基于FPGA的伪随机序列发生器设计

讨论了应用移位寄存器在Altera的FPGA芯片中实现线性和非线性伪随机序列的方法,该算法基于m序列本原多项式来获得线性m序列和非线性m子序列移位寄存器的反馈逻辑式。文中给出了以Altera的Quartus II为开发平台,并用VHDL语言实现的m序列的仿真波形。     

伪随机序列及其在通信加密中的应用

介绍了m序列的性质、产生方法及m序列在通信加密中的应用。m序列自相关性较好，容易产生和复制，而且具有伪随机性，利用m序列加密数字信号，使加密后的信号在携带原始信息的同时具有伪噪声的特点，以达到在信号传输的过程中隐藏信息的目的；在信号接收端，再次利用m序列加以解密，恢复出原始信号。硬件描述语言VHDL是电子设计自动化的工具，主要用于描述数字系统的结构、行为、功能和接口。EDA技术以计算机为工具，完成数字系统的逻辑综合、布局布线和设计仿真等工作，极大地提高了设计效率。设计仿真是进行设计验证的主要壬段。文中给出了信号加密的原理框图和基于Max＋PlusⅡ平台用VHDL语言实现的仿真波形。     

全状态伪随机序列发生器的实现

对于伪随机序列发生器一直存在如何选择反馈函数和如何产生全部的反馈序列两大问题。经过推导可以得到312bit伪随机序列发生器的本原多项式，再根据伪随机序列信号的特性选择出较好的全状态伪随机序列发生器的非线性反馈函数。即通过修改线性移位寄存器的反馈网络将移位型计数器的全部状态加以利用，实现全状态伪随机序列信号。同时应用FPGA实现12bit全状态伪随机序列发生器并对其产生的序列进行仿真分析。     

第一类m子序列的构造

伪随机序列在流密码、信道编码、扩频通信等领域有着广泛的应用,m序列是优秀的伪随机序列.基于m序列,本文首次提出通过重构m序列移位寄存器状态图,构造一类称之为m子序列的移位寄存器状态图.根据重构的状态图,提出了第一类m子序列并予以证明.本文推导了第一类m子序列移位寄存器反馈函数式,分析了第一类m子序列具有良好的周期特性、游程特性、平衡特性以及较高的线性复杂度.仿真结果表明,m子序列自相关特性也具有很好的δ(t)函数特征.利用文中给出的构造方法,可以构造更多性能优良的m子序列.     

基于FPGA的PRBS伪随机序列的实现与研究

首先描述了伪随机序列的原理特性和生成方法，然后分析应用FPGA来实现伪随机序列的原理，并且详细讲述PRBs数据流的产生和检测的实现方法，利用FPGA器件的特殊结构，非常有效地节约了逻辑资源。然后利用仿真软件对设计进行了实现和验证。对于如何检测伪随机序列，提出两种不同的检测方法，做出比较并分析其利弊，最后指出伪随机序列的使用范畴。     

一种用于自稳零放大器的伪随机信号发生器

提出了一种用于自稳零运算放大器的伪随机信号发生器电路.该电路结合了线性反馈移位寄存器和多级计数器,实现了输出信号的频率在一定范围内随机变化的功能.利用7级线性反馈移位寄存器生成的7位伪随机码对多级计数器进行置位,计数器以置位后的状态开始计数.当计数器计满时,输出信号跳变一次.同时,线性反馈移位寄存器生成新的伪随机码对计数器电路进行重新置位,计数器再重新计数.最终产生频率在一定范围内随机变化的输出信号.该输出信号作为自稳零放大器失调校准电路的开关时序信号,使自稳零运放的失调电压校准电路（开关电容结构）的开关动作具有随机化特征,产生的开关毛刺类似随机噪声,改善了自稳零放大器失调电压的校准效果.该伪随机信号发生器电路采用0.5μm CMOS工艺实现.仿真结果表明,该信号发生器电路实现产生的输出信号的频率在2 kHz到4 kHz范围内随机变化.将其用于自稳零运算放大器的失调电压校准中,自稳零运放输出信号中的谐波显著降低.     

