptor cunoaştem varianţa zgomotului de
observaţie, nici o eroare de fază nu este prezentă), are performanţe destul de
ridicate (pentru fig. 3.50 SNR 7dB ).

3.11.2 Receptorul TRIEST


În opoziţie cu structura DUAL, în structura TRIEST (Tri-Estimare)
(fig. 3.52) vrem de asemenea să facem estimarea unei eventuale erori de fază la
nivelul semnalului în banda de bază. De această dată aducerea semnalului în
banda de bază se face folosind o frecvenţă fixă pentru semnalele în fază şi în
cuadratură.

174
ˆ k 1
sˆk 1
Estimarea
codului
cˆk 1 ˆ k 1
yk sˆk
Estimarea de
simbol
cˆk 1 sˆk 1

Estimarea de
fază

Fig. 3.52 Structura receptorului TRIEST

Propunem receptorul ca o generalizare a receptorului DUAL, adăugând


modelului prezentat anterior un nou filtru, care va face estimarea erorii de fază
folosind codul şi simbolul informaţional, anterior estimaţi ca parametri.
Pentru a scrie modelul asociat filtrului Kalman în cazul estimării de fază,
considerăm aceleaşi ipoteze ca şi în cazul subcapitolului precedent. Pentru
estimarea de fază alegem un model de ordinul 2, care presupune o eroare între
frecvenţa purtătoare şi frecvenţa utilizată pentru transpunerea în banda de bază.
Un alt aspect important este că diferenţa faţă de sistemul DUAL, unde
vectorul de observaţii este dat doar de semnalul în fază, vectorul de observaţii în
acest caz va fi dat şi de semnalul în cuadratură, pentru a permite estimarea erorii
de fază.
Modelul general dezvoltat în cazul receptorului TRIEST poate fi scris sub
forma următoare:

- Modelul utilizat pentru estimarea codului:


 xk 1  ck 1  sign  sˆk 1  1  2ck2  vk



  ykRe  
cos ˆ k 1  ˆ k 1  n1k  (3.76)
 yk   Im   sign  sˆk 1  ck   


 yk 
  k 1
sin ˆ  ˆ
k 1   k
  n2 

Matricele alese de covarianţă ale zgomotului: Q  0,1, R  2 I / 2 ajustat


la zgomotul de observaţie.

175
- Modelul utilizat pentru estimarea de simbol:
 xk 1  sk 1  sk  vk

  ykRe   ˆ k 1  ˆ k 1  n1k 
cos

   (3.77)
 yk   Im   sk 1  2cˆk 1  
2

  yk 
  k 1 k 1    k 
sinˆ
  ˆ   n2 

Matricele alese de covarianţă ale zgomotului: Q  0,01, R  2 I / 2


ajustat la zgomotul de observaţie.

- Modelul utilizat pentru estimarea de fază:


 k 1  k   k  vk 
1
 xk 1          2
 
 k 1   k  vk 
 (3.78)
  ykRe  cos  k    n1k 

 yk   Im   sign  sˆk 1  1  2cˆk 1
2
 
  
   2
  yk   sin k   nk 

1e  4 0 
Matricele alese de covarianţă ale zgomotului: Q   ,
 0 1e  5 
R   I / 2 ajustat la zgomotul de observaţie.
2

În cazul în care nu cunoaştem sau nu putem estima varianţa zgomotului


introdus de canal, am ales matricea de covarianţă a zgomotului de observaţii
R  0,025  I , ceea ce este echivalent cu un raport SNR 10dB .
Cum reprezentarea semnalului informaţional estimat este echivalentă cu
cazul DUAL, vom reprezenta doar variaţia temporală a coeficienţilor şi a erorii
frecvenţei instantanee, pentru o demodulaţie fără eroare de frecvenţă în cazul
unui canal staţionar, pentru o demodulaţie cu eroare de frecvenţă în cazul unui
canal staţionar, şi pentru o eroare de frecvenţă în cazul unui canal cu variaţii
lente de fază (fig. 3.53).
Pentru aceste simulări am folosit doar tipul de filtraj Kalman Unscented.
Am remarcat că pentru condiţii dificile ale canalului de transmisiuni (raport
CNR mic, canal puternic nestaţionar) avem salturi de  ale fazei estimate, care
va conduce la o inversare a semnului simbolului estimat. Pentru a contracara
acest fenomen am utilizat pentru structura TRIEST o modulaţie binară
diferenţială.
Cu aceste modele de receptoare prezentate mai sus am dorit să arătăm că
folosind o metodă de sincronizare specifică sistemelor haotice putem obţine
rezultate bune chiar şi fără folosirea unui corelator la nivelul părţii de recepţie.
176
La phase estimée (UKF) La phase estimée (UKF) La phase estimée (UKF)

L’accroissement de phase moyen estimé (UKF) L’accroissement de phase moyen estimé (UKF) L’accroissement de phase moyen estimé (UKF)

L’erreur de la fréquence instantanée estimée (UKF) L’erreur de la fréquence instantanée estimée (UKF) L’erreur de la fréquence instantanée estimée (UKF)

a) b) c)

Fig. 3.53 Reprezentarea parametrilor de fază estimaţi pentru: a) nici o eroare de frecvenţă şi canal staţionar;
b) eroare de frecvenţă şi canal staţionar; c) eroare de frecvenţă şi canal nestaţionar

177
3.12 Comentarii asupra tehnicilor de modulaţie haotică
Fie si (t ) , i  1, 2, ..., M elementele unei mulţimi de funcţii semnal. Pentru
reprezentarea funcţiilor semnal, în vederea transmiterii lor, vom folosi o (altă)
mulţime de funcţii de bază gi (t ) , i  1, 2, ..., N , care sunt ortonormate:
T 1, dacă i  j;
0 gi (t )  g j (t ) d t  
0, în rest.
(3.79)

Este de dorit ca numărul N al funcţiilor de bază gi (t ) să fie cât mai mic


posibil şi, de exemplu, ca N  M .
Elementele mulţimii de funcţii semnal si (t ) pot fi reprezentate sub forma
unor combinaţii liniare ale funcţiilor de bază, astfel că:
N
si (t )   sij  g j (t ) , pentru 0  i  T şi i  1, 2, ..., M . (3.80)
j 1

În comunicaţiile digitale convenţionale, elementele funcţiilor de bază


gi (t ) sunt semnale de tip armonic (sinusoide şi cosinusoide). Coeficienţii sij ai
descompunerilor funcţiilor semnal pot fi interpretaţi ca reprezentând, pentru
fiecare indice j , componentele unui vector semnal si (t ) ce trebuie transmis.
Reconstituirea, la recepţie, a vectorului semnal se poate face prin corelaţia
dintre semnalul recepţionat şi funcţiile de bază gi (t ) , conform relaţiilor:
T
sij  0 si (t )  g j (t ) d t , pentru i  1, 2, ..., M şi j  1, 2, ..., N . (3.81)

Aşadar, demodulatorul constă dintr-un banc de N corelatoare, fiecare


reconstituind ponderile sij ale funcţiilor de bază g j (t ) .
Marele avantaj al acestei metode constă în faptul că o mulţime numeroasă
de semnale informaţionale poate fi generată şi reconstituită folosind un număr
relativ mic de tipuri de funcţii de bază. Însă, receptorul trebuie să recunoască
semnalele informaţionale transmise printr-un canal real. Practic, în orice sistem
de comunicaţii semnalul recepţionat este afectat de perturbaţiile canalului, astfel
că la intrarea fiecărui corelator se găseşte atât semnalul util si (t ) , cât şi un
semnal de tip perturbaţie n(t ) , care, în cele mai obişnuite cazuri, este modelat ca
un proces staţionar, cu media zero şi distribuţie gaussiană. Chiar şi în acest caz,
elementele vectorului semnal pot fi estimate prin corelaţie, dar aceste estimate
pot să difere substanţial faţă de valorile lor nominale. Valorile estimate, obţinute
la ieşirile corelatoarelor, constituie componentele unui vector observaţii, care
vor fi aplicate circuitului de decizie. În cele mai multe cazuri, circuitul de
decizie alege un vector semnal, dintre toate posibilităţile, care este cel mai
aproape de vectorul observat.
178
De notat că, în cazul receptoarelor cu corelatoare, trebuie cunoscute toate
elementele mulţimii funcţiilor de bază şi că, în plus, trebuie cunoscute şi
informaţii „de timp”, cum ar fi: durata T a unui simbol transmis şi momentul
începutului transmiterii simbolului ( t0 ).
O altă tehnică pentru reconstituirea la recepţie a semnalelor
informaţionale o constituie utilizarea filtrelor adaptate (care înlocuiesc
corelatoarele din cazul anterior). În acest caz, funcţiile de bază gi (t ) sunt
„memorate” local, ca răspunsuri pondere ale filtrelor adaptate. Pentru
reconstrucţia semnalelor informaţionale trebuie estimate din semnalul
recepţionat doar informaţiile de timp t0 şi T .
În principiu, receptoarele sunt de două feluri: coerente şi necoerente (în
raport cu semnalul recepţionat). În cazul recepţiei coerente, se presupune că se
cunosc exact toate elementele mulţimii funcţiilor de bază. Practic, se folosesc
adesea receptoare de tip corelatoare pentru semnale de tip ASK, PSK sau în
cazurile speciale QPSK, M-PSK, QAM-M-are (notate şi cu MQAM).
Deoarece realizarea fizică a filtrelor adaptive, cu răspunsuri la impuls
impuse este, practic, dificilă, soluţia receptoarelor coerente, cu filtre adaptive se
foloseşte rar în comunicaţiile radio.
În cazul recepţiei necoerente, elementele mulţimii funcţiilor de bază gi (t )
sau elementele mulţimii semnalului transmis si (t ) nu sunt cunoscute în
ansamblul lor, dar una sau mai multe caracteristici robuste ale semnalelor si (t ) ,
i  1, 2, ..., M pot fi determinate în receptor. De exemplu, cele M frecvenţe
folosite în modulaţia M-FSK pot fi determinate la recepţie folosind un banc de
filtre de bandă. Vectorul semnalului observat este generat cu ajutorul unor
detectori de anvelopă, iar, apoi, se vor utiliza circuite de detecţie simple pentru a
selecta cel mai mare element din vectorul de observaţii.
Se spune adesea că, în condiţiile unui canal cu zgomot aditiv, recepţia
coerentă este mai avantajoasă faţă de cea necoerentă. Să evaluăm acest avantaj
relativ pentru cazul comunicaţiilor digitale în care, practic, nu se pot realiza
legături dacă rata erorilor de bit (BER) este mai mică decât 103 sau 102 .
Pentru o rată a erorilor de bit BER=102 , raportul Eb / N0 pentru un receptor
necoerent este doar cu 1,6 dB mai mare decât în cazul unui receptor coerent.
Avantajul real al tehnicilor de recepţie coerente este că un volum relativ
mare de semnale poate fi generat cu foarte puţine funcţii dintr-o bază
ortonormată. De exemplu, în cazul sistemelor de radiocomunicaţii digitale
terestre, cele 256 de semnale distincte sunt generate folosind doar patru semnale
sinusoidale în cuadratură, rezultând o utilizare eficientă a benzii de frecvenţe.
Mai mult, receptorul trebuie să reconstituie doar o frecvenţă sinusoidală din
semnalul de intrare.
Pe de altă parte, tehnicile de recepţie necoerente oferă două avantaje în
raport cu cele coerente:
179
- în cazul în care condiţiile de propagare sunt slabe, funcţiile de bază nu pot fi
reconstituite din semnalul recepţionat ri (t ) , care diferă mult de si (t ) ; deci
recepţia necoerentă reprezintă singura soluţie posibilă;
- receptoarele necoerente pot, în principiu, să fie implementate cu circuite
foarte simple, deoarece nu trebuie să reconstituie elementele bazei de funcţii
ortogonale.
Ideea de bază în cazul comunicaţiilor digitale haotice este că biţii
informaţionali (pentru modulaţii binare) sau ansamblurile de biţi (pentru
modulaţiile M-are) sunt puşi în corespondenţă cu eşantioane de funcţii haotice,
care provin de la unul sau mai mulţi atractori. În consecinţă eşantionul de funcţie
haotică transmis nu este niciodată periodic, chiar dacă el va corespunde aceluiaşi
tip de bit informaţional ce trebuie transmis în mod repetat.
Ca şi în cazul comunicaţiilor digitale convenţionale, în cazul
comunicaţiilor digitale haotice se întâlnesc următoarele tehnici de
modulaţie/demodulaţie:
- recepţie coerentă folosind corelatoare;
- recepţie coerentă cu filtru adaptiv;
- recepţie cu detecţie necoerentă;
- recepţie coerentă diferenţială.
Ne vom referi în continuare, pe scurt, la specificul aplicării acestor tehnici
de modulaţie/demodulaţie în cazul comunicaţiilor pe purtătoare haotică.
3.12.1 Detecţia coerentă a semnalelor de tip CSK (Chaos Shift Keying)
Folosind notaţia introdusă anterior, vom presupune că fiecare atractor
produce o bază de funcţii gi (t ) şi că pentru fiecare element al mulţimii de
semnale informaţionale si (t ) , [19], exprimat prin:
N
si (t )   sij g j (t ) , j  1, 2, ..., N (3.82)
j 1

rezultă si (t )  gi (t ) , pentru i  1, 2, ..., M , adică sij  0 dacă i  j şi sij  1 dacă


i  j . Mai mult, vom presupune că autocorelaţia fiecărui g j (t ) pe durata T a
unui simbol informaţional este mai mare decât croscorelaţia cu oricare altă bază
de funcţii. În acest caz, un receptor de tip corelator poate fi folosit pentru a
identifica atractorul care este cel mai „aproape” pentru a produce semnalul
recepţionat.
Ca şi în cazul corelatoarelor convenţionale, bazate pe sincronizare, la
recepţie trebuie să se genereze sincron câte o copie a fiecărei funcţii de bază
g j (t ) . De exemplu, să presupunem că se transmite semnalul si (t )  g1(t ) . După
un interval de sincronizare Ts , la recepţie, doar ieşirea g1(t ) va converge către

180
g1(t ) , iar g 2 (t ) va diverge în raport cu g1(t ) . Decizia va depinde de eficienţa
procesului de sincronizare care, în plus, chiar dacă ar fi perfectă, este afectată şi
de zgomotul canalului. La recepţie apare în plus o amplificare şi din partea
interferenţei intersimbol, care afectează de fiecare dată valoarea iniţială a
circuitului integrator.
3.12.2 Receptor coerent cu filtru adaptiv pentru semnale
de tip CSK
Aceste receptoare pot fi utilizate numai dacă formele de undă
corespunzătoare simbolurilor transmise sunt cunoscute în avans (la recepţie) şi
pot fi programate ca răspunsuri pondere ale filtrelor din receptor.
În cazul modulaţiei de tip CSK, semnalele sunt porţiuni ale unor atractori
haotici şi pentru fiecare simbol se transmite de fiecare dată un eşantion diferit de
semnal haotic. În consecinţă receptoarele coerente cu filtru adaptiv nu pot fi
utilizate în comunicaţiile haotice.
3.12.3.1 Receptor cu detecţie coerentă pentru semnale
de tip COOK (Chaotic On-Off-Keying)
Aceasta este cea mai simplă soluţie folosită în comunicaţiile haotice.
Schema bloc a unui astfel de receptor este prezentată în fig. 3.54.

Fig. 3.54 Receptor pentru semnale de tip COOK

Receptorul din fig. 3.54 va estima energia pe bit Eb a semnalului transmis


şi va utiliza, în consecinţă, pentru decizie, un simplu comparator [19].

3.12.3.2 Receptor cu detecţie necoerentă pentru semnale de tip CSK


Semnalele generate de diferiţi atractori haotici au, în general, atribute
statistice diferite, cum ar fi: valoarea medie, varianţa, deviaţia standard etc.
Această observaţie sugerează ideea că semnalele CSK pot fi demodulate de către
receptoare necoerente.
Să considerăm eşantioanele unor forme de undă generate de acelaşi
atractor, care este pornit de fiecare dată din condiţii iniţiale diferite. Să
presupunem că vom transmite informaţie binară. Putem obţine două procese

181
haotice cu diferite varianţe, fie folosind doi atractori distincţi, fie multiplicând
eşantioanele unui singur atractor cu ponderi diferite. O schemă bloc a unui
receptor necoerent pentru semnale de tip CSK poate fi considerată cea din figura
anterioară.
Pentru a simplifica lucrurile, vom admite că valoarea medie a semnalului
recepţionat este zero. În acest caz, receptorul poate estima varianţa semnalului
(recepţionat) folosind un corelator. Decizia va fi făcută cu un simplu comparator
de nivel. Dacă parametrul utilizat ca purtător informaţional al atractorului este
altul decât varianţa, atunci se va modifica corespunzător strategia de
demodulare. Nu numai atributele statistice, dar orice altă caracteristică robustă a
semnalului haotic poate fi utilizată pentru implementarea unui receptor
necoerent de tip CSK.
3.12.4 Receptor coerent de tip diferenţial
Pentru realizarea receptoarelor coerente trebuie generate, la recepţie, una
sau mai multe baze de funcţii gi (t ) . În cazul în care condiţiile de propagare sunt
slabe şi este imposibil de refăcut prin sincronizare aceste baze de funcţii, se
poate utiliza o schemă de modulaţie diferenţială de tip DCSK.
Performanţa unei metode de modulaţie/demodulaţie este caracterizată prin
rata erorilor de bit (BER) realizată la recepţie, corespunzătoare unei energii
transmise pentru fiecare bit Eb , care, de regulă, este normată în raport cu
densitatea spectrală de putere N 0 a zgomotului pe canal. În consecinţă, pentru
un anumit nivel N 0 al zgomotului în canal, cu cât energia pe bit Eb transmisă
este mai mare, cu atât rata erorilor de bit (BER) va fi mai mică.
În multe sisteme de comunicaţii digitale, în care zgomotul canalului
constituie principala cauză de degradare a semnalului transmis, alegerea schemei
de modulaţie/demodulaţie este constrânsă de condiţia de a obţine la receptor o
anumită rată a erorilor, pentru o viteză de transmisie impusă şi un nivel N 0 dat.
Rata erorilor depinde de distanţa între elementele setului de semnale, care
se pun în corespondenţă cu valorile semnalului informaţional în cadrul
procesului de modulaţie, precum şi de varianţa estimatelor semnalului
informaţional obţinute după demodulare, la recepţie. De exemplu, în modulaţia
de tip COOK, semnalul haotic transmis este comutat on/off în concordanţă cu
valorile binare 0 şi 1. În acest caz, distanţa între elementele mulţimii de semnale
este Eb . În cazul modulaţiei de tip DCSK, distanţa între elementele mulţimii de
semnale posibil de transmis este 2 Eb , adică are valoarea maximă posibilă.
O altă performanţă de sistem, care dictează alegerea schemei de
modulaţie/demodulaţie, este eficienţa utilizării benzii canalului, definită ca
raportul dintre viteza de transmisie a datelor şi lăţimea benzii canalului. În
consecinţă, pentru o rată a erorilor de bit (BER) impusă şi un zgomot de canal
N 0 dat, primul obiectiv în proiectarea unui sistem de comunicaţii digitale este să
minimizăm energia necesară transmiterii fiecărui bit, iar al doilea este să
182
utilizăm eficient banda canalului. Aceste condiţii de proiectare vor determina, în
principal, alegerea metodei de modulaţie.
Cea mai importantă performanţă a unei metode de modulaţie/demodulaţie
este robusteţea sa faţă de zgomotele canalului. Pentru a compara diferite tehnici
de demodulare utilizate, de exemplu, în recepţia semnalelor de tip CSK, să
considerăm schema bloc din fig. 3.55, [19], care este tipică pentru un receptor
coerent, un receptor necoerent sau unul de tip coerent diferenţial.

Fig. 3.55 Schema bloc a receptorului

a) Cazul receptorului coerent pentru semnale de tip CSK. La


începutul recepţiei fiecărui simbol, sincronizarea este pierdută şi se va restabili
după un timp Ts . În consecinţă vectorul observat poate fi estimat doar în
intervalul Ts  t  T , caz în care elementele acestuia sunt date de relaţiile [19]:
T T T
zi1  T  si (t )  n(t ) sˆi (t )d t  T si (t ) sˆi (t )d t  T n(t ) sˆi (t )d t , (3.83)
S S S

iar
T T
zi 2  T
S
si (t ) sˆ j (t )d t  T n(t ) sˆ j (t )d t ,
S
(3.84)

unde sˆi (t ) şi sˆ j (t ) corespund refacerii la recepţie a funcţiilor de bază g1(t ) ,


respectiv g 2 (t ) .
Este de subliniat faptul că zi1 şi zi 2 sunt variabile aleatoare a căror
valoare medie depinde de energia pe bit a semnalului haotic şi de calitatea
sincronizării. Varianţa estimării este determinată de semnalul haotic şi zgomotul
filtrat. După cum rezultă din relaţiile (3.77) şi (3.78), varianţa estimării este
influenţată doar de corelaţia mutuală dintre zgomotul canalului şi semnalul
haotic reconstituit.
Pentru un semnal haotic dat şi o bandă a canalului impusă, varianţa
estimatului este invers proporţională cu timpul de observaţie T  TS  . Valoarea
medie a estimatului nu depinde de zgomot, astfel că la recepţie se obţine un
estimat nedeplasat, adică nivelul pragului de decizie nu va depinde de zgomotul
canalului.
183
În absenţa zgomotului în canal, un receptor coerent funcţionează perfect.
Dar rata erorilor de bit (BER) va depinde şi de calitatea sincronizării, adică în ce
măsură semnalul de referinţă y (t ) corespunde funcţiei de bază g j (t ) . Orice
eroare de sincronizare va conduce la o degradare severă a performanţelor de
zgomot ale receptorului. În consecinţă receptoarele coerente bazate pe
sincronizare nu sunt recomandate în medii puternic perturbate.
b) Receptor necoerent cu corelator. În acest caz, decizia este luată pe
baza estimării varianţei semnalului recepţionat. Semnalul de referinţă y (t ) este
egal cu semnalul afectat de zgomotul filtrat si (t )  n(t ) , astfel că variabila
observată este [19]:
T T T T
zi  0  si (t )  n (t ) 2
d t  0 (t )d t  20 si (t )
si
2
n(t )d t  0 n (t )d t.
2
(3.85)

Valoarea medie a estimatului depinde de energia pe bit a semnalului


haotic emis şi de energia zgomotului (primul şi al treilea termen). În
consecinţă se obţine un estimat deplasat, iar nivelul pragului de decizie al
comparatorului va depinde de nivelul zgomotului. În plus varianţa estimatului
devine mult mai mare decât în cazul receptorului coerent.
c) Receptor coerent diferenţial. În cazul demodulării semnalelor de tip
DCSK, semnalul de referinţă y (t ) este o versiune întârziată a semnalului
informaţional, care este afectat de zgomot şi filtrat de canal. Pentru canalele lent
variabile în timp semnalul observat este [19]:
T T
zi    si  t   n1  t     si  t   n  t  T / 2   d t  T / 2 si t  d t 
2
T /2
, (3.86)
T T T
 T / 2 si t  n1 d t  T / 2 si t  n t  T / 2 d t  T / 2 n1 t  n t  T / 2 d t
2

unde semnalele  corespund cazului modulaţiei binare.


Semnalele n1 (t ) şi n(t  T / 2) reprezintă perturbaţii, care afectează
semnalul de referinţă şi semnalul purtător de informaţie din compunerea
semnalului recepţionat. Se poate presupune că aceste două perturbaţii sunt
necorelate, astfel că semnalul observat poate fi scris sub forma:
T T T
zi   T / 2 si 2 (t )d t  T / 2 si (t ) n(t )d t  T / 2 si (t ) n(t  T / 2)d t . (3.87)

De notat că, în acest caz, receptorul furnizează un estimat nedeplasat, asta


însemnând că nivelul pragului de decizie poate fi ales la valoarea de zero şi nu
va depinde de nivelul zgomotului.
Valoarea medie a estimatului depinde însă de valoarea energiei pe bit a
semnalului haotic, iar varianţa estimatului este determinată de semnalul haotic şi
de zgomot.

184
Ca şi în cazul receptorului coerent cu corelator, sincronizarea şi zgomotul
nu au o influenţă directă asupra varianţei estimatului, totuşi, în comparaţie cu
relaţia (3.80), în (3.81) apar termeni relativi la corelaţia mutuală cu zgomotul
care, pentru o funcţionare corectă, trebuie să fie mult mai mici în raport cu
primul termen, a cărui valoare poate fi majorată prin mărirea energiei pe bit
transmisă.

3.13 Bibliografie
[1] Hasler M., Synchronization of chaotic system and transmision of information on
chaotic carriers, Proc., ISCAS, 1994
[2] Hassler M., Synchronization of chaotic systems and transmission of
information, Proc., of Etc '98, Timisoara, 1998
[3] Andrei D., Sisteme de modulaţie pentru comunicaţii pe purtătoare haotică,
Proiect de diplomă, Academia Tehnică Militară, Bucureşti, iunie 2000
[4] Şerbănescu A., Andrei D., Munteanu D., Studiu comparativ privind metodele de
modulaţie şi sincronizare folosite în comunicaţiile haotice, Raport fază Grant
ANSTI cu tema „Comunicaţii de bandă largă folosind sisteme dinamice haotice”,
noiembrie, 2000
[5] Ned J. Corron, Daniel W. Hahs, A New Approach to Communications Using
Chaotic Signals, IEEE Transactions on circuits and systems, vol. 44, no. 5,
May 1997
[6] Carroll T. L., Pecora L.M., Synchronizing Chaotic Circuits, in IEEE, vol.38,
nr. 4, Apr. 1991
[7] Carroll T. L., Pecora L.M., Syncronizing Nonautonomous Chaotic CIrcuits in
IEEE, vol. 40, nr. 10, Oct. 1993
[8] Carroll T. L., Communicating with Use of Filtered, Synchronized, Chaotic
Signals, in IEEE, Trans on CAS, vol. 42, nr. 3, March 1995
[9] Carroll T. L., Pecora L.M., Synchronizing hiperchaotic volume-preserving maps
and circuits, in IEEE, Trans on CAS, vol. 45, nr.6, June 1998
[10] Hassler M., Synchronization of chaotic systems and transmission of information,
Proc., of Etc '98, Timisoara, 1998
[11] Dedieu H., Kennedy M.P., Hasler M., Chaos Shift Keying: Modulation and
Demodulation of a Chaotic Carrier Using Self – Synchronization Chua’s Circuits
in IEEE, vol. 40, nr. 10, Oct. 1993
[12] Geza Kolumban, Michael Peter Kennedy, Gabor Kis, Performance Improvement
of Chaotic Communications Systems, ECCTD ’97, Budapesta, 1997
[13] Kis G., Baldwin G., Efficient FM – DCSK Radio System Simulator, ECCTD '99,
Stresa, Italy, 1999
[14] Ghobad Heidari-Bateni, Clare D. McGillem, A Chaotic Direct-Sequence Spread-
Spectrum Communication System, IEEE Transactions on communications,
vol. 42, no. 2/3/4, Feb./Mar./Apr. 1994
[15] Riccardo Rovatti, Gianluca Setti, Gianluca Mazzini, Chaotic Complex Spreading
Sequences for Asyncronous DS-CDMA – Part. 1: System Modeling and Results,
IEEE Transactions on circuits and systems, vol 44, no. 10, Oct. 1997

185
[16] Riccardo Rovatti, Gianluca Setti, Gianluca Mazzini, Chaotic Complex Spreading
Sequences for Asyncronous DS-CDMA – Part. II: Some Theoretical Performance
Bounds, IEEE, Transactions on circuits and systems, vol. 45, no. 4, Apr. 1998
[17] Leung H., Lam J., Design of Demodulator for the Chaotic Modulation
Communication System, IEEE Transactions on circuits and systems, no. 4, 1997
[18] Azou S., Burel G., „Design of a demodulator in a chaos-based spread spectrum
communication system using dual Unscented Kalman Filters”, IEEE-
Communications 2002, Bucharest, Dec. 5-7, 2002
[19] Geza Kolumban, Michael Peter Kennedy, The Role of Syncronization in Digital
Communications Using Chaos-Part II: Chaotic Modulation and Chaotic
Syncronization, IEEE Transactions on circuits and systems, vol. 45, no. 11,
Nov. 1998
[20] Itoh M., Chua L., Multiplexing Tehniques via Chaotic Signals, in ECCTD ’97,
Budapest, Sept. 1997
[21] Koh C.L., Ushio T., Digital Communication Method Based on M-Synchronized
Systems, in IEEE, Transactions on circuits and systems, vol. 44, nr. 5, May 1997
[22] Geza Kolumban, Michael Peter Kennedy, The Role of Syncronization in Digital
Communications Using Chaos-Part I: Fundamentals of Digital Communications,
IEEE Transactions on circuits and systems, vol. 44, no. 10, Oct. 1997
[23] Geza Kolumban, Michael Peter Kennedy, Chaos Communications: From Theory
to implementation, ECCTD’97, Budapesta, 1997
[24] Junji Kawata, Yoshifumi Nishio, Herve Dedieu, Akio Ushida, Transmission of
Digital Signal and Evaluation of Bit Error Rate in a Chaotic Masking
Communication System, ECCTD ’97, Budapesta, 1997
[25] Zoltan Jako, On Noise Reduction Methods for Chaotic Communications
Systems, ECCTD' 99, Stresa, Italy, 1999
[26] Veljko Milanovic, Mona E. Zaghloul, Chaotic Signals and Spreading Secquences
for Communications, ECCTD ’97, Budapesta, 1997
[27] Riccardo Rovatti, Gianluca Setti, Gianluca Mazzini, Chaos-Based Spreading
Compared to M-Sequences and Gold Spreding in Asyncronous CDMA
Communication Systems, ECCTD ’97, Budapesta, 1997
[28] Andreas Abel, Andreas Bauer, Kristina Kelber, Wolfang Schwarz, Chaotic
Codes for CDMA Aplications, ECCTD ’97, Budapesta, 1997
[29] Ling Cong, Sun Songgeng, Chaotic Frequency Hopping Sequences, IEEE ,
Transactions on communications, vol. 46, no. 11, Nov. 1998
[30] Tohru Kohda, Akio Tsuneda, Statictics of Chaotic Binary Sequences, IEEE,
Transactions on circuits and systems, vol. 43, no. 1, Jan. 1997
[31] Tao Yang, Leon O. Chua, Choatic Digital Code-Division Multiple Access
(CDMA) Communication Systems, International Journal of Bifurcation and
Chaos, vol. 7, no. 12, 1997
[32] Makoto Itoh, Spread Spectrum Communication via Chaos, International Journal
of Bifurcation and Chaos, vol. 9, no. 1, 1999
[33] Alexander A. Alexeyev, Michael M. Green, Secure Communications Based on
Variable Topology of Chaotic Circuits, International Journal of Bifurcation and
Chaos, vol. 7, no. 12, 1997

186
[34] Geza Kolumban, Michael Peter Kennedy, Gabor Kis, Performance Improvement
of Chaotic Communications Systems, ECCTD ’97, Budapesta, 1997
[35] Veljko Milanovic, Mona E. Zaghloul, Chaotic Siganls and Spreading Secquences
for Communications – ECCTD ’97, Budapesta, 1997
[36] Carrol L. Thomas, Spread Spectrum Sequences from unstable Period Orbits,
IEEE, Trans. on CAS, vol. 47, no. 4, Apr. 2000
[37] Şerbănescu, Al., Ciotarnae, P., Synchronizations methods in communication on
chaotic carrier, Proc. of Intern. Conf. Communications '96, Bucureşti,
27-29 Nov. 1996
[38] Şerbănescu Al., Ciotarnae P., Higher-order statistical analysis of chaotic
sequences for spread spectrum systems, CAIM' 99, Univ., Piteşti, 1999
[39] Şerbănescu Al., Ieremia Codruţ, Munteanu Doru, Andrei Dorin, Results in
simmulation of spread spectrum systems based on chaos, Symp. Etc. 2000,
Timişoara, 23-24 Nov. 2000
[40] Şerbănescu Al., Negulescu Al., Blaise M., Gael C., Chaotic modulation based on
evolutionary strategies, Intern. Conf. Communications 2000, Bucureşti,
7-9 Dec. 2000

187
CAPITOLUL 4

Metode de sincronizare
în comunicaţiile bazate pe haos
Bogdan LUCA, Dorin ANDREI
ACADEMIA TEHNICĂ MILITARĂ, Bucureşti

4.1 Problema sincronizării în sistemele de comunicaţii


cu purtătoare haotică
Sincronizarea în sistemele de transmisiuni clasice, ca şi în cele care se
bazează pe semnale haotice este un obiectiv foarte important, deoarece de
calitatea ei depind în mare măsură performanţele sistemului în ansamblul său.
În sistemele de comunicaţii convenţionale, sincronizarea se referă la
semnale periodice, de exemplu la semnale purtătoare, piloţi sau cele de tact. Se
spune că două semnale periodice sunt în sincronism (sau sincronizate) dacă
perioadele lor sunt egale. Formele lor de undă pot să difere mult, dar frecvenţele
lor fundamentale sunt identice. Un concept atât de simplu, referitor la
sincronizare, nu poate fi aplicat în cazul semnalelor haotice, deoarece, dacă între
condiţiile iniţiale a două sisteme haotice independente (identice structural) apare
o diferenţă oricât de mică, aceasta va determina o evoluţie necorelată a celor
două sisteme. Această diferenţă, foarte mică iniţial, se amplifică în timp, astfel
încât evoluţiile celor două sisteme diverg, dar parcursul lor, în spaţiul fazelor,
rămânând în cadrul aceluiaşi atractor! Se poate spune că semnalele haotice
furnizate de cele două generatoare au aceleaşi proprietăţi (aceiaşi parametri), dar
ele nu sunt sincronizate. Dacă printr-un procedeu oarecare cele două sisteme pot
fi sincronizate, adică valorile tensiunilor şi curenţilor în punctele omoloage
(corespondente) la orice moment de timp sunt (aproximativ) egale, atunci putem
considera unul din cele două sisteme ca fiind emiţător, iar cel de-al doilea
receptor, între cele două stabilindu-se o legătură de comunicaţie.
În fig. 4.1 este ilustrată obligativitatea realizării unei sincronizări între
emisia şi recepţia unei astfel de legături de comunicaţie.
Semnal
informaţional CANAL
Emiţător Receptor
m m
haotic haotic

SINCRONIZARE
Fig. 4.1 Sistem de comunicaţii bazat pe generatoare haotice
Această abordare principială va fi completată în paragrafele următoare,
unde vor fi prezentate detaliat metodele de sincronizare, atât analitic, cât şi
experimental (prin simulări pe calculator), fiecare prezentând aspecte şi
proprietăţi specifice.

