基于LTE-A的伪随机序列生成的改进算法

在先进长期演进(LTE-A)系统中,伪随机序列生成时内存占用量和执行时间会随着序列长度的增加而显著增加。针对该问题,提出了一种循环替换算法,即在3GPP LTE-A系统中的低消耗(内存)、低复杂度的伪随机序列生成算法。此外,对传统伪随机序列生成算法进行了改进,使得伪随机序列生成过程中的内存占用量和执行时间大大缩短。仿真结果证明了所提出算法的高效性和低消耗性。该算法对提高整个系统的性能有一定的意义。     

混沌伪随机序列发生器的FPGA设计与实现

基于简化Lorenz系统,提出混沌伪随机序列发生器的一种设计方法。根据IEEE-754浮点运算标准,按照模块化设计理念,设计混沌方程所需的浮点运算模块,并在FPGA(Field Programmable Gate Array)上实现了简化Lorenz混沌系统。设计混沌伪随机序列量化算法,对生成的混沌伪随机序列进行复杂度分析。分析结果表明,量化算法显著提高了序列复杂度。使用NIST标准进行伪随机序列性能测试,测试结果表明,序列具有良好的随机特性,可直接用于实际加密应用。为连续混沌系统FPGA实现和混沌伪随机序列在信息安全中的应用奠定了基础。     

基于混沌反控制的Tent映射伪随机序列发生器设计

应用混沌反控制思想有意识地去产生混沌,进而应用混沌系统的伪随机特性进行伪随机序列发生器设计。针对Tent映射在有限精度实现时产生伪随机序列所存在的周期过短问题,应用混沌反控制,对Tent映射加入控制输入,从而解决了输出伪随机序列周期过短的问题,并通过阈值的在线调节输出0-1伪随机序列。证明了受控Tent映射是Lyapunov指数意义下混沌的,分析了Tent映射混沌反控制所产生的伪随机序列的安全性和计算效率,理论分析和仿真结果都证明了这种设计伪随机序列发生器算法的合理性。     

基本和混合元胞自动机的伪随机数发生器研究

针对基本元胞自动机（Cellular Automata,简称CA）、混合CA的伪随机数发生器进行了深入的研究,通过对比实验观察到混沌型基本CA输出的伪随机序列质量稳定并较优,而混合CA输出伪随机序列的相关性,尽管优于基本CA的平均表现,但远差于混沌型基本CA的表现。针对混合CA的伪随机数发生器,提出了一种基于混合CA与粒子群优化（Particle Swarm Optimization,简称PSO）算法融合的伪随机数产生算法。在该算法中,元胞对应于PSO的粒子,每个元胞按照各自不同的规则进行迭代演化,其对应粒子在迭代规则空间中飞行。该算法通过计算每个元胞产生伪随机序列的熵值作为粒子的适应度函数值,有效地实现每个元胞最佳规则的搜索,一定程度上提高了混合CA产生伪随机序列的质量。给出了基于小生境技术、构造出最优CA-PSO耦合伪随机数发生器的研究方向。     

基于DSP的伪随机多频激电接收机的研究

分析了伪随机多频激电法数据采集系统的基本原理,结合其特点及对数字信号处理的要求,设计了基于DSP的伪随机多频激电接收机.可方便地实现多种信号处理算法.电法勘探过程中的数据采集、信号处理和计算均在DSP中完成.     

基于节点前进跳距期望的WSNs分布式定位求精算法

针对LAEP算法存在相邻节点的定位位置相同(或相近)的问题,提出一种基于节点前进跳距期望的定位求精算法(RLAEP)。该算法在LAEP算法的基础上,首先根据每个节点的前进跳距期望挖掘出节点与其邻居节点的距离估计信息,称之为"伪测距距离";然后计算两节点在网络中的定位位置之间的距离,称之为"计算距离";最后以减小当前节点间"计算距离"与"伪测距距离"的偏差为目的迭代修正未知节点的定位位置。仿真结果表明,RLAEP算法的定位精度明显高于LAEP算法。     

一种改进的伪除算法

近来提出了一个通过计算一种新型矩阵的行列式的值来计算伪余的伪除算法(newprem).改进了newprem中利用高斯消元法的方式,尽量可能地克服过原算法中程膨胀,消除冗余运算.实验结果显示改进后的算法newprem2计算效率优于newprem算法.newprem2可以和原有经典算法prem形成互补,两者结合使用,可以提高众多消去法的效率.     

时隙ALOHA二进制指数回退算法

时隙ALOHA由于简单而被广泛应用于无线通信中,但时隙ALOHA本质上是不稳定的,各种控制算法被应用以保证系统的稳定吞吐量。在建立二进制指数回退(BEB)算法的马尔可夫模型基础上,分析了系统的稳定性调节过程。数值计算和仿真测试表明二进制指数回退算法能够保证系统的稳定性,且当节点数在一定范围内时能获得时隙ALOHA的理论极限吞吐量。比较了二进制指数回退算法与伪贝叶斯算法在平均吞吐量的性能差异,结果表明,BEB算法受窗口值的影响,当用户数较大(大于128)或较小(小于32)时,吞吐量均较伪贝叶斯算法低。     

面向嵌入式穿戴医疗的快速经验模态分解方法

智能照护系统通过人体感知智慧衣实时采集心电(ECG)等生理数据,却不可避免地混入运动伪影造成信号失去形态学特征。经验模态分解算法(EMD)通过获得本征函数分量去除非静态、非线性信号,去除ECG信号中的运动伪影。但是,传统EMD算法计算量大,不适用于低功耗的嵌入式移动设备。提出一种Fast-EMD算法,通过采用不同的运动状态来控制相应迭代次数的方式取代计算复杂边界值SD。实验结果表明,该方法既简化了算法执行流程,又提高了R点捕获准确率,有效提升了嵌入式设备上滤波处理性能。     

基于椭圆曲线的二元伪随机序列构造与分析

基于有限域 上的椭圆曲线,利用乘法逆构造一类二元伪随机序列,通过素域上椭圆曲线的指数和,计算该类伪随机序列的一致分布测度和k阶相关测度。结果表明,周期为N的二元伪随机序列一致分布测度的上界为p1/2lbplbN,k阶相关测度的上界为p1/2(lbp)klbN,2个测度的数量级都是O(N),说明该类序列具有很好的伪随机性质。