1.一种基于回声状态网络的增强混沌加密系统动力学特性的方法，其特征在于，包括以下步骤：(1)通过将两个混沌级联映射的方法构建增强的3‑D HICM级联混沌映射，用于生成性能更优的混沌序列；

(2)将步骤(1)得到的混沌序列输入回声状态网络ESN中进行训练后获得输出序列；

(3)将ESN输出序列处理后得到密钥组，利用密钥组依次对比特、星座图、子载波信息进行加密；

(4)用训练好的ESN得到相同的密钥组，在接收端接收到信号后，对信号进行解密；

所述步骤(1)实现过程如下：

Henon映射作为种子映射：

采用ICMIC混沌映射改进种子映射的性能：

xi+1＝sin(c/xi)

扩展维度后，将Henon映射和ICMIC映射级联，形成3‑D HICM级联映射：其中，xi、yi、zi是混沌系统三个维度在i时刻的状态变量，xi+1、yi+1、zi+1是混沌系统三个维度在i+1时刻的状态变量，a和b是控制Honon混沌系统状态的控制变量，c是控制ICMIC混沌系统状态的控制变量。

2.根据权利要求1所述的基于回声状态网络的增强混沌加密系统动力学特性的方法，其特征在于，所述步骤(2)实现过程如下：ESN在训练过程中随机选择循环的权重，使隐藏状态捕获输入信息的演化历史状态，训练隐藏状态到输出状态的权值，其中隐藏层计算过程如下：in

ht+1＝f(W ut+1+Wht)

in

其中，W 是输入权重矩阵，其从[‑ω,ω]取值范围均匀采样，ω为超参数；W是储备池权out重矩阵，输出权重矩阵W 采用正则化最小二乘法回归训练，缓解过拟合，输出表达式为：out

yt＝g(W ht)

数据通过增强的3‑D HICM级联混沌系统后产生混沌序列(x，y，z)，取其中的序列z用于给ESN的内部权重赋值，得到随机权重矩阵，然后经过ESN训练和预测得到增强输出序列(x'，y'，z')。

3.根据权利要求1所述的基于回声状态网络的增强混沌加密系统动力学特性的方法，其特征在于，所述步骤(3)实现过程如下：在回声状态网络输出三组输出序列(x'，y'，z')后，将网络预测序列处理后得到密钥组(X，Y，Z)；在QAM映射前进行比特加密，原始数据经预处理得到二进制比特流发送数据，每个字符通过与密钥X进行按位异或运算来加密：其中,mod(·)表示取余函数，floor(·)表示向下取整函数；s是原始二进制比特流，S是加密后的二进制比特流；

经过上述加密处理后，X变成只有0和1的混沌序列，对未调制的原始二进制比特流进行加密，在第一层加密结束后，对星座中星座点相位进行加密：其中，θ为极坐标系下未加密星座点的角度，θ'为极坐标系下加密星座点的角度，Y成为一个只有0到360之间整数的混沌序列，用于随机旋转星座，实现星座图相位信息的加密；

OFDM信号的子载波与每个子载波上的符号的组合视为一个二维矩阵，二维矩阵的每一列表示每个子载波，其中每个元素表示相应子载波上的一个符号,根据密钥序列Z的元素排序来扰乱子载波顺序，从而完成对子载波进行加密。

4.根据权利要求1所述的基于回声状态网络的增强混沌加密系统动力学特性的方法，其特征在于，所述步骤(4)实现过程如下：对接收的信号进行子载波、星座图和比特的恢复还原，然后通过并串变换，输出原始数据，解密完成。