188
Aşa cum s-a arătat în capitolul 3, în partea de modulaţii haotice, strategiile
de sincronizare se utilizează într-un receptor coerent pentru refacerea bazei de
funcţii neliniare g  t  , utilizate pentru reprezentarea la emisie a semnalelor
informaţionale. În general metodele de sincronizare sunt independente de cele
de modulaţie, dar există şi situaţii în care tipul de sincronizare este în strânsă
legătură cu metoda de modulaţie folosită.
Într-un sistem real de comunicaţii, semnalul recepţionat diferă de cel care
a fost transmis, cel puţin din cauza zgomotului aditiv, specific canalului de
comunicaţie. Perturbarea semnalului emis poate fi mai severă în cazul în care
canalul de comunicaţie este neliniar, variant în timp sau permite propagări
multiple. În acest caz, obiectivul procesului de sincronizare este să refacă baza
de funcţii neliniare dintr-un semnal (puternic) perturbat, astfel încât să se
maximizeze posibilitatea de a identifica corect simbolurile informaţionale
transmise.
În acest capitol sunt prezentate o serie de metode de sincronizare, pornind
de la premisa că problema generării semnalelor haotice este în mare parte
rezolvată. Aşa cum am arătat în primele capitole, generatoarele de semnale
haotice prezintă o serie de particularităţi, care se referă la intrarea în oscilaţie de
tip haotic, care depinde atât de condiţiile iniţiale, cât şi de parametrii
generatorului. Această problemă poate fi abordată cu ajutorul diagramelor de
bifurcaţie şi a altor metode, care să asigure generatoarele să nu intre în alte
regimuri de funcţionare, cum ar fi cel armonic sau pseudohaotic. În analiza
sincronizării, vom considera ca implicită această robusteţe, ocupându-ne strict
de probleme specifice ale sincronizării.
Aşa cum va rezulta în continuare, în cazul sistemelor de comunicaţii
haotice, nu numai strategiile de sincronizare sunt specifice, ci însuşi conceptul
de sincronizare necesită definiţii diferenţiate, corespunzătoare unor metode
particulare.

4.2 Sincronizarea prin descompunere în subsisteme


sau sincronizarea de tip Master-Slave
Să analizăm pentru început un exemplu simplu, format din două sisteme
haotice de tip Lorenz. Primul sistem va transmite către cel de-al doilea un
semnal x1  t  , care va înlocui starea (care lipseşte) x2  t  a celui de-al doilea
sistem. Această stare x1  t  , împreună cu stările y2  t  şi z2  t  vor forma cele
trei stări specifice unui sistem de tip Lorenz. De fapt x1  t  este un semnal de
comandă, emis de primul sistem Master pentru a sincroniza cel de-al doilea
sistem de tip Slave, aşa cum se sugerează în fig. 4.2.

189
Sistem Master Sistem Slave

x1

y1 y2

z1 z2

Fig. 4.2 Sincronizarea identică a două sisteme haotice Lorenz

Ansamblul celor două sisteme Master-Slave din fig. 4.2 este descris de
cinci ecuaţii diferenţiale:
 d x1
 d t   ( y2  x1 )  d y2

 d y1  d t   x1z2  rx1  y2
   x1z1  rx1  y1  . (4.1)
 d t d z
 2  x y  bz
 d z1  d t 1 2 2

 d t  x1 y1  bz1

De observat lipsa primei ecuaţii din setul doi de ecuaţii de tip Lorenz şi
faptul că, în acest set, x2  t  a fost înlocuit cu x1  t  .
Dacă se rezolvă ansamblul celor cinci ecuaţii diferenţiale, dintr-un punct
iniţial arbitrar, vom constata că, după un scurt timp, y2  t   y1  t  şi că
z2  t   z1  t  . Unii autori numesc această situaţie „sincronizare identică”
(identical syncronization) sau autosincronizare. Thomas L. Caroll şi Louis M.
Pecora au fost primii care au demonstrat posibilitatea sincronizării a două
sisteme haotice [1], [2]. Raţionamentul lor a fost, principial, următorul: să
descompunem vectorul de stare al unui sistem dinamic u  t  în doi subvectori de
stare x  t  şi y  t  , adică:
u(t )   x(t ), y(t )  , (4.2)
unde x  t   x1, x2 ,..., xn  , iar y  t    y1, y2 ,..., ym  .
Rezultă că sistemul dinamic (iniţial), care era descris de sistemul de
ecuaţii diferenţiale u  f (u) , poate fi considerat că este descris de
( x, y)  f ( x, y) , sau, explicit, de ansamblul de ecuaţii diferenţiale:
 x  g ( x, y )
 . (4.3)
 y  h( x , y )
Dacă se consideră un caz particular al acestui ansamblu de ecuaţii
diferenţiale, şi anume:

190
 x  g ( x, y1 )
 , (4.4)
 y  h ( x1 , y )
rezultă descompunerea sistemului iniţial în două subsisteme, care sunt
interconectate doar prin intermediul semnalelor x1  t  şi y1  t  , aşa cum este
ilustrat în fig. 4.3 a).

Subsistem 1
SISTEM
y  h( x1 , y )
INIŢIAL
u  f (u)
x 1 (t ) y 1 (t )

Subsistem 2
x  g ( x, y1 )

a)

Subsistem 1
yˆ 1 (t )
y  h( x1 , y )

x 1 (t ) y 1 (t )

Subsistem 2
y1 (t )
x  g ( x, y1 )

b)
Fig. 4.3 Descompunerea unui sistem haotic în două subsisteme identice

Întreruperea legăturii y1  t  între subsistemele 1 şi 2, aşa cum este sugerat


în fig. 4.3 a), conduce la situaţia reprezentată în fig. 4.3 b). În acest caz, dacă
injectăm starea y1  t  în subsistemul 2, este de aşteptat ca la ieşirea
subsistemului 2 să obţinem o valoare aproximată yˆ1(t ) a stării y1  t  . Această
ipoteză este exploatată în realizarea sincronizării între două subsisteme
descompuse identic şi care vor fi interconectate prin semnalul de comandă y1  t 
, emis de primul sistem, care va obliga pe cel de-al doilea ca, în timp, să-şi
sincronizeze toate stările cu cele corespunzătoare primului sistem. Acest
procedeu este descris principial în fig. 4.4 a).

191
y(t) y(t) yˆ 1 (t )
y1(t)
x1(t)
x(t) x(t)
y1(t)

a)

SISTEM y1(t) SISTEM


CONDUCĂTOR CONDUS yˆ 1 (t )
(Master) (Slave)

b)
Fig. 4.4 Realizarea sistemului Master-Slave
pe principiul descompunerii în subsisteme

Aşa cum este reprezentat sintetic în fig. 4.4 b), sistemul condus (2) este
identic cu cel conducător (1), cu excepţia faptului că are o intrare control y1  t  .
Semnalul de control y1  t  va forţa sistemul condus (2) ca la ieşire să dea un
semnal yˆ1(t ) care să copieze intrarea, adică, în timp:

lim yˆ(t )  y(t )  0 . (4.5)


t 

Pentru exemplificare, să considerăm că sistemele Master şi Slave din


fig. 4.4 b) sunt descrise de seturile de ecuaţii:

 d x1 
 d t  f1 ( x1, x2 , ... , xn ) 
 
 d x2  f ( x , x , ... , x )  d xˆ2
 dt 2 1 2 n  d t  f1 ( y, xˆ1, xˆ2 , ... , xˆn )
 
................................ ................................. . (4.6)
d x  d xˆ
 n  f n ( x1, x2 , ... , xn )  n  f n ( y, xˆ1, xˆ2 , ... , xˆn )
 dt  dt
 y (t )  x1 (t ) 
 
 
După cum se observă, în primul set de ecuaţii este explicitat semnalul de
comandă y  t  , ca fiind identic cu starea x1  t  a primului sistem, iar din cel

192
de-al doilea set de ecuaţii lipseşte prima ecuaţie. Semnalul yˆ(t ) va fi obţinut din
rezolvarea ecuaţiei integrale:
t
yˆ (t )  yˆ (0)  0 f1( y, xˆ2 , xˆ3,..., xˆn )d  . (4.7)

Putem generaliza metoda de sincronizare prezentată mai sus ca în


fig. 4.5.

y(t)
SISTEM Master SISTEM Slave yˆ ( t )
Stări x x̂
Stări

Fig. 4.5 Sistem de sincronizare Master-Slave

Cele două sisteme Master şi Slave sunt caracterizate de seturile de ecuaţii:


d x  d xˆ ˆ
  f ( x)   f ( y, xˆ )
 dt ;  dt . (4.8)

 y (t )  g ( x) 
 yˆ (t )  gˆ ( y, xˆ )
De data aceasta, semnalul de comandă y  t  este generat prin intermediul
funcţiei neliniare g   de către toate stările x ale primului sistem prin ecuaţia
y  t   g  x  şi corespunzător, la recepţie, refacerea semnalului ŷ (t) rezultă din
ecuaţia yˆ(t )  gˆ ( y, xˆ ) . Dacă se îndeplinesc condiţiile:

fˆ ( g ( x ), x )  f ( x );
(4.9)
gˆ ( g ( x ), x )  g ( x ),
atunci cele două sisteme din fig. 4.5 vor avea identic aceeaşi evoluţie, cu
condiţia să plece din aceleaşi condiţii iniţiale. Se pune întrebarea: care vor fi
evoluţiile lor dacă sistemele vor porni din condiţii iniţiale diferite?
În funcţie de forma concretă a ecuaţiilor care descriu cele două sisteme
dinamice şi, în consecinţă, de evoluţiile particulare ale acestora în procesul de
sincronizare tip Master-Slave, în literatura de specialitate sunt discutate mai
multe modalităţi de a defini sincronizarea.
1. Sistemul condus (Slave) se va sincroniza exponenţial cu sistemul
conducător (Master), dacă:
yˆ (t )  y(t )  et yˆ (0)  y(0) , (4.10)
pentru toate combinaţiile de stări iniţiale ( yˆ0 , y0 ) ale sistemelor Master şi Slave.
Constanta  se numeşte rată de sincronizare. De fapt această definiţie este
echivalentă cu:
193
d
 yˆ (t )  y(t )   yˆ (t )  y(t ) . (4.11)
dt
Dacă rata de sincronizare  depinde doar de distanţa „până la
sincronism”, definită de yˆ(t )  y(t ) , şi nu de condiţiile iniţiale particulare
( yˆ0 , y0 ) , se spune că sistemul Slave se sincronizează uniform cu sistemul
Master.
Remarcăm încă o dată că, în realitate, se vor sincroniza nu numai stările
de ieşire yˆ(t ) cu y (t ) , ci şi toate celelalte stări corespondente ale sistemelor
Master şi Slave. Dar în aplicaţiile privind sistemele de comunicaţie sunt
observate, în primul rând, stările care constituie semnalele de ieşire ale celor
două sisteme de emisie şi de recepţie. Ca o aplicaţie a definiţiei sincronizării de
mai sus, să considerăm două sisteme de tip Lure, conectate ca în fig. 4.6.

SISTEM SISTEM
DINAMIC DINAMIC
liniar x x̂
liniar
u x1 ν
SISTEM SISTEM
STATIC STATIC
neliniar neliniar

Fig. 4.6 Sisteme de tip Lure interconectate

Sistemele de tip Lure din fig. 4.6 sunt descrise de relaţiile:


d x  d xˆ
  Ax  bu   Axˆ  b
 dt  dt . (4.12)
u (t )  f ( x1) (t )  f ( x1)

Dacă diferenţa dintre stările sistemului Master şi Slave din fig. 4.6
îndeplineşte condiţia:
d( xˆ  x )
 A( xˆ  x ) , (4.13)
dt
atunci sistemul Slave se va sincroniza exponenţial cu sistemul Master, dacă
valorile proprii ale matricei A se găsesc în semiplanul stâng al planului complex,
deoarece, în aceste condiţii:
xˆ (t )  x(t )  et xˆ (0)  x(0) , (4.14)
unde  este partea reală a valorii proprii a matricei A, care este cea mai
apropiată de axa imaginară [3].
194
O ilustrare a acestui procedeu de sincronizare este prezentată în fig. 4.7, în
care s-au folosit două circuite de tip Chua, pentru care se pot identifica cu
uşurinţă subcircuitele liniare şi neliniare.

Fig. 4.7 Sincronizarea Master-Slave aplicată circuitelor de tip Chua

2. O altă definiţie a sincronizării Master-Slave este următoarea:


sistemul condus (Slave) este în sincronism cu sistemul Master dacă:
lim yˆ(t )  y(t )  0 , (4.15)
t 

pentru „aproape toate” combinaţiile de stări iniţiale ( yˆ0 , y0 ) ale celor două
sisteme. După cum se observă, această definiţie este mai puţin „pretenţioasă” şi
nu necesită nici o uniformitate în rata de sincronizare în raport cu „toate
combinaţiile” de condiţii iniţiale ale sistemelor Master şi Slave. În particular,
pentru unele combinaţii ale stărilor iniţiale, timpul de sincronizare poate fi mai
lung decât pentru altele sau pur şi simplu sincronizarea nu se poate realiza.
Pentru unele aplicaţii tehnice, acest timp de sincronizare (mai slab!) nu este de
dorit, dar pentru alte aplicaţii poate rămâne acceptabil.
Să analizăm un alt exemplu de realizare a sincronizării de tip
Master-Slave folosind două circuite de tip Chua. Circuitul Chua din fig. 4.8 este
descris de sistemul de ecuaţii diferenţiale:
G 1
v1  (v2  v1 )  f (v1 )
C1 C1
G 1
v2  (v1  v2 )  i3 (4.16)
C2 C2
1
i3   v2
L
unde G  1 R , iar funcţia neliniară f   este descrisă de:
1
f (vR )  GbvR  (Ga  Gb )( vR  E  vR  E ) . (4.17)
2
195
Fig. 4.8 Circuitul de tip Chua

Circuitul Chua poate fi descompus în două subsisteme, în mai multe


feluri. În fig. 4.9 se propune un exemplu de partiţionare în două sisteme de tip
Master şi Slave.

Fig. 4.9 Realizarea practică a descompunerii circuitului Chua

Ecuaţiile care descriu fiecare subsistem sunt:


 G 1  G 1 ˆ
 v2  ( v1  v 2 )  i3  vˆ2   r (t )  ˆ
v2   i3
C2 C2 C2 C2
 
i   1 v iˆ   1 vˆ (4.18)
 3
L
2  3 L
2

G 1
v1  (vˆ2  vˆ1 )  f (vˆ1 ) .
C2 C1
Dacă r  t   y  t  , rezultă că v̂2  v2 , într-o aproximare asimptotică.
Atunci, dacă şi vˆ1(0) este suficient de aproape de v1(0) , iar exponentul
Lyapunov al subsistemului 1 este negativ, rezultă că, într-o manieră asimptotică,
v̂1 va tinde către v1 şi, în consecinţă, yˆ(t )  y(t ) .
Simularea acestei metode de sincronizare s-a realizat cu ajutorul programului
de simulare a circuitelor electronice Design Lab 8, obţinându-se rezultate care
confirmă întru totul concluziile trase din abordarea analitică [4], [5].
Iniţial am considerat două sisteme Chua identice, care pornesc din condiţii
iniţiale identice, dar care sunt separate galvanic.
Aşa cum se observă şi din fig. 4.10, cea mai mică diferenţă care apare
între cele două sisteme 1 şi 2 (după aproximativ 12 ms) conduce la
desincronizarea celor două semnale din punctele corespondente (respectiv v1 al
sistemului 1 şi v1 al sistemului 2).
196
Fig. 4.10 Desincronizarea a două circuite Chua identice

Fig. 4.11 Diagrama de sincronizare

Una dintre cele mai utilizate metode pentru a evidenţia sincronizarea a


două sisteme haotice este diagrama de sincronizare, care prezintă evoluţia unei
stări a sistemului MASTER în raport cu starea corespondentă sistemului SLAVE
(emiţător/receptor). În acest spaţiu sincronizarea este evidenţiată prin variaţia
liniară a celor două mărimi, una în funcţie de cealaltă, determinând o
reprezentare numai pe diagonala principală. În cazul nostru am reprezentat
diagrama de sincronizare pentru cele două tensiuni v1 corespunzătoare
sistemului MASTER şi celui SLAVE, aşa cum se observă în fig. 4.11.
Sincronizarea iniţială se observă prin prezenţa dreptei diagonale din figură,
celelalte stări reprezentând evoluţia ulterioară necorelată.
Pornind de la principiul descompunerii în subsisteme, prezentat mai sus
(fig. 4.8), am simulat sincronizarea a două sisteme de tip Chua constând într-un
generator Chua la emisie (sistemul conducător) şi un sistem Chua la recepţie
(sistemul condus), descompus în cele două subsisteme. Rezultatele simulării
sunt prezentate mai jos (fig. 4.12 – 4.14) [4], [5].

197
Fig. 4.12 Sincronizarea Master-Slave a circuitului Chua

În prima perioadă (0 – 10 ms) sistemele sunt nesincronizate, evoluţia lor


este total independentă, comutatorul fiind simulat printr-un multiplicator
analogic. La momentul t0  10 ms , comutatorul se închide, iar cele două
semnale se sincronizează rapid (în aproximativ 0,45 ms).

Fig. 4.13 Sincronizarea recepţiei (Vrecepty) cu emisia (Vreceptx)

Fig. 4.14 Momentul sincronizării celor două sisteme


198
Trebuie menţionat faptul că timpul de sincronizare a fost determinat pe
baza unei metode aproximative, şi anume: semnalele intră în sincronism atunci
când diferenţa dintre valorile instantanee ale celor două tensiuni devine
permanent mai mică decât 1% din gama dinamică a celor două semnale. În cazul
de faţă, semnalele având o gamă dinamică de aproximativ 8 V, am considerat că
cele două semnale s-au sincronizat când diferenţa dintre ele a scăzut sub 80 mV.
Acest prag de 1% poate fi însă mai restrictiv sau mai puţin restrictiv, în
funcţie de tipul de modulaţie adoptat într-un sistem de comunicaţii propriu-zis,
în funcţie de zgomotul pe canal, raportul semnal-zgomot cerut, metoda de
demodulare etc. Aşa cum se va vedea în subcapitolul 4.6, unde va fi proiectat un
sistem de sincronizare pentru modulaţia de tip CSK, criteriul de stabilire a stării
de sincronizare/desincronizare este foarte important pentru extragerea, prin
demodulare, a semnalului informaţional.
Deşi în această simulare am considerat că nu există semnal informaţional,
totuşi putem face o analiză calitativă asupra factorilor care influenţează
sincronizarea. Timpul de sincronizare pentru cazul de faţă nu a depăşit 0,9 ms,
pentru rularea simulării cu diferite momente de sincronizare, de unde putem
trage concluzia că receptorul are nevoie de cel puţin 1 ms pentru a intra în
sincronism cu emiţătorul. Studiul analitic al acestui timp de sincronizare este
complex şi depinde, în principal, de structura propriu-zisă a generatoarelor
haotice folosite, dar şi de alţi factori, cum ar fi zgomotul aditiv pe canal.
Rezultate similare s-au obţinut în Matlab [4], [5], sincronizarea fiind
realizată pe baza sistemului Lorenz, caracterizat de ecuaţiile:
 x1  a  y  x  
 
 y1  rx  y  xz  y2  rx  y  xz (4.19)
 z  xy  bz  z  xy  bz
1  2
Integrarea sistemului s-a realizat prin algoritmul Runge-Kuta de ordinul 4.
Aşa cum se observă şi în fig. 4.15, s-a transmis variabila x pentru a sincroniza
sistemul de la recepţie.

Fig. 4.15 Schema Master-Slave pe baza sistemului Lorenz

Simularea sincronizării s-a făcut cu valorile implicite date de tabelul de


mai jos.

199
Tabelul 4.1
Condiţii iniţiale (E) Condiţii iniţiale (R)
X0e 15 X0r 8
Y0e 12 Y0r 12
Z0e 25 Z0r 25
Parametri la emisie Parametri la recepţie
a 10 a 10
b 2,66 b 2,66
r 28 r 28

Simularea s-a făcut în 512 puncte, cu pasul de timp 0,05 s. Rezultatele


sunt prezentate mai jos [4], [5].

Fig. 4.16 Sincronizarea Master-Slave pe baza sistemului Lorenz

4.3 Sincronizarea Master-Slave propusă de K. Cuomo


şi A. Oppenheim
Metodele de sincronizare şi cele de modulaţie sunt propuse îndeosebi
pentru realizarea unei transmisiuni informaţionale; ele sunt interdependent alese
şi, uneori, sunt greu de descris în afara sistemului de comunicaţie ce le
integrează. Este şi cazul metodei de sincronizare propusă de K. Cuomo şi
A. Oppenheim [6]. De fapt metoda de sincronizare propusă este de tip
200
Master-Slave, dar modalitatea în care sistemul Master (tri-state) utilizează o
stare a sa pentru a controla sistemul Slave (tri-state) este specifică, aşa cum
rezultă din fig. 4.17.

s (t ) - sˆ(t )

x + x̂

y ŷ

z ẑ

Sistem
Sistem
Fig. 4.17 Principiul sincronizării K. CuomoSla
şi A. Oppenheim
Ma
ve
ste
După cum rezultă 
r din fig. 4.17, starea x t a sistemului Master este
adunată cu un semnal informaţional (de tip vocal) prin procedeul de mascare
haotică. Acest amestec va servi sistemului Slave să se sincronizeze şi, în
consecinţă, să genereze un estimat xˆ(t ) al stării x  t  . Acesta va servi, prin
scădere din semnalul recepţionat, la refacerea semnalului informaţional sˆ(t ) .
Rezultatele simulării acestei metode sunt prezentate în fig. 4.18. Am
folosit ca generator un sistem Chua în care se transmite tensiunea v1 (de pe
elementul neliniar) [4], [5]. Această metodă de modulaţie, denumită şi mascare
haotică, este totuşi destul de greu de aplicat în practică, deoarece zgomotul de pe
canal, care este de cele mai multe ori aditiv, poate afecta puternic semnalul
informaţional. Acest dezavantaj ar putea fi compensat prin mărirea nivelului
semnalului informaţional, dar şi aici există restricţii, practica demonstrând că
cele două sisteme nu pot fi sincronizate decât dacă amplitudinea semnalului
informaţional este cu 30 dB mai mică decât cea a purtătoarei haotice. Între cele
două cerinţe antagoniste trebuie găsit un optim, care să asigure cele mai bune
performanţe. Acestea pot fi îmbunătăţite dacă se adaugă un filtru trece jos la
recepţie. Acestui filtru i se aplică semnalul diferenţă, obţinându-se frecvenţa sa
fundamentală la ieşire, apoi, printr-un circuit de decizie, se extrage semnalul
informaţional.
Această metodă este rar folosită în practică, ea fiind prezentă mai mult în
etapa de pionierat (experimentală) a comunicaţiilor bazate pe teoria haosului. În
prezent, există diferite metode de modulaţie, cum ar fi CSK, cu performanţe mai
bune decât metoda propusă de K. Cuomo şi A. Oppenheim [6].

201
Fig. 4.18 a) Semnalul demodulat; b) Semnalul original

4.4 Sincronizarea prin reacţia liniară a erorii


În acest caz vom considera două sisteme (identice) în conexiunea
Master-Slave, ca în fig. 4.19. Vom compara semnalele lor de ieşire şi vom folosi
diferenţa lor instantanee ca o eroare ce va controla sistemul Slave, prin reacţie
liniară.
-
MASTER + SLAVE
+
x (t ) y (t ) e (t ) x(t)

Fig. 4.19 Schema bloc pentru sincronizarea prin reacţia liniară a erorii

Cele două sisteme pot fi descrise, de exemplu, de seturile de ecuaţii:


 d xˆ
  f ( xˆ )  ke (t )
d x 
d t
  f ( x)
 d t ;  yˆ (t )  cT xˆ (t ) . (4.20)
 y (t )  c x (t ) 
T
 e(t )  y (t )  yˆ (t )

Dacă atât sistemul Master cât şi cel Slave pornesc din exact aceleaşi
condiţii, atunci, în orice moment x  t   x  t  , y  t   y  t  , e  t   0 . Dacă nu
se impun aceste constrângeri, există totuşi posibilitatea ca sincronizarea să aibă
loc. În anumite situaţii, sincronizarea poate fi probată prin calcularea
exponenţilor Lyapunov.

202
Această metodă de sincronizare poate fi aplicată cu succes unui circuit tip
Chua. Reprezentarea schemei bloc a circuitului este dată în fig. 4.20 [7].

Fig. 4.20 Schema bloc a circuitului Chua

Întregul sistem Master-Slave este prezentat în fig. 4.21.


Ecuaţia care caracterizează sistemul este:
d x  
 A  x1  x     u  x1  , (4.21)
d
unde
  1  m  x1     0 
 
A  x1    1 1 1  ;
 0  0 

(4.22)
   x1  m0  m1  
 
u  x1    0 ;
 0 
 
m0 , dacă x1  1
m  x1    ;
 1
m , dacă x1  1
(4.23)
0, dacă x1  1
  x1    ;
 1, dacă x1  1
xi , i  1,3 sunt variabile normalizate x1  v1 v0 , x2  v2 v0 , x3  RiL v0 , iar
  t  RC2  ,   C2 C1 şi   R2C2 L .

203
Fig. 4.21 Sincronizarea circuitului Chua prin reacţia erorii

Sistemul Slave este descris de ecuaţia:


_
d x    _ _ _  _
 A  x1  x     u  x1   kcT  x  x  . (4.24)
d    
Eroarea de sincronizare este de forma:

d x    _
  A  kc  x   u  u  .
T
(4.25)
d   
  

Diferenţa u  u devine nulă atunci când atât sistemul Master, cât şi


sistemul Slave operează în aceeaşi regiune liniară.

204
Pentru exemplificarea metodei de sincronizare prin reacţie, vom considera
din nou un sistem Master-Slave format din circuite Chua, aşa cum este arătat în
fig. 4.22.

Fig. 4.22 Schema de principiu a sistemului Chua sincronizat


prin reacţia liniară a erorii

În cazul sistemului Slave sunt valabile relaţiile:


 G 1 GE
 ˆ
v1  ( ˆ
v2  ˆ
v1 )  f ( ˆ
v1 )  e(t )
C1 C1 C1

 G 1
vˆ2  ( y (t )  vˆ2 )  iˆ3 , (4.26)
 C2 C 2
 1
iˆ3   vˆ2
 L
unde GE  1 RE , iar e(t )  y(t )  vˆ1(t ) .
Pentru valori suficient de mici ale rezistenţei de cuplaj RE , rezultă că v̂1
sincronizează cu v1 şi, în consecinţă, yˆ(t )  y(t ) .
Simularea acestei metode de sincronizare s-a realizat în Pspice, pornind
de la fig. 4.22 [4], [5]. Timpul de simulare a fost de 20 ms, iar momentul
sincronizării a fost ales la 10 ms. În urma acestor simulări s-a observat că
sincronizarea este cu atât mai rapidă cu cât valoarea rezistenţei de cuplaj este
mai mică, aşa cum era de aşteptat.
Pentru valori mai mari ale lui RE , timpul de sincronizare creşte,
ajungându-se în cele din urmă la absenţa totală a sincronizării.

Fig. 4.23 Momentul sincronizării în cazul schemei prezentate


205
4.5 Sincronizarea sistemelor dinamice prin metoda
observatorului
Conceptul de „observator” se referă la un sistem (de recepţie) care reface
sau construieşte toate stările informaţionale transmise doar din semnalul
recepţionat. În cazul unui sistem de comunicaţii, subsistemul haotic de la
recepţie va reface, în acest fel, mesajul informaţional transmis.
Principiul realizării unui sistem de comunicaţii, bazat pe metoda
observatorului, este ilustrat în fig. 4.24.

ŷ +
- sˆ(t )
Emiţător Receptor haotic
haotic + + Observator de stări
+
+
s (t )

Fig. 4.24 Sistem de comunicaţii bazat pe metoda observatorului

Comparată cu metodele convenţionale, propunerea din fig. 4.24 combină


metoda de modulaţie cu cea de sincronizare, dar elementele sistemului
observator pot fi obţinute numai utilizând un algoritm de optimizare.
Problema sincronizării poate fi rezolvată printr-o abordare sistematică,
bazată pe un observator de stare neliniar. Alegerea unui câştig corespunzător al
observatorului conduce la convergenţa ratei de sincronizare.
Să considerăm, de exemplu, sistemele neliniare descrise de:
 x  Ax  f ( x, y)  Bd

 , (4.27)

 y  C T
x
unde y este ieşirea sistemului, x reprezintă vectorul de stare, d este o
componentă de curent continuu a sistemului controlat, iar A, B şi C sunt matrice,
de dimensiuni corespunzătoare. Această modelare a sistemelor dinamice
neliniare reprezintă o generalizare a sistemelor haotice, cum ar fi Rosler sau
Lorenz şi este folosită pentru a proiecta observatorul de stare neliniar.
Un observator de stare este astfel un sistem care face o estimare a stării x
din ecuaţia (4.27) folosind semnalele avute la dispoziţie. Astfel un observator de
stare corespunzător sistemului descris este dat de sistemul următor:

 xˆ  Axˆ  f ( xˆ , y )  Bd  L( y  yˆ )
 , (4.28)

 yˆ  C T
ˆ
x
unde x̂ este un estimator dinamic al stării x, iar f ( xˆ , y) reprezintă vectorul
estimat al f ( x, y) folosind mărimea estimată x̂ . Vectorul constant L  R n este
 
ales în aşa fel încât A  LCT să fie o matrice stabilă exponenţial, care aşa cum

206
vom vedea în continuare după modul de scriere al vectorului eroare va
determina o sincronizare exponenţială a sistemului.
În continuare dacă exprimăm vectorul de stare al erorii sub forma
eˆ  x  xˆ , atunci expresia care caracterizează comportarea dinamică a erorii
poate fi scrisă după cum urmează:
eˆ  x  xˆ  ( A  LCT )eˆ  f ( x, y)  f ( xˆ , y) . (4.29)
Considerând în plus o condiţie iniţială eˆ(0)  x(0)  xˆ (0) şi caracterul
stabil exponenţial al matricei  A  LC  , se demonstrează [10] sincronizarea
T

exponenţială a receptorului cu sistemul haotic de la emisie.


Din fig. 4.24 putem scrie sistemele de ecuaţii ce caracterizează în cazul
prezenţei semnalului informaţional funcţionarea sistemului de comunicaţie
prezentat. Astfel emiţătorul haotic este dat de:
 x  Ax  f ( x, y ')  Bd  Ls

 , (4.30)
y'  C x + s = y + s
T

unde s  R este semnalul informaţional şi y ' este semnalul haotic care
sincronizează receptorul. La nivel de receptor sistemul dinamic este scris astfel:

 xˆ  Axˆ  f ( xˆ , y ')  Bd  L( y ' yˆ )
 . (4.31)

 yˆ  C T
ˆ
x
Spre deosebire de metoda convenţională de mascare haotică, în cadrul
sistemului propus mai sus, semnalul transmis constituie de asemenea o intrare a
generatorului haotic de la emisie, determinând în acest caz o funcţionare de tip
neautonom a acestuia. Nu mai considerăm alte detalii în privinţa acestei metode
de sincronizare, ea fiind prezentată doar ca o metodă teoretică, cu performanţe
destul de limitate în ceea ce priveşte rezistenţa la zgomot, chiar aditiv, datorită
folosirii complementare modulaţiei de tipul mascare haotică.

4.6 Sincronizarea prin metoda sistemului invers


Această metodă de sincronizare este diferită de cele prezentate până
acum. În cazul unei legături de comunicaţie, la emisie, sistemul haotic este
excitat de un semnal informaţional s  t  şi va produce un semnal haotic y  t  ,
transmis în linie, care devine semnal de control (sau de comandă) pentru
sistemul de recepţie. Acesta are drept obiectiv să furnizeze un estimat sˆ(t ) al
semnalului informaţional original s  t  . Rezultă că, în realitate, ambele sisteme
haotice sunt de tip neautonom, fiind controlate de semnale diferite: la emisie de
un semnal informaţional s  t  , iar la recepţie de un semnal haotic, care este
purtător al mesajului informaţional.

207
Ideea de „sistem invers” rezultă tocmai din observaţia de mai sus, potrivit
căreia sistemul de la emisie transformă semnalul informaţional într-unul haotic,
pe când sistemul de la recepţie transformă invers, semnalul haotic într-un semnal
informaţional (estimat). Acest lucru este sugerat în fig. 4.25.

Sistem 1 Sistem 2
s x y  ξ ŝ  

Fig. 4.25 Sistem de comunicaţii bazat pe sistemul invers

La prima vedere, pare o sarcină dificilă construirea unui sistem invers,


pentru un sistem dinamic neliniar dat. Dar, în domeniul teoriei circuitelor, acest
lucru este relativ uşor de realizat. Să considerăm doi uniporţi neliniari identici,
ca cei din fig. 4.26.

1 iˆ(t ) 2
UNIPORT UNIPORT
i(t) v(t) neliniar v(t) ~ neliniar
DINAMIC DINAMIC
1` 2`
Fig. 4.26 Uniporţi neliniari identici

Să considerăm că primul uniport este excitat cu o sursă ideală de curent.


Curentul i  t  aplicat uniportului unu va determina la poarta 1-1' a acestuia, ca
răspuns, o tensiune v  t  . Aplicarea tensiunii v  t  la poarta 2-2' a celui de-al
doilea uniport va determina un curent iˆ(t )  i(t ) , dacă cei doi uniporţi se găsesc
în aceleaşi condiţii iniţiale.
Să revenim la cele două sisteme dinamice neautonome, conectate ca în
fig. 4.26. Aceste sisteme pot fi descrise de seturile de ecuaţii:
d x d 
  f ( x, s)   (, y)
 dt ;  dt (4.32)
 y (t )  g ( x, s)  sˆ(t )   (, y )

Vom spune că sistemul 2 din fig. 4.25 este un sistem „invers” în raport cu
sistemul 1, dacă:
1. mulţimea  a semnalelor admisibile coincide cu mulţimea Ψ a
semnalelor de la ieşirea sistemului 2, iar sˆ(t )  şi, în plus, mulţimea
Ψ corespunde atât pentru semnalele de la ieşirea sistemului 1, adică
y(t )  , cât şi pentru cele de la intrarea sistemului 2;

208
2. pentru fiecare semnal s(t )  şi fiecare condiţie iniţială x0  N
a
sistemului 1, există o condiţie iniţială 0  N a sistemului 2, astfel încât
sˆ(t )  s(t ) , pentru  t  0;
3. sunt îndeplinite aceleaşi condiţii de la punctul 2, dar cu rolurile sistemelor 1
şi 2 interschimbate.
Din cauza simetriei condiţiilor de mai sus se poate spune că sistemul 2
este invers sistemului 1 sau că sistemul 1 este inversul sistemului 2.
Sistemul invers 2 se sincronizează cu sistemul 1 dacă pentru orice semnal
s(t )  şi orice combinaţie de condiţii iniţiale (x0,ξ0) rezultă pentru cele două
sisteme:
lim sˆ(t )  s(t )  0 . (4.33)
t 

Să exemplificăm metoda sistemului invers de sincronizare folosind


circuite de tip Chua, ca în fig. 4.27, unde s-a presupus că schemele liniare ale
celor două subsisteme sunt identice. Tensiunea de la bornele rezistenţei neliniare
RN din circuitul Slave va fi forţată să fie identică cu tensiunea de la bornele lui
RN din circuitul Master. Rezultă că egalitatea iˆ1(t )  i1(t ) nu va depinde de
condiţiile iniţiale din circuitele Master şi Slave. Aceeaşi tensiune este aplicată
celor două sisteme liniare (care sunt presupuse identice), rezultând că:
iˆ2 (t )  i2 (t ) . În consecinţă, cel puţin asimptotic, iˆ1(t )  i(t ) , când t   , ceea
ce reprezintă condiţia de sincronizare a sistemului Slave cu sistemul Master.