基于FPGA的m序列发生器实现

讨论了应用移位寄存器理论实现基于FPGA的伪随机序列发生器的方法,通过理论分析给出了m序列本原多项式与m序列移位寄存器反馈多项式间的关系。同时给出了运用VHDL语言编程,并以Altera的QuartusⅡ软件为开发平台的m序列的仿真波形。     

伪随机序列及其在现代移动通信中的应用

伪随机序列是一种具有某种随机特性、可重复产生的确知序列.由于其接近白噪声的相关函数和良好的随机性,使得伪随机序列在现代移动通信和密码学等领域得到了广泛的应用.对此,介绍伪随机序列的产生过程、性能及其在现代移动通信中的应用.     

基于VHDL的m序列

介绍了m序列的性质，实际意义及产生方法，主要介绍了用VHDL实现m序列的框图，仿真波形和该方法的优点。     

Efficient Implementation of a Pseudorandom Sequence Generator for High‐Speed Data Communications

A conventional pseudorandom sequence generator creates only 1 bit of data per clock cycle. Therefore, it may cause a delay in data communications. In this paper, we propose an efficient implementation method for a pseudorandom sequence generator with parallel outputs. By virtue of the simple matrix multiplications, we derive a well‐organized recursive formula and realize a pseudorandom sequence generator with multiple outputs. Experimental results show that, although the total area of the proposed scheme is 3% to 13% larger than that of the existing scheme, our parallel architecture improves the throughput by 2, 4, and 6 times compared with the existing scheme based on a single output. In addition, we apply our approach to a 2×2 multiple input/multiple output (MIMO) detector targeting the 3rd Generation Partnership Project Long Term Evolution (3GPP LTE) system. Therefore, the throughput of the MIMO detector is significantly enhanced by parallel processing of data communications.     

对“存储采样前馈序列”的评述

评述了文献[1]所构造的所谓“存储采样前馈序列”。     

二进神经网络非线性移位寄存器的综合

本文利用二进神经网络及其学习算法特点和对布尔函数的映射能力,设计了一个精巧的非线性移位寄存器的综合算法,同时得到序列非线性复杂度的移位寄存器的反馈布尔函数.此综合算法简单可靠,所需存储运算量小.     

多遥测天线集中校准源的设计与应用

遥测天线校准通常采用误码仪产生的信号经调制后送入校准天线发射,接收机收到信号解调后,再送入误码仪测量链路误码率完成单天线校准。该校准方式无法进行多天线集中校准,针对该校准方式的弊端挺出了一种多天线集中校准的方法,利用反馈式移位寄存器理论在FPGA中产生伪随机序列,给出了伪随机序列的仿真波形,并利用IN—SNEC公司接收机测试软件完成多天线集中校准源的测试。     

一种新的TDCS基函数随机相位产生方法及性能分析

针对变换域通信系统对随机相位随机性与相关性的要求,提出了一种采用混沌映射m序列控制法的基函数相位映射方法,相比于传统一维m序列产生基函数,该方法所产生基函数的随机性提高了N倍(N为m序列的长度);同时由于采用混沌映射,产生了大量互相关系数很小的基函数,具有更加良好的相关性。仿真结果表明,采用混沌映射m序列控制法的基函数相位映射方法,提高了基函数的相关性,有效地降低了系统的误码率。     

一种M序列构造方法的分析

利用了兰培尔提出的D-同态来对M序列的构造方法进行分析，阐述了一种非递归的有效方法，并对此种方法进行解释及论证，同时给出了这种方法的具体过程和结果解析，这对于一个具有较大n的n-MS来说，避免了采用递归方式所带来的计算量较大的问题，具有较好的可行性．     

一种可重构线性反馈移位寄存器设计

提出了一种可重构线性反馈移位寄存器的设计。在设计中,针对Fibonacci和Galois两种类型的反馈结构分别采用了可重构的设计,并且支持混合反馈结构,线性反馈移位寄存器反馈抽头和插入点可选,长度可变并且可以通过链接支持超长线性反馈移位寄存器。在XC5VLX30器件上实现延时为4.808ns,LUT和触发器的个数为2279和1575。能够用于伪随机序列生成等应用。     

修正de Bruijn序列的重量和线性复杂度研究

n级修正de Bmijn序列，就是从n级de Bmijn序列所有的2“个状态中去掉全0状态而得到的移位寄存器序列。为深入了解修正de Bmijn序列，研究了修正de Bmijn序列的重量和线性复杂度，提出了相关的定理并进行了证明，并给出了5—6级修正de Bmijn序列的线性复杂度和重量的分布统计数据。