fpga 伪随机二进制序列 作用

一种微弱光信号相关检测方法的硬件实现李炳新;祖海娇【摘要】利用伪随机序列的良好随机性可以测量淹没在噪声和干扰中的微弱光信号,这是一种相关检测方法.在阐明测量原理的基础上,设计了采用该方法的测量系统,采用FPGA实现FFT算法从而完成测量所必需的信号相关处理.实验结果表明,完全由硬件实现的测量系统可以近于实时地完成微弱光信号的测量.【期刊名称】《微型机与应用》【年(卷),期】2010(029)012【总页数】4页(P30-33)【关键词】微弱光信号;伪随机序列;相关;FPGA【作者】李炳新;祖海娇【作者单位】燕山大学,信息学院,河北,秦皇岛,066004;燕山大学,信息学院,河北,秦皇岛,066004【正文语种】中文【中图分类】TN247光纤通信技术是信息领域十分引人瞩目的课题，微弱信号检测是光通信领域中不可缺少的环节。

微弱光信号检测是利用光电信息技术、电子学、物理学、信息论、计算机等各种知识的综合技术,它是在认识噪声与光信号的物理特性和相关性的基础上,把被噪声淹没的有用信号提取出来的一种技术。

目前常用的微弱信号检测方法有频域信号的相干检测、时域信号的积累平均、离散信号的计数技术、并行检测方法等[1]。

伪随机序列是一种具有良好随机性的二进制序列，其许多特性都与白噪声接近，且能够由确定的方法产生，伪随机序列在许多领域都得到了应用[2,3]。

利用伪随机序列的良好随机性可以测量淹没在噪声和干扰中的微弱光信号。

测量系统的输入光信号用伪随机序列调制，调制的光信号注入测量系统，输出光信号经过光电探测器后与调制所用伪随机序列进行相关运算。

其相关函数的峰值正比于输入信号强度，且有很高的信噪比，因此可以检测到混在噪声与干扰中的微弱光信号,提高测量的准确性和精度。

1 测量系统组成微弱光信号检测的硬件电路主要由三部分组成:信号的产生与调制、信号的接收、信号的相关处理。

伪随机序列相关检测原理如图1所示。

由FPGA产生伪随机序列p(t)，用它调制光源，调制的光信号经过测量系统后到达接收端，光电转换后得到的光输出信号为x(t)，若测量过程仅影响输入光信号的强度，则x(t)=ap(t)+n(t),其中a为输出信号幅度，n(t)为噪声和干扰。

1.伪随机码在扩频系统中，起扩频的作用。

主要是因为这类码序列具有类似于随机信号的特性，即具有近似白噪声的性能。

2.选用随机信号传输信息的理由：在信息传输中各种信号之间的差异性越大越好，这样任意两个信号不容易混淆，即相互间不容易发生干扰，不会发生误判。

3.理想的传输信息的信号形式应是类似于白噪声的随机信号，因为取任何时间上的不同的两端噪声来比较都不会完全相似，若能用它们代表两种信号，其差别性就最大。

4.为实现选址通信，信号之间必须是正交或准正交的（互相关性为零或很少）。

5.伪码不但是一种能预先确定的、有周期性的二进制序列，而且又具有接近于二进制数随机序列的自相关特性。

一、伪随机序列的特性1.相关性概念：()τ自相关：很容易的判断接收到的信号与本地产生的相同信号复制品之间的波形与相位是否完全一致。

相位完全对准时有输出，没有对准时输出为零。

互相关：在码分多址中尤为重要，在码分多址中，不同的用户应选用互相关性小的信号作为地址吗，如果两个信号是完全随机的，在任意延迟时间都不相同，则互相关性为0则称为正交，如果有一定的相似性，则互相关性不为0.两个信号的互相关性越少越好，则他们越容易被区分，且相关之间的相关性⎧⎪⎪⎪⎪⎨⎪⎪⎪⎪⎩干扰也小。

2.码序列的自相关性：序列的自相关函数用于衡量一个序列与它的j 次移位序列之间的相关程度。

常用自相关系数来表示相关性，自相关系数为相关函数的均一化。

二进制序列自相关系数为：();A D =a i i j A D j Pρ+-=式中为a 与a 对应码元相同的个数；为不同的个数。

P A+D. 3.码序列的互相关性：序列的互相关函数用于衡量两个不同序列之间的相关程度。

常用互相关系数来表示相关性，互相关系数为相关函数的均一化。

二进制序列互相关系数为：();ab A D j A ab D Pρ-=为对应元素相同的数目为不同的数目。

m ⎧⎪⎪⎨⎪⎪⎩序列：码分多址系统需要具有良好的自相关性的二进制序列作为码。

混沌伪随机序列发生器的 FPGA设计与实现孙克辉;叶正伟;贺少波【摘要】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。

%A design method of chaotic pseudo-random sequence generator is proposed based on simplified Lorenz system in this paper.Ac-cording to IEEE-754 floating-point operation standard and the idea of module design,we design the modules of floating point operation for sol-ving chaotic equations,and implement the simplified Lorenz chaotic system on FPGA.Moreover,a quantification algorithm of chaos pseudo-random sequence is designed,and the complexity analysis is performed on the generated chaos pseudo-random sequences,analysing results show that the quantification algorithm remarkably improves the complexity of the sequences.Then the NIST standard is employed in perform-ance test of pseudo-random sequences,test results show that the sequence has good pseudo-random character and can be directly used to prac-tical encryption applications.It lays the foundation for the implementation of continuouschaotic system FPGA and the application of chaos pseudo-random sequence in information security.【期刊名称】《计算机应用与软件》【年(卷),期】2014(000)012【总页数】6页(P7-11,20)【关键词】混沌;简化Lorenz系统;FPGA;伪随机序列【作者】孙克辉;叶正伟;贺少波【作者单位】中南大学物理与电子学院湖南长沙 410012;中南大学物理与电子学院湖南长沙 410012;中南大学物理与电子学院湖南长沙 410012【正文语种】中文【中图分类】TP309.70 引言混沌是确定性的非线性动态系统中出现的一种貌似随机的运动。