Fig. 4.27 Sincronizarea a două sisteme Chua prin metoda sistemului invers

Pornind de la schema de principiu din fig. 4.27 s-a simulat în PSpice această
metodă prin conectarea unei surse de curent la unui sistem Chua (generator haotic)
[4], [5]. Curentul injectat este de tip sinusoidal, având o amplitudine de
0,9 mA la o frecvenţă de 500 Hz. Aşa cum se observă şi fig. 4.28, generarea
semnalelor haotice la emisie nu este afectată de sursa de curent, existenţa lor fiind
verificată prin reprezentarea lui v1 în funcţie de v2 (atractorul din imaginea
alăturată). Totuşi, la un nivel mai ridicat al curentului semnalului informaţional
(peste 0,1 mA), semnalul haotic este puternic afectat.
209
Fig. 4.28 Atractorul la emisie

Fig. 4.29 Tensiunile la emisie şi recepţie în punctele corespondente (v1)

De asemenea, se remarcă şi o limitare a frecvenţei semnalului


informaţional. De aceea este recomandată doar transmiterea semnalelor
analogice (eventual, modulate de tip PSK). Momentul sincronizării a fost ales,
ca şi la celelalte simulări, la t  10 ms , sincronizarea realizându-se relativ rapid,
aşa cum se observă şi în fig. 4.29. Refacerea semnalului informaţional (curentul
prin rezistenţa R46 ) se poate observa în fig. 4.30 [4], [5].

Fig. 4.30 Refacerea semnalului informaţional la recepţie şi semnalul original

210
Conceptul de sistem invers stă la baza modulaţiei haotice directe. Pentru a
exemplifica mai bine acest principiu, vom prezenta în continuare un sistem de
comunicaţii conţinând un „haotizator”, care transformă semnalul informaţional
de intrare într-un semnal haotic şi un „dehaotizator”, care transformă semnalul
haotic în semnalul informaţional original. Cele două denumiri au fost introduse
de autorii germani Frank Böhme şi Wolfgang Schwarz (în engleză „chaotizer” şi
„dechaotizer”) [8], şi reprezintă sisteme inverse unul faţă de celălalt. Ca
generator haotic se va folosi una dintre cele mai simple variante, şi anume
circuitul diodă-RL, aşa cum se observă în fig. 4.31.

Fig. 4.31 a) Circuitul cu diode RL; b) Refacerea tensiunii „conducătoare” vv


printr-o sursă de curent comandată; c) Modelul circuitului pentru diode

Acest generator haotic constă într-o conexiune serie dintre o sursă de


tensiune de curent alternativ, un rezistor liniar, o bobină liniară şi respectiv o
diodă, care este singurul element neliniar al circuitului. Caracteristica principală
a acestui circuit este că evoluţia curentului i este de tip haotic, pe când sursa de
tensiune vv , care îl conduce, este de tip nonhaotic. Dacă interpretăm această
tensiune ca mesaj de intrare, iar curentul apărut ca o mărime de ieşire,
conexiunea serie a diodei-RL poate fi înţeleasă ca un modulator mai deosebit, un
haotizator. Ideea de bază în proiectarea părţii corespondente, a dehaotizatorului,
este de a excita un circuit cu diodă-RL identic cu un curent i egal. Acesta este
dat de o sursă de curent comandată în curent (fig. 4.31 b)). De remarcat faptul că
acest curent nu depinde doar de tensiunea vv , ci şi de condiţiile iniţiale. Ieşirea
vr a dehaotizatorului depinde de aceste condiţii iniţiale. Dar, în anumite
circumstanţe, influenţa acestor condiţii iniţiale descreşte în timp. Deci tensiunea
vr va converge către vv şi cele două circuite pot fi considerate sincronizate.
O realizare practică a acestei metode de comunicaţie este arătată în
fig. 4.32, unde s-au folosit amplificatoare operaţionale. Catodul diodelor este
conectat la un punct de masă virtual. Curentul i trece prin R1 făcând ca tensiunea
 R1i să apară la ieşirea primului amplificator operaţional. Aceasta va fi, aşadar,
o tensiune cu o evoluţie haotică, fiind direct proporţională cu curentul i şi va fi
transmisă pe canal. La recepţie, această tensiune va genera i prin R1 , conducând
211
la apariţia tensiunii – replică a lui vr . Cu alte cuvinte amplificatorul operaţional
al haotizatorului funcţionează ca un convertor tensiune-curent, iar cel al
dehaotizatorului ca un convertor curent-tensiune.

Fig. 4.32 Comunicaţie bazată pe circuite cu diode-RL

Însă, nu orice semnal de intrare creează o transmisie haotică. De aceea,


dacă avem de transmis un semnal de joasă frecvenţă (semnal vocal), este de
preferat modularea în prealabil a acestuia. Acest fapt implică bineînţeles şi
prezenţa unui demodulator după dehaotizator.
De remarcat faptul că, spre deosebire de alte sisteme de comunicaţie
haotice, sistemul prezentat are un mod deosebit de a realiza sincronizarea, prin
faptul că emiţătorul şi receptorul nu sunt sisteme identice, ci „puternic inverse”.
Spre deosebire de tehnica CSK, aici nu este nevoie de resincronizări la fiecare
tranziţie a semnalului de date, deoarece haotizatorul şi dehaotizatorul sunt în
permanenţă în sincronism.
Să prezentăm în continuare fundamentul acestui principiu de sincronizare.
Fie un sistem neliniar de forma:
S1 : x  f (u) , (4.34)
cu intrarea u şi ieşirea x. Prespunând că funcţia f este inversabilă, atunci:
S1i : y  f 1(ui ) (4.35)
este sistemul invers corespondent. Egalitatea ui  x conduce la un sistem
identic, deoarece y  u . Aceeaşi situaţie este valabilă şi dacă S1 are proprietăţile
dinamice:
dn x d n 1 x
S1 :  F ( x,..., , u) , (4.36)
dtn d t n 1
unde F este o funcţie neliniară. Sistemul invers, corespondent, este caracterizat
de relaţia:
d ui d n ui
S1i :y Fu1 (ui ,..., n ) , (4.37)
dt dt
unde Fu1 este inversa funcţiei F.

212
Egalitatea ui  x face ca y să-l urmărească pe u fără efecte tranzitorii. Atât
S1 , cât şi S1i sunt extinse printr-un sistem S 2 care are la ieşire z şi respectiv z1 .
Intrarea u a sistemului S1 şi semnalul reconstituit r sunt date de relaţiile:
u  v  z;
(4.38)
r  y  zi .

Presupunând că S1i este invers cu S1 , atunci rezultă că:


y  u  r  v  z  zi . (4.39)

v u x y r
S1 S1i _
+ +
+
x zi
S2 S2

S Si
Fig. 4.33 Schema generalizată a unui sistem invers

În acest caz, condiţia z  zi este condiţia de sincronizare, iar


circumstanţele în care ea are loc au fost evidenţiate de Pecora şi Carroll: dacă
toţi coeficienţii Lyapunov ai lui S 2 sunt negativi, atunci z  zi , când t   .
Deoarece S 2 este un sistem nonautonom condus de x, coeficienţii Lyapunov se
numesc exponenţi Lyapunov condiţionali (CLE), ceea ce înseamnă că trebuie să
fie calculaţi în condiţiile unui semnal x  t  , variabil în timp. În aceste condiţii
s-a stabilit că dacă toţi CLE ai lui S 2 sunt negativi, atunci [9]:
z  zi  r  v. (4.40)
Concret, ecuaţiile care caracterizează haotizatorul din fig. 4.33 sunt
următoarele:
S1 : x  u  x, u  v  z;
(4.41)
S2 : w  x  Kg ( w), zi  g ( wi ).
Dehaotizatorul este descris de relaţiile:
S1i : y  ui  ui , r  y  zi
(4.42)
S2 : wi  ui  Kg ( wi ), zi  g ( wi )
unde wi este starea internă.
Presupunem că g este o funcţie continuă, astfel încât dacă w  w1 , atunci
z  zi . Pentru a determina condiţiile sincronizării, vom investiga
213
comportamentul lui w  wi  w , funcţia Lyapunov cu valori pozitive
(w)2
()  . Cu ajutorul ecuaţiilor din (4.41) şi (4.42) referitoare la S 2 putem
2
obţine prin derivare:
g (w)  g ( w  w)
(w)  w w  wK ( g (w)  g (wi ))  (w) 2 K . (4.43)
w
Se observă faptul că funcţia este direct proporţională cu derivata negativă
a funcţiei g, astfel că putem trage concluzia că funcţia Lyapunov este negativă,
oricare ar fi t, în două situaţii:
1. K  0 şi g este monoton crescătoare;
2. K  0 şi g este monoton descrescătoare.
Presupunând că admitem atât valori pozitive cât şi valori negative pentru
componentele de circuit, putem considera următorul criteriu de suficienţă: dacă
semnul produsului LRG este pozitiv şi funcţia vd  q  este monoton crescătoare
sau produsul LRG este negativ şi vd  q  este monoton descrescătoare, atunci
vr  vv , când t   .
Conceptul de haotizator/dehaotizator aparţine comunicaţiilor haotice
bazate pe metoda sistemului invers, putându-se deci arăta, şi pe cale analitică,
faptul că semnalul reconstituit este asimptotic egal cu cel original.

4.7 Sincronizarea sistemelor haotice prin impulsuri


Metodele de sincronizare de până acum presupuneau o acţiune
neîntreruptă a procesului de sincronizare din partea sistemului conducător
(Master) asupra unui sistem condus (Slave). Adică semnalul de sincronizare era
transmis şi prelucrat neîntrerupt, fie că era un semnal analogic, fie că era o
secvenţă în timp discret.
Recent, s-a propus o altă strategie de sincronizare, prin care se vor
transmite doar eşantioane ale unei variabile de stare (sau ale unei funcţii de
variabile de stare), sub forma unor impulsuri de sincronizare. Rezultă o reducere
a redundanţei informaţiei de sincronizare, o reducere a benzii utilizate sau a
timpului de ocupare a canalului pentru a transmite semnale de sincronizare. În
aceste condiţii, chiar şi unele sisteme haotice de ordin inferior pot asigura o
securitate sporită.
În sistemele de comunicaţii protejate, bazate pe sincronizarea prin
impulsuri, semnalul de sincronizare şi cel informaţional vor fi transmise sub
forma unor cadre de timp de T secunde. Fiecare cadru de timp constă din două
regiuni. Prima regiune, care are lungimea de Q secunde, este dedicată
transmiterii impulsului de sincronizare. A doua regiune, de lungime (T–Q)
secunde, va conţine mesajul informaţional scramblat. Deoarece, în mod uzual,

214
durata Q este mult mai mică decât T, timpul „pierdut” pentru sincronizarea
propriu-zisă (în defavoarea transmiterii mesajului informaţional) este neglijabil.

Numărul
cadrului 1 2 3 4

Timp 0 T 2T 3T 4T

Semnal informaţional
Impuls de sincronizare codat haotic (scramblat)

Q T -Q

(n-1)T nT

Fig. 4.34 Ilustrarea conceptului de sincronizare în impulsuri

Pentru a realiza practic acest sistem de sincronizare este obligatoriu ca


receptorul să posede proprietatea că, odată sincronizat, îşi menţine starea de
sincronism, chiar dacă semnalul conducător (emisie) şi-a încetat acţiunea.
Aparent, această cerinţă este contradictorie cu cea impusă altor tehnici de
sincronizare, unde este necesar să se sesizeze imediat starea de nesincronism (de
exemplu la sistemele CSK).
Din punct de vedere analitic s-a demonstrat posibilitatea sincronizării în
impulsuri de către Leon O. Chua şi Tao Yang, care au arătat că două sisteme
dinamice haotice rămân în sincronism o perioadă de timp după încetarea acţiunii
elementului care le-a adus în această stare (de sincronism) [8]. Ei au demonstrat
stabilitatea sistemelor haotice cuplate în impulsuri, în speţă a oscilatoarelor de
tip Chua, plecând de la un model de „ecuaţii diferenţiale în impulsuri”. Din
punct de vedere experimental s-a dovedit că metoda sincronizării prin impulsuri
a sistemelor de comunicaţii nu este aşa de uşor de aplicat, cel puţin din
următoarele motive:
- în actualele circuite, zgomotul este de neevitat;
- abaterile dintre parametrii sau între caracteristicile circuitelor din
emiţător şi receptor sunt, de asemenea, de neevitat;
- durata Q nu poate fi aleasă prea mică, mai ales dacă circuitele sunt de
tip hiperhaotic, deoarece prezenţa zgomotelor şi a neadaptărilor între
parametrii circuitelor pot desincroniza rapid sistemele haotice, care
fuseseră sincronizate pe durata Q a impulsului.
Primul exemplu de realizare a sincronizării prin impulsuri între două
circuite Chua este prezentat în fig. 4.35.

215
Fig. 4.35 Schema de principiu a sincronizării în impulsuri

Amplificatorul operaţional va conecta unidirecţional cele două circuite


Chua, prin intermediul unui comutator care se închide periodic.
În fig. 4.36 se observă menţinerea sincronizării după ce comutatorul a fost
deschis. Simularea în PSpice s-a realizat cu timpul de simulare de 40 ms [4], [5].

Fig. 4.36 Menţinerea sincronismului şi după întreruperea legăturii

Un al doilea exemplu de sincronizare între două circuite hiperhaotice de


tip Matsumoto este prezentat în fig. 4.37.

Fig. 4.37 Sincronizarea în impulsuri a sistemelor de tip hiperhaotic


216
După cum rezultă din fig. 4.37, în acest caz, prin intermediul unor
repetoare şi comutatoare, pentru realizarea sincronizării, se transmit impulsurile
a două stări, utilizându-se însă un singur canal cu diviziune în timp. Poziţia
liberă a comutatoarelor din fig. 4.38 este destinată transmiterii cu diviziune în
timp a mesajului informaţional.

Fig. 4.38 Sistem de transmitere a informaţiei bazat pe sincronizarea


în impulsuri a două circuite Chua

Cel de-al treilea exemplu din fig. 4.39 ilustrează posibilitatea transmiterii
unui mesaj informaţional prin intermediul a două circuite Chua, care sunt
sincronizate prin impulsuri.
Posibilitatea unei astfel de transmisii se poate pune în evidenţă prin
simulare în Matlab (Simulink) [4], [5].

a)

b)
Fig. 4.39 a) Impulsurile de sincronizare;
b) diferenţa semnal în linie – semnal estimat (recepţie)

217
Rezultatele sunt date în fig. 4.39, unde parametrii simulării sunt: timpul
total de 40 ms; perioada impulsurilor de sincronizare de 10 ms; factorul de
umplere al semnalului de sincronizare este de 3/10. Comutatorul „switch”
simulează trecerea receptorului din regim autonom în regim de sistem condus şi
invers, după cum dictează generatorul impulsurilor de sincronizare.
În fig. 4.40 a) se observă atractorul haotic la recepţie, confirmând
existenţa semnalelor de tip haotic. Din cauza tranziţiilor la schimbarea regimului
de funcţionare a receptorului există anumite „evadări” din zona atractorului, aşa
cum se observă în fig. 4.40 a). În 4.40 b) este reprezentată diagrama de
sincronizare pentru tensiunile v1 (emisie funcţie de recepţie).

a) b)
Fig. 4.40 a) Spaţiul fazelor (recepţie); b) Sincronizarea emisie/recepţie

Prezenţa sincronizării este semnalizată de atingerea nivelului zero de către


acest semnal, ceea ce s-ar traduce în fig. 4.40 b) în plasarea punctului de
urmărire pe diagonală [4], [5].
Concluzia trasă din această simulare este că durata de sincronizare este
mai mică de 1 ms, iar menţinerea este de aproximativ 3 ms. Dacă am transmite
impulsuri de sincronizare cu perioada de repetiţie de 5 ms şi factor de umplere 2/5,
am obţine efectul scontat, respectiv menţinerea permanentă a sincronizării.
Rezultatele sunt conforme cu această concluzie, aşa cum se observă şi în fig. 4.41.

Fig. 4.41 Diagrama de sincronizare în cazul impulsurilor corectate


218
Deşi aceste rezultate par suficiente, totuşi trebuie menţionat faptul că în
acest mod se rezolvă problema duratei intervalului Q şi a cadrului T, rămânând
de codat semnalul informaţional transmis pe durata T  Q .

4.8 Sincronizarea haotică folosind metode de estimare


a stării

Această metodă de sincronizare a fost propusă [10] ca o soluţie


generalizată pentru metodele de sincronizare clasice: descompunerea în
subsisteme şi metoda de cuplaj a sistemelor; în acest caz estimatorul utilizat
fiind o metodă de filtraj Kalman adaptată sistemelor neliniare.

Astfel putem pune problema în modul următor:


- presupunem o secvenţă generată de o ecuaţie recusivă neliniară:
xk 1  f  xk  , (4.44)

unde xk   x1  k  , x2  k  ,..., xd  k 


T
este vectorul de stare de dimensiune d, la
momentul k şi f  xn    f1  xn  , f 2  xn  ,..., f d  xn 
T
reprezintă ansamblul
ecuaţiilor neliniare care caracterizează sistemul haotic;

- semnalul transmis şi recepţionat sub forma:


yk  hT xk  nk , (4.45)

unde h   h1, h2 ,..., hd  şi nk reprezintă zgomotul de măsură, modelat sub forma


T

unui proces gaussian de medie nulă şi varianţă dată de E ni n j  Rij  0 .  


Vectorul h este utilizat, în principiu, pentru a limita dimensiunea vectorului
semnal de sincronizare transmis între sistemul Master şi cel Slave. Pentru a
limita complexitatea receptorului şi de asemenea numărul de canale de
transmisie necesare, semnalul de comandă este ales în general scalar.

Dacă grupăm cele două ecuaţii prezentate în (4.44) şi (4.45) ajungem la


un model neliniar, similar unui filtraj adaptiv de tip Kalman extins. Dacă scriem
direct ecuaţiile filtrului Kalman extins obţinem [10]:
- ecuaţiile de „update” temporal:
xˆk  f  xˆk 1  , (4.46)

xk  Ak 1 xk 1 AkT1 ; (4.47)


- ecuaţiile de „update” a observaţiilor:
219
  ,
1
 k  xk hT hxk hT  R (4.48)


xˆk  xˆk   k yk  hT xˆ  ,

k (4.49)

 xk      k Ck   xk , (4.50)
unde
F  x, uk , v 
Ak . (4.51)
x xˆ
k

Reprezentăm în figurile următoare secvenţa estimată, diagrama de


sincronizare şi variaţia câştigului Kalman şi a covarianţei erorilor, folosind
metoda filtrului Kalman extins. Simulările au fost realizate pentru funcţia
logistică de medie nulă, pentru 1000 de eşantioane, cu o varianţă a zgomotului
de observaţie R = 0,05.
Modelul ales pentru simulări a fost:
 xk 1  f  xk   vk
 (4.52)
 yk  xk  nk
unde, în cazul funcţiei logistice, funcţia neliniară este dată de f  xk   1  2 xk2 .

Câştigul Kalman este modificat adaptiv în fiecare moment, în funcţie de


starea sistemului şi de zgomotul de măsură. Putem observa de asemenea în
fig. 4.42 c) că în cazul sistemelor haotice, în mod diferit faţă de alte sisteme
unde câştigul Kalman se stabilizează şi converge către o valoare precisă,
comportamentul său nu este neapărat convergent şi, de asemenea, caracterul său
poate fi aperiodic.
De asemenea, dacă analizăm în mod calitativ performanţele de
sincronizare, observăm că introducerea zgomotului de măsură în modelul
sistemului va determina imposibilitatea obţinerii unei sincronizări perfecte,
adică vectorul de stare al sistemului Master şi vectorul de stare al sistemului
Slave nu vor fi niciodată egali.
Dacă vom combina ecuaţiile (4.47) şi (4.50) obţinem:


xˆk  xˆk   k yk  hT f  xk 1  .  (4.53)

Dacă în cazul ecuaţiei prezentate mai sus alegem câştigul Kalman


 k    ct. , obţinem:


xˆk  xˆk   yk  hT f  xk 1  ,  (4.54)

220
care este tocmai relaţia care exprimă metoda de sincronizare folosind cuplajul
între sistemele haotice.
De asemenea, dacă în cazul ecuaţiei (4.53) alegem h  [1,0,...,0]T ,
 k  [1,0,...,0]T , atunci metoda de sincronizare cu filtraj Kalman extins devine:

xˆ1k  yk , (4.55)

 
xˆk2  f 2 xˆ1k 1, xˆk21 , (4.56)

care este echivalentă cu metoda descompunerii în subsisteme [10].

Astfel este demonstrat, de o manieră empirică, că metoda de sincronizare


folosind filtrajul Kalman este o generalizare a metodelor de sincronizare clasice:
descompunerea în subsisteme şi cuplajul sistemelor.
În simulările efectuate mai sus am utilizat doar metoda de filtraj Kalman
extins, dar principalul inconvenient al acestei metode este linearizarea la primul
ordin al modelului neliniar ales, care poate conduce la erori în ceea ce priveşte
modul cum sunt calculate adevărata medie şi covarianţă folosind modelul
respectiv.
Pentru a depăşi aceste erori de linearizare vom folosi o metodă
particulară, bazată pe o transformare de tip Unscented. În cazul acestei
transformări distribuţia stării este considerată tot o distribuţie gaussiană, dar de
această dată folosim o mulţime minimală de puncte pe care le propagăm
folosind modelul neliniar şi apoi calculăm adevărata medie şi covarianţă.
Avantajul acestei transformări faţă, de exemplu, de un filtraj de tip particular
este că mulţimea punctelor este minimală, reducând astfel cu câteva ordine de
mărime timpul de calcul, performanţele fiind aproximativ asemănătoare.
În simulările efectuate mai jos se va realiza o comparaţie între cele două
tipuri de filtraj Kalman (extins şi unscented), pentru două generatoare haotice
discrete, considerând evaluarea erorii pătratice medii (EQM) între secvenţa emisă
şi secvenţa estimată la nivel de receptor şi EQM divizată la varianţa zgomotului
de observaţii ca parametri de performanţă. Pentru simularea filtrului Kalman
Unscented am folosit funcţiile dezvoltate de către Simon J. Julier şi Rudolph van
der Merwe.
Simulările au fost efectuate pentru modelul dat în (4.52), folosind un
număr de 4000 de eşantioane, cu o secvenţă de tranziţie de 500 de eşantioane şi
o varianţă a zgomotului considerată cu o creştere logaritmică în intervalul
[1E-6, 1E-1].

221
a) b) c)

Fig. 4.42 Sincronizarea folosind metoda de filtraj Kalman extins:


a) Secvenţa iniţială / estimată; b) Diagrama de sincronizare;
c) Câştigul Kalman / Covarianţa erorilor

222
La performance de la synchronisation pour EKF/UKF (logistic) La performance de la synchronisation pour EKF/UKF (logistic)
Le diagramme de synchronisation Le diagramme de synchronisation
0.16 1.6 1.5 1.5

EKF EKF 1
1

1.5 UKF
0.14 UKF 0.5
0.5

0
1.4

x estim[k]
x estim[k]
0
-0.5
0.12

EK
-0.5
1.3 -1

-1 -1.5
0.1 1.2 -1.5 -2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

EQM/R
x[k] x[k]
EQM

0.08 1.1 Le diagramme de synchronisation Le diagramme de synchronisation


1.5 2

F
1.5

0.06 1

0.9 0.5
0.5

x estim[k]
x estim[k]
0.04 0 0

0.8

UK
-0.5
-0.5
-1
0.02
0.7 -1
-1.5

-1.5 -2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0 0.6 x[k] x[k]
-6 -5 -4 -3 -2 -1 -6 -5 -4 -3 -2 -1
10 10 10 10 10 10 10 10 10 10 10 10 R = 1E-2 R = 1E-1
La variance du bruit R La variance du bruit R

F
a) b) c)

Fig. 4.43 Performanţa sincronizării pentru sistemul logistic:


a) EQM în raport la R; b) EQM/R în raport la R;
c) Diagramele de sincronizare pentru EKF, UKF | R = {1E-2,1E-1}

223
La performance de la synchronisation pour EKF/UKF (tent) La performance de la synchronisation pour EKF/UKF (tent)
Le diagramme de synchronisation Le diagramme de synchronisation
0.07 1 1.2 1.5

EKF EKF 1

UKF UKF 0.8


1

0.06 0.9 0.6

x estim[k]

x estim[k]
0.5
0.4

EK
0.05 0.2
0.8 0

0.04

EQM/R
-0.2 -0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
EQM

x[k] x[k]

0.7 Le diagramme de synchronisation Le diagramme de synchronisation


1.2 1.5

0.03
1

F
0.6 0.8
1

0.02 0.6

x estim[k]

x estim[k]
0.5
0.4

UK
0.5
0.01 0.2
0

-0.2 -0.5
0 0.4 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

-6 -5 -4 -3 -2 -1 -6 -5 -4 -3 -2 -1 x[k] x[k]

10 10 10 10 10 10 10 10 10 10 10 10 R = 1e-2 R = 1e-1
La variance du bruit R La variance du bruit R

F
a) b) c)

Fig. 4.44 Performanţa sincronizării pentru sistemul tent:


a) l’EQM în raport la R; b) l’EQM/R în raport la R;
c) Diagramele de sincronizare pentru EKF,UKF | R = {1E-2,1E-1}

224
În fig. 4.43 şi 4.44 putem observa performanţele aproape egale între
estimatorul Kalman extins şi cel Unscented pentru varianţe mici ale zgomotului
de observaţie, dar observăm de asemenea îmbunătăţirea performanţelor metodei
Unscented pentru varianţe ale zgomotului în intervalul [1E-2, 1E-1]. Putem
vedea o îmbunătăţire semnificativă în cazul sistemului logistic, care este
caracterizat de o neliniaritate de ordin doi, faţă de sistemul tent, cu o structură
liniară pe porţiuni. Acest lucru este observat de o manieră calitativă şi pe
diagramele de sincronizare.
În concluzie putem spune că utilizarea acestei metode de sincronizare
(metoda Unscented) în domeniul telecomunicaţiilor, în particular în cazul
sistemelor cu spectru împrăştiat, caracterizate prin condiţii dificile de canal, va
avea performanţe superioare. Costul de calcul va fi de asemenea superior, dar
mult mai redus în raport cu alte metode, cum ar fi, de exemplu, filtrajul particular.

4.9 Sincronizarea prin trenuri de impulsuri multiplexate


În literatura de specialitate se studiază şi problema sincronizării
multiplexate a mai multor perechi de sisteme haotice Master-Slave, aşa cum se
prezintă în fig. 4.45.

Fig. 4.45 Sincronizarea mai multor perechi Master-Slave

În fig. 4.45 sunt N sisteme Master, caracterizate de stările i (n)  1, N .


Sistemele Master produc la ieşire trenuri de impulsuri yi    . Acestea sunt
multiplexate aditiv, iar semnalul rezultat p    este transmis sistemelor Slave
printr-o singură linie. La recepţie, un distribuitor separă din trenul de impulsuri
p    impulsurile de sincronizare pentru fiecare din cele N sisteme de tip Slave.
225
T. Saito şi W. Schwarz au demonstrat o teoremă care garantează sincronizarea
celor N perechi Master-Slave, în condiţiile în care toate au aceiaşi parametri.
Acestea pot fi însă personalizate prin alocarea de parametri diferiţi. Pentru a
obţine o sincronizare robustă, sunt folosite trenuri de impulsuri periodice stabile.
Acest sistem de sincronizare poate fi folosit pentru transmiterea multiplexată a
mai multor semnale informaţionale.

4.10 Sincronizarea sistemelor haotice de comunicaţii


cu parametri sau canale de transmisiuni variabile
în timp
Până acum am presupus că parametrii sistemelor de la emisie şi recepţie
sunt identici şi nu variază în timp. Mai mult s-a considerat că perturbaţia
introdusă de canalul de transmisiune se datorează zgomotului aditiv, benzii
limitate a canalului etc., dar nu şi variaţiei în timp a caracteristicilor canalului. În
aceste condiţii semnalul transmis prin canal sincroniza receptorul. Practic, s-a
dovedit că atât parametrii sistemelor dinamice de la emisie şi recepţie şi, mai ales,
cei ai canalului de transmisiuni pot fi variabili în timp, lucru care poate duce la
desincronizarea legăturii de comunicaţie. În aceste condiţii se propune introducerea
suplimentară a unor controleri adaptivi, aşa cum este ilustrat în fig. 4.46.

Fig. 4.46 Sincronizarea a două circuite Chua printr-un canal variabil în timp

Circuitele Chua de la emisie şi recepţie sunt descrise de seturile de ecuaţii:


 1
 1 C G (v2  v1 )  f (v1 ) 
v 
 1
 1
v2  G (v1  v2 )  i3  , (4.57)
 C 2
 1
i3  (v2  r i3 )
 L
respectiv
226
 1
v  G (v2  v1 )  f (v1 )  k  K r (t ) s (t )  v1 
 C1 
1

 1
v2  G (v1  v2 )  i3  (4.58)
 C 2
 1
i3   v2  r i3 
 L
unde f  v1  este funcţia de neliniaritate bine cunoscută, iar s  t   KC  t  v1 ;
KC  t  este câştigul variabil în timp al canalului. Ideea este ca la recepţie să se
realizeze un câştig K r  t  , astfel încât KC  t  Kr  t   1 , pentru t   .
Caracteristica dinamică a controlerului K r  t  poate fi aleasă foarte
diversificat. În literatura care tratează aceste probleme se propun şi se discută
rezultatele pentru diferite forme ale funcţiei controlerului [11], cum ar fi:
Kr (t )  k1  Kr (t ) s(t )  v1  (4.59)
sau:


Kr (t )  k1 Kr (t ) s 2 (t )  s(t )v12 . (4.60)

De remarcat este cea de-a doua formă (4.60), care corespunde unui
controler adaptiv de tip LMS.
Putem simula comportarea canalului alegând următoarea funcţie :
KC (t )  0,5  0,1sin(75t ). (4.61)
Fig. 4.47 evidenţiază formele acestor funcţii de câştig în cazul ideal, când
K r  t  este inversa funcţiei de timp KC  t  din relaţia (4.61).

Fig. 4.47 Câştigul variabil în timp al canalului (r)


şi cel al controlerului adaptiv (v)

227
Fig. 4.48 Diferenţa semnalelor emis/recepţionat în condiţiile
variaţiei canalului

Dacă nu se foloseşte controlerul adaptiv, se observă că semnalul diferenţă


nu mai este nul, conducând la desincronizarea sistemelor. De asemenea, dacă
factorul de cuplaj k devine prea mic, 1 k creşte mult şi sistemele nu se mai
sincronizează chiar dacă avem un canal cu câştig permanent unitar. Controlerul
adaptiv poate rezolva şi această problemă, ducând eroarea de sincronizare foarte
aproape de zero.
Desincronizarea poate avea şi alte cauze, cum ar fi variaţia parametrilor
sistemelor emisie/recepţie în timp. Această problemă poate fi rezolvată prin
controleri adaptivi pentru fiecare element în parte. Trebuie totuşi ţinut cont de
faptul că această compensare a variaţiei parametrilor se realizează pentru
modificări relativ lente ( f  1 180 ) ale canalului (parametrilor de sistem), pentru
modificări rapide controlerele neputând compensa variaţiile.

4.11 Comunicaţii haotice robuste cu sau fără


sincronizare
Posibilitatea de a face o predicţie pe termen lung a comportării haotice a
unui sistem dinamic a fost atractivă, din primul moment, pentru realizarea
comunicaţiilor protejate. Utilizarea unei baze de funcţii neperiodice, de tip
haotic oferă un uriaş potenţial pentru realizarea unor capacităţi mari de
transmisie. În plus proprietăţile semnalelor haotice conduc la micşorarea
probabilităţii de interceptare sau detecţie din partea unui utilizator neautorizat.
Însă utilizarea semnalelor haotice în emiţătoare şi receptoare a ridicat din capul
locului necesitatea sincronizării. După rezultatele anunţate de Pecora şi Carroll,
au fost propuse o serie de alte strategii şi alternative la metodele de sincronizare
a „sistemelor identice” (Master-Slave). De asemenea, s-au realizat tehnici de
sincronizare prin sisteme nonautonome la recepţie [12].

228
Termenul de sincronizare s-a referit la început la „sincronizarea identică”,
în care traiectoriile sistemelor cuplate erau identice şi în fază. Dar o sincronizare
precisă presupune o adaptare ideală a parametrilor celor două sisteme. Orice
discrepanţă de la această adaptare ideală poate conduce la desincronizarea
sistemelor. În plus şi variaţia în timp a canalului poate complica aplicarea
strategiilor bazate pe condiţii ideale de funcţionare a sistemelor dinamice
cuplate. Trebuie deci analizate, la nivel de sistem, efectele distructive asupra
legăturii de comunicaţie şi, în particular, asupra sincronizării din partea
fadingului, zgomotelor gaussiene aditive şi a limitărilor de bandă ale canalului.
Toate aceste cauze trebuie analizate ca efect însumat asupra ratei erorilor de biţi
(BER) a receptorului.
S-a impus o nuanţare a conceptului strict de sincronizare (ideală sau
perfectă), care să permită obţinerea unor sincronizări robuste în cazul condiţiilor
reale de funcţionare ale elementelor unui sistem de comunicaţii. De exemplu, să
se realizeze o transformare continuă a traiectoriilor dintr-un spaţiu al stărilor în
celălalt spaţiu al stărilor, corespunzătoare celor două sisteme dinamice cuplate.
Iar apoi, într-un alt nivel ierarhic de sincronizare, să se păstreze, în limite
precise, diferenţa fazelor traiectoriilor sistemelor dinamice cuplate.
În capitolul „Metode de modulaţie” se menţionează existenţa unei tehnici
deosebite, respectiv FM-DCSK (Frequency Modulated Differential Chaos Shift
Keying), care aduce ca element nou faţă de alte metode tocmai stabilitatea
legăturii în condiţiile propagării multicale.
În comunicaţiile haotice, informaţia numerică utilă este adusă pe o
purtătoare de bandă largă, ceea ce conduce la o densitate spectrală scăzută a
semnalului transmis pe canal. Prin analiza formei spectrului formei de undă
specifice FM-DCSK s-a arătat (G. Kolumban & B. Frigyk [12]) că această
metodă de emisie/recepţie este rezistentă în condiţii de propagare multicale
severe, în care un sistem clasic (de bandă îngustă) nu ar putea face faţă.

