chapter12第2章 伪随机序列 .pptVIP

第2章 伪 随 机 序 列 　　　　2.1 伪随机码的基本概念2.1.1 相关性的概念　　随机信号x(t)的自相关函数的定义为 　　高斯白噪声的自相关函数取两个值， 即 随机信号的互相关函数随机信号x(t)和另一个随机信号y(t)的互相关值定义为 2.1.2 码序列的相关函数设x、y是码字周期（长度）为P的两个码序列， 码序列x、 y的互相关函数定义为 联通2G(IS-95)采用的m序列为 都是由15阶线性移位寄存器产生的m序列. 自相关函数实例计算： 联通3G(CDMA2000)采用的m序列为 (2-16) 　4. m序列的互相关函数 式中, A为两序列对应位相同的个数， 即两序列模2加后“0”的个数； D为两序列对应位不同的个数， 即两序列模2加后“1”的个数。 两个码序列的互相关函数是两个不同码序列一致程度(相似性)的度量： 实例计算： 计算n=5, C1=45, C2= 75的两序列的互相关系数？ n=5， Ci =45的m序列为（初始状态：00001）　　　{x}＝1000010010110011111000110111010 由于C2= 75 ，Ci = (75)8＝(111101)2， 其对应的生成多项式为　　G(x)=1+x+x2+x3+x5 输出m序列{y}为（初始状态：11111） 　　　　{y}＝1111101110001010110100001100100 {x}＝1000010010110011111000110111010 {y}＝1111101110001010110100001100100 j=0时，序列中相同的位数A= ?，序列中不同的位数D=P-A ? A=11, D=31-11 = 20. Rxy = (A-D)/P = -9/31. j=1时，序列中相同的位数A= ?，序列中不同的位数D=P-A ? {x}＝1000010010110011111000110111010 {y}＝1111011100010101101000011001001 A = 15, D = 31-15 = 16. Rxy = (A-D)/P = -1/31. 第2章 伪随机序列 * 2.1　伪随机码的基本概念 2.2　m序列 2.3　Gold序列 2.4　M序列 2.5　组合码 2.6　其他扩频码 (2-1) 式中, x(t)为信号的时间函数， τ为延迟时间。 Rxx(τ)的大小可用来表征x(t)与自身延迟后的x(t+τ)的相关性， 故称为自相关函数。 (2-2) 伪随机码（Pseudo-Noise）具有类似的相关特性。 伪随机码（Pseudo-Noise）：具有类似高斯白噪声的 特性，但又能够重复产生。 (2-3) (2-4) 序列x的自相关函数 Rx(j)为 (2-5) (2-6) 对于二进制序列， 其自相关系数也可由下式求得 式中， A是xi和xi+j相对应码元相同的数目， D是相对应码元不同的数目， P是码序列周期长度。 2.2 m 序 列 m序列是最长线性移位寄存器序列的简称。 它是由带线性反馈的移存器产生的周期最长的序列。 一种是简单型移位寄存器（SSRG， Simple Shift Register Generator），也称Fabonacci型移位寄存器， 如图2-1所示。 两种线性移位寄存器的结构 另一种是组件型移位寄存器（MSRG， Multi-return Shift Register Generator)， 也称Galois型移位寄存器， 如图2-2所示。 两种线性移位寄存器的结构 一般的m序列发生器结构 0 0 1 1 1 0 0 0 0 1 0 0 1 0 1 1 1 1 1 1 1 0 1 1 1 1 0 0 Sequence = 1001011 1001011 m序列实例 码序列 1001011 1001011 的自相关特性 -1 1 1 -1 1 -1 -1 码序列 1001011 1001011 的自相关特性 1 -1 -1 1 -1 1 1 (2-10) 以n次多项式的形式表示反馈逻辑， 则有 称式（2-10）为特征多项式。 其中Ci为二元域元素， 取值为0或1， x的幂次表示位置。 图2-3给出的是由n级简单型移位寄存器构成的码序列发生器。 反馈系数Ci是以八进制表示的。 例如，n＝5， 反馈系数Ci＝45， 将它化成二进制数为100101， 即反馈系数依次为C0=1， C1=0， C2=0， C3=1， C4 =0， C5=1 一般的m序列发生器的构造方法 其对应的本原多项式为G(x)=1+x3 +x5。 由此画出n＝5的m序列发生