1.一种具有广义时滞项的惯性模糊神经网络的保密通信方法，其特征在于，包括以下步骤：步骤S1：建立具有广义时滞项的惯性模糊神经网络驱动系统和响应系统，具体包括以下步骤：步骤S11：建立具有广义时滞项的惯性模糊神经网络为：

式中，时间t≥0，i＝1，2，…，n；j＝1，2，…，n；n表示所述惯性模糊神经网络中含有的神经元个数；xi(t)表示所述惯性模糊神经网络的第i个神经元在时间t处的状态；αi表示第i个神经元的阻尼系数，βi表示当网络与外部输入断开连接时，第i个神经元将其电位重置为静止状态的速率，αi和βi分别满足αi>0和βi>0；aij、bij和cij表示连接权值；dij是前馈元素；hij和mij是模糊反馈最小的元素；kij和nij是模糊前馈最大元素；Tij和Sij分别表示模糊前馈最小元素和模糊前馈最大元素；fj(xj(t))表示所述惯性模糊神经网络中第j个神经元不包含时滞的激活函数，fj(xj(qij(t)))表示所述惯性模糊神经网络中第j个神经元包含广义时滞的激活函数， 表示所述惯性模糊神经网络第j个神经元含中立型时滞的激活函数，qij(t)为广义时滞且满足qij(t)≤t，表示在t时刻第j个神经元到第i个神经元的信息传递时滞；上述各激活函数均满足利普希茨条件，即|fj(u)‑fj(w)|≤Lj|u‑w|，其中u和w为任意实数，Lj为正常数且满足|fj(·)|≤Mj，其中Mj为正常数；∧和∨分别代表模糊与和模糊或算子，且对于任意实数u和w满足以下条件：Vj(t)表示第j个神经元的输入；Ii(t)表示第i个神经元的偏置；

步骤S12：建立具有广义时滞项的惯性模糊神经网络驱动系统为：

将步骤S11建立的具有广义时滞项的惯性模糊神经网络进行变量代换降阶处理，建立具有广义时滞项的惯性模糊神经网络驱动系统为：其中εi∈R；Hi＝εi(αi‑εi)‑βi；Ki＝εi‑αi；

步骤S13：根据步骤S12建立的驱动系统，建立与其相对应的响应系统：

式中，时间t≥0，i＝1，2，…，n；j＝1，2，…，n；n表示所述响应系统中含有的神经元个数；yi(t)表示所述响应系统的第i个神经元在时间t处的状态；fj(yj(t))表示所述响应系统中第j个神经元不包含时滞的激活函数，fj(yj(qij(t)))表示所述响应系统中第j个神经元包含广义时滞的激活函数， 表示所述响应系统的第j个神经元含中立型时滞的激活函数；上述各激活函数均满足利普希茨条件，即|fj(u)‑fj(w)|≤Lj|u‑w|，其中u和w为任意实数，Lj为正常数且满足|fj(·)|≤Mj，其中Mj为正常数； 和 表示预设时间量化同步控制器；

步骤S2：根据步骤S1建立的具有广义时滞项的惯性模糊神经网络的驱动系统和响应系统，设定同步误差；

步骤S3：根据步骤S2构建的同步误差，设计预设时间量化同步控制器，将所述预设时间量化同步控制器作用于所述响应系统，使得所述响应系统同步于所述驱动系统，进而实现保密通信方法；

步骤S2具体为：

根据步骤S1构建的具有广义时滞项的惯性模糊神经网络的驱动系统和响应系统，设定所述驱动系统和响应系统的同步误差为：步骤S3具体包括以下步骤：

步骤S31：根据步骤S2构建的同步误差，设计预设时间量化同步控制器:

其中，i＝1，2，…，n；σ、λ、η、μ和θi为正的控制器增益；0<ν<1；b为大于 的参数；当时，k＝2；当b＝2时，k＝3；当b>2时，k＝4； 是固定时间； 是预设时间；sign(·)为符号函数； g(e1i(t))为误差e1i(t)的量化值，g(e1i(t))＝(1+Δ)e1i(t)，Δ为量化误差， 为扇形边界， 0<δ<1；

g(e2i(t)(为误差e2i(t)的量化值，其中g)e2i(t)(＝(1+Δ)e2i(t)；控制器增益σ、λ和θi满足下列不等式：‑2εi‑2σ(1+δi)+1+|Hi|≤0

2Ki‑2λ(1+δi)+1+|Hi|≤0

步骤S32：将所述预设时间量化同步控制器作用于所述响应系统，使得所述响应系统同步于所述驱动系统；

步骤S33：所述驱动系统与所述响应系统同步之后，发送端获取所述驱动系统产生的混沌信号作为加密信号xi(t)，接收端获取响应系统产生的混沌信号作为解密信号yi(t)；

步骤S34：所述发送端将加密信号xi(t)和明文信号si(t)进行加密运算，获得密文信号hi(t)，hi(t)＝xi(t)+si(t)；

步骤S35：所述发送端通过信道发送所述密文信号hi(t)，所述接收端通过信道接收所述密文信号hi(t)；

步骤S36：所述接收端将收到的明文信号hi(t)和解密信号yi(t)进行解密运算，获得解密明文信号ssi(t)，ssi(t)＝hi(t)‑yi(t)。