BIBLIOGRAFIE
[1] Carroll T. L., Pecora L.M., Synchronizing Chaotic Circuits, in IEEE, vol.38.,
no. 4, Apr. 1991
[2] Carroll T. L., Pecora L.M., Syncronizing Nonautonomous Chaotic CIrcuits in
IEEE, vol. 40, nr. 10, Oct. 1993
[3] Pospisil J., Brzobohaty J., Kolka Z., Elementary Canonical State Models of
Lure’s systems, and their application in synchronized chaos, ECCTD '99, Stresa,
Italy, 1999
[4] Munteanu D., Sistem de sincronizare pentru comunicaţii pe purtătoare haotică,
Proiect de diplomă, Academia Tehnică Militară, Bucureşti, iunie 2000
[5] Şerbănescu A., Andrei D., Munteanu D., Studiu comparativ privind metodele de
modulaţie şi sincronizare folosite în comunicaţiile haotice, Raport fază Grant
ANSTI cu tema „Comunicaţii de bandă largă folosind sisteme dinamice haotice”,
noiembrie 2000.

229
[6] Cuomo K.M., Oppenheim A.V., Strogatz H.S., Synchronization of Lorenz –
Based Chaotic Circuits with Application to Communications, in IEEE, Trans on
CAS, vol. 40, nr. 10, October 1993
[7] Brucoli M., Cafagna D., Synchronization of hiperchaotic circuits via continuous
feedback control with application to secure communication, International Journal
of Bifurcation and chaos, vol. 8, no. 10, 1998
[8] Feldman U., Hasler M., Schwarz, W., On the design of a synchronizing inverse
of a chaotic system, in ECCTD ’95, Istambul, 1995
[9] Pecora L.M., Carroll T.L., Johnson G.A., Mar D.J., Heagy J.F, Fundamentals of
Synchronization in chaotic systems, concepts and applications, American
Institute of Physics, no. 4, 1997
[10] Leung H., Zhu Z., „Performance Evaluation of EKF-Based Chaotic
Synchronization”, IEEE Transactions on Circuits and Systems, vol. 48
[11] Dedieu. H., Ogorzalek, M., Identification of chaotic systems based on adaptive
synchronization, in ECCTD ’97, Sept. 1997
[12] Kolumban G., Frigyik B., Robust chaotic communication without
Syncronization, ECCTD '99, Stresa, Italy, 1999
[13] Dedieu H., Kennedy M.P., Hasler M., Chaos Shift Keying: Modulation and
Demodulation of a Chaotic Carrier Using Self – Synchronization Chua’s Circuits
in IEEE, vol. 40, nr. 10, Oct. 1993
[14] Hasler M., Synchronization of chaotic system and transmision of information on
chaotic carriers, Proc., ISCAS, 1994
[15] Carroll T. L., Communicating with Use of Filtered, Synchronized, Chaotic
Signals, in IEEE, Trans on CAS, vol. 42, nr. 3, March 1995
[16] Carroll T. L., Pecora L.M., Synchronizing hiperchaotic volume-preserving maps
and circuits, in IEEE, Trans on CAS, vol. 45, nr.6, June 1998
[17] Hassler M., Synchronization of chaotic systems and transmission of information,
Proc., of Etc '98, Timisoara, 1998
[18] Angeli A.D., Genesio R., Tesi A., Dead-Beat Synchronization in Discret Time
Systems, in IEEE, Trans on CAS, vol. 42, nr. 1, Jan. 1995
[19] Koh C.L., Ushio T., Digital Communication Method Based on M- Synchronized
Systems, in IEEE, Trans on CAS, vol. 44, nr. 5, May 1997
[20] Koike R., Sekiya H., Synchronization of two chaotic circuits coupled by delay
line, in ECCTD ’97, Budapest, Sept. 1997
[21] Celka P., Error feedback chaos Synchronization, ECCTD’95, Istambul, Turky,
1995
[22] Sharma N., Poonacha P., Obtaining synchronization for a class of chaotic
systems, International Journal of Bifurcation and chaos, vol. 7, no. 11, 1997
[23] Geza Kolumban, Michael Peter Kennedy, The Role of Syncronization in Digital
Communications Using Chaos-Part I: Fundamentals of Digital Communications,
IEEE Transactions on circuits and systems, vol. 44, no. 10, Oct. 1997
[24] Geza Kolumban, Michael Peter Kennedy, The Role of Syncronization in Digital
Communications Using Chaos-Part II: Chaotic Modulation and Chaotic
Syncronization, IEEE Transactions on circuits and systems, vol. 45, no. 11,
Nov. 1998

230
CAPITOLUL 5

CRIPTAREA CU HAOS
Constantin CEHAN
SERVICIUL DE TELECOMUNICAŢII SPECIALE, Bucureşti

În 1998, Baptista a propus ,,Metoda de criptare haotică” [1], care poate fi


o alternativă la metodele de criptare folosite astăzi. Criptarea cu haos este noua
direcţie spre care se îndreaptă această ştiinţă, existând deja numeroase lucrări în
acest sens. Aplicarea haosului în criptografie este sugerată de proprietăţile sale,
şi anume sensibilitatea la condiţiile iniţiale şi pierderea informaţiei cu privire la
punctul de plecare (de start). Aşa cum vom vedea în cele ce urmează, există
neajunsuri, dar şi avantaje determinate de folosirea acestei metode. Dezavantajele
acestei metode sunt determinate de viteza mică de lucru şi complexitatea
calculelor în virgulă mobilă, ceea ce ar face această tehnică dificil de
implementat în timp real. Principalul avantaj îl constituie gradul înalt de securitate
oferit de această metodă. Scopul acestui capitol este de a prezenta metodele
semnificative de criptare şi de a efectua o analiză a acestora, care să permită
evidenţierea avantajelor şi dezavantajelor folosirii sistemelor dinamice în criptare.

5.1 Metoda generală de criptare GCEM


(„Generalized chaotic encryption method”)
Metoda generală de criptare are la bază metoda de criptare propusă de
Baptista [1] în 1998. Scopul introducerii acestei metode este determinat de
nevoia de a avea o metodă de referinţă de criptare simplă, care să folosească şi ca
element de comparaţie, din punct de vedere al performanţelor, cu celelalte metode.
Principiul metodei este prezentat în continuare. Mesajul care trebuie
transmis aparţine în mod normal unui alfabet, iar un caracter, care aparţine
acestui alfabet, poartă numele de unitate de alfabet. În primul rând, înainte de
criptarea caracterului din textul clar, trebuie să definim o asociere între porţiuni
(pe care le vom numi site-uri) ale atractorului funcţiei haotice şi unităţile de
alfabet. Faptul că porţiunile atractorului nu vor fi niciodată mulţimi vide, pentru
valori corespunzătoare ale parametrului k, este determinat de proprietatea de
ergodicitate a oricărui sistem dinamic haotic. Această asociere este cunoscută
atât de emiţător, cât şi de receptor. Există mai multe metode de asociere,
putându-se păstra sau nu confidenţialitatea regulii de asociere a caracterelor.
Acesta poate fi făcută publică sau nu, făcând parte din cheie.
În metoda sa, Baptista asocia codul extins ASCII al fiecărui caracter cu un
interval de valori aparţinând atractorului funcţiei logistice, aşa cum este
prezentat în fig. 5.1. Intervalul de valori este egal ca dimensiune pentru fiecare
caracter asociat.

231
Fig. 5.1 Metoda de asociere generală a site-urilor

În fig. 5.1 se reprezintă schematic modul prin care se asociază unităţile S


ale alfabetului cu intervalele . Fiecare interval are dimensiunea
[ X min  (S  1), X min  S] , unde S  256 (numărul total de caractere),
  ( X max  X min ) / S (dimensiunea unui interval) şi [ X min , X max ] este o
porţiune a atractorului (poate fi tot atractorul) considerată din motive de
uniformitate a distribuţiei valorilor pentru fiecare site.
Pentru un caracter din textul clar, cifrul se construieşte astfel: se
determină codul ASCII al caracterului, se realizează corespondenţa între caracter
şi site-ul asociat şi, pornind de la o condiţie iniţială şi o anumită valoare a
parametrului de control k, se determină numărul de iteraţii necesar pentru ca
traiectoria să ajungă prin iteraţii succesive în site-ul respectiv. Numărul de
iteraţii reprezintă textul cifrat şi se foloseşte împreună cu cheile secrete:
asociaţiile între S intervale  şi S unităţi ale unui alfabet, prima condiţie iniţială
X 0 şi parametrul de control k (de unde cele S+2 chei secrete) de către receptor
pentru decriptarea textului cifrat (obţinerea caracterului original) prin iterarea
ecuaţiei logistice de un număr de ori indicat de textul cifrat. Punctul final obţinut
în urma acestor iteraţii determină, la recepţie, prin poziţia sa în cadrul celor S
intervale  caracterul original transmis.
În paragraful anterior ne-am referit la X 0 ca fiind prima condiţie iniţială. În
continuare, de fiecare dată când se criptează o unitate din textul clar şi se obţine un
cifru valid, pentru criptarea următorului caracter nu se va mai folosi condiţia iniţială
care făcea parte din cheia de criptare, deoarece traiectoria curentă va constitui noua
valoare iniţială pentru următoarea iteraţie. Rezultă că valoarea iniţială folosită
pentru criptarea celui de-al doilea caracter din textul clar va fi:
232
1
X 0  F C ( X 0 ) , (5.1)
1
unde F C este a C1-a iteraţie a ecuaţiei logistice. Dacă C2 este textul cifrat al
celei de-a doua unităţi din textul clar, condiţia iniţială folosită pentru a cripta cea
de-a treia unitate a aceluiaşi text clar este:
2
X 0  F C ( X 0 ) . (5.2)
Această regulă se aplică în continuare unităţilor din textul clar care au mai
rămas de criptat.
Valoarea condiţiei iniţiale se modifică pentru a permite diferitelor unităţi
de text clar să aibă aceeaşi unitate de text cifrat şi în plus două caractere identice
nu vor avea acelaşi echivalent cifrat. Se realizează în acest fel o criptare
polialfabetică sporind performanţele metodei de criptare.
De remarcat că lui X 0 i se poate atribui valoarea F C C ( X 0 ) , dar se
1 2

preferă să nu se folosească această notaţie, deoarece indiferent de valoarea


iniţială, unitatea cu indicele n de text cifrat Cn este un număr care nu depăşeşte
valoarea 65532 (număr reprezentabil pe 16 biţi).
Datorită ergotismului, un număr infinit de traiectorii (pornind de la o
valoare oarecare X 0 ), de diferite dimensiuni ajung în acelaşi interval . Ca
rezultat, o unitate dintr-un text clar poate fi criptată într-un număr infinit de
moduri. Totuşi, a lucra cu un număr aşa mare de posibilităţi nu este practic şi
nici necesar.
Motivul pentru care se consideră un spaţiu al traiectoriilor de dimensiune
mică, spaţiu care reprezintă o unitate din textul criptat, se bazează pe existenţa
unei densităţi naturale, invariante a atractorilor haotici. Această densitate
invariantă care reprezintă distribuţia spaţială a traiectoriei de dimensiune infinită
şi se poate descrie cu o traiectorie de dimensiune finită. În plus, datorită
ergotismului, aproape orice condiţie iniţială, în urma iteraţiei, generează un
atractor cu aceeaşi densitate naturală invariantă. Datorită ergotismului sistemelor
haotice, aproape orice condiţie iniţială iterată de un număr finit de ori va atinge un
interval  de mai multe ori, demonstrând astfel că acest interval aparţine atractorului.
Pentru a calcula densitatea naturală invariantă, trebuie să considerăm o
traiectorie de N iteraţii, pornind de la un anumit X 0 şi să verificăm distribuţia sa
în intervalele  în care împărţim atractorul. Aşa s-a ajuns la valoarea de
65532 iteraţii, astfel încât Cn să fie uşor şi rapid de calculat şi trimis receptorului
folosind numai o transmisie a unui întreg pe 16 biţi.
Am insistat mai mult asupra algoritmului de criptare folosind GCEM,
deoarece toate consideraţiile făcute relativ la această metodă se aplică şi la celelalte
metode care urmează a fi prezentate. Metoda generală de criptare (GCEM) poate fi
considerată o metodă fără parametru de uniformizare a cifrului (vezi metoda lui

233
Baptista şi metodele 1 şi 2 ale lui K. W. Wong). Această metodă poate fi folosită
pentru prezentarea principalelor particularităţi ale tehnicilor de criptare haotică.
Avantajele metodei de criptare sunt:
- metodă simplă de criptare, deoarece criptarea se realizează prin iteraţie;
- nivel înalt de securitate, pentru că securitatea depinde de cheia folosită.
Dezavantajele metodei de criptare sunt:
- trebuie memorată o mare cantitate de cifre, deoarece sunt necesari mulţi
biţi pentru a memora numărul de iteraţii;
- viteza de criptare este relativ mică, datorită faptului că necesită precizie
mare în calculele în virgulă mobilă şi un număr mare de iteraţii;
- implementarea fizică a algoritmului depinde de compilatorul utilizat,
limbajul de programare şi stilul de programare.
5.1.1 Simularea metodei de criptare
Tabelul 5.1
Condiţiile de simulare a metodei lui Baptista
Metoda generală de criptare are la bază lucrarea
Mesaj
lui Baptista (1998)
Lungimea mesajului 70 de caractere (560 biţi)
Condiţia iniţială 0,6197779
Parametrul funcţiei logistice 3,971260797977
Domeniul de valori xmin = 0,2; xmax = 0,8
Numărul de biţi cu care se
8 biţi
reprezintă caracterele

În urma simulării metodei prin implementarea algoritmului în DELPHI, s-au


obţinut următoarele rezultate: timpul de criptare a fost de 0,06 s, iar decriptarea a durat
mult mai puţin, circa 0,05 s. Viteza de criptare este de 33,527 kb/s. În ceea ce priveşte
proprietăţile cifrului rezultat, am sintetizat aceste rezultate sub forma unui tabel.
Tabelul 5.2
Rezultatele simulării metodei lui Baptista
Dimensiunea
5 6 7 8 9 10 11 12 13 14 15 16
cifrului [biţi]
În afara gamei
110 65 52 8 6 3 1 – – – – –
de reprezentare

Din rezultatele de mai sus se poate deduce că cifrul nu poate fi memorat în


8 biţi/caracter, ci este nevoie de cel puţin 12 biţi pentru a memora cifrul. Observăm
că din cele 236 de caractere doar 126 se pot cripta prin numere (de iteraţii)
reprezentabile pe 5 biţi, 171 de caractere prin numere pe 6 biţi, 184 de caractere prin
numere pe 7 biţi şi aşa mai departe. Trebuie menţionat însă că nu există nici o
garanţie că numărul de iteraţii (cifrul) se poate reprezenta pe 12 biţi pentru orice
234
caracter, din moment ce acest număr poate fi foarte mare pentru o anumită traiectorie
şi, în plus, este şi imprevizibil. Pentru a evita această problemă, dimensiunea cifrului
trebuie să fie mai mare de două ori decât dimensiunea pe care se reprezintă un
caracter din textul în clar (în cazul de faţă fiind 256 de caractere, dimensiunea pe care
se reprezintă un caracter este de 8 biţi), deci cifrul va fi reprezentat pe 16 biţi.

5.2 Metoda WWK 2 (Metoda a doua a lui K. W. Wong)


Această metodă a fost propusă de Wong [2] în 2001. Conform autorului,
la începutul criptării unui mesaj din textul în clar, se generează aleator un număr
aparţinând intervalului [0...Rmax], unde Rmax reprezintă un număr pe care este
nevoie să-l ştie numai transmiţătorul. În cadrul metodei propuse de Wong,
pornind de la o anumită cheie, se iterează funcţia haotică de atâtea ori cât
presupune numărul aleator, fie el R, cu 0<R<Rmax. După aceea continuăm
iterarea funcţiei pentru a determina un site de destinaţie, să spunem încă de n ori.
Cifrul pe care îl trimitem la recepţie reprezintă suma (R+n).
Avantajele metodei:
- capacitatea de a produce cifruri diferite în condiţiile criptării aceluiaşi
mesaj, utilizând aceeaşi cheie.
Dezavantajele metodei:
- aceeaşi procedură de decriptare;
- performanţa metodei este afectată de Rmax. Cu cât Rmax este mai mic, cu
atât va creşte probabilitatea de a rezulta acelaşi cifru. Dacă Rmax este mare,
atunci există şanse să nu mai găsim cifrul asociat unui caracter dacă
numărul de biţi pentru reprezentare nu este ales corespunzător.
5.2.1 Metoda WWK2. Simularea metodei
Simularea acestei metode şi condiţiile aplicării acestor simulări sunt
prezentate în cele ce urmează.
Tabelul 5.3
Condiţiile de simulare a metodei WWK2
Mesaj Această metodă a fost propusă de Wong (2001)
Lungimea mesajului 44 de caractere
Condiţia iniţială 0,6197779
Parametrul funcţiei logistice 3,971260797977
Domeniul de valori xmin = 0,2; xmax = 0,8
Numărul de biţi cu care se
8 biţi
reprezintă caracterele din textul clar
Timpii necesari criptării/decriptării folosind această metodă, în funcţie de
valoarea lui Rmax, sunt prezentaţi în tabelul 5.4.

235
Tabelul 5.4
Rezultatele simulării metodei WWK2
Timp de execuţie
Rmax
Criptare [s] Decriptare [s]
0 0,14 0,11
500 0,17 0,11
1000 0,18 0,16
1500 0,22 0,18
2000 0,22 0,18
5000 0,33 0,28
10000 0,44 0,39
20000 0,77 0,66

Grafic, reprezentarea dependenţei timpului de procesare de parametrul


Rmax este prezentată în fig. 5.2, 5.3. Conform rezultatelor, timpul de decriptare
este acceptabil pentru orice valoare a lui Rmax. Timpul de criptare creşte liniar cu
valoarea lui Rmax. Când valoarea lui Rmax este foarte mare, este posibil să nu mai
găsim cifrul corespunzător, dacă dimensiunea acestuia este setată la 16 biţi. O
valoare a lui Rmax în jur de 20000 se poate aplica cu succes, rezultând la ieşire
cifruri diferite în condiţiile aplicării aceluiaşi mesaj la intrare.

Fig. 5.2 Timpul de criptare/decriptare Fig. 5.3 Timpul de criptare/decriptare


pentru metoda WWK2 per caracter pentru metoda WWK2

5.3 Metode de asociere a unui caracter cu un site


În prezentarea metodei de criptare GCEM am precizat că există mai multe
metode de asociere între unităţile alfabetului (din care se compune textul în clar)
şi porţiuni ale atractorului funcţiei logistice. În acea parte am prezentat pe scurt
metoda de asociere propusă de Baptista. Putem asocia unui caracter un interval
din spaţiul fazelor sistemului haotic, egal ca mărime pentru fiecare caracter, sau
putem găsi o schemă de asociere care să presupună intervale neregulate, diferite
ca mărime, deci porţiuni mai mari sau mai mici din atractor. De asemenea,

236
intervalul asociat poate fi continuu pe axa reală sau distribuit în mai multe
porţiuni în cadrul atractorului.

5.3.1 Metoda generală de asociere


Metoda generală de asociere a unei traiectorii unui site presupune
divizarea atractorului în 256 intervale corespunzătoare codului ASCII al
caracterelor. Caracterului cu codul ASCII 0 îi va corespunde intervalul I0 situat
 
între limitele  xmin , xmin  ( xmax  xmin )  . Caracterului cu codul ASCII 97 (adică
 256 
„a”) îi va corespunde intervalul I97, care este situat între limitele date de
 
intervalul:  xmin 96 max min , xmin 97 max min  . În ceea ce priveşte limitele
( x  x ) ( x  x )
 256 256 
precizate de xmin sau xmax, în lucrarea lui Baptista, acestea sunt setate la 0,2,
respectiv 0,8. Acest fapt se datorează faptului că traiectoriile tind să cadă
uniform în acest interval. Matematic, această asociere este descrisă de:
t  xmin
s  int(  n) , (5.3)
xmax  xmin
unde s reprezintă site-ul asociat (care reprezintă un număr între 0 şi (n–1)),
t reprezintă traiectoria, n este numărul de site-uri utilizate în asociere,
iar int reprezintă partea întreagă a expresiei.

Fig. 5.4 Metoda generală de asociere

Această ecuaţie asociază uniform site-urile într-o gamă continuă de valori.


Metoda generală de asociere este utilizată în lucrările lui Baptista şi Wong.

5.3.2 Metoda uniform distribuită de asociere


Această metodă de asociere [3] stabileşte pentru un caracter porţiuni
distribuite în întreg atractorul, caracterele având asociate site-uri distribuite în
întreg spaţiul fazelor ecuaţiei haotice. Ecuaţia conform căreia se face această
asociere este următoarea:
t  xmin
s  [int(  n  f )]mod(n) , (5.4)
xmax  xmin
unde s reprezintă site-ul asociat, traiectoria este un număr real cuprins între
xmin şi xmax, unde n reprezintă numărul de site-uri, iar f reprezintă un factor de
237
divizare a site-ului în mai multe porţiuni distribuite de-a lungul întregului
atractor.

Fig. 5.5 Metoda uniform distribuită de asociere

Această metodă de asociere nu influenţează distribuţia cifrului sau relaţia


dintre traiectorie şi un site. Vom argumenta această proprietate la momentul
potrivit. Putem considera factorul f ca făcând parte din cheie, în scopul
controlului acestui tip de asociere. Această proprietate creşte securitatea
metodelor de criptare haotică, pentru că asocierea la recepţie trebuie să fie
absolut identică cu cea de la emisie, iar acest lucru presupune cunoaşterea lui f.
În acest fel, din moment ce asocierea este variabilă, rezultă o creştere a
complexităţii problemei din punct de vedere al criptanalistului.
Un alt mare avantaj al acestei metode de asociere este utilizarea eficientă
a traiectoriei. În lucrarea sa, Baptista fixează o gamă fixă a valorilor, între
[0,2…0,8], pentru 256 de site-uri. Această constrângere reprezintă o utilizare
ineficientă a traiectoriei, întrucât cele mai multe traiectorii sunt considerate
invalide sau sunt neutilizate. Conform metodei de asociere uniform distribuite,
această problemă este rezolvată în sensul că traiectoriile ce cad la marginea
intervalului de definiţie, aproape de 0 şi 1 (lucru observat din diagrama
bifurcaţiilor), vor fi realocate site-urilor. În acest fel nu numai site-urile
inferioare (I0, I1) sau cele superioare (I254, I255) vor fi reprezentate mai bine din
punct de vedere al distribuţiei. Analizând pentru o anumită cheie distribuţia
traiectoriilor, putem aplica cu succes un parametru de divizare, care să ne ofere
posibilitatea modificării distribuţiei traiectoriilor, atunci când ni se pare că prin
alegerea unor chei distribuţia traiectoriei nu este corespunzătoare.
Unii autori [3] consideră că asocierea neuniformă, pe lângă faptul că necesită
un algoritm complex de realizare, depinde şi de caracteristicile mesajului (distribuţia
lor statistică). Conform acestui punct de vedere, ar însemna că informaţia trebuie să
fie stocată înainte de a fi transmisă, ceea ce nu este recomandabil, întrucât, în
criptografie, orice fel de informaţie despre mesaj este vulnerabilă. Asocierea
neuniformă, ca şi cea uniform distribuită, are scopul de a utiliza cât mai eficient
traiectoriile. Într-adevăr, algoritmul de realizare este complex, dar este rezolvată
problema în ceea ce priveşte atenţia în selectarea cheilor, în sensul că dacă există
cel puţin o valoare (traiectorie) care să cadă în intervalul corespunzător unui site,
atunci se poate aplica algoritmul de asociere neuniformă.
În concluzie modificarea metodei de asociere nu afectează distribuţia
cifrului şi, în plus, nu intervine cu nimic asupra relaţiei dintre traiectorie şi site.
238
Metoda de asociere uniform distribuită este metoda care conduce la creşterea
nivelului de securitate al criptării haotice.
Avantajele metodei:
- asocierea devine necunoscută şi variabilă;
- este rezolvată problema limitării atractorului ecuaţiilor haotice;
- utilizarea eficientă a traiectoriei;
- comportamentul haotic în criptare nu este afectat cu nimic;
- creşte securitatea metodei;
- realizarea ei presupune o modificare simplă a metodei de asociere de bază.
Dezavantajele metodei:
- creşte timpul de procesare.

5.4 Evaluarea performanţelor

Am văzut că pentru criptarea unui mesaj, utilizând tehnicile de criptare


haotică, trebuia, în primul rând, să împărţim spaţiul fazelor în site-uri şi să
asociem fiecărui site un simbol, o unitate de alfabet. Conform diagramei
bifurcaţiilor, observăm că valorile pe care le ia funcţia nu sunt uniform
distribuite în cadrul atractorului. Distribuţia traiectoriilor ne arată câte valori ale
funcţiei nimeresc într-o porţiune a atractorului, adică într-un site. Numărul
maxim de valori calculate este de 65532 (reprezentabil pe 16 biţi) şi distribuţia
traiectoriilor arată cum se distribuie aceste valori site-urilor asociate din
atractorul funcţiei haotice.
Pentru conturarea unor concluzii am calculat distribuţia traiectoriilor,
pentru diferite valori ale parametrului şi condiţiei iniţiale ale funcţiei logistice,
rezultatele obţinute fiind prezentate în fig. 5.6. Din distribuţiile rezultate se
constată că alegerea unui parametru corespunzător şi a unei game
corespunzătoare sunt foarte importante pentru metoda generală de asociere
uniformă a caracterelor cu un site. Figura a doua evidenţiază faptul că un
parametru care determină un comportament periodic al funcţiei haotice nu va
putea fi folosit la criptare. Figura a treia şi a patra arată că unele dintre site-uri
sunt vizitate cu o probabilitate mai mare decât celelalte, care sunt vizitate fie de
mai puţine ori, fie deloc. Acest lucru reprezintă un impediment serios în
procesul criptării, pentru că dacă am folosi acest parametru drept cheie, este
posibil ca pentru anumite caractere din textul în clar să nu putem găsi cifrul.
Figura întâi ilustrează posibilitatea ca site-urile de la marginea intervalului să fie
atinse de un număr mai mare de ori decât cele situate în centrul intervalului de
valori adoptat.

239
x=0.895412
r=3.56785189

x = 0,565933
r = 3,9989607314

x=0.988323 x=0.4129599
r=3.62378191544739 r=3.748166255905

Fig. 5.6 Diagrama distribuţiilor pentru diverse valori ale parametrilor

În lucrarea sa, Baptista foloseşte o gamă de valori cuprinsă între


[0,2…0,8], pe care o împarte ulterior în 256 de site-uri corespunzătoare
caracterelor. Metoda sa nu presupune utilizarea unui factor de divizare a
atractorului în subspaţii. Limitele stabilite de Baptista asigură posibilitatea ca
orice site să fie atins la un moment dat, dacă valorile parametrului sunt în zona
în care exponentul Lyapunov este pozitiv. Însă această alegere iroseşte multe
traiectorii care pot să fie utilizate în criptare (traiectoriile care cad în afara
intervalului mai sus menţionat). Din diagrama bifurcaţiilor, ca şi din distribuţia
valorilor, observăm că utilizarea gamei de la 0,2 la 0,9 ar putea fi mai potrivită
pentru a creşte eficienţa utilizării traiectoriilor. Însă şi în această gamă de valori
se menţin problemele în ceea ce priveşte probabilitatea de atingere a site-urilor.
Prin urmare se impune folosirea unei alte scheme de asociere a caracterelor cu
un site. Vom vedea în continuare rolul pe care îl are coeficientul de divizare a
atractorului în subspaţii asupra distribuţiei traiectoriilor.
5.4.1 Distribuţia site-urilor
În cadrul metodelor de criptare haotică, distribuţia statistică a site-urilor
(în fapt a frecvenţei cu care sunt atinse) joacă un rol foarte important asupra
nivelului de securitate şi deci asupra evitării atacurilor ce pot fi întreprinse.
Ce reprezintă însă distribuţia site-urilor? Distribuţia site-urilor reprezintă
probabilitatea cu care este atins un site pornind de la o condiţie iniţială şi un
parametru, altfel spus câte valori din cele 65532 sunt alocate unui site.
Observăm o similitudine clară între distribuţia traiectoriei şi distribuţia

240
site-urilor. Deşi rezultatele fiecăreia dintre cele două noţiuni sunt identice,
diferenţa constă în modul de calcul al lor: în cazul distribuţiei traiectoriilor,
probabilitatea site-ului este înregistrată în timpul iterării; în cazul distribuţiei
site-urilor, probabilitatea site-ului este înregistrată pentru fiecare traiectorie, dar
după un anumit număr de iteraţii necesar traiectoriei să ajungă în site-ul
respectiv.
Rezultatele obţinute în urma simulării sunt ilustrate de fig. 5.7.

Fig. 5.7 Distribuţia site-urilor pentru valori diferite ale parametrilor

Fig. 5.7 prezintă distribuţia traiectoriilor pentru diferite valori ale


parametrului funcţiei logistice. Dacă normăm aceste valori, determinăm
probabilitatea de atingere a unui site. Aceste rezultate arată că o dată ce ştim
distribuţia traiectoriilor, aflăm care dintre site-uri apare mai des sau mai rar. Pe
de altă parte, fiind dată probabilitatea de a atinge un site, putem afla direct
distribuţia traiectoriilor. De asemenea, distribuţia site-urilor este afectată de
parametrul caracteristic, aşa cum distribuţia traiectoriilor este afectată de
parametrul caracteristic funcţiei logistice.
Este afectată distribuţia site-urilor de simbolul de start? Vom încerca să
răspundem la această întrebare calculând distribuţia traiectoriilor pentru diverse
valori ale condiţiei iniţiale (sau implicit ale simbolului de start), menţinând însă
nemodificat parametrul caracteristic al ecuaţiei logistice. Astfel rezultatele
obţinute prin simulare pentru r = 3,971260797977 sunt următoarele:

x=0.337663478363 x=0.579898896589
x=0.851354333793 x=0.793893875785

Fig. 5.8 Distribuţia traiectoriilor pentru diverse simboluri de start

241
Din rezultatele prezentate în fig. 5.8 observăm că pentru orice simbol de
start distribuţia site-urilor rămâne neschimbată (diferenţele sunt marcate cu
cercuri). Traiectoria de plecare aparţine unor site-uri diferite, însă probabilitatea
site-urilor rămâne aceeaşi.
În general, probabilitatea site-ului depinde de cheia aleasă (parametru,
condiţia iniţială, schema de asociere, factorul de divizare în subspaţii), site-ul de
plecare sau dimensiunea cifrului. Matematic, aceasta dependenţă se scrie:
PS (ki )  PS (ki , m, c), ()ki , (5.5)
unde ki reprezintă cheia care conţine condiţia iniţială, parametrul caracteristic al
sistemului haotic, factorul de divizare a spaţiului în subspaţii, m reprezintă
site-ul de plecare, c cifrul rezultat, iar Ps este probabilitatea site-ului de plecare.
Având în vedere rezultatele obţinute mai sus, această ecuaţie se
poate modifica, pentru că alegerea condiţiei iniţiale sau orice altă traiectorie nu
va afecta probabilitatea de a nimeri într-un site după un anumit număr de iteraţii.
Indiferent cum considerăm traiectoria iniţială, probabilitatea site-ului nu
este afectată şi condiţia iniţială va influenţa doar valoarea cifrului (numărul de
iteraţii care trebuie făcute pentru a ajunge în alt site). Matematic, această
proprietate se scrie astfel:
PS (ki )  PS (ki , m j , c)  PS (ki , mi , c) , ()mi , m j . (5.6)
Ce se întâmplă însă în momentul în care constrângem cifrul să fie mai mic
şi, astfel, timpul de criptare să fie mai mic? Este afectată probabilitatea de
apariţie a unui site? Comportamentul funcţiei rămâne haotic, în sensul că avem
aceeaşi dispersie a traiectoriilor?
25 50
x=0.6197779
parametr:x=0.6197779;r=3.971260797977
nrieratii=5000 45 x=0.6197779
20 r=3.971260797977 40 r=3.971260797977
parametr:x=0.6197779;r=3.971260797977
35 nrieratii=10000
15 nr.ieratii=5000 30 nr.ieratii=10000
25
10 20
15
5 10
5
0 0
1 19 37 55 73 91 109 127 145 163 181 199 217 235 253 1 19 37 55 73 91 109 127 145 163 181 199 217 235 253

Fig. 5.9 Distribuţia traiectoriilor în condiţiile micşorării cifrului (5000-10000)

În acest sens am calculat distribuţia traiectoriilor pentru diverse valori ale


numărului maxim de iteraţii (care era setat implicit la 65532), rezultatele
obţinute fiind prezentate în fig. 5.9. De exemplu, în fig. 5.9 am calculat
distribuţia traiectoriilor pentru 5000 de valori ale funcţiei logistice, observând că
se anticipează distribuţia traiectoriilor pentru cazul în care calculăm 65532 de
valori. Chiar dacă această distribuţie nu este indicată să fie aplicată în cazul
metodelor de criptare Baptista, WWK1 sau WWK2, o putem aplica însă pentru
metoda GCEM, deoarece nu există nici un site care să nu fie atins de traiectorii.
242
A doua simulare foloseşte pentru analiză un număr dublu de puncte,
10000 (fig. 5.9). Rezultatele simulării sunt prezentate în figura de mai sus,
observând că probabilitatea site-urilor se modifică puţin, în sensul că site-urile
se uniformizează ca număr de traiectorii asociate. Dacă în cazul anterior cel mai
mic număr de traiectorii care a vizitat un site este 2, în cazul de faţă acest număr
se măreşte, site-ul cu probabilitatea cea mai mică este vizitat de cel puţin 7 ori.
Dacă mărim în continuare numărul punctelor de analiză la 15000,
rezultatele sunt conform aşteptărilor, distribuţia obţinută fiind similară cu cea pe
care o cunoaştem pentru un număr de valori egal cu 65532 (fig. 5.10).
80 x=0.6197779 350 x=0.6197779
70
r=3.971260797977 300 r=3.971260797977
x=0.6197779;r=3.971260797977
nriteratii=65532
60 parametr:x=0.6197779;r=3.971260797977
250
50
nr.ieratii=15000
nrieratii=15000 nr.ieratii=65532
200
40
150
30
20 100
10 50
0 0
1 19 37 55 73 91 109 127 145 163 181 199 217 235 253 1 20 39 58 77 96 115 134 153 172 191 210 229 248

Fig. 5.10 Distribuţia traiectoriilor în condiţiile micşorării cifrului (15000-65532)

În consecinţă numărul de iteraţii, deci implicit cifrul, nu poate afecta sub


nici o formă distribuţia site-urilor dacă acest număr este rezonabil. Însă autorii
metodei nu recomandă această micşorare a dimensiunilor cifrului, întrucât
decriptarea s-ar realiza mai repede, deşi presupune aceleaşi mijloace ca şi în
cazul în care valoarea maximă a cifrului era de 65532.
Distribuţia traiectoriilor, calculată în 65532 de puncte, se apropie ca alură
de cele calculate pentru 15000 şi 10000 de puncte.
Relaţia generală a probabilităţii de apariţie a unui site, notată cu PS, este:
PS (ki )  PS (ki , m, c j )  PS (ki , m, ci ) , ()ci , c j , (5.7)
în care ki reprezintă cheia (condiţia iniţială, parametrul caracteristic, factorul de
uniformizare sau de divizare f), ci sau cj reprezintă valori diferite ale cifrului.
Relativ la numărul maxim de iteraţii care trebuie aplicat ecuaţiei haotice
pentru a determina un cifru valid, acesta nu trebuie ales foarte mic din două
motive. Primul a fost deja sugerat, în sensul că e posibil ca pentru un caracter să
nu existe o traiectorie care să viziteze site-ul corespunzător caracterului. Cel
de-al doilea motiv constă în faptul că divergenţa de la punctul de plecare se
realizează după un anumit timp, având loc ceea ce se numeşte pierderea
informaţiei cu privire la condiţia iniţială de plecare a ecuaţiei haotice.
În concluzie un cifru bun ar trebui să conţină şi valori mici, dar şi valori
mai mari decât 10, numărul fiind ales ca urmare a simulărilor, care au arătat că
două traiectorii foarte apropiate ca valoare (diferenţa între ele de 10-16) devin
necorelate după aproximativ 10 de iteraţii. Pentru prevenirea acestei probleme,
putem aplica tehnicilor de criptare un parametru de salt, care reprezintă numărul
243
de iteraţii pe care îl aplicăm funcţiei anterior operaţiei de criptare. Acest
parametru de salt poate face parte din cheie (fapt ce va creşte securitatea
metodei de criptare) sau poate fi făcut public. În felul acesta ne asigurăm că
înainte de criptare traiectoria este aleatoare, haotică, cu o evoluţie imprevizibilă,
neoferind unui criptanalist şansa de a analiza relaţia dintre mesaj şi cifru.
În cazul în care metoda de asociere este uniform distribuită, se cuvine să
analizăm efectul pe care factorul de divizare îl are asupra distribuţiei
traiectoriilor şi deci implicit asupra distribuţiei site-urilor. Prin urmare am
calculat distribuţia traiectoriilor pentru diverse valori ale parametrului de
divizare, iar rezultatele sunt într-adevăr uimitoare. Am mai numit acest factor de
divizare ceva mai devreme factor de uniformizare. Să vedem dacă această
caracterizare este potrivită. Vom calcula distribuţia traiectoriilor pentru aceleaşi
valori ale condiţiei iniţiale şi ale parametrului, însă pentru valori diferite ale
factorului de divizare f. Pentru cazul în care f = 1, metoda de asociere uniform
distribuită este identică cu metoda generală de asociere (rezultatul simulării este
prezentat în fig. 5.8). Observăm că traiectoriile nu sunt tocmai uniform
distribuite, în sensul că există anumite intervale privilegiate în care traiectoriile
cad mai des decât în altele. Să vedem influenţa pe care o are asupra distribuţiei
traiectoriilor aplicarea unui factor de divizare f = 5.

f=5
f = 10

Fig. 5.11 Distribuţia traiectoriilor pentru valori diferite ale lui f

Se constată astfel o împrăştiere mai eficientă a traiectoriei, în sensul că


numărul de traiectorii care vizitează un site devine uniform. Dacă în absenţa
aplicării factorului de divizare existau mai multe site-uri vizitate de 280-290 de
traiectorii, în cazul în care f = 5 există un singur site care este vizitat de 220 de
ori, restul site-urilor fiind vizitate de aproximativ acelaşi număr de ori. Efectul
este evident. Dacă însă mărim valoarea coeficientului f, aşteptându-ne la o
uniformizare şi mai accentuată a numărului de traiectorii care vizitează un site,
acest fapt va determină ca probabilitatea site-urilor să devină uniformă.
Rezultatele pentru f = 10 sunt prezentate de asemeni în fig. 5.11.
În cazul acesta cel mai mare număr de vizite este 210, şi corespunde unui
singur site. Restul site-urilor, după cum se poate observa, sunt vizitate
aproximativ de acelaşi număr de ori.
244
În concluzie, cu cât factorul de divizare este mai mare, cu atât distribuţia
traiectoriilor va deveni mai uniformă. Modificarea metodei de asociere sau a
parametrului f va avea drept rezultat modificarea probabilităţii site-urilor şi nu
va influenţa relaţia între distribuţia traiectoriilor şi a site-urilor. Indiferent de
schema de asociere aleasă, relaţia între cele două distribuţii se va menţine, iar
acest efect este uşor de înţeles. Considerăm că probabilitatea unui site (i) de a fi
atins este p(si), atunci când f = 1. Dacă setăm valoarea lui f la 15, atunci
probabilitatea fiecărei porţiuni a unui site ar trebui să fie 1/15, în condiţiile în
care probabilitatea ar fi uniformă în cadrul site-ului (i) pentru fiecare porţiune de
site şi acest lucru se aplică fiecărui site în parte. În momentul în care considerăm
ca factor de divizare valoarea lui f = 1, putem grupa toate aceste porţiuni ale
site-ului în cadrul unuia singur. În aceste condiţii, noua probabilitate a site-ului,
pentru f = 1, va fi egală cu suma probabilităţilor porţiunilor din acel site, relaţie
care se aplică pentru fiecare site în parte.
Cu ajutorul rezultatelor anterioare am încercat să facem o analiză asupra
efectului pe care îl au asupra distribuţiei site-urilor cheia, simbolul de start,
dimensiunea cifrului şi factorul de divizare a spaţiului fazelor în subspaţii.
Sintetizând rezultatele obţinute într-unul singur, putem scrie că:
PS (k )  PS (k , m, c) , (5.8)
unde k reprezintă cheia (parametrul caracteristic, condiţia iniţială, factorul de
divizare), m reprezintă site-ul de plecare, c reprezintă cifrul, iar Ps reprezintă
probabilitatea site-ului de destinaţie. Ecuaţia arată că probabilitatea de a atinge
un site nu este afectată de site-ul de plecare şi nici de cifru (numărul maxim de
iteraţii), ci doar de cheie. Din moment ce condiţia iniţială reprezintă una din
posibilele traiectorii, ea nu poate influenţa în nici o măsură probabilitatea
site-urilor, ci doar valoarea cifrului. Pentru criptarea unui caracter din textul clar
se recomandă aplicarea unui parametru de salt care să determine un
comportament haotic, divergent, al traiectoriilor. Practic parametrul de salt
reprezintă numărul de iteraţii (nefolosite la operaţia de criptare) pe care le
aplicăm în plus funcţiei haotice, iar acest parametru de salt nu trebuie să fie
foarte mare. Folosind aceeaşi cheie atât la emisie cât şi la recepţie, după efectuarea
simulărilor a rezultat o valoare mică a parametrului de salt, şi anume 2, ceea ce
denotă, încă o dată, comportamentul divergent al generatoarelor haotice.
Utilizarea parametrului de divizare nu are nici un rol în ascunderea proprietăţilor
statistice ale mesajului informaţional.
5.4.2 Distribuţia cifrului
În criptografie, una din preocupările majore în ceea ce priveşte distribuţia
cifrului este relaţia sa cu textul în clar sau cu cheia utilizată. Astfel, cunoscând
distribuţia cifrului, ne putem forma o idee în ceea ce priveşte performanţele
metodei de criptare considerate. În acest sens am analizat distribuţia cifrului,
pentru un mesaj compus din 10890 caractere uniform distribuite. Cheia de

245
criptare este alcătuită din condiţia iniţială cu valoarea 0,6197779 şi parametrul
funcţiei logistice: 0,971260797977. Spaţiul fazelor este [0,2–0,8]. Mai trebuie
spus, înainte de a prezenta rezultatele, că ne-am axat pe metodele GCEM şi
WWK2. Distribuţia traiectoriilor pentru funcţia considerată, cu parametrii
specificaţi mai sus, este prezentată în fig. 5.10.
5.4.2.1 Distribuţia cifrului pentru metoda WWK2
Şi în cazul acestei metode ne-am propus analiza distribuţiei cifrului în
funcţie de parametrul care caracterizează această metodă: Rmax. Am folosit
acelaşi mesaj în clar, aceeaşi cheie, şi am utilizat pentru reprezentarea cifrului
valori diferite ale parametrului Rmax: 0, 10, 100, 1000, 10000. Rezultatele
obţinute sunt reprezentate în fig. 5.12.
Din analiza distribuţiei cifrului în cazul metodei WWK2 rezultă că pentru
cazul în care Rmax este egal cu 0, distribuţia rezultată este identică cu distribuţiile
rezultate prin metoda de bază GCEM. Se constată că valoarea lui Rmax nu va
putea fi menţinută în totalitate secretă şi, în plus, în cazul atacului cu text clar şi
echivalentul său cifrat, utilizarea coeficientului complică foarte mult sarcina
criptanalistului.

Fig. 5.12 Distribuţia cifrului utilizând metoda WWK2

Observaţii: Pentru generalizarea metodei lui Wong am definit


coeficientul Rmax al metodei WWK 2 drept parametru de uniformizare a cifrului,
deoarece obiectivul acestei metode este de a aplica acest parametru pentru
netezirea distribuţiei cifrului. Acest termen poate fi de folos în clasificarea
unitară a metodei, care reprezintă, în esenţă, metoda GCEM cu parametru de
uniformizare.
Parametrul de uniformizare nu poate fi ţinut secret în totalitate, deoarece
există indicii rezultate din distribuţia cifrului asupra valorii aproximative a
valorii acestuia. În plus, distribuţia cifrului este local uniformă pentru un anumit
număr de biţi cu care reprezentăm cifrul, iar parametrul de uniformizare şi
eficienţa sa depind de mărimea textului clar supus criptării.
În concluzie utilizarea parametrului de uniformizare a distribuţiei cifrului
creşte securitatea metodei de criptare. În final, pe baza rezultatelor de mai sus,
246
prezentăm unele avantajele şi dezavantaje ale utilizării parametrului de
uniformizare a cifrului.
Avantaje:
- aplicarea sa nu presupune o modificare complexă a algoritmului de criptare;
- Produce cifruri diferite pentru aceeaşi cheie şi acelaşi mesaj;
- Uniformizează distribuţia cifrului.
Dezavantaje:
- creşterea timpului de procesare;
- necesitatea unui număr aleator, în cazul unor metode;
- efectul de uniformizare depinde de lungimea mesajului şi de dimensiunile
cu care reprezentăm cifrul;
- nu influenţează procedura de decriptare;
- măreşte securitatea atunci când atacul este de tip text clar-text echivalent
criptat.
-
5.4.3 Răspunsul cifrului
În cadrul acestui paragraf vom testa răspunsul cifrului, prin aplicarea celor
două metode de criptare asupra unor tipuri diferite de mesaje. Simulările ne pot
oferi informaţii despre sensibilitatea cifrului relativ la tipul de mesaj folosit.
Considerăm spre analiză trei tipuri de mesaje: alegem în primul rând un
mesaj compus din aproape toate caracterele egal distribuite, probabilitatea lor de
apariţie fiind aproape identică. Dimensiunea fişierului este 10890 de caractere.
Mesajul de acest tip reprezintă un caz perfect de text clar utilizat pentru criptare.
Acest tip de mesaj este cel mai utilizat în cazul oricăror metode de criptare,
pentru testarea securităţii. Cel de-al doilea tip de mesaj este cel mai redundant
tip de mesaj posibil, în sensul că el va conţine numai caracterul „a”.
Dimensiunea fişierului este de 9583 de caractere. Acest tip de mesaj este cel mai
dificil şi cel mai adesea imposibil de a ascunde şi menţine în secret informaţia
prin criptare. Cel de-al treilea mesaj este un text clar, care conţine numai o parte
a caracterelor spaţiului mesajelor, fiind deci parţial redundant. Dimensiunea
fişierului ales în acest caz este de 9800 caractere.

5.4.3.1 Distribuţia traiectoriei


În acest capitol, pentru realizarea simulărilor am utilizat pentru funcţia
logistică aceiaşi parametri, în ceea ce priveşte cheia utilizată. Fig. 5.13 prezintă
distribuţia traiectoriilor pentru funcţia logistică, utilizând o anumită cheie.
Distribuţia pare a nu fi foarte bună, dar nici foarte rea, ceea ce reprezintă un caz
obişnuit atunci când setăm o anumită condiţie iniţială sau un parametru, lucru
care este util pentru desfăşurarea şi analiza simulărilor.

247
r = 3,971260797977
x0 = 0,6197779

Fig. 5.13 Distribuţia traiectoriei

În cele ce urmează vom prezenta rezultatele simulării celor două metode


de criptare, aplicate pentru cele două tipuri de mesaje, rezultate pe care le vom
comenta ulterior (fig. 5.14).
Analizând fig. 5.14 se constată că metodele de criptare haotică pot
ascunde cu succes proprietăţile statistice ale mesajului informaţional de criptat,
distribuţia cifrului fiind aproximativ la fel pentru cele trei tipuri total diferite de
mesaje, chiar şi pentru cele dificil de criptat.

uniform
redundant
partial partial
redundant
uniform

Fig. 5.14 Răspunsul cifrului la diverse mesaje

Acest deziderat este dificil de atins la metodele tradiţionale din moment


ce un bloc de mesaj (format dintr-un bit sau mai mulţi) este transformat într-un
singur bloc de mesaj criptat pentru o anumită cheie (ca în cazul tipului de
corespondenţă „unu la unu”). Dar, în cazul criptării haotice, un bloc de mesaj,
pentru o anumită cheie, poate fi criptat în orice alt bloc, conform împrăştierii
traiectoriei curente (corespondenţă „unu la mai multe”). Simulările au fost
realizate pentru valori constante ale parametrului de uniformizare a cifrului,
textul uniform şi cel redundant fiind criptate folosind aceeaşi valoare a
parametrului de uniformizare: Rmax  10000 . Din rezultatele obţinute se constată
248
că valoarea parametrului de uniformizare nu influenţează răspunsul cifrului,
deoarece curbele sunt similare în toate cazurile.
Se mai poate observa din fig. 5.14 că pentru fiecare metodă curbele
descresc, ceea ce înseamnă că nu se mai folosesc cifruri mari ca valoare. Acest
efect se datorează probabilităţii de apariţie a valorilor cifrului, din moment ce
probabilitatea ps de a atinge un site (s) de destinaţie (caracterul următor) plecând
de la un site de start (caracterul curent) este fixă şi rămâne neschimbată în
timpul iteraţiilor. Aceasta înseamnă că probabilitatea de a ajunge într-un anumit
site de destinaţie, plecând de la un anumit site, în n iteraţii este dată de relaţia:
P(Cn )  (1  ps )n 1 ps . (5.9)
n 1
Probabilitatea cifrului va deveni 1  ps  ps , ceea ce înseamnă că
P(Cn )  P  Cn i  , pentru orice i > 0. Relaţia de mai sus scoate în evidenţă faptul
că probabilitatea scade pe măsură ce numărul de iteraţii creşte (sau valoarea
numerică a cifrului creşte) şi aceasta este independentă de tipul de mesaj. Aceste
consideraţii se aplică metodei GCEM de criptare. Putem extinde acest rezultat
pentru a explica apariţia metodei lui Wong.
5.4.4 Parametrul de salt
Am amintit într-un paragraf anterior de efectul parametrului de salt.
Spuneam atunci, la analiza influenţei cifrului asupra distribuţiei traiectoriilor, că
acesta reprezintă o cale simplă de a creşte securitatea metodei de criptare
haotice. Efectul său este următorul: comportamentul haotic al ecuaţiei haotice şi
pierderea informaţiei cu privire la punctul de plecare sunt induse după un anumit
număr de iteraţii sau, echivalent, după un timp foarte scurt. Am menţionat atunci
că valoarea parametrului de salt trebuie să fie cunoscută atât la emisie cât şi la
recepţie. Importanţa sa la creşterea securităţii metodei de criptare este
demonstrată şi de următorul test: vom cripta la emisie un text oarecare, folosind
ca parametru de salt valoarea 30, iar la recepţie vom seta această valoare la 32.
Rezultatul decriptării nu mai corespunde cu textul de la emisie, ceea ce
înseamnă că rolul parametrului de salt este determinant în descifrarea textului
cifrat.
Mai mult decât atât, există posibilitatea de a menţine public sau secret
acest parametru, în scopul de a nu mări cheia pe care să o transmitem
receptorului. Trebuie spus că acest parametru de salt nu afectează cu nimic
distribuţia cifrului, deoarece el reprezintă un număr de iteraţii oarecare pe care îl
efectuează funcţia logistică în plus. Singurul dezavantaj pe care îl presupune
utilizarea unui parametru de salt este creşterea timpului de procesare.
5.4.5 Complexitatea computaţională
Unul dintre dezavantajele tehnicilor de criptare haotică este viteza de
criptare, care face dificilă folosirea metodei în aplicaţii în timp real, spre

249
exemplu pentru criptarea unui flux de date. Tehnica de criptare haotică este
sigură, însă este nevoie de un timp relativ mare pentru efectuarea calculelor în
virgulă mobilă în realizarea procesului de criptare. Pentru a îmbunătăţi timpul de
procesare trebuie să înţelegem mai întâi factorii care determină timpii de
procesare, înainte de a prezenta anumite sugestii în privinţa îmbunătăţirii lor.
5.4.5.1 Complexitatea computaţională pentru GCEM
Folosind următoarele notaţii:
ti : timpul necesar pentru a itera ecuaţia haotică o singură dată,
ts : timpul necesar pentru a determina cărui site aparţine o traiectorie,
L : lungimea mesajului,
i : media iteraţiilor necesare pentru a atinge un site,
te : timpul total de criptare a întregului mesaj,
td : timpul total de decriptare a mesajului,
pentru timpul total de criptare/decriptare vor rezulta următoarele expresii:
te  Li(ti  ts )  Liti  Lits ; (5.10)
td  L(iti  ts )  Liti  Lts ; (5.11)
t  te  ts  Lts (i  1) . (5.12)
Din ecuaţiile de mai sus observăm că cea mai mare valoare a timpului de
criptare se datorează faptului că în timpul criptării, pentru fiecare iteraţie, este
necesară găsirea traiectoriei şi asocierea ei cu un site. Rezultă că micşorarea lui
t s este unul din factorii care ar putea conduce la creşterea vitezei de criptare.
Un alt factor care afectează timpul de criptare este ti . Din moment ce ti
depinde de complexitatea funcţiei haotice, putem utiliza o funcţie haotică mai
simplă sau să folosim tehnici rapide pentru calculele ecuaţiei haotice, ceea ce ar
duce la creşterea performanţelor vitezei de criptare.
5.4.5.2 Complexitatea computaţională pentru metoda WWK2
Să notăm cu:
ti : timpul necesar pentru a itera ecuaţia haotică o singură dată;
ts : timpul necesar pentru a determina cărui site aparţine o traiectorie;
L : lungimea mesajului;
i : media iteraţiilor necesare pentru a atinge un site;
te : timpul total de criptare a întregului mesaj;
td : timpul total de decriptare a mesajului;
Rmax : numărul aleator de iteraţii.
Relaţiile de calcul ale timpului de criptare/decriptare sunt următoarele:
te  L[( Rmax / 2)ti  i(ts  ti )]  L( Rmax / 2  i)ti  Lits ; (5.13)

250
td  L[( Rmax / 2  i)ti  ts ]  L( Rmax / 2  i)ti  Lts ; (5.14)
t  te  td  Lts (i  1) . (5.15)

Se observă că metoda WWK2 se transformă în GCEM dacă setăm


valoarea lui Rmax la 1. Timpul de procesare al acestei metode este afectat sensibil
de valoarea lui Rmax, din moment ce mai multe valori ti vor fi necesare în timpul
criptării. Micşorarea valorii lui Rmax ar putea determina scăderea securităţii,
lucru ce trebuie evitat. Mai trebuie să spunem că diferenţa dintre timpul de
criptare şi timpul de decriptare nu este constantă (aşa cum o arată ecuaţia de mai
sus), pentru că Rmax influenţează indicele i în timpul criptării.
Din ecuaţiile de mai sus observăm că timpul necesar pentru criptare este
mult mai mare decât timpul necesar pentru decriptare. Prin urmare, în acest
moment, putem trage două concluzii; prima: datorită timpului mare de
procesare, metoda de criptare nu se poate aplica unor fluxuri de date cu viteze
mari; cea de-a doua este legată de viteza decriptării, care este mult mai mare
decât viteza criptării. De aceea, la un eventual atac axat pe procesul de
decriptare, nivelul de securitate al tehnicii va fi influenţat de viteza decriptării.
Am putea alege o altă ecuaţie haotică pentru împrăştierea traiectoriilor, însă
alegerea noastră este destul de limitată. Spre exemplu, utilizarea sistemelor de
ecuaţii Lorentz sau Rosler nu este indicată dacă dorim să creştem viteza
metodelor de criptare. Aceasta se datorează faptului că iterarea a trei ecuaţii prin
metoda Rounge-Kutta (cinci paşi) înseamnă un total de 15 paşi pentru o singură
iteraţie a sistemului haotic tridimensional. Alegerea utilizării ecuaţiei logistice
s-a datorat şi faptului că pentru iterarea ei trebuie să efectuăm (doar) trei
înmulţiri şi o scădere.
Următorul pas pentru micşorarea timpului de procesare este micşorarea
timpului necesar găsirii şi asocierii unei traiectorii cu un site. Dat fiind faptul că
este imposibil să „simplificăm” ecuaţia haotică, ci doar, eventual, să utilizăm
una mai simplă, dar cu aceleaşi proprietăţi, singura posibilitate care ne rămâne
este de a apela la tehnici de programare cât mai eficiente. Chiar în aceste
condiţii creşterea performanţelor în ceea ce priveşte timpul de procesare nu este
foarte însemnată.
Se constată astfel că reducerea lui ti sau t s poate conduce la rezultate
satisfăcătoare în reducerea timpului de procesare. Realizarea acestui lucru este
însă foarte dificilă. O soluţie ar fi reducerea numărului mediu de iteraţii pentru a
determina un site de destinaţie (i), având în vedere că indicele i influenţează atât
pe ti , cât şi pe t s .
În concluzie GCEM reprezintă un caz particular al metodelor lui Baptista,
WWK1, sau WWK2. Direcţiile în care am putea interveni pentru îmbunătăţirea
timpului de procesare sunt reducerea valorilor ti , t s sau i. Din considerente de

251
securitate, procesul de decriptare, care are o durată mică, constituie partea slabă
a tehnicilor de criptare analizate.
5.4.6 Ameninţări clasice
Criptanaliza poate fi privită sub diverse forme, însă cele mai obişnuite
sunt:
- atacul numai asupra cifrului: criptanalistul are pentru analiză numai
textul cifrat;
- atacul asupra algoritmului de criptare, atunci când criptanalistul are la
dispoziţie text criptat, dar şi echivalentul său în clar;
- atacul desfăşurat asupra unor mesaje vulnerabile din textul în clar.
5.4.6.1 Atacul prin căutarea exhaustivă a cheilor
Acest tip de atac este întreprins de criptanalist, în momentul în care are la
dispoziţie doar textul cifrat. Căutarea exhaustivă presupune generarea tuturor
cheilor posibile şi testarea lor pe textul cifrat, până este găsită adevărata cheie.
La momentul actual, pentru metoda de criptare descrisă în acest capitol, acest tip
de atac reprezintă singura posibilitate prin care se poate descoperi o cheie.
Atacul nu este influenţat de parametrii de uniformizare ai cifrului din metoda lui
Wong, dar depinde de cantitatea de cifruri avute la dispoziţie, şi anume cu cât
numărul de iteraţii este mai mare, cu atât atacul va dura mai mult. Algoritmul de
atac, prezentat în pseudocod, este următorul:

Pentru toate cheile posibile (k)


- decriptează mesajul (q) cu cheia (k)
- validarea mesajului (q) prin apartenenţa lui la o structură de mesaje
valide
- memorarea structurii posibile (q) şi (k) dacă instrucţiunea anterioară
este adevărată
End.

5.4.6.2 Atacul asupra traiectoriei

Fig. 5.15 prezintă relaţia dintre traiectorie, cifru şi caractere. Din analiza
acestei figuri se disting două caracteristici. În primul rând observăm că nu este
necesar să pornim atacul din x0, ci îl putem întreprinde din orice poziţie a
textului cifrat, dacă avem convingerea că textul în clar reprezintă o structură
cunoscută. Dacă atacul nu este întreprins din x0, atunci primele cuvinte din textul
clar nu vor putea fi descifrate. O altă observaţie constă în menţionarea faptului
că mesajul x2 este direct legat de x0, sărind peste mesajul din mijloc.

252
Fig. 5.15 Atacul asupra traiectoriei

Aceste două observaţii sunt de ajutor în întreprinderea atacului, din


moment ce putem intui că mesajul are anumite simboluri utilizate frecvent în
anumite locaţii, mai ales pentru structuri de date şi protocoale. De asemenea,
efortul de găsire a lui x1 este acelaşi cu efortul de a-l găsi pe x0 sau x100, însă
găsindu-l pe x1 putem să reducem considerabil timpul de calcul şi să ignorăm
mesajul anterior. Putem să selectăm traiectoria care aparţine celor mai frecvente
simboluri şi să mărim astfel şansa atacului. Fig. 5.16 prezintă structura
alfabetului englez şi frecvenţa diferitelor simboluri. Pe ordonată este reprezentat
procentul de apariţii al literelor din alfabetul englez.
În concluzie condiţia iniţială poate fi ignorată. Parametrul caracteristic şi
factorul de divizare al spaţiului fazelor în subspaţii trebuie să fie identice, din
moment ce valori sensibil diferite ale acestora determină variaţii mai mult sau
mai puţin însemnate ale cifrului. O soluţie posibilă ar fi creşterea valorii
parametrului funcţiei haotice sau utilizarea unui parametru de salt, pentru ca,
astfel, criptanalistul să nu poată alege traiectoria de atac.

Fig. 5.16 Frecvenţa caracterelor limbii engleze

5.4.6.3 Atacul prin pierderea informaţiei din textul în clar


Din punctul de vedere al celor mai mulţi cercetători, pierderea informaţiei cu
privire la punctul de plecare al funcţiei haotice (cu alte cuvinte împrăştierea valorilor
funcţiei) reprezintă cea mai importantă dintre proprietăţile sistemelor haotice
dinamice şi constituie motivul principal pentru care sunt utilizate în criptare. În
acelaşi timp, aceste proprietăţi par să facă vulnerabilă tehnica de criptare.

253
Fig. 5.17 Circulaţia traiectoriei

Din moment ce o mică schimbare în condiţiile iniţiale determină


traiectorii independente şi necorelate, aceasta aduce, implicit, o dovadă utilă
pentru verificarea autenticităţii mesajului obţinut după atac. Aceasta reprezintă o
problemă comună, obişnuită, pentru un cifru cu reacţie.
Deoarece procesul de iteraţie este haotic, pentru orice traiectorie
aparţinând unui site (si), ne aşteptăm ca probabilitatea pij de a ajunge după un
număr de iteraţii în site-ul (sj) să fie aproximativ egală cu 1/n (unde n reprezintă
numărul de site-uri). Aceasta reprezintă însă o problemă serioasă când se
cunoaşte doar un fragment din mesaj şi echivalentul său cifrat (atacul asupra
textului clar şi echivalentului său cifrat), deoarece probabilitatea de a găsi o
cheie falsă scade exponenţial cu lungimea cifrului procesat, valoarea acestuia
fiind, să presupunem, PL = (1/n)L. În realitate este şi mai rău, pentru că sistemele
haotice nu împrăştie perfect traiectoriile (acestea nu sunt distribuite uniform) şi
vor ieşi adesea în afara gamei asociate. În plus, limba engleză reprezintă o limbă
suficient de redundantă pentru ca multe din site-uri să nu fie folosite în timpul
criptării, crescând astfel probabilitatea de a găsi o cheie pornind de la un mesaj
scurt în clar.
Din considerentele exprimate mai sus observăm că numărul de site-uri
influenţează probabilitatea de a găsi o cheie validă. O soluţie pentru evitarea
acestei probleme este de a reduce numărul de site-uri utilizate sau să creştem
parametrii b şi f. O altă soluţie, de asemenea simplă, este de a aplica un
parametru de salt care va fi menţinut secret, şi în felul acesta relaţiile dintre
traiectorii devin necorelate, făcând inutil efortul criptanalistului. Este evident că
utilizarea metodelor cu parametru de uniformizare va complica sarcina criptanalistului.
5.4.6.4 Atacul de tip memorie
Acest tip de atac constă în memorarea relaţiei care există între cifruri şi
caractere. Odată ce baza de date este construită, este foarte uşor să construieşti
un cifru neautorizat sau să decriptezi alte cifruri. Acest tip de atac nu se poate
aplica atunci când ştim doar textul cifrat, din moment ce nu există informaţie
care să fie stocată. Însă în cazul atacului cu text echivalent în clar se poate
construi uşor o bază de date, deoarece caracterul este legat direct de cifru (după
254
un anumit număr de iteraţii de la condiţia iniţială, traiectoria trebuie să se
încadreze într-un site).
Pentru metoda lui Wong acest atac este mult mai dificil de realizat, din
moment ce trebuie stocate mai multe corespondenţe între caracter şi textul cifrat,
baza de date fiind mult mai mare. Dar în cazul atacului cu text ales din mesajul
în clar, criptanalistul poate construi uşor baza de date. Spre exemplu el îl poate
alege pe „e” şi echivalentul său cifrat, sau pe „t” şi echivalentul său cifrat
ş.a.m.d. Atacul cu text ales este influenţat şi de parametrul de uniformizare, şi de
aceea realizarea unui astfel de atac, în general, este dificil şi costisitor.
Tabelul 5.5
Atacul de tip memorie

Caracterul e t a o i n s r
Frecvenţa
12,51 9,5 8,04 7,6 7,26 7,09 6,54 6,12
(%)
Mesaj acoperit
12,51 22,01 30,05 37,65 44,91 52 58,54 64,66
(%)

Principalul motiv pentru care se poate aplica acest tip de atac constă în
faptul că cifrul este strict legat de caracter, iar metoda utilizează un caracter
pentru operaţia de criptare. Există şi aici o cale de evitare a atacului, prin
complicarea relaţiei dintre cifru şi caracter, utilizând un parametru de salt sau
creşterea numărului de caractere/bloc.

5.5 Bibliografie
[1] Baptista M.S., „Cryptography with chaos”, Physics Letters A, 23 March 1998
[2] Wai Kit Wong, Lap Piu Lee, Kwock Wo Wong, „A modified chaotic
cryptographic method”, Computer Physics Communications, 30 December, 2001
[3] Archon Ho, „Chaotic Encryption Techniques”, www.ee.cityu.edu.hk
[4] Ott E., „Chaos in dinamical systems”, Cambridge University Press, New York,
1993
[5] Gligoroski D., Dimovski D., Kocarev L, Urumov V., Chua L.O., Int. Bifurcation
Chaos 6, 1996
[6] Menezes A.J., P.C. van Orschot, Vanstone S.A., Handbook of Appl. Cryptography,
CRC.Press, New York, 1996
[7] Liu T.Y., York J.A., Amer. Math. Monthly 82, 1975, 1985
[8] Wiggins S., „Introduction to Applied Nonlinear Dynamical Systems and
Chaos” Springer-Verlag, New York, 1990
[9] Gleick J., „Chaos-Making of a New Science” Penguin Books, New York, 1987
[10] Sparrow C., „The Lorenz Equations” in Chaos, ed. A. V. Holden. Princeton
University Press, Princeton, 1986
255
[11] Lorenz E. N., „Deterministic nonperiodic flow”, J. Atmospheric Sci., vol. 20,
pp.130-141, Mar. 1963
[12] Pecora L. M. and Carroll T. L., „Synchronization in chaotic systems”,
Phys. Rev.Lett., vol. 64, pp. 821-824, Feb. 1990
[13] Carroll T.L. and Pecora L.M., „Synchronizing chaotic circuits”, IEEE Trans
Circuits and Systems, vol. 38, pp. 453-456, Apr. 1991
[14] Cuomo K., Oppenheim V. and Strogatz S., „Synchronization of Lorenz-Based
Chaotic Circuits with Applications to Communications”, IEEE Transactions on
Circuits and Systems II, vol. 40, pp. 626-633, Oct. 1993
[15] Corron N.J. and Hahs D.W., „A New Approach to Communications Using
Chaotic Signals” IEEE Transactions on Circuits and Systems I: Fund. Theory
and Appl., vol. 44, pp. 373-382, May 1997
[16] J. Varrientos, E. Sánchez and A. Rodriguez-Vásquez, „A Current-Mode
Synchronous Circuit for Signal Encryption”, in Proc. 37th Midwest Symposium
on Circuits and Systems, vol. 1, pp. 133-137, Aug. 1994
[17] Papadimitriou S., Bezerianos A. and Bountis T., „Chaotic Real-Time Encryption
Using Systems of Difference Equations with Large Parameter Spaces”, in Proc.
8th IEEE Signal Processing Workshop on Statistical Signal and Array Processing,
pp.566-569, June 1996
[18] Dedieu H., Kennedy M. and Hasler M., „Chaos Shift Keying: Modulation and
Demodulation of a Chaotic Carrier Using Self-Synchronizing Chua’s Circuits”
IEEE Transactions on Circuits and Systems II, vol. 40, pp. 634-642, Oct. 1993
[19] Heidari-Bateni G. and McGillem C.D., „Chaotic Sequences for Spread Spectrum:
An Alternative to PN-Sequences”, in Proc. IEEE International Conference on
Selected Topics in Wireless Communications, pp. 437-440, June 1992
[20] Li X. and Haykin S., „A New Pseudo-Noise Generator for Spread Spectrum
Communications”, IEEE International Conference on Acoustics, Speech, and
Signal Processing, vol. 5, pp. 3603-3606, May 1995
[21] Elmirghani J. and Cryan R., „Point-to-Point and Multi-User Communication
Based on Chaotic Sequences”, IEEE International Conference on
Communications, vol.1, pp. 582-584, June 1995
[22] Barda A. and Laufer S., „Chaotic Signals for Multiple Access Communications”
IEEE 18th Convention of Electrical and Electronic Engineers, vol. 2, pp. 1-5,
Mar. 1995
[23] Saigui H., Yong Z. and Jiadong H., „A Synchronous CDMA System Using
Discrete Coupled-Chaotic Sequences”, in Proc. IEEE SouthEast Conference,
pp.484-487, April 1996
[24] Barda A. and Laufer S., „Chaotic Signals for Multiple Access Communications”
18th Convention of Electronics Engineers in Israel, pp. 2.1.3/1-2.1.3/5,
March 1995
[25] Oppenheim A., Wornell G., Isabelle S. and Cuomo K., „Signal Processing in the
Context of Chaotic Signals”, IEEE Transactions on Circuits and Systems, vol. 4,
pp. 117-120, Sept. 1992
[26] Thiran P. and Hasler M., „Information Processing Using Stable and Unstable
Oscillations: A Tutorial”, in Proc. 3rd IEEE International Workshop on CNN and
their Applications, pp. 127-136, Dec. 1994

256
[27] Hayes S. and Grebogi C., „Coding Information in the Natural Complexity of
Chaos”, in Proc. SPIE-Chaos in Communications, vol. 2038, pp. 153-161,
July 1993
[28] Dedieu H. and Ogorzalek M., „Signal Coding and Compression Based on Chaos
Control Techniques”, IEEE International Symposium on Circuits and Systems,
vol. 2, pp. 1191-1194, May 1995
[29] Carroll T.L. and Pecora L.M., „The Effect of Filtering on Communication Using
Synchronized Chaotic Circuits”, IEEE International Symposium on Circuits and
Systems, vol. 3, pp. 174-177, May 1996
[30] Dachselt F., Kelber K. and Schwarz W., „Chaotic Coding and Cryptoanalysis”,
in Proc. IEEE International Symposium on Circuits and Systems, vol. 2,
pp. 1061-1064, June 1997
[31] Varrientos J.E. and Sánchez-Sinencio E., „A Low-Power Fully Differential
Current-Mode Synchronous Chaotic Oscillator”, in Proc. 38th Midwest
Symposium on Circuits and Systems, vol. 2, pp. 1042-1045, Aug. 1995
[32] Delgado-Restituto M., Linan M. and Rodriguez-Vazquez A., „CMOS ±2.4V
Chaotic Oscillator: Experimental Verification of Chaotic Encryption of Audio”,
IEEE Electronics Letters, vol. 32, pp. 795-796, April 1996
[33] Ithoh M., Murakami H. and Chua L.O., „Signal Transmission through a Chain of
Chua’s Circuits and Systems”, IEEE International Symposium on Circuits and
Systems, vol. 2, pp. 005-1008, May 1995
[34] Han G. and Sánchez-Sinencio E., „The Coefficients Scaling for Hardware
Implementation of the Lorenz Chaos System”, Internal Report, Texas A&M
University

257
CAPITOLUL 6

CONTROLUL HAOSULUI
Ciprian BASTON
SERVICIUL DE TELECOMUNICAŢII SPECIALE, Bucureşti

6.1 Introducere
Haosul, des întâlnit în realitate, reprezintă acel tip de comportament
considerat a produce o funcţionare defectuoasă sau, nu de puţine ori, chiar
distrugerea aplicaţiilor. De aceea haosul este nedorit, iar sistemele sunt
proiectate astfel încât dinamica haotică să nu apară sau să fie, pe cât posibil,
evitată. Astfel, primul scop al controlului haosului este suprimarea oscilaţiilor
aberante şi producerea unei dinamici prescrise.
Odată ce sistemele haotice, apărute mai întâi în teorie ca „monştri”
matematici, au fost studiate şi pe măsură ce s-a reuşit „îmblânzirea” acestora,
haosul a încetat să mai fie considerat supărător şi multe aplicaţii s-au concentrat
pe exploatarea caracteristicilor acestuia. Haosul poate fi avantajos, întrucât
permite generarea unui număr infinit de comportări periodice sau neperiodice
utilizând acelaşi sistem haotic, prin aplicarea unor mici perturbaţii unui
parametru de control sau unei variabile de sistem.
Continuarea o constituie ideea mai generală a direcţionării stărilor
generale pe atractori haotici şi a ideii de anticontrol, care are ca scop susţinerea
stării haotice.
După ce am dat sens ideii de control al haosului, înainte de a încerca
găsirea unor metode eficiente de realizare, trebuie să răspundem întrebării: de ce
este necesar controlul haosului? Nu este mai simplu să proiectăm sistemele fără
să aibă comportări haotice? Desigur, nu aceasta este soluţia pentru sistemele
intrinsec haotice, pentru sistemele care trebuie să opereze într-un regim dinamic
pentru a fi eficiente sau când sistemul este supus unor influenţe necontrolabile şi
imprevizibile care generează haos. În general, pentru sistemele cu comportări
neliniare şi complexe controlul haosului poate deveni important. În continuare,
vom prezenta câteva exemple de sisteme pentru care controlul haosului este de
mare ajutor.
 Stabilizarea vibraţiilor haotice nedorite. În multe sisteme asupra cărora
acţionează forţe externe pot să apară vibraţii, care sunt periculoase pentru
sistem: vibraţiile aripilor avioanelor, podurile expuse vânturilor, clădirile la
cutremur sau navele lovite de valuri sunt doar unele dintre exemple. Controlul
acestor vibraţii nedorite poate reduce simţitor presiunea care apasă asupra
sistemului. Una dintre primele aplicaţii ale metodei OGY [34] a fost controlul
vibraţiilor haotice ale unei curele mecanice.
 Mărirea randamentului sistemelor neliniare. Sisteme complicate, cum ar
fi laserii, adesea au randamentul maxim doar când funcţionează în regim haotic.
În acest caz, datorită cuplajelor modale pot să apară frecvenţe nedorite. Roy şi
258
alţii [26] au controlat oscilaţiile haotice ale unui laser multimod şi au obţinut o
creştere de cincisprezece ori în putere. O altă aplicaţie este sincronizarea
sistemelor haotice prin control. Pe lângă mărirea randamentului sistemelor
cuplate, cum ar fi laserii cuplaţi, s-au realizat aplicaţii în comunicaţii digitale,
cum ar fi transmisiile de date secrete [16] şi rapide [12].
 Controlul sistemelor biologice excitabile. Haosul a fost asociat cu
funcţionarea necorespunzătoare a anumitor sisteme biologice, cum ar fi inima.
Se crede că în timpul unui stop cardiac mişcările inimii trec prin tranziţii de la
mişcarea periodică la o mişcare haotică [15]. Pe de altă parte, haosul pare să
joace un rol foarte important în capacitatea creierului de a prelucra eficient
informaţiile. Se crede că în timpul unei crize de epilepsie are loc o tranziţie de la
haos la o stare stabilă periodică, care împiedică temporar procesarea eficientă a
informaţiei [4]. Printre primele aplicaţii ale metodelor de control ale haosului se
numără aceste aplicaţii în medicină, care în viitor pot duce la dezvoltarea unor
dispozitive medicale implantabile.
 Mărirea vitezei amestecării fluidelor şi eficienţei reacţiilor chimice.
Viteza amestecării fluidelor şi eficienţa reacţiilor chimice devin maxime dacă
sistemul este stabilizat pe o orbită periodică instabilă într-un regim haotic.
Această stabilizare permite, de asemenea, o mai bună predicţie a rezultatului
procesului.
 Trimiterea navelor spaţiale pe Lună. Sistemul de trei corpuri format din
Pământ, Lună şi navă spaţială prezintă a dinamică haotică. Ca rezultat, o navetă
spaţială va vizita în cele din urmă vecinătatea Lunii dacă nu este perturbată.
Aceasta oferă posibilitatea interesantă de a aplica perturbaţii mici în anumite
puncte din spaţiu pentru a îndrepta naveta spre Lună într-un mod care nu
necesită mari cantităţi de combustibil.
 Înţelegerea modului de prelucrare a informaţiei de către creier. Dovezi
experimentale indică faptul că teoria haosului joacă un rol fundamental în
procesarea neurală a informaţiei [7] şi că este important de înţeles modul în care
haosul intervine în prelucrarea, păstrarea şi refacerea informaţiei. În acest
context, mecanismele de control care se bazează pe ideile derivate din reţelele
neuronale şi inteligenţa artificială trebuie să fie investigate. Aceasta ar putea
conduce nu numai la o mai bună înţelegere a creierului şi la posibile aplicaţii
medicale, dar şi la dispozitive puternice de prelucrare a informaţiei.
În concluzie sunt două motivaţii majore pentru a studia controlul
haosului: 1) transformarea eficientă a comportării haotice într-o comportare
periodică, previzibilă şi 2) proiectarea sistemelor pentru a funcţiona haotic şi
utilizarea puterii haosului. Un sistem haotic are un număr mare de stări distincte
uşor accesibile sub forma orbitelor periodice instabile.
Comportările pe termen lung sau stările stabile ale sistemelor dinamice se
împart în comportări regulate (puncte fixe, periodice sau quasiperiodice) şi
comportări neregulate (haotice). În mod curent, prin modificarea unuia sau a mai
multor parametri dinamica sistemului trece de la o comportare regulată la o
259
comportare haotică. Vom presupune că parametrii au o asemenea valoare încât
neperturbat sistemul se comportă haotic.
Metodele de control al haosului pot fi împărţite în metode feedback şi
non-feedback. Metodele non-feedback aplică perturbaţii independente de starea
sistemului (control în buclă deschisă), pe când metodele feedback folosesc
perturbaţii care se bazează pe cunoaşterea stării sistemului (control în buclă
închisă). Perturbaţiile acestea pot fi aplicate parametrilor de control (în cazul
controlului parametric) sau direct unei variabile de sistem (în cazul controlului
de stare). Metodele feedback nu modifică atractorii sistemelor controlate şi în
general stabilizează orbite periodice instabile din atractorii haotici. Metodele
non-feedback modifică atractorii sistemului controlat printr-o deplasare a
comportării sistemului de la forma haotică la o orbită periodică ce se află în
imediata apropiere a atractorului iniţial. Se mai pot face diferenţe între metode şi
după tipul perturbaţiilor: în timp continuu sau discret.
În secţiunile următoare vom prezenta mai multe abordări ale problemei
haosului. Păstrând în minte observaţia: „A susţine că o metodă este superioară
altei metode nu are sens, ştiind că aceasta depinde de problema specifică care
trebuie rezolvată.” (Ricardo Lima şi Marco Pettini) vom analiza principalele
caracteristici ale metodelor de control.

6.2 Controlul haosului de tip non-feedback


Metodele non-feedback exploatează unele proprietăţi sau informaţii
asupra sistemului şi îl modifică prin schimbarea unui parametru de control sau
adăugarea unei forţe externe astfel încât comportarea sistemului să treacă de pe
un atractor haotic pe o stare periodică [32]. Prima abordare constă în a elimina
haosul din sistem şi ne vom referi la ea ca metoda variaţiei parametrilor. A doua
abordare consideră perturbaţii periodice sau aleatoare şi este numită
regularizarea haosului.
Cel mai simplu mod de a suprima oscilaţiile haotice este de a schimba
parametrii sistemului în aşa fel încât să rezulte tipul de comportare dorit.
Utilizând diagrama de bifurcaţie, un instrument standard din analiza sistemelor
haotice, se pot alege valorile necesare ale parametrilor sistemului pentru orice
tip predefinit de comportare: puncte fixe, orbite cu una, două sau mai multe
perioade. Această metodă, cunoscută sub numele de metoda variaţiei
parametrilor, se bazează pe analiza bifurcaţiilor sistemului care trebuie controlat,
ca funcţie de parametrii de control. Bifurcaţiile sunt schimbări ale structurii
topologice a mulţimii atractoare ce rezultă din schimbarea unuia sau a mai
multor parametri de control. Să considerăm spre exemplu funcţia logistică:
xn 1  p xn (1  xn ) , (6.1)

260
cu parametru de control p. Este bine cunoscut faptul că dinamica prezintă
bifurcaţii de dublare a perioadei dacă p se modifică de la p  0 până la p  4 .
Aceasta se poate prezenta sintetic în diagrama de bifurcaţie din fig. 6.1.
Diagrama prezintă x1000 ca funcţie de p. Pentru p  p  3,57 , dinamica
este haotică. Pe baza diagramei de bifurcaţie controlul se obţine prin fixarea
parametrilor de control astfel încât sistemul să urmeze dinamica dorită. De
exemplu, dacă se doreşte o dinamică periodică de perioadă 2, p poate fi fixat la o
valoare din intervalul 3 < p < 3,449 .

Fig. 6.1 Diagrama de bifurcaţie pentru ecuaţia logistică

Pentru următorul exemplu să considerăm sistemul Lorenz, care prezintă


comportament haotic pentru r = 28 (fig. 6.2 a)). O analiză detaliată a sistemului
Lorenz cu parametru de control r arată că există ferestre ale parametrului unde
sistemul prezintă o comportare nehaotică. Pentru r = 151,32, atractorul este un
ciclu de perioadă 2 (fig. 6.2 b)).
De asemenea, deoarece haosul apare doar pentru r > 24,74... sistemul
haotic poate deveni unul regulat alegând r < 24,74... (fig. 6.2 c)). Se poate
observa că variaţia parametrilor modifică fundamental sistemul, deoarece stările
controlate sunt departe de atractorul original şi schimbările parametrilor trebuie
să fie mari pentru a obţine controlul. Utilizarea unor modificări mari ale
parametrilor (consum energetic mare) este principalul dezavantaj, la care se
adaugă faptul că metoda nu poate fi aplicată pentru sistemele fizice unde
parametrii sunt ficşi sau se pot modifica într-o gamă foarte mică.

261
a) r = 28; b) r = 151,32;

c) r = 14;
Fig. 6.2 Atractorul Lorenz

Regularizarea haosului se referă la controlul haosului prin perturbaţii


independente de stare sau prin zgomot. Întregul sistem poate fi scris sub forma:
x  F  x  t  , p0  u1  1, 1, t  ,   t    u2  2 ,  2 , t  , (6.2)
cu u1 perturbaţia unui parametru de sistem şi/sau a unei forţe externe u2. Pentru
anumite valori ale parametrilor ωi, γi, sistemul poate dezvolta o mişcare
periodică sau orice alt tip de mişcare. Valorile adecvate pentru parametri pot fi
identificate printr-o analiză sistematică a stabilităţii sistemului cu parametrii
adiţionali ωi, γi sau prin metoda aproximaţiilor succesive.
În această categorie de control au fost sugerate diferite mecanisme:
perturbaţia periodică a unui parametru intern al sistemului [22], [31], [37],
perturbaţii externe periodice [3], [36] sau perturbaţii externe aleatoare (controlul
haosului prin zgomot) [43]. Aceste abordări sunt totuşi limitate de faptul că
acţiunea lor nu este orientată şi starea finală nu poate fi uşor decisă de operator.
Dacă se cunoaşte descrierea analitică a stării dorite se poate aplica metoda

262
antrenării [2], [14], unde dinamica ţintă este utilizată ca perturbaţie externă a
unei variabile de sistem pentru a conduce sistemul la această stare de intrare.
Ca exemplu să considerăm mişcarea roţii unei maşini. Datorită
denivelărilor de teren şi schimbărilor de direcţie, roata şi suspensia au o mişcare
aperiodică arbitrară. Aceste vibraţii pot fi foarte periculoase. O metodă des
întâlnită pentru suprimarea acestor vibraţii este instalarea unui amortizor, deci a
unui sistem dinamic suplimentar. Astfel modificăm sistemul haotic original (prin
adăugarea amortizorului, dar fără modificări de proiectare sau de construcţie),
pentru a-i schimba dinamica, prin introducerea unei noi orbite stabile periodice
în vecinătatea atractorului original. Într-un sistem electric amortizorul poate fi o
simplă capacitate de şunt sau un circuit LC.
Breiman şi Goldhirsch [36] au studiat efectele adăugării unui mic semnal
periodic de comandă întru-un sistem care se comportă într-un mod haotic. Ei au
descoperit că perturbaţii externe sinusoidale de mică amplitudine şi cu frecvenţă
corespunzătoare pot elimina oscilaţiile haotice şi determină sistemul să opereze
într-un mod stabil.
Cel mai mare avantaj al tehnicilor non-feedback este viteza lor. Odată găsiţi
parametrii de control adecvaţi, fie pentru perturbaţii, fie pentru parametrii
sistemului, controlul poate fi obţinut rapid, deoarece nu este necesară nici
monitorizarea dinamicii sistemului, nici procesarea politicii de control. Aceste
tehnici sunt deci promiţătoare pentru controlul sistemelor rapide, cum ar fi
sistemele electro-optice. Pe de altă parte, aceste metode nu folosesc caracteristicile
haosului pentru control, ci creează un nou sistem cu proprietăţile dorite. Orbita
stabilizată, în general, nici nu există pentru sistemul neperturbat, iar în multe
aplicaţii aceasta este nedorită sau chiar imposibil de realizat, deoarece, spre
exemplu, nu sunt permise decât modificări mici ale parametrilor sistemului. În plus,
dacă prin metoda aproximaţiilor succesive nu sunt găsiţi parametrii potriviţi, este
necesară o analiză laborioasă a sistemului pentru a stabili controlul.

6.3 Metode de tip feedback


Metodele de tip feedback folosesc perturbaţii alese pe baza cunoaşterii
stării sistemului. Aceste metode vor fi utile în practică, dacă sunt independente
de model, adică nu necesită cunoaşterea analitică a dinamicii sistemului. În
schimb este necesară o etapă de învăţare în care informaţia necesară alegerii
perturbaţiilor este extrasă din observarea dinamicii sistemului. Scopul în aproape
toate metodele de control cu feedback este stabilizarea sistemului pe una dintre
orbitele periodice instabile (OPI) prin mici perturbaţii. Vom distinge între
metodele de control cu feedback parametrice care modifică un anumit parametru
de sistem şi metodele de control cu impulsuri care modifică direct o variabilă de
sistem. Aceste metode sunt, de obicei, metode în timp discret şi aplică semnale
de control la momente de timp discrete, de exemplu când sistemul traversează o
suprafaţă de secţiune. A treia categorie de metode de control cu feedback o
constituie metodele în timp continuu. În plus vom analiza două mari
263
îmbunătăţiri ale metodelor de control parametrice: direcţionarea, care se referă
la problema generală a conducerii sistemului din orice stare iniţială într-o stare
dorită, într-un timp cât mai scurt şi urmărirea, care se referă la metodele capabile
să stabilizeze un sistem într-un mediu nestaţionar.
În cazul ideal al controlului haosului în scopul stabilizării orbitelor
periodice instabile (OPI) într-un mediu fără zgomot, mici perturbaţii sunt
suficiente şi perturbaţia aplicată va dispărea o dată ce starea dorită este atinsă.
Posibilitatea controlului sistemului prin mici perturbaţii este unul din avantajele
majore ale metodelor de control cu feedback. Spre exemplu, în aplicaţiile
medicale care privesc controlul aritmiilor inimii, controlul prin perturbaţii mici
oferă posibilitatea unui control mai puţin invaziv decât metodele comune [8].
6.3.1 Metode de control cu feedback parametrice.
Metoda OGY
Dinamica haotică poate fi privită ca o sumă de comportări periodice pe
anumite intervale de timp. În acelaşi timp, dinamica haotică este caracterizată
printr-o puternică senzitivitate la condiţiile iniţiale, ceea ce conduce la
divergenţa exponenţială a traiectoriilor iniţial apropiate şi la impredictibilitatea
sistemului. Aceasta poate fi interpretată diferit: o mică perturbaţie va genera un
răspuns mare în timp. Ott, Grebogi şi Yorke au fost primii care au sugerat
exploatarea acestei senzitivităţii la condiţiile iniţiale, pentru stabilizarea
sistemului haotic pe una dintre orbitele periodice instabile (OPI) incluse,
utilizând perturbaţii mici, bine alese [10].
Principalul avantaj al acestui tip de control este faptul că se exploatează
caracteristicile haosului şi faptul că nu se modifică fundamental sistemul
controlat. Odată atinsă starea dorită, perturbaţiile dispar în cazul ideal şi mici
perturbaţii permit comutarea între un număr mare de dinamici oferite de
numărul infinit de OPI.
Pentru a obţine controlul, această metodă utilizează trei caracteristici ale
atractorului haotic. Deoarece un atractor haotic conţine un număr infinit de
orbite periodice instabile, metoda oferă flexibilitate în alegerea orbitei instabile
care va fi stabilizată. O orbită periodică instabilă poate fi aleasă pe principiul
performanţei maxime dintr-un subset de orbite instabile sau pur şi simplu pentru
că rezultă dintr-un set dat de parametri.
A doua caracteristică care este utilizată este proprietatea de instabilitate, şi
anume dependenţa puternică de condiţiile iniţiale. Această proprietate permite
utilizarea unor perturbaţii de mică amplitudine pentru a ajusta dinamica
sistemului. Singura cerinţă este ca perturbaţiile să fie suficient de mici pentru a
nu introduce noi traiectorii.
Un ultim aspect al sistemelor haotice care este exploatat este caracterul
dens al orbitelor. În metoda OGY, controlul se aplică atunci când o anumită
traiectorie intră în vecinătatea orbitei periodice care trebuie stabilizată. Datorită

264
acestei caracteristici a atractorului haotic, suntem siguri că la un moment dat în
timp o traiectorie va intra în vecinătate şi controlul poate fi aplicat.
Într-o prezentare sintetică, metoda OGY cuprinde trei etape:
1. se determină orbitele instabile cu perioadă mică ce se întreţes în atractorul
haotic;
2. se examinează aceste orbite şi se alege cea care îmbunătăţeşte performanţele
sistemului;
3. se ajustează prin perturbaţii dependente de timp parametrii sistemului pentru
a stabiliza orbita periodică instabilă aleasă.
În continuare vom prezenta metoda OGY pentru cazul simplu
unidimensional şi cazul bidimensional.
Ideea de bază a controlului poate fi înţeleasă prin considerarea cazului
unidimensional al ecuaţiei logistice, unul dintre cele mai studiate sisteme haotice:
xn 1  f  xn , r   rxn 1  xn  , (6.3)
unde x este restrâns la intervalul [0,1] şi r este un parametru de control. Se ştie
că această ecuaţie evoluează spre haos prin bifurcaţii de dublare a perioadei.
Pentru 0  r  1, starea asimptotică a sistemului (atractorul sistemului) este
x  0 , pentru 1  r  3 , atractorul este un punct fix diferit de 0, xF  1  1/ r ,
pentru 3  r  1  6 , acest punct fix devine instabil şi atractorul este o orbită
periodică de ordinul 2. Dacă r creşte în continuare, are loc o secvenţă de
bifurcaţii de dublare a perioadei, în care succesiv orbitele de perioadă dublă
devin stabile. Punctul de acumulare este r∞ ≈ 3,57, după care haosul poate să apară.
Să considerăm cazul r = 3,8, pentru care sistemul este aparent haotic. Să
presupunem că vrem să evităm haosul pentru r = 3,8 şi, mai mult, dorim ca
traiectoriile ce rezultă din condiţiile iniţiale x0 aleatoare să fie cât mai apropiate
de orbita de perioadă 2, presupunând că aceasta oferă performanţă maximă
sistemului. Desigur, putem alege ca stare asimptotică dorită oricare OPI.
Parametrul r poate fi uşor modificat într-o mică gamă în jurul valorii r0 =3,8, de
exemplu r este permis să varieze în intervalul [r0  , r0  ] , unde δ = 1.
Datorită naturii haotice a atractorului, o traiectorie care porneşte de la o valoare
arbitrară x0 va intra, cu probabilitate unu, în vecinătatea orbitei de perioadă 2 la
un anumit moment de timp. Traiectoria se va îndepărta rapid, dacă nu
intervenim. Sarcina noastră este de a programa variaţia parametrului de control
pentru ca traiectoria să rămână în vecinătatea orbitei de perioadă 2 atât timp cât
controlul este prezent. În general micile perturbaţii ale parametrilor vor fi
dependente de timp. Subliniem încă o dată faptul că aplicăm perturbaţii mici.
Dacă sunt permise variaţii mari ale parametrilor, atunci, evident, putem elimina
haosul prin modificarea lui r de la 3,8 la 2 spre exemplu.
Ecuaţia logistică poate fi aproximată de o ecuaţie liniară în vecinătatea
orbitei periodice. Să notăm orbita de perioadă m dorită cu x  i  , i  1,..., m , unde

265
x(i  1)  f ( x(i)) şi x(m  1)  x(1) . Să presupunem că la momentul n,
traiectoria intră în vecinătatea componentei i a orbitei m-periodice. Dinamica
liniarizată din vecinătatea componentei i + 1 este:
f f
xn 1  x(i  1)  [ xn  x(i )]  rn 
x r (6.4)
 r0[1  2 x(i )][ xn  x(i )]  x(i )[1  x(i )]rn
unde derivatele parţiale sunt evaluate la x  x  i  şi r  r0 . Impunem ca xn 1 să
rămână în vecinătatea lui x  i  1 . Astfel impunem xn 1  x  i  1  0 , din care
rezultă:
[2 x(i)  1][ xn  x(i)]
rn  r0 . (6.5)
x(i)[1  x(i)]
Acest rezultat este valabil doar în cazul în care xn este în vecinătatea
orbitei de perioadă m, spre exemplu pentru xn  x  i   1 , ceea ce implică
rn mic. Fie 2ε lungimea intervalului care defineşte vecinătatea din jurul
fiecărei componente a orbitei de perioadă m. În general perturbaţia maximă
admisă δ este proporţională cu ε. Deoarece ε poate fi ales arbitrar mic,
δ poate fi de asemenea suficient de mic. Aşa cum vom vedea, timpul mediu de
tranziţie în care traiectoria intră în vecinătatea orbitei ţintă depinde de ε (sau de δ).
Când traiectoria este în afara vecinătăţii, nu aplicăm perturbaţia, astfel încât
sistemul evoluează la valoarea nominală a parametrului r0 (în acest caz rn  0 ).
Să observăm că perturbaţia rn este dependentă de timp şi de xn .
Strategia de control de mai sus este foarte flexibilă pentru stabilizarea
diferitelor orbite periodice la diferite momente de timp. Să presupunem mai întâi
că stabilizăm traiectoria pe o orbită de perioadă 2. Apoi dorim să trecem pe un
punct fix al ecuaţiei logistice, presupunând că acesta corespunde unei
performanţe superioare la acel moment. Pentru a obţine schimbarea controlului,
anulăm pur şi simplu controlul parametrului pentru orbita periodică de ordin 2.
Fără control traiectoria va diverge exponenţial, evoluând la valoarea r0 a
parametrului r. După o perioadă de timp traiectoria haotică va intra într-o mică
vecinătate a punctului fix. În acest moment vom aplica un nou set de perturbaţii
ale parametrului r, calculate pentru punctul fix. Traiectoria se va stabiliza atunci
în jurul punctului fix.
În prezenţa unui zgomot extern, traiectoria controlată va fi ocazional
aruncată în afara vecinătăţii orbitei periodice. Dacă aceasta se întâmplă, anulăm
perturbarea parametrului şi aşteptăm ca sistemul să evolueze singur. Cu
probabilitate unu, traiectoria haotică va reintra în vecinătatea orbitei ţintă şi va
putea fi controlată din nou. Efectul zgomotului este de a transforma o traiectorie
controlată într-una în care fazele haotice separă fazele de control. Se poate

266
verifica simplu că lungimea medie a fazei de control creşte o dată ce
amplitudinea zgomotului descreşte.
Este interesant de calculat de câte iteraţii este nevoie, în medie, pentru o
traiectorie haotică ce porneşte cu condiţii iniţiale arbitrare pentru a intra în
vecinătatea ε a orbitei periodice ţintă. În mod evident, cu cât ε are o valoare mai
mică cu atât este nevoie de un număr mai mare de iteraţii. În general, timpul
mediu de tranziţie <τ> până la declanşarea controlului este proporţional cu δ,
adică:     , unde γ > 0 este un exponent de scară. Pentru o ecuaţie
unidimensională, probabilitatea ca o traiectorie să intre în vecinătatea unei
componente i a unei anumite orbite periodice este dată de:
x (i ) 
P ( )   [ x(i )]d x  2[ x(i )] , (6.6)
x (i ) 

unde ρ este frecvenţa cu care o traiectorie haotică vizitează o mică vecinătate a


punctului x din atractorul haotic. Dar    1 P    1  şi de aceea γ = 1.
Pentru sistemele haotice multidimensionale, exponentul γ poate depinde de
valorile proprii ale orbitei periodice care trebuie controlată.
Un avantaj major al ideii controlului haosului este faptul că poate fi
aplicată pentru sisteme pentru care nu avem o cunoaştere prealabilă a sistemului.
O serie temporală obţinută pe seama măsurării unei variabile a sistemului poate
permite refacerea spaţiului fazelor şi determinarea OPI care trebuie controlate,
precum şi a mărimilor necesare calculului perturbaţiilor parametrilor.
Un alt avantaj al modelului OGY pentru controlul haosului este flexibilitatea
în alegerea OPI dorite, aşa cum a fost prezentat în exemplul de mai sus.
Algoritmul pentru controlul haosului funcţiilor bidimensionale inversabile
poate fi formulat în mod asemănător. Să presupunem că avem un sistem în timp
discret descris de:
Zi 1  F (Zi , p), Zi 2 , p  , (6.7)
cu F o funcţie netedă şi p un parametru de control accesibil extern. Impunem ca
|p  p|<δ pentru o valoare nominală p . Obiectivul este ca prin modificarea
parametrului p pentru toate condiţiile iniţiale din bazinul atractorului haotic să se
obţină convergenţa la orbita periodică dorită.
Ideea metodei OGY poate fi înţeleasă cu ajutorul fig. 6.3. Fără control, o
traiectorie se va apropia de punctul fix de-a lungul direcţiei stabile şi se va
depărta de el de-a lungul direcţiei instabile (fig. 6.3 a)). Dacă parametrul se
modifică conform formulei OGY, direcţia stabilă este uşor mutată, astfel încât
traiectoria se apropie de direcţia stabilă a sistemului neperturbat (fig. 6.3 b)). În
cazul ideal, după perturbaţie, starea sistemului este exact pe direcţia stabilă a
sistemului neperturbat şi fără a fi nevoie de alte perturbaţii dinamica se va
apropia de punctul fix dorit (fig. 6.3 c)).
267
Fig. 6.3 Ideea metodei OGY

Metoda OGY aplică mici perturbaţii dependente de timp Δp unui


parametru p în vecinătatea unei orbite periodice instabile extrasă anterior.
Perturbaţia se alege prin reconstruirea liniară locală a dinamicii sistemului în
jurul orbitei dorite. Dacă nu dispunem de forma analitică, pot fi folosite date
experimentale pentru a extrage informaţiile necesare. Metoda OGY este din
această cauză independentă de model.
Strategia de control este:
1. se caută o lege locală feedback, definită pe o vecinătate a orbitei periodice
instabile dorite. Vom considera o aproximare de ordinul întâi a sistemului pe
orbita periodică instabilă şi vom presupune că aproximarea este stabilizabilă;
2. datorită dinamicii haotice, suntem siguri că traiectoria va intra în vecinătatea
orbitei;
3. odată ce traiectoria este în interiorul vecinătăţii, vom aplica controlul
feedback pentru a ghida traiectoria spre orbita dorită.
Fie Z* ( p) punctul fix instabil din atractor. Pentru p apropiat de p , în
vecinătatea punctului fix Z* ( p) putem aproxima funcţia prin:
Zi 1  Z* ( p)  A[Zi  Z* ( p)]  B( p  p) , (6.8)
unde A  DZ F (Z , p) şi B   p F (Z , p) . Matricea iacobiană A este calculată în
punctul Z* ( p) , iar matricea B pentru p  p .
Matricea A se poate descompune astfel: A  u eu fuT   ses f sT , unde
{e u , es } sunt vectorii proprii corespunzători valorilor proprii stabile şi instabile
{u ,  s } şi { fu , f s } sunt vectorii proprii adjuncţi definiţi prin relaţiile:
f sT es  fuT eu  1 , f sT eu  fuT es  0 .
Pentru a controla sistemul spre punctul fix dorit, se ajustează parametrul p
astfel încât Zi 1 să cadă în Z* ( p) . Pentru acesta trebuie să avem:
 
fuT Zi 1  Z* ( p)  0 .

268
Folosind liniarizarea în jurul punctului fix şi descompunerea lui A rezultă

că: p  p   K T (Zi  Z* ( p)) , unde K este definit de: K  Tu fu şi fuT B  0 .
fu B
Întrucât impunem | p  p |  pentru δ ales şi p  p   K T (Zi  Z* ( p)) ,
rezultă | K T (Zi  Z* ( p)) |  . Dorim să activăm metoda de control pentru valori
ale lui Z i care sunt în interiorul cercului de rază 2δ [K T ] şi să lăsăm p  p când
Z i este în exteriorul domeniului. Atunci avem controlul determinat de:

 K ( Zi  Z* ( p)), pentru |  K ( Zi  Z* ( p)) | 
T T
p p (6.9)

 0, altfel
În cazul aplicării practice a metodei OGY trebuie să se ţină seama de
următorii factori:
1. Metoda se bazează pe faptul că traiectoria vizată va intra în vecinătatea
orbitei periodice instabile şi metoda de control va putea fi aplicată. Totuşi,
timpul în care acest lucru se va petrece poate fi foarte lung. Din această cauză
au fost dezvoltate metode care dirijează o traiectorie spre vecinătatea unui
atractor instabil, pentru a micşora timpul în care controlul poate fi aplicat.
2. Zgomotul poate determina ca traiectoria să sară din regiunea unde se aplică
controlul.
3. În procesul de măsurare a stării sistemului pot să apară erori de măsurare.
Poziţia coordonatelor punctului fix pot să difere de coordonatele reale.
Similar, mărimile {u ,  s } şi { fu , f s } care sunt necesare calcului perturbaţiei
parametrului p pot să conţină erori.
4. Controlul este posibil doar dacă |  K T (Zi  Z* ( p)) |  . Această condiţie
poate să nu fie îndeplinită pentru punctele fixe ale sistemului pentru care
vectorii fu şi B sunt aproape ortogonali. Aceste puncte fixe sunt astfel
necontrolabile prin intermediul micilor perturbaţii. În principiu, prin
micşorarea factorului ( Zi  Z* ( p)) , |  K T (Zi  Z* ( p)) | poate fi micşorat
oricât de mult, aşteptând ca traiectoria să fie suficient de apropiată de punctul
fix dorit. Totuşi, timpul mediu de aşteptare ca acesta să se întâmple poate fi
semnificativ mai mare. Avem astfel un compromis între mărimea
perturbaţiilor şi timpul mediu de aşteptare.
5. Ipoteza de liniaritate din apropierea punctului fix nu este întotdeauna
verificată, în multe cazuri fiind necesară executarea corecţiilor de
neliniaritate cu ajutorul unei funcţii pătratice.
Ca exemplu vom prezenta aplicarea acestei metode pentru funcţia Henon,
care este dată de:
 xi 1   a  xi 2  byi 
     .
 i 1   i
y x 
269
Când b  0.3 , această funcţie are un atractor haotic pentru a  1.4 .
Punctul fix pentru această funcţie este dat de x*  y*  c  c 2  a , unde
c  0.5 1  b  .
Paşii pentru controlarea sistemului sunt:
1. identificarea orbitei periodice care trebuie stabilizată;

2. calcularea lui Z A (a) :

 x*   c  c  a   0.8839 
2
Z A (a)      ;
y 
 *   c  c  a  
2  0.8839 

3. calcularea matricelor A şi B:
 2 x* b  1 
A 
0   0 ;
, B
 1  

4. calcularea u ,  s :

u.s   x*  x*2  b
u  1.9327 ;
 s  .1559

5. calcularea {eu , es } şi { fu , f s } :
 0.8873 0.1541
 eu es    
 0.4612 0.9881 
 fu   1.0425 0.1626 
  
 f s   0.4867 0.9362 

6. calcularea lui K:
K  [u u s ]  [1.9327 .3] ;

7. se alege δ .

Practic, după cum se poate vedea în fig. 6.4, controlul se obţine în doar
500 de iteraţii pentru x = 0.8839 când δ =0.01. Pe axa verticală este reprezentată
valoarea lui xn la fiecare iteraţie, iar pe axa orizontală, n reprezintă numărul de
iteraţii.

270
2

1.5

0.5

0
x

-0.5

-1

-1.5

-2
0 100 200 300 400 500 600 700 800 900 1000
n
Fig. 6.4 Ilustrarea metodei de control pentru funcţia Henon

a) Timpul necesar controlului


Fie i  Zi  Z  p  . Controlul parametrului p se aplică doar pentru
|p  p |  , ceea ce determină o regiune îngustă în spaţiul fazelor, de-a lungul
direcţiei stabile a punctului fix ales: ui  * , unde ui  fu i , is  f si , iar ξ* se
determină din egalitatea |p  p |  :
1 T
*   | fu B | .
u
Astfel, pentru δ mic, o traiectorie rezultată din condiţii iniţiale aleatoare
va avea o evoluţie haotică, neschimbată faţă de cazul în care nu se aplică
controlul, până când ui  * . Chiar şi în acest caz, din cauza neliniarităţilor de
care nu s-a ţinut cont la dezvoltarea din (6.8), controlul s-ar putea să nu fie
capabil să conducă traiectoria în direcţia punctului fix dorit. În acest caz,
traiectoria va părăsi zona de control, continuând să se mişte haotic ca şi cum nu
s-ar fi întâmplat nimic. Deoarece traiectoria va trece prin vecinătatea oricărui
punct al atractorului într-un anumit interval de timp, la un moment dat va fi
suficient de aproape de punctul fix dorit pentru a satisface |p  p |  şi pentru a
se obţine controlul. În cazul ideal (fără zgomot şi fără identificarea imperfectă a
parametrilor sistemului) aplicarea controlului creează o orbită stabilă, dar pentru
anumite condiţii iniţiale este precedată de o tranziţie haotică în care orbita este
similară orbitelor sistemului necontrolat. Durata tranziţiei este diferită pentru

271
diferite condiţii iniţiale şi poate fi privită ca realizări ale unei variabile aleatoare τ,
cu probabilitatea de distribuţie exponenţială:
P    exp       , (6.10)
unde < τ > este durata medie a tranziţiei haotice. Când δ descreşte, dimensiunea
zonei de control descreşte, astfel încât timpul mediu pentru realizarea
controlului < τ > creşte.
Pentru a înţelege distribuţia exponenţială (6.10) să ne imaginăm un număr
mare de puncte din atractorul haotic. Considerând zona ce înconjoară punctul fix
dorit Z* ( p) ca „zonă de evadare”, vedem că sub dinamica dată de (6.7) orice
condiţie iniţială intră în zona de evadare la momente diferite de timp. Aceste
momente de timp în care traiectoriile se găsesc în afara zonei de evadare pot fi
considerate ca timpi de viaţă. Pentru a găsi probabilitatea de distribuţie pentru
timpul de viaţă inversăm zona de evadare respectând dinamica inversă.
Imaginile inverse intersectează atractorul haotic, generând „găuri” (există un
număr infinit de imagini inverse) şi lasă în urmă un set fractal de puncte care nu
intră în zona de evadare. Acest set fractal este neatractiv, deoarece un punct din
vecinătatea acestui set îl va părăsi în cele din urmă şi va intra într-o gaură.
Deoarece aproape toate punctele atractorului haotic ajung în găuri, timpii de
viaţă ai acestor puncte sunt de fapt timpii de viaţă în care punctele părăsesc setul
fractal neatractiv. Se ştie că distribuţia timpilor de evadare dintr-un set fractal
neatractiv este exponenţială. Aparent, considerarea unor zone diferite pentru
control conduce la seturi diferite de fractali. De fapt un număr infinit de mulţimi
fractale neatractive sunt incluse în atractorul haotic.
Din (6.8), prin înmulţirea cu fu şi apoi cu f s obţinem următoarele două
relaţii pentru dimensiunea zonei de control, valabile pentru ui  * :
u
ξi+1 0;
is1  0iu   sis , (6.11)

u f st B
unde  0  t .
fu B
Ecuaţiile de mai sus sunt liniarizări şi corecţiile de cel mai mic ordin sunt
cele pătratice. Deoarece is nu este restricţionat prin ui  * , se poate ca acesta
să ia valori mari când condiţia de control este satisfăcută. De aceea ne aşteptăm
ca corecţiile pătratice în is să fie cele mai semnificative. Incluzând o asemenea
corecţie în (6.11) obţinem:
ui 1  k (is )2 ,

272
unde k este o constantă. Astfel, dacă k (is )2  * , atunci ui1  * şi controlul nu
se obţine chiar dacă ui  * . Controlul se obţine doar în cazul în care traiectoria
intersectează paralelogramul Pc dat de: ui  * şi |is | * / | k | .
Pentru ξ* foarte mic, o traiectorie va „hoinări” pe atractorul haotic
necontrolat pentru o lungă perioadă de timp, înainte să cadă în paralelogramul
de control Pc. Probabilitatea de a se intersecta cu Pc este aproximativ aceeaşi cu
cea din cazul atractorului necontrolat. Dacă se distribuie un număr mare de
condiţii iniţiale pe atractorul haotic după o distribuţie normală şi se urmăreşte
traiectoria rezultată, probabilitatea μ(Pc) ne dă rata cu care aceste orbite cad în
interiorul paralelogramului de control. Fie N(n) numărul de orbite rămase
necontrolate la momentul n. Dacă tranziţia este lungă, putem considera timpul
discret ca fiind aproximativ continuu şi obţinem:
d N ( n)
 ( Pc ) N (n) .
dn
Astfel μ(Pc) este inversul timpului de descreştere pentru N(n), astfel încât:
  1    Pc  .
Pentru a calcula μ(Pc) vom utiliza definiţia dimensiunilor locale. Pentru
paralelogramul de control Pc , deoarece dimensiunile sale de-a lungul direcţiilor
stabile şi instabile ale punctului fix dorit Z* ( p) sunt ξ* şi * / | k | , obţinem:

 
ds
( PC )   * 
du
* k  * du (1/ 2)ds ,
unde du şi ds sunt dimensiunile locale pentru atractorul haotic necontrolat în
punctul Z* ( p) pentru direcţiile: instabilă, respectiv stabilă. Deoarece ξ * ~ Δp şi
    , obţinem relaţia exponentului de scară:
  du  1/ 2  d s . (6.12)
De obicei atractorul haotic este neted de-a lungul direcţiei instabile, ceea
ce implică du  1 . Dimensiunea locală de-a lungul direcţiei stabile este dată de
valorile proprii stabile şi instabile din Z* ( p) ca fiind d s  ln  u  ln 1/  s  .
Astfel:
  1  (1/ 2)ln(u ) ln(1/  s ) .
Calculul de mai sus este obţinut pentru cazul în care controlul nu este
activat pentru ui  * . În unele situaţii este posibil să se reducă sensibil <τ>
prin aplicarea controlului şi în afara paralelogramului de control. Acesta este un
exemplu general al problemei controlului haosului, cunoscut sub numele de

273
problema dirijării. Scopul este de a aplica mici perturbaţii traiectoriei haotice
pentru a o aduce din condiţiile iniţiale în regiunea ţintă într-un timp cât mai scurt
posibil. Regiunea din jurul punctului fix dorit este considerată ca având forma
unui paralelogram. Se poate considera şi o regiune circulară, caz în care
controlul se aplică pentru i  * . Aceasta conduce la aceeaşi relaţie    
, dar cu un alt exponent de scară du  d s . Această valoare a exponentului este
mai mare decât cea din (6.12), datorită faptului că aria regiunii circulare i  *
este mai mică decât aria paralelogramului de control. Timpul necesar controlului
devine mai lung şi de aceea în practică este mai avantajos să se considere
paralelogramul de control pentru declanşarea controlului.

b) Efectul zgomotului
Pentru a studia efectul zgomotului asupra controlului adăugăm un
termen n în partea dreaptă a ecuaţiei de liniarizare pentru i1 (6.8), unde  n
este o variabilă aleatoare şi ε este un mic parametru care specifică intensitatea
zgomotului. Pentru a simula zgomotul extern considerăm variabila aleatoare  n ,
cu media nulă (<  n >=0), valoarea medie pătratică unitară (<  2n >=1),
independentă (<  n m >=0, pentru n  m ) şi cu densitatea de probabilitate
independentă de n (variabilă aleatoare staţionară). Din cauza zgomotului,
ui1 , care este produsul scalar dintre fu şi i1 , nu se mai anulează când
termenii neliniari de ordin superior sunt neglijaţi. În schimb, obţinem: ui 1  iu
, unde ui  fu i . Dacă zgomotul este mărginit, de exemplu |un | max , atunci
controlul nu va fi afectat de zgomot dacă max este mai mic decât lăţimea
paralelogramului de control ξ*, de exemplu:
max  * . (6.13)
Dacă (6.13) nu este îndeplinită şi zgomotul nu este mărginit ( max   ),
atunci zgomotul poate muta traiectoria din paralelogramul de control Pc în afara
acestuia. O situaţie mai des întâlnită în practică este cea în care probabilitatea
zgomotelor de intensitate mare este mică, aşa cum este cazul distribuţiei
gaussiene. În acest caz pierderea controlului din cauza zgomotului se întâmplă
rar şi astfel timpul mediu (<T>) pentru ca o traiectorie controlată să părăsească
Pc va fi mare. Astfel o traiectorie va alterna între perioade de control cu timpul
mediu <T>, în care traiectoria se găseşte în interiorul paralelogramului şi controlul
este efectiv obţinut, şi perioade de mişcare haotică cu timpul mediu <τ>, în care
traiectoria se găseşte departe de punctul fix dorit. Deci traiectoria se găseşte în
cea mai mare parte a timpului în perioadele de control şi controlul poate fi
considerat eficient.

274
Timpul mediu <T> pentru care controlul este menţinut poate fi calculat
 
după cum urmează. Fie P un densitatea de probabilitate a variabilei aleatoare
un . Timpul <T> este în acest caz timpul pentru care un este mai mare decât
*  *  , care este inversul probabilităţii pentru ca un să fie în afara benzii * :
-1
 -*  
 
 T   P(n )d n  P(n )d n  .
u u u u
 
  * 

 
Dacă P un este gaussiană şi δ* este de câteva ori deviaţia standard,
atunci întreruperea controlului va corespunde pentru un la extremele densităţii
de probabilitate şi <T> va fi mare.
Metoda OGY prezentată mai sus se aplică funcţiilor inversabile. În
general, sistemele dinamice care pot fi descrise printr-un set de ecuaţii
diferenţiale de ordinul întâi sunt inversabile şi deci şi funcţiile discrete care se
obţin pe baza acestora sunt inversabile. Cele mai multe sisteme dinamice
întâlnite în practică fac parte din această categorie. Sistemele dinamice
neinversabile au proprietăţi distincte, spre exemplu, pentru o funcţie
neinversabilă bidimensională, un punct al atractorului haotic s-ar putea să aibă
mai mult de o direcţie stabilă (instabilă). O metodă de determinare a acestor
direcţii stabile şi instabile nu este încă cunoscută. Dacă una sau mai multe
asemenea direcţii la OPI dorită pot fi calculate, metoda OGY poate fi în
principiu aplicată prin forţarea traiectoriei haotice să cadă pe una dintre direcţiile
stabile ale OPI.
Faza de tranziţie poate fi sensibil redusă prin aplicarea unei tehnici de
direcţionare, astfel încât traiectoria să poată fi rapid adusă în regiunea dorită a
atractorului prin mici perturbaţii ale parametrului de control. Ideea este că,
deoarece sistemele haotice sunt exponenţial dependente la perturbaţii, perturbaţii
mici dar potrivit alese, pot avea, după un timp, un efect puternic asupra
traiectoriei şi pot fi utilizate pentru ghidare. Astfel, timpul necesar obţinerii
controlului poate fi, în principiu, mult redus prin aplicarea unor mici perturbaţii
când orbita este departe de vecinătatea OPI dorite.
Am considerat cazul în care există un singur parametru de control care
poate fi modificat. Deşi, principial, un singur parametru de control este suficient
pentru stabilizarea unei OPI, ar putea fi avantajos să utilizăm mai multe
variabile de control. În acest caz, parametrul de control devine un vector şi
libertatea câştigată prin adăugarea parametrilor de control poate fi utilizată prin
alegerea controlului care minimizează timpul de obţinere a controlului, ca şi
efectul zgomotului.

275
Subliniem că nu este necesară cunoaşterea dinamicii sistemului pentru
aplicarea metodei, ci doar localizarea OPI, dinamica liniarizată din apropierea
acesteia şi dependenţa poziţiei OPI de modificarea parametrului de control.
Ideea controlului haosului oferă o mare flexibilitate. Prin modificarea
controlului se poate comuta comportarea asimptotică de la o orbită periodică la
alta.
În final trebuie să scoatem în evidenţă faptul că metoda OGY nu se reduce
la controlul OPI. Succesul acestei metode se bazează pe existenţa direcţiilor
stabile şi instabile ale punctelor traiectoriei. Astfel, ea mai poate fi utilizată
pentru stabilizarea oricărei traiectorii haotice a unui atractor haotic, pentru
orbitele pseudoperiodice, cu aplicaţii în sincronizarea a două sisteme haotice,
transformarea haosului tranzitoriu în haos susţinut, comunicarea cu haos,
selectarea unei stări haotice dintr-un semnal intermitent haotic.
6.3.2 Metode adaptive
Pentru stabilizarea OPI au fost propuse mai multe metode alternative
pentru metoda OGY. Dintre metodele în buclă închisă, de tip feedback, amintim
aşa-numita metodă a feedback-ului proporţional intermitent (FPI), introdusă
simultan de Hunt [11] şi Showalter[33], metoda lui Huebler [6] şi metoda
introdusă de Pyragas [20], care aplică o reacţie inversă întârziată unei variabile
de sistem. Toate aceste metode sunt independente de model, în sensul că
informaţia necesară pentru selectarea perturbaţiei poate fi obţinută prin
observarea sistemului pe o perioadă de timp numită perioadă de învăţare.
În continuare vom prezenta una dintre posibilele abordări în buclă închisă
pentru stabilizarea OPI. Deşi aparţine aceleiaşi clase a metodelor OGY, poate fi
considerată ca o alternativă, deoarece constă în perturbarea unei variabile de
sistem în locul unui parametru de control. Aceasta ar putea fi de preferat în toate
cazurile în care parametrii de control sunt puternic influenţaţi de condiţiile
exterioare şi o modificare a lor este mai greu de realizat.
Să considerăm sistemul dinamic: x  F  x,   , cu μ un vector de
parametrii de control, x(t )   x1(t ), x2 (t ),..., xm (t )  un vector de dimensiune m
al variabilelor de stare, F o funcţie neliniară şi g (t )   g1(t ), g2 (t ),..., gm (t )  un
vector de dimensiune m ce reprezintă dinamica dorită, ce se obţine sub influenţa
perturbaţiei U  t  . Ipoteza necesară este aceea că există o variabilă scalară de
sistem (spre exemplu x1 ) care face parte din vectorul x şi care poate fi măsurată
şi modificată. Problema este selectarea unei perturbaţii potrivite astfel încât
întregul sistem să evolueze asimptotic spre x  t   g  t   0 .
În general, g  t  poate fi orice dinamică compatibilă cu evoluţia
sistemului. Totuşi, în această prezentare vom considera g  t  ca fiind o OPI de
perioadă T ( g (t )  x(t  T ) , condiţie ce corespunde stabilizării acelei OPI. Prima

276
încercare de rezolvare a acestei probleme a fost oferită de Pyragas [20], care a
propus introducerea unei perturbaţii aditive în ecuaţie pentru variabila x1 dată de:
U (t )  K ( g1(t )  x1(t ))  K ( x1(t  T )  x1(t )) ,
cu K un parametru de scară care stabileşte mărimea perturbaţiei. Această
perturbaţie nu este nimic altceva decât un feedback continuu cu întârziere asupra
variabilei x1 , cu efectul forţării lui x1  t  să urmărească pe g1  t  , aşa cum este
prezentat în fig. 6.5.
Intrare Ieşire
CHAOTIC
SYSTEM

K  y  t  T   y  t  

y t 
K Delay T
y t  T 
Fig. 6.5 Diagrama bloc a schemei de control Pyragas

În practică, metoda transformă un sistem de ecuaţii diferenţiale într-un


sistem dinamic cu întârziere. Aceasta este echivalent cu creşterea dimensiunii
acestuia, astfel încât OPI dorită (instabilă în sistemul original de ecuaţii
diferenţiale) să devină stabilă în noul sistem de ecuaţii.
Parametrii esenţiali ai aceste metode sunt T şi K. Primul poate fi
determinat experimental prin observarea evoluţiei sistemului neperturbat şi
aplicarea tehnicilor de determinare a OPI. Odată ce T a fost determinat,
operatorul începe modificarea lui K pentru extragerea domeniului de variaţie
pentru care OPI se stabilizează (intervalul de control).
Tehnica de mai sus a fost îmbunătăţită tot de Pyragas [21], prin
considerarea perturbaţiei U  t  ca sumă a tuturor multiplilor pT anteriori ai OPI.
Ulterior, selecţia naturală a lui K printr-o metodă adaptivă a transformat
parametrul de scară K într-o funcţie de timp ce exploatează informaţia obţinută
pe baza dinamicii locale. Metoda a fost introdusă iniţial pentru stabilizarea OPI
din sistemul haotic şi a fost extinsă ulterior pentru rezolvarea problemei
sincronizării haosului [29], dirijării [28], filtrării zgomotului din seturile de date
experimentale haotice [30].
Algoritmul de control adaptiv va cuprinde mai multe etape. În fiecare
moment tn la care se aplică perturbaţia se măsoară distanţa   tn  între dinamica
observată x1  tn  şi dinamica dorită g1  tn  :   tn   x1  tn   g1  tn  .

277
(tn )
Apoi se evaluează rata de variaţie locală: (tn )  lg | | , care măsoară
(tn-1 )
felul în care distanţa dintre dinamica dorită şi dinamica actuală evoluează în
timp. Perturbaţia care se aplică este:
U  tn   K  tn   g1  tn   x1  tn   , (6.14)
unde
1 1
 (1  th((tn ))),   0, K0  0 . (6.15)
K (tn ) K0
Natura adaptivă a algoritmului constă în faptul că mărimea perturbaţiei
depinde de dinamica locală a sistemului. Spre exemplu, dacă x1  t  se îndreaptă
spre g1  t  , acesta se reflectă printr-o descreştere a lui δ(t), ceea ce înseamnă o
valoare negativă pentru λ(t) şi astfel o micşorare a factorului de scară K  t  din
ecuaţia (6.15). Invers, dacă evoluţia naturală a dinamicii tinde să împingă
dinamica sistemului departe de dinamica ţintă, atunci acesta se reflectă printr-o
creştere a lui δ(t), ceea ce înseamnă o valoare pozitivă pentru λ(t) şi astfel o
mărire a factorului de scară K  t  . Cu alte cuvinte mărimea perturbaţiei este
determinată de distanţa dintre dinamica sistemului şi dinamica dorită. Mai
trebuie remarcat faptul că pentru σ→0 algoritmul adaptiv devine algoritmul
clasic prezentat anterior, deoarece K  t  devine constant şi egal cu K0.
Deşi acest procedeu rezolvă problema intervalului de control, pentru σ≠0
factorul K este variabil şi automat selectat de algoritmul adaptiv, introduce alţi
doi parametri, σ şi K0.
Am arătat deja că σ→0 conduce la metoda Pyragas. Pe de altă parte, un σ
prea mare poate determina probleme de stabilitate în ecuaţia (6.15). Pentru a
evita efectele saturării datorate funcţiei th, σ trebuie selectat pentru a fi suficient
de mic faţă de   tn  pentru ca produsul   tn  să fie în regiunea liniară a
funcţiei th pentru toţi tn . De aceea ar putea fi necesară o observare preliminară a
dinamicii neperturbate pentru o statistică a valorilor λ.
Pentru K0 nu există o limită superioară, dar deoarece ecuaţia (6.15)
permite o modificare a lui K în gama [K0/2, +∞), trebuie să fim siguri că acest
interval depăşeşte intervalul de control. Totuşi alegerea unor valori foarte mari
pentru K 0 poate conduce la perturbaţii iniţiale foarte mari, ceea ce ar putea
determina probleme la implementarea practică.
Desigur, cel mai mare avantaj al metodei de control în timp continuu
sugerată şi de Pyragas este aceea că nu necesită efort computaţional odată ce
OPI şi parametri de feedback au fost extraşi din sistem. Deoarece controlul este
aplicat continuu, stabilizarea poate fi obţinută aproape instantaneu. Totuşi
analiza stabilităţii pentru determinarea câştigului buclei este o problemă dificilă.
278
În general, metoda Pyragas este sensibilă la variaţiile lui K şi g şi dacă controlul
nu este suficient de exact fie sistemul nu poate fi stabilizat, fie se obţine o orbită
care nu exista pentru sistemul neperturbat. Metoda a fost aplicată experimental
pentru sisteme diferite ce includ sisteme laser, rezonatori cu diode [9]. Din cauza
simplităţii metoda Pyragas a devenit obişnuită pentru controlul sistemelor
cuplate sau extinse spaţial şi putem spune că pentru situaţiile care permit
modificarea unei variabile de sistem în timp continuu această metodă de control
este preferată.

6.4 Controlul haosului cu algoritmi de învăţare


În această secţiune sunt prezentate metode de control care utilizează
algoritmi de învăţare cu inteligenţă artificială, cum ar fi perceptronii multistrat,
algoritmi genetici şi alţi algoritmi care sunt proiectaţi pentru a executa operaţii
cognitive. Aceste metode sunt în general bazate pe seturi de date care le permit
să înveţe ieşirile dorite fără cunoaşterea analitică a dinamicii sistemului.
Perceptronii multistrat cu propagare inversă. Un perceptron multistrat
antrenat cu un algoritm de propagare inversă (PMPI) poate fi privit ca un
aproximator de funcţii. Fiind dată o funcţie necunoscută y  f  x  şi furnizând
PMPI cu perechi [y, x], orice funcţie f poate fi aproximată cu o acurateţe oricât
de mare. În practică vom avea întotdeauna un set finit de date (posibil afectate
de zgomot).
Prima aplicaţie a unui PMPI pentru controlul haosului a fost demonstrată
de Alsing şi alţii [39]. Formula de control OGY poate fi considerată ca o funcţie:
 
p  g xn , x f .
Alsing a aproximat această funcţie folosind perechi intrare-ieşire şi
diferenţa dintre ∆p generat de PMPI şi ∆pOGY generat de un controler OGY ca
semnal feedback de eroare. Dacă eroarea este mică, PMPI a aproximat formula
de control OGY. O metodă similară a fost sugerată de Mulpar şi alţii [40], unde
un controler feedback a fost utilizat ca sursă pentru PMPI. Deşi aceste metode
demonstrează că reţelele neuronale pot controla sisteme haotice, aceste metode
nu sunt de prea mare interes practic, deoarece ele necesită un controler de haos
ca supervizor.
Din cauza acestei deficienţe Otawara şi Fan [41] au propus o arhitectură
PMPI care aproximează dinamica sistemului neperturbat în apropierea punctului
fix şi foloseşte diferenţa dintre valoarea stării prezisă la următoarea iteraţie şi
punctul fix dorit ca semnal de eroare.
Avantajul acestor metode faţă de metoda OGY constă în aproximarea
neliniară a formulei de control, ceea ce implică extinderea zonei de control.
Totuşi, aceste abordări rămân locale, în sensul că sunt proiectate să stabilizeze
punctele fixe doar când sistemul se apropie de la sine de acestea.

279
Weeks şi Burgess [16] au utilizat un algoritm genetic pentru a obţine un
controler neuronal. Funcţia de calitate a algoritmului genetic măsoară soluţia
controlerului pe baza mai multor criterii. Un criteriu măsoară xn  xn 1 şi
permite algoritmului să estimeze x f . Algoritmul este totuşi lent şi nu s-a
dovedit a fi eficient în mediile nestaţionare. Konishi şi Kokame [17], [18], [25]
au dezvoltat un controler neuronal ce se activează pentru xn  xn 1   . La
activare sunt aplicate perturbaţii asupra tuturor variabilelor de stare. Cu semnale
de eroare xn  xn 1 şi mărimea perturbaţiei, controlerul învaţă să stabilizeze
punctul fix. Deoarece învăţarea este realizată local, controlerul creat este prin
natură local. Algoritmul s-a dovedit numeric capabil să funcţioneze şi într-un
mediu nestaţionar.

6.5 Rezultate experimentale şi aplicaţii ale controlului


haosului
Toate sistemele reale au nevoie de un anumit tip de stabilizare şi control
pentru a funcţiona la parametrii aleşi şi în condiţii de siguranţă. Pentru
dispozitivele neliniare, în care fluctuaţii neregulate se obţin în mod frecvent,
există un puternic interes practic pentru obţinerea stabilităţii intensităţii
semnalului de ieşire sau a unei anumite frecvenţe. Acesta este motivul pentru
care au fost utilizate mai multe tehnici diferite de stabilizare şi control. În
general, în cazul unei implementări experimentale nu se poate susţine
superioritatea unei anumite metode, performanţele acesteia depinzând de situaţia
particulară a sistemului studiat. Astfel, pentru a exploata avantajele metodelor
de control al haosului este nevoie de un algoritm care ţine seama de
oportunităţile oferite de atractor. De aceea, faptul că aplicarea controlului se va
face asupra unei variabile sau parametru, modulând sau adăugând o reacţie,
depinde în primul rând de problema care trebuie rezolvată. În continuare am
selectat din multitudinea de aplicaţii ale metodelor de control câteva exemple cu
privire la circuite electronice şi laseri.
Experimentele lui Azevedo şi Rezende [1] şi Ditto şi alţii [35], deşi au
fost realizate cu metode diferite, au în comun ideea interzicerii variaţiilor mari
are parametrilor în cadrul procedurii de control. O schimbare calitativă a acestui
aspect a fost adusă de Hunt în [11], unde perturbaţiile sunt destul de mari, ceea
ce a permis controlul unor comportări periodice complicate, asociate cu orbite
periodice de ordin mult mai mare decât perioada oscilaţiilor caracteristice.
În acest experiment este utilizat un circuit electronic simplu, ce conţine o
diodă rezonator. O joncţiune p-n este excitată de o tensiune armonică astfel încât
sistemul să prezinte o serie de bifurcaţii cu dublarea perioadei, cu eventuala
intrare în zona haotică. Din cauza simplităţii, sistemul pare a fi bine modelat de
o funcţie bidimensională, care poate fi construită direct pe baza observaţiilor

280
experimentale ale maximului curentului care trece prin joncţiune (fig. 6.6 a)).
Prin utilizarea acestui proces preliminar de „învăţare”, sistemului îi este aplicat
un semnal de control proporţional cu distanţa dintre maximul măsurat şi cel
aşteptat pentru orbita periodică. Din cauza acestei proceduri, metoda mai poartă
şi denumirea de OPF (Occasional Proportional Feedback).
Deşi conceptul de bază nu diferă de cel al metodei OGY, aici nu sunt
impuse limitări explicite ale mărimii perturbaţiilor (care sunt în schimb
caracteristice tehnicii OGY clasice). Ca rezultat al variaţiilor masive ale
parametrilor de control, atractorul haotic este uşor distorsionat. Mai precis, Hunt
defineşte o fereastră în vecinătatea valorii curente corespunzător valorii dorite.
Lăţimea ferestrei defineşte, de asemenea, intensitatea perturbaţiei. Acest proces
este realizat prin utilizarea unui convertor de curent continuu, care trimite
semnalul de ieşire la un comparator, ce trimite impulsul de control. Durata
pulsului poate fi reglată, dar este întotdeauna limitată pentru a reprezenta o mică
parte din timpul caracteristic de oscilaţie.
Rezultatele din [11] arată că mici perturbaţii (aproximativ 0,5% ) sunt
capabile să stabilizeze orbite periodice de ordin mic, în timp ce procesul de
control al orbitelor periodice de ordin superior necesită o putere mult mai mare a
perturbaţiilor (aproximativ 10% ). Asemenea perturbaţii pot induce modificări
importante ale orbitelor controlate, aşa cum apare evident în fig. 6.6, unde este
prezentată o orbită periodică controlată de ordin 5. Dacă se compară
coordonatele orbitelor controlate cu cele ale semnalului neperturbat în graficul
I n 1 funcţie de I n , primele apar deplasate, ceea ce înseamnă că s-a produs o
uşoară deformare a orbitei.
Robusteţea metodei este subliniată de controlul orbitelor de perioadă
foarte mare, de exemplu 21. În acest caz, perturbaţia este puternică şi
deformarea este şi mai evidentă. Importanţa acestui experiment constă în faptul
că reprezintă prima dovadă a posibilităţii controlului perioadelor de ordin mare.
Controlul stabilităţii în laseri şi dispozitive optice neliniare este fără
îndoială necesar. Încă de la începutul industriei laserilor îmbunătăţirea
performanţelor în frecvenţă şi intensitate, în ciuda problemelor inerente datorită
prezenţei modurilor longitudinale şi transversale, cuplajelor între dispozitivele
interne neliniare, neliniarităţilor din amplificatoare şi celor legate de generarea
radiaţiei laser şi interacţiunii laser-materie, a reprezentat o preocupare continuă.
Înaintea metodei OGY, Lima şi Pettini [25] au propus o tehnică de
stabilizare pe o stare periodică cu ajutorul perturbaţiilor. În acest caz, perioada
este dată de frecvenţa semnalului de control. Această tehnică mai este cunoscută
şi sub numele de „suprimarea haosului”. Implementarea ei este totuşi complicată
de faptul că este necesară o etapă preliminară de observare a răspunsului
sistemului la variaţiile de amplitudine.

281
Fig. 6.6 a) Graficul In+1 funcţie de In (punctele luminoase corespund orbitelor controlate);
b) Curentul prin rezonator cu fereastra de control „W”
(semnalul de control este activat doar când semnalul este în interiorul ferestrei [5])

În acest caz, operatorul caută într-o bandă largă de frecvenţe pentru


identificarea acelor frecvenţe care conduc la o comportare globală periodică a
sistemului. Odată ce frecvenţa a fost selectată, operatorul modifică mărimea
perturbaţiei pentru obţinerea celor mai bune condiţii pentru control. Această
metodă este importantă prin faptul că a demonstrat pentru prima dată că o
perturbaţie periodică poate produce calarea pe o frecvenţă, realizând astfel
refacerea unei stări periodice pentru valori ale parametrului de control mult sub
nivelul la care apare haosul. Cu alte cuvinte s-a demonstrat experimental că un
mecanism de sincronizare între un atractor haotic şi o perturbaţie periodică poate
fi considerat ca o metodă de control viabilă în anumite circumstanţe.
Această tehnică a fost aplicată pentru stabilizarea orbitelor periodice în
laserul monomod CO2 [42]. Autorii au aplicat o modulaţie parametrică a
cavităţii. Adăugarea semnalului de control este capabilă să reducă perioada
orbitei (de exemplu de la perioada patru la perioada doi şi la perioada unu) şi
chiar să controleze orbite periodice instabile.
Una dintre aplicaţiile controlului prin feedback este implementarea unei
reacţii cu filtru, metodă ce a fost utilizată pentru controlul dinamicii haotice
generate de sisteme autonome şi neautonome. În ambele cazuri sistemul supus
controlului a fost un laser cu CO2, cu pierderi în cavitate, modulat de un cristal
282
electro-optic comandat de un semnal sinusoidal extern. Semnalul de control este
reprezentat de o reacţie pe cristal, cu amplitudine de câteva procente din
valoarea semnalului de comandă.
Un alt aspect important este legat de fluctuaţiile care apar în generarea
celei de a doua armonici cu un dispozitiv neliniar plasat în interiorul cavităţii.
Cuplajele neliniare care apar între modurile produse în cristalele neliniare dă
naştere la fluctuaţii neregulate în cavitatea optică. Aceste fluctuaţii sunt
amplificate de la început de factorul de calitate Q al cavităţii laser şi de prezenţa
unui mediu laser amplificator. În acest caz apar fluctuaţii importante în
intensitatea laserului. Aceasta este evident o situaţie nedorită pentru aplicaţiile
practice. De exemplu, generarea celei de a doua armonici (lumină verde) într-un
laser Nd:YAG cu diodă (1,06 m) este însoţită de puternice fluctuaţii de
intensitate. Comportarea neregulată a acestui tip de sisteme a fost pe larg
investigată şi atribuită destabilizării oscilaţiilor de relaxare, din cauza cuplajelor
neliniare ale modurilor longitudinale.
Pentru eliminarea acestui tip de comportament haotic au fost întreprinse
mai multe cercetări experimentale. Roy şi alţii [27] au utilizat metoda OPF
pentru selectarea unei serii de perturbaţii de durată limitată pentru driverul
diodelor. Impulsurile de feedback modifică curentul de injecţie al diodelor de
pompaj la intervale periodice şi sunt proporţionale cu diferenţa dintre semnalul
haotic de ieşire şi o valoare de referinţă. Intervalul dintre impulsurile succesive a
fost reglat aproape de perioada de relaxare a oscilaţiilor. Parametrii de control ai
experimentului sunt durata, amplitudinea impulsurilor şi nivelul de referinţă.
Rezultate deosebite au fost obţinute pentru un regim haotic „uşor”.
Autorii au pregătit laserul să lucreze în acel regim prin orientarea cristalului
neliniar (KTP). Rezultatele sunt prezentate în fig. 6.7 [27]. Controlul perioadelor
2, 4 şi 9 se obţine prin mici perturbaţii de amplitudine (câteva procente).
Prin regim haotic „uşor” înţelegem că intensitatea pe frecvenţa verde
(cea de a doua armonică) este mică. Dacă se generează o cantitate mare de
lumină verde, regimul devine puternic haotic şi sistemul este incapabil să
stabilizeze ieşirea. Prin ajustarea nivelului de referinţă la valoarea mediei
fluctuaţiilor haotice şi prin ajustarea perioadei la valoarea perioadei de relaxare a
oscilaţiilor, dinamica devine stabilă. O dată cu aceasta fluctuaţiile tensiunii de
control devin foarte mici.
Cazul ieşirii de intensitate mare reprezintă o nouă situaţie: dacă un
parametru (cum ar fi intensitatea de pompare) este modificat după obţinerea
stabilităţii, atunci controlul este pierdut. Variabilele de control trebuie
modificate pentru a stabiliza noile condiţii de operare. Pentru a depăşi această
problemă s-a propus urmărirea sistematică a orbitelor periodice. Prin urmărire şi
stabilizare [38] se obţine o stare de ieşire stabilă pentru un domeniu de pompaj
mult mai larg. Aceasta reprezintă o îmbunătăţire, deşi rezultatele sunt prezentate
pentru 1,06 m (domeniu infraroşu). Pe lângă interesul pentru rezultatul obţinut,
există două diferenţe calitative între rezultatele obţinute de Ditto şi alţii şi cele
283
obţinute de grupul lui Roy. Primul este numărul de grade de libertate implicate
în dinamica sistemului aflat sub control. În cazul benzii magneto-elastice,
dinamica este reprezentată de câteva moduri puternic localizate, în timp ce
pentru laserul multimod, sistemul are un număr mare de grade de libertate. A
doua diferenţă ţine de ordinul de mărime al scării temporale la care controlul
trebuie realizat. În timp ce în primul caz timpul caracteristic al oscilaţiilor era de
câteva secunde, timp suficient pentru a permite o schemă complicată de control,
în al doilea caz acesta este de acelaşi ordin sau chiar mai mic decât timpul
necesar pentru calculul semnalului de control.

Fig. 6.7 Seria temporală a intensităţii de ieşire, semnalul de control şi FFT


corespunzător a) lipsei controlului; b) perioadei 1; c) perioadei 4; c) perioadei 9
284
Mai târziu, grupul lui Roy a demonstrat experimental posibilitatea
sincronizării laserilor haotici, cu aplicaţii în comunicaţiile digitale [23]. Recent,
experimente de comunicare cu haos au fost efectuate de acelaşi grup, prezentând
posibilitatea de codare şi decodare a mesajelor cu laseri haotici [24] şi
posibilitatea transmiterii unui mesaj într-un mod foarte rapid, utilizând forme de
undă haotice multidimensionale.

6.6 Aplicaţie software


În scopul studierii sistemelor haotice din perspectiva controlului a fost
realizat un pachet de programe, care prin intermediul unei interfeţe grafice
integrate poate fi folosit uşor şi eficient. Programul a fost realizat în
Matlab versiunea 5.3 şi poate fi apelat prin comanda Main.
Aşa cum se poate vedea din fig. 6.8, interfaţa grafică conţine patru zone
de interes: zona butoanelor: „Şterge”, „Start”, „Pauză”, „Stop”; zona de setare a
parametrilor de simulare în partea dreaptă, sus; zona de afişare a rezultatelor
simulării în partea stângă şi o zonă auxiliară pentru informaţii suplimentare ce ar
putea apărea pe parcursul rulării programelor în partea dreaptă, jos.

Fig. 6.8 Interfaţa grafică a aplicaţiei software

Programul cuprinde o serie de demonstraţii în care parametrii de sistem şi


de simulare sunt setaţi la valori potrivite. Utilizatorul poate să modifice aceste
valori şi să observe influenţa acestora asupra comportării sistemului.
Programul poate fi împărţit în două secţiuni: o parte de analiză a sistemelor
dinamice şi o parte de exemplificare a metodei de control OGY. Pentru prima
secţiune parametrii utilizaţi şi semnificaţia acestora este prezentată în tabelul 6.1.
285
Tabelul 6.1
Semnificaţia parametrilor din prima secţiune a programului
a, b, c, d Parametrii sistemului dinamic
dt Pasul temporal pentru reprezentarea graficelor
tol Toleranţă admisă în rezolvarea ecuaţiilor diferenţiale
axa x Variabila reprezentată în abscisă (1 = X, 2 = Y, 3 = Z)
axa y Variabila reprezentată în ordonată
X0, Y0, Z0 Valori iniţiale pentru X, Y, Z
tranz Timp iniţial de evoluţie eliminat înainte de reprezentare
dX0, dY0, dZ0 Timp, Spaţiu faze: mici variaţii în condiţiile iniţiale
Puncte Spectru: număr de puncte utilizat pentru realizarea transformatei
Fereastră Spectru: tipul de fereastră utilizat în calcularea spectrului de putere
Var Variabilă utilizată pentru secţiunea Poincaré şi Iteraţie
Secţiune Valoarea Var la Secţiune
Întârziere Reconstrucţie: întârziere ca multiplu de dt
Punct Dimensiunea markerului utilizat pentru reprezentare

Prin intermediul celor două liste de opţiuni utilizatorul este invitat să


aleagă tipul de aplicaţie şi sistemul haotic dorit. Prima listă de opţiuni conţine:
Seria temporală. Trasează evoluţia variabilelor X, Y, Z, ca funcţie de
timp. Variabila reprezentată se alege prin intermediul parametrului axa y, cu
1 pentru X, 2 pentru Y şi 3 pentru Z. Pentru a studia sensibilitatea la schimbarea
condiţiilor iniţiale, se pot introduce mici valori pentru dX0, dY0 sau dZ0. În acel
moment vor fi trasate două serii temporale, corespunzător a două orbite cu
condiţiile iniţiale (X0,Y0,Z0) şi (X0+dX0,Y0+dY0,Z0+dZ0).
Spaţiul fazelor. Trasează evoluţia variabilelor X, Y, Z selectate prin
intermediul parametrilor axa x şi axa y, cu 1 pentru X, 2 pentru Y şi 3 pentru Z.
Pentru a studia sensibilitatea la mici schimbări în condiţiile iniţiale, se pot
introduce valori pentru dX0, dY0 sau dZ0. În acel moment vor fi trasate două
curbe, corespunzător a două orbite care pornesc din punctele iniţiale (X0,Y0,Z0)
şi (X0+dX0,Y0+dY0,Z0+dZ0).
Spectrul. Trasează spectrul de putere pentru variabila definită de axa y.
Spectrul de putere se calculează prin acumularea succesivă a unui număr de
valori ale variabilei alese egal cu Puncte, parametru care defineşte şi numărul de
puncte în care se calculează transformata Fourier rapidă. Valorile variabilei sunt
egal spaţiate în timp de parametrul dt. Valorile spectrului sunt apoi mediate cu
valorile spectrului segmentelor de date precedente. Frecvenţa la care s-a făcut
normarea este frecvenţa Nyquist.
Segmentarea datelor introduce discontinuităţi în datele care trebuie
prelucrate, care lărgesc banda semnalului. Aceste efecte se reduc prin
multiplicarea fiecărui segment cu o funcţie fereastră care tinde continuu spre
zero. Tipul de fereastră este setat de parametrul Fereastră [75], după tabelul 6.2.
286
Tabelul 6.2
Tipul de fereastră utilizat în segmentarea datelor
Fereastră Tip Descriere Singularităţi în:
0 dreptunghiulară funcţie
1 Bartlett triunghiulară prima derivată
2 Hanning sinusoidală a doua derivată

Secţiunea Poincaré. Trasează punctele de intersecţie ale orbitei cu un


plan. Planul este definit de X = const, Y = const, Z = const, în funcţie de
parametrul Var, cu const setat de parametrul Secţiune.

Graficul de întoarcere. Reprezintă graficul unei variabile, de exemplu


X n 1 faţă de X n , cu X n valoarea lui X la a n-a intersecţie cu secţiunea
Poincaré. Variabila reprezentată este determinată de parametrul axa x.

Graficul maximelor. Trasează graficul maximelor succesive ale unei


variabile (aleasă de Var) ca funcţie de maximele anterioare ale aceleiaşi
variabile. Acest tip de grafic a fost introdus de Lorenz.

Graficul de reconstrucţie. Reface traiectoria utilizând coordonatele


decalate în timp: V  t  , V  t  T  , V  t  2T  , cu V una dintre variabile X, Y, Z,
în funcţie de valoarea Var şi T, întârzierea dată de parametrul Întârziere.
Proiecţia acestui plan tridimensional este determinată de axa x şi axa y.

A doua listă de opţiuni conţine următoarele sisteme:


Modelul Lorenz. Modelul Lorenz este definit de trei ecuaţii diferenţiale
care dau evoluţia în timp a variabilelor X(t), Y(t), Z(t):

dX/dt = – c(X – Y)
dY/dt = aX – Y – XZ
dZ/dt = b(XY – Z)

Modelul Rossler. A fost introdus ca o descriere simplificată a unui sistem


de reacţii chimice:
dX/dt = Y – Z
dY/dt = bY – X
dZ/dt = c + Z(X – a)

Modelul Duffing. Probabil cel mai simplu oscilator neliniar – mişcarea


unei particule într-un câmp de potenţial – excitat sinusoidal:
d 2 x / dt 2  b dx / dt  x  x3  a cos(ct ) .

287
Această ecuaţie poate fi transformată într-un sistem diferenţial de ordinul
întâi autonom prin notaţiile X = x, Y = dx/dt, Z = ct:

dX/dt = Y
dY/dt = –Y + X – X3 + a cosZ
dZ/dt = c

Modelul Pendul. Neliniar şi excitat sinusoidal:


d2 x / dt 2  b dx / dt  sin x  a cos(ct )  d
Forma autonomă cu X = x, Y = dx/dt, Z = ct:
dX/dt = Y
dY/dt = –bY – sinX + a cosZ + d
dZ/dt = c

Oscilatorul Van der Pohl. În acest oscilator neliniaritatea este dată de


termenul 1–x2, care este pozitiv pentru amplitudini mici:
d2 x / dt 2  b (1  x2 ) dx / dt  x  a cos(ct )
Forma autonomă cu X = x, Y = dx/dt, Z = ct:

dX/dt = Y
dY/dt = b(1 – X2)Y – X + a cosZ
dZ/dt = c

Circuitul Chua. Acestea sunt ecuaţiile unui circuit electronic care are o
comportare haotică. Ecuaţiile sunt destul de complicate:

dX/dt = a(Y – X ) – f(X)


dY/dt = b[a(X – Y) + Z]
dZ/dt = –c(Y + dZ)

cu f o funcţie neliniară care este impară în X pentru valori negative şi care pentru
valori pozitive este definită de:

f(X) = –X, pentru X < 1


f(X) = –1 – 0.636(X – 1), pentru 1 < X < 10
f(X) = 10(X – 10) – 6.724, pentru X > 10

Graficul funcţiei este prezentat în fig. 6.9. Numărul 0.636 este ales ca
valoare pentru raportul g1/g2.

288
Fig. 6.9 Graficul funcţiei f din ecuaţiile circuitului Chua

Pentru a doua secţiune, care se apelează prin opţiunea Control, parametrii


utilizaţi şi semnificaţia acestora este prezentată în tabelul 6.3.
Tabelul 6.3
Semnificaţia parametrilor din a doua secţiune a programului
a, b, c Parametrii funcţiilor
param Parametru utilizat pentru control
dp Variaţia parametrului utilizat pentru control
x_min, y_min,
Domeniul de valori al variabilelor reprezentate
x_max, y_max
Toleranţe pentru identificarea orbitelor periodice. Pentru o orbită
de perioadă p, iteraţia cu numărul p trebuie să fie în interiorul
eps1, eps2
unui cerc de rază eps1 şi punctele intermediare trebuie să se afle
în exteriorul unui cerc de rază eps2
Numărul de puncte utilizat pentru a raporta identificarea poziţiei
puncte
aproximative a unei orbite periodice
punct Dimensiunea markerului utilizat pentru reprezentare
perioada Perioada orbitei care urmează a fi identificată şi controlată

289
Opţiunea Control din prima listă de opţiuni va modifica şi a doua listă de
opţiuni cu următoarele funcţii:
Funcţia Henon
xn 1 = yn  1  axn2
yn 1 = bxn2
Funcţia Duffing
xn 1 = yn
yn 1 = bxn  ayn  yn3
Funcţia lui Baker
xn 1 = b xn yn 1 = yn a , dacă yn  a
xn 1 = (1 – c) + c xn yn 1 = ( yn – a)/(1 – a), dacă yn  a
Funcţia Kaplan-Yorke
xn 1 = a xn mod 1
yn 1 = – b yn + cos(2xn)
yn 1 = yn + a sin(2xn)
Funcţia Sinai
xn 1 = xn + yn + a cos(2yn) mod 1
yn 1 = xn + 2 yn mod 1

Aplicaţia implementează metoda de control OGY prezentată anterior în


cadrul acestui capitol. Controlul presupune parcurgerea a patru paşi:
1. se identifică orbite periodice de perioadă perioada, vectorii proprii, valorile
proprii şi funcţia liniarizată din jurul orbitei periodice. Aceasta se realizează
prin identificarea zonei probabile a orbitei, urmată de o funcţie de
determinare precisă a poziţiei orbitei periodice;
2. se identifică modificarea orbitei periodice pentru o variaţie +dp a
parametrului de control;
3. se identifică modificarea orbitei periodice pentru o variaţie -dp a
parametrului de control;
4. utilizând informaţiile furnizate de primii trei paşi se calculează dreapta pe
care se deplasează punctul fix o dată cu modificarea parametrului de control,
precum şi valoarea acestei deviaţii necesară pentru realizarea controlului.

Evident, parametrii funcţiei şi perioada nu trebuie modificate la trecerea


de la o etapă la alta. Este de asemenea important ca aceeaşi orbită periodică să
fie identificată pe parcursul celor patru paşi: aceasta trebuie verificată vizual de
către utilizator.

290
Poziţia aproximativă a orbitei periodice este afişată cu culoarea roşu. În
acel moment este oprită procedura de căutare şi se porneşte funcţia care
identifică poziţia exactă a orbitei, ce va fi afişată cu un dreptunghi de culoare
albastră. În plus, în zona informaţiilor suplimentare va fi tipărită poziţia orbitei
periodice, precum şi valorile proprii pentru acel punct. Dacă poziţiile punctului
roşu şi ale dreptunghiului albastru sunt depărtate, atunci trebuie apăsat butonul
„Stop” şi se reporneşte aplicaţia. Dacă nu, după apăsarea unei taste se va începe
procedura de control, care va şterge şi reprezentarea grafică anterioară. După o
perioadă de căutare se va obţine controlul şi va fi afişată, pentru fiecare iteraţie,
valoarea cu care s-a modificat parametrul ales pentru a realiza controlul.
Condiţiile iniţiale pentru toate sistemele analizate sunt numere aleatoare
în domeniul de valori [x_min x_max], [y_min y_max]. Una dintre problemele
care ar putea apărea o reprezintă faptul că nu toate sistemele converg pentru
acest domeniu de valori. Dacă pentru anumite condiţii iniţiale sistemul este
divergent, se va afişa o fereastră cu acest mesaj şi se va opri aplicaţia. Aceasta
va putea fi reluată pentru alte valori iniţiale prin apăsarea butonului „Start”.

6.7 Bibliografie

[1] Azevedo A., Rezende S., Phys. Rev. Lett. 66 (1991) 1342
[2] Jackson. A., The OPCL control method for entrainment, model-resonance, and
migration actions on multiple-attractor systems. Chaos, 7:550-558, 1997
[3] Uchida A., Sato T., Ogawa T., Kannari F., Nonfeedback control of chaos in a
microchip solid-state laser by internal frequency resonance. Physical Review E,
58:7249-7255, 1998
[4] Gluckman B., Neel E., Netoff T., Ditto W., Spano M., Schiff.S., Electric field
suppression of epileptiform activity in hippocampal slices. Journal of
Neurophysiology, 76:4202-4205, 1996
[5] Peng B., Petrov V., Showalter K., Phys. Chem. 95 (1991) 4957
[6] Plapp B.B., Huebler A.W., Phys. Rev. Lett. 65 (1990) 2302; Jackson E.A.,
Huebler A.W., Physica D 44 (1990) 407
[7] Skarda C., Freeman W., How brains make chaos in order to make sense of the
world. Behav. Brain. Sci., 10:161 (1987)
[8] Christini D., Collins J., Real-time, adaptive, model-independent control of
low-dimensional chaotic and nonchaotic dynamical systems. IEEE Transactions
on Circuits and Systems, 44:1027-1030, 1997
[9] Sukow D., Bleich M., Gauthier D.,. Socolar J., Controlling chaos in a fast diode
resonator using extended time-delay atosynchronisation. Experimental
observations and theoretical analysis. Chaos, 7:560-576, 1997
[10] Ott E., Grebogi C., Yorke J.A., Controlling chaos. Physical Review Letters,
64:1196-1199, 1990
[11] Hunt E.R., Phys. Rev. Lett. 67 (1991) 1953

291
[12] G. Van Wiggeren, Roy R., Optical communication with chaotic waveforms.
Physical Review Letters, 81:3547-3550 (1998)
[13] Herzel H., Stabilisation of chaotic orbits by random noise. ZAMM, 68:582-583,
1988
[14] Breeden J., Open-loop control of nonlinear systems. Physics Letters A,
190:264-272, 1994
[15] Langberg J.J., Bolmann A., McTeague K., Spano M.L., In V., Ne J., Meadows B.,
Ditto W.L., Control of human atrial _brillation. Technical report, Applied Chaos
Lab at Georgia Tech.
[16] Cuomo K., Oppenheim A., Circuit implementation of synchronised chaos with
applications to communications. Physical Review Letters, 71:65-68 (1993)
[17] Konishi K., Kokame H., Control of chaotic systems using an on-line trained
linear neural controller. Physica D, 100:423-438, 1997
[18] Konishi H., Kokame H., Learning control of time-delay chaotic systems and its
applications. International Journal of Bifurcation and Chaos, 8:2457- 2465, 1998
[19] Konishi K., Kokame H., Stabilising and tracking unstable focus points in chaotic
systems using a neural network. Physics Letters A, 206:203-210, 1995
[20] Pyragas K., Phys. Lett. A 170 (1992) 421
[21] Pyragas K., Phys. Lett. A 206 (1995) 323
[22] Colet P., Braiman Y., Control of chaos in multimode solid state lasers by the use
of small periodic perturbations. Physical Review E, 53:200-206,1996
[23] Colet P., Roy R., Opt. Lett. 19 (1994) 2056
[24] Alsing P.M., Gavrielides A., Kovanis V., Roy R., Scott K., Thornburg, Phys.
Rev. E 56 (1997) 6302
[25] Lima R., Pettini M., Phys. Rev. A 41 (1990) 726
[26] Roy R., Murphy T., Maier T., Gills Z., Dynamical control of a chaotic laser:
Experimental stabilisation of a globally coupled system. Physical Review Letters,
68:1259-1262 (1992)
[27] Roy R., Murphy T., Maier T., Gills Z., Phys. Rev. Lett. 68 (1992) 1259
[28] Boccaletti S., Farini A., Kostelich E.J., Arecchi F.T., Phys. Rev. E 55 (1997)
R4845
[29] Boccaletti S., Farini A., Arecchi F.T., Phys. Rev. E 55 (1997) 4979
[30] Boccaletti S., Giaquinta A., Arecchi F.T., Phys. Rev. E 55 (1997) 5393
[31] Kapitaniak T., Awrejcewicz J., Steeb W.H., Chaotic behaviour of anharmonic
oscillator with almost periodic excitation. J. Phys. A, 20:L355-359,1987
[32] Kapitaniak T., Controlling Chaos. Academic Press, San Diego, CA 92101,1996
[33] Petrov V., Gáspár V., Masere J., Showalter K., Nature 361 (1993) 240
[34] Ditto W., Rauseo S., Spano M., Experimental control of chaos, Pysical Review
Letters, 65:3211-3214 (1990)
[35] Ditto W.L., Rauseo S.N., Spano M.L., Phys. Rev. Lett. 65 (1990) 3211
[36] Braiman Y., Goldhirsch I., Taming chaotic dynamics with weak periodic
perturbations. Physical Review Letters, 66:2545-2548, 1991
[37] Kivshar Y., Rodelsperger F., Benner H., Suppression of chaos by nonresonant
parametric perturbations. Physical Review E, 49:319-324, 1994
[38] Gills Z. et al., Phys. Rev. Lett. 69 (1992) 3169

292
[39] Alsing P., Gavrielides A., Kovanis V., Using neural networks for controlling
chaos. Physica Review E, 49:1225-1231, 1994
[40] Mulpur A., Mulpur S., Jang B., Control of chaotic oscillations using neural
networks. In Proc. of the 4th IEEE Conf. on Control Applications, pp. 560-565,
1995
[41] Otawara K., Fan L., Controlling chaos with an arti_cial neural network. In Proc.
IEEE Int. Joint Conf Fuzzy Syst., vol. 4, pp. 1943-1948, 1995
[42] Pisarchick A.N., Chizhevsky V.N., Corbalan R., Vilaseca R., Phys. Rev. E 55
(1997) 2455

293
Capitolul 7

HAOSCOMM: SIMULAREA FUNCŢIUNILOR


UNUI SISTEM DE COMUNICAŢII BAZAT PE HAOS
Bogdan LUCA, Dorin ANDREI, Alexandru ŞERBĂNESCU
ACADEMIA TEHNICĂ MILITARĂ, Bucureşti

7.1 Descrierea meniului utilizator

În acest capitol vom face o prezentare generală a programului HAOSCOMM,


în care am înglobat sub forma unei interfeţe grafice rezultatele obţinute de
echipa de prelucrare a semnalelor, în cadrul unor proiecte de curs şi proiecte de
diplomă, cu privire la modulaţia şi la sincronizarea generatoarelor haotice,
precum şi aplicarea acestora la unele sisteme complete de telecomunicaţii.
Vom începe printr-o descriere a meniului utilizator prin intermediul căruia
pot fi apelate diferitele submeniuri.

Fig. 7.1 Meniul principal

Opţiunile disponibile în cadrul meniului principal sunt:


- Chaotic Generators – meniu ce permite accesul la programe care
studiază comportamentul generatoarelor haotice şi prezintă unele aplicaţii
concepute pentru studiul complet al mai multor tipuri de sisteme dinamice
neliniare în timp discret şi continuu;
- Modulation – meniu pentru vizualizarea unor metode de modulaţie
expuse în capitolul 3, precum şi simularea unui sistem de comunicaţii de tip CSK;
- Synchronization – în acest meniu este prezentată aplicarea metodei de
sincronizare Master-Slave pentru două sisteme particulare;
- Communication Systems – în cadrul acestui meniu vom face o trecere
în revistă a principalelor sisteme de comunicaţie realizate pe baza metodelor de
modulaţie şi sincronizare prezentate în capitolele 3, 4 şi, în particular, o aplicaţie
bazată pe un sistem cu spectru împrăştiat folosind o purtătoare haotică;
- About – prezintă informaţiile generale referitoare la membrii echipei ce
au participat la realizarea acestui program.

294
Fig. 7.2 Despre autori

7.2 Meniul Chaotic Generators

Fig. 7.3 Meniul Chaotic Generators

Acest meniu este utilizat pentru a arăta principalele caracteristici ale


generatoarelor haotice pentru o gamă largă de posibilităţi de utilizare:
- 2D attractor permite vizualizarea atractorilor diferitelor tipuri de
generatoare haotice în timp continuu şi are înglobată o familie largă de
generatoare haotice ce pot fi vizualizate. Meniul este simplu de utilizat,
având posibilitatea de a seta variabilele folosite pentru a reprezenta
atractorul: condiţiile iniţiale, setarea unui parametru particular corespunzător
generatorului şi intervalul temporal considerat. În partea de jos puteţi
remarca valoarea curentă în care se găseşte sistemul şi respectiv momentul de
timp.

295
Fig. 7.4 Fereastra de vizualizare a atractorului

- Time and frequency domains permite, pentru aceeaşi familie largă de


generatoare, reprezentarea în timp şi a distribuţiei de putere a semnalului haotic
generat. Caracteristica în timp este dată folosind frecvenţa de eşantionare aleasă de
către funcţia de integrare a sistemului diferenţial neliniar (ode45), doar spectrul de
putere fiind calculat folosind frecvenţa de eşantionare selectată (dacă aceasta este
dată). De asemenea, pot fi setate: intervalul temporal, variabila de stare
corespunzătoare generatorului care este afişată, precum şi condiţiile iniţiale selectate.

Fig. 7.5 Fereastra pentru caracteristica în timp şi frecvenţă

296
- Bifurcation diagram are ca scop reprezentarea diagramei de bifurcaţie pentru o
clasă largă de generatoare în timp discret. Permite setarea gamei de variaţie a
parametrului ce este folosit pentru construirea diagramei, numărul de puncte
utilizate, variabila utilizată (pentru generatoarele monodimensionale va avea
întotdeauna valoarea 1) şi desigur condiţia iniţială aleasă.

Fig. 7.6 Diagrama de bifurcaţie

- Histogram permite reprezentarea distribuţiei de probabilitate a unui


generator haotic. Pot fi setate direct folosind interfaţa grafică: tipul de
generator utilizat, numărul de intervale în care se împarte spaţiul stărilor
pentru construirea histogramei, valoarea parametrului şi a condiţiei iniţiale
corespunzătoare generatorului haotic, intervalul de generare, precum şi
variabila selectată pentru un generator multidimensional (fig. 7.7).

- Bicoherence permite utilizarea unei metode statistice de ordin superior


pentru vizualizarea comportamentului diferitelor tipuri de generatoare, în
funcţie de caracteristica neliniară asociată fiecăruia. Parametrii ce pot fi setaţi
sunt asemănători reprezentării spectrului semnalului haotic: frecvenţa de
eşantionarea aleasă, intervalul temporal, variabila de stare corespunzătoare
generatorului care este afişată, precum şi condiţiile iniţiale ce sunt selectate
(fig. 7.8).

297
Fig. 7.7 Studiul distribuţiei corespunzătoare generatorului

Fig. 7.8 Studiul folosind metode statistice de ordin superior

298
7.3 Meniul Modulation

Fig. 7.9 Meniul Modulation

Meniul Modulation permite testarea principalelor metode de modulaţie


proprii sistemelor haotice.

- Submeniul Chaotic Masking permite evaluarea directă a performanţelor


metodei de modulaţie de tip mascare haotică, rezultatele fiind prezentate în
capitolul 3.
- De asemenea, se pot observa rezultatele obţinute în cazul modulaţiei haotice
parametrice utilizând submeniul Parametric Modulation.
- Submeniul Chaos Shift Keying permite studierea performanţelor modulaţiei
CSK. Interfaţa utilizată (prezentată în fig. 7.10) permite setarea parametrilor
celor două generatoare haotice utilizate pentru obţinerea semnalului de tip
CSK (în câmpurile Initial conditions, p1 parameters, p2 parameters), datelor
binare (câmpul Data), ratei de transmisie (câmpul Transmission rate),
zgomotului din canal (câmpul Noise level), filtrului de la recepţie (câmpul
Filter order şi Delay), pragurilor de decizie (câmpurile Level 1 şi Level 2).
După setarea parametrilor de simulare, lansarea în execuţie a programului se
realizează apăsând butonul Run. Pentru vizualizarea semnalelor haotice
generate, a semnalului CSK transmis, a semnalului recepţionat şi a
semnalelor eroare se selectează opţiunile Transmitter signals, Line signals,
Receiver signals şi Error signals, urmate de apăsarea butonului Display1.
Prelucrarea semnalelor la recepţie şi vizualizarea acestora se realizează prin
selectarea opţiunii Detection şi apăsarea butonului Display2.

- Submeniul Differential Chaos Shift Keying permite studierea modulaţiei


DCSK, care a fost prezentată în capitolul 3 (fig. 7.11).

299
Fig. 7.10 Studiul metodei de modulaţie de tip CSK

Fig. 7.11 Sistem de tip DCSK cu un singur utilizator realizat în SIMULINK

300
7.4 Meniul Synchronization

Fig. 7.12 Meniul Synchronization

Meniul Synchronization grupează două metode particulare, una adaptată


pentru sisteme multidimensionale în timp continuu şi cealaltă pentru sisteme în
timp discret.
- Chua Circ are ca scop exemplificarea metodei de sincronizare prin
descompunere în subsisteme pentru circuitul Chua. Interfaţa completă permite
setarea în totalitate a parametrilor generatoarelor de la emisie şi de la recepţie,
făcând astfel posibilă urmărirea performanţelor de sincronizare pentru
modificări ale acestora sub orice formă. Interfaţa permite, de asemenea, setarea
numărului de puncte pentru care se face rezolvarea sistemului neliniar, precum
şi a frecvenţei de eşantionare. În plus, folosind meniul, putem afişa diagrama de
sincronizare, precum şi semnalul ce este transmis în linie.

Fig. 7.13 Sincronizarea Master-Slave în cazul sistemului Chua

301
- Henon Map testează metoda de sincronizare Dead-Beat pentru sistemul discret
bidimensional Henon. Interfaţa permite setarea condiţiilor iniţiale pentru cele
două sisteme, precum şi a momentului de punere în funcţiune a sincronizării.

Fig. 7.14 Sincronizarea Dead-Beat în cazul sistemului Henon

7.5 Meniul Communication Systems

Fig. 7.15 Meniul Communication Systems

Meniul Communication Systems reprezintă poate cel mai bine ceea ce a


fost prezentat în subcapitolele anterioare, deoarece uneşte mai multe metode de
sincronizare şi modulaţie, toate în scopul de a realiza un sistem de comunicaţie
final. Vor fi prezentate mai multe sisteme de comunicaţie, începând cu
transmiterea unei informaţii sub format digital (sistemele CSK şi CDMA) şi

302
apoi, pentru a exemplifica metode de sincronizare clasice, transmiterea unui
semnal informaţional de tip analogic.

- Chaotic CSK system -

Fig. 7.16 Sistem de comunicaţie folosind o modulaţie de tip CSK

- Chaotic CDMA system prezintă un sistem de comunicaţie cu acces multiplu,


ce foloseşte o metodă de modulaţie de tip secvenţă directă, în care semnalul
informaţional este modulat direct de către purtătoarea haotică. Studiul este
făcut pentru un sistem în banda de bază. În fig. 7.17 este prezentată schema
bloc a sistemului de comunicaţie, fiecare bloc fiind accesibil prin selectarea
lui directă. Având o prezentare destul de unitară, se poate remarca pentru
fiecare bloc în parte prezenţa opţiunilor:
View – calculează noile semnale folosind parametrii specificaţi şi le
afişează;
Ok – calculează noile semnale folosind parametrii specificaţi, dar închide
meniul imediat;
Cancel – închide direct fereastra;
Help – deschide o fereastră de help corespunzătoare blocului curent;
Current system – fiecare fereastră în parte, cu excepţia celor asociate
canalului şi sincronizării, are acest meniu, pentru a permite selectarea
utilizatorului curent.

303
Fig. 7.17 Meniul de selecţie pe blocuri al sistemului

Blocul Informational Signal permite generarea semnalului binar


informaţional dat sau de o manieră aleatoare, stabilind rata de transmisie,
precum şi prezenţa unui cod corector de erori clasic.

Fig. 7.18 Construirea semnalului informaţional


304
Blocul Chaotic Generator pune la dispoziţie mai multe tipuri de
generatoare haotice, permiţând, desigur, stabilirea parametrilor corespunzători şi
a condiţiei iniţiale. O aplicaţie particulară este posibilitatea de a utiliza o funcţie
neliniară (cypher) ce permite lărgirea spectrului sistemului de la emisie în cazul
generatoarelor analogice, ce sunt caracterizate de un spectru limitat. De
asemenea, în Help sunt prevăzute unele condiţii iniţiale ce asigură o interferenţă
între utilizatori limitată pentru diferite generatoare haotice.

Fig. 7.19 Generarea semnalului purtător haotic

Modulation Block face modularea semnalului informaţional de către


purtătoarea haotică şi, de asemenea, realizează limitarea semnalului transmis în
linie de către filtrul de emisie cu parametrii ce pot fi setaţi în aceeaşi fereastră
(fig. 7.20).

Blocul Channel setează parametrii de canal ce sunt utilizaţi (fig. 7.21).


Consideră, de asemenea, că pentru cei trei utilizatori există un control de câştig
optimal, astfel încât la nivelul receptorului semnalele vor ajunge cu aceeaşi
putere (sau se consideră o conexiune de tip downlink).

305
Fig. 7.20 Modularea semnalului informaţional de către purtătoarea haotică

Fig. 7.21 Structura semnalului transmis în canal

Blocul Synchronization generează şi reprezintă semnalele de sincronizare


pentru cei trei utilizatori. Metoda de sincronizare este cea în impuls şi interfaţa
permite selectarea perioadei de sincronizare şi a intervalului între care
utilizatorii trimit semnalul de sincronizare (fig. 7.22).

306
Fig. 7.22 Semnalul de sincronizare în impulsuri transmis

Chaotic Receiver Generator regenerează semnalul haotic la nivel de receptor


folosind ca intrare semnalul de sincronizare tratat la punctul anterior (fig. 7.23).

Fig. 7.23 Regenerarea semnalului haotic la nivel de receptor

Blocul System Demodulator realizează demodularea la nivel de receptor şi


filtrarea trece jos (ai cărui parametri pot fi setaţi) a semnalului informaţional
recepţionat (fig. 7.24).
307
Fig. 7.24 Demodularea la nivel de receptor

Received information, ultimul bloc din lanţul emisie–recepţie, permite


compararea semnalului informaţional obţinut la receptor cu cel emis sub mai
multe forme grafice.

Fig. 7.25 Compararea semnalului informaţional cu cel transmis


308
- Lorenz – consideră un sistem de transmisiuni bazat pe generatorul Lorenz,
folosind o modulaţie de tip mascare haotică, şi un sistem la recepţie
autosincronizabil. După cum se observă în fig. 7.26, pot fi setate condiţiile
iniţiale pentru cele două sisteme de la emisie şi recepţie, precum şi parametrii
acestora, numărul de puncte şi frecvenţa de eşantionare.

Fig. 7.26 Testarea sistemului Lorenz pentru un semnal informaţional analogic


- Rossler + 2D continuos – asemănător cu sistemul precedent, de această dată
testul este făcut pentru alte două sisteme în timp continuu diferite, permiţând
de asemenea setarea condiţiilor iniţiale, a parametrilor sistemului, a
numărului de puncte şi a frecvenţei de eşantionare. Ca şi în cazul precedent,
semnalul informaţional transmis este continuu şi reprezentat de o sinusoidă.

Fig. 7.27 Testarea sistemului Rossler pentru un semnal informaţional analogic


309
Fig. 7.28 Testarea sistemului 2D continuos pentru un semnal informaţional analogic

310
4