伪随机二进制序列伪随机二进制序列（PRBS）是一种在通信领域广泛应用的序列性质，并被用于数据传输、信号处理、密码学等方面。

它以一种看似无规律的方式产生二进制序列，但实际上具有一定的统计特性和周期性。

本文将为您介绍伪随机二进制序列的定义、生成方法、应用领域以及研究前景。

首先，让我们了解一下伪随机二进制序列的定义。

伪随机二进制序列是由计算机或电子器件生成的一串二进制数字。

虽然它们看起来像是随机的，但经过统计分析后，我们可以发现它们具有一定的规律和周期性。

这是因为这些序列是通过特定的算法生成的，而不是真正的随机数。

那么，如何生成这种伪随机二进制序列呢？在通信领域中，最常用的生成方法是使用线性反馈移位寄存器（LFSR）。

LFSR是一种能够产生伪随机序列的电子电路，它通过位移寄存器和异或门的组合来实现。

通过适当选择寄存器的位数和反馈多项式，我们可以生成具有不同周期和特性的伪随机二进制序列。

除了LFSR，还有其他一些生成伪随机二进制序列的方法，如非线性动力系统、混沌系统等。

这些方法利用了复杂且不可预测的数学模型来生成序列，具有更高的随机性和安全性。

伪随机二进制序列在通信和密码学等领域有着广泛的应用。

在数据传输中，它们被用于编码和调制，以提高信号传输的可靠性和效率。

在信号处理中，它们可以用于频谱分析、噪声测试、通道估计等方面。

在密码学中，伪随机二进制序列被用作密钥生成和加密算法中的扰动源，用于保护数据的安全性。

此外，伪随机二进制序列还有着广阔的研究前景。

随着通信和信息技术的快速发展，人们对于高效、安全的数据传输和处理需求不断增加。

因此，如何生成更长周期、更高随机性的伪随机二进制序列成为了当前研究的热点之一。

同时，研究者还探索了将混沌系统、量子随机性等引入到伪随机序列的生成中，以提升其性能和应用范围。

总而言之，伪随机二进制序列是一种在通信和密码学领域中重要的序列性质。

它们通过特定的算法生成，具有一定的统计特性和周期性。

伪随机序列的设计及其密码学应用伪随机序列的设计及其密码学应用什么是伪随机序列？伪随机序列是指在表面上具有随机性质，但实际上是通过某种算法生成的序列。

它们被广泛应用于密码学领域，用于生成密钥、令牌验证等。

密码学应用1. 加密通信伪随机序列在加密通信中起到重要作用，通过使用伪随机序列作为密钥，可以保证通信数据的机密性。

只有拥有正确的伪随机序列才能解密通信内容，从而保护通信的安全性。

2. 数据完整性验证伪随机序列可以用于生成消息认证码（MAC），用于验证数据的完整性。

发送方使用伪随机序列计算MAC，并将其与原始数据一起发送。

接收方使用相同的伪随机序列计算MAC，并将结果与接收到的MAC进行比较。

如果二者一致，则说明数据没有被修改过。

3. 数字签名伪随机序列在数字签名中扮演重要角色。

发送方使用私钥对数据进行签名，并生成数字签名。

接收方使用相同的伪随机序列对签名进行验证，来确认该签名是由发送方生成的。

4. 令牌验证在身份验证中，伪随机序列可以用于生成一次性密码（OTP）令牌。

这些令牌根据伪随机序列算法生成，在每次使用后会自动过期，提供了高度的安全性。

5. 随机数生成伪随机序列也可以用来生成随机数。

在密码学中，伪随机数生成器（PRNG）使用特定的算法和种子值生成一系列的伪随机数。

这些伪随机数可以用于密码学中的各种场景，如生成随机密钥、随机初始向量等。

总结伪随机序列在密码学中应用广泛，通过使用特定算法和种子值生成具有伪随机特性的序列，可以保证数据的机密性、完整性以及身份验证的安全性。

在实际应用中，需要选择合适的伪随机序列算法，并保证密钥的安全性，以提供更高的密码学安全性。

1. 加密通信在加密通信中，伪随机序列可以用作对称加密算法中的密钥。

对称加密算法使用同一个密钥进行加密和解密，因此密钥的安全性非常重要。

通过使用伪随机序列生成密钥，可以增加密钥的随机性和复杂性，提高加密算法的安全性。

2. 数据完整性验证在数据传输过程中，可能会面临数据篡改的风险，例如中间人攻击。

基于 FPGA 的误码检测器的设计作者：周庆芳来源：《求知导刊》2016年第07期摘要：随着人们生活水平的提高和生产力的发展，计算机现代技术的发展也越来越快。

VHDL语言的出现和ASIC的应用进入了一个新的阶段，现代通信技术也随之发展起来。

本文基于误码检测原理和M序列产生的原理，通过VHDL硬件描述语言，实现了一种简单的逐位比较型误码检测器的设计以及各功能模块的仿真。

关键词：误码检测器；FPGA；M序列中图分类号：TN912.16 文献标识码：C 收稿日期：2015-12-15一、伪随机序列及误码检测器原理伪随机码（或称伪随机序列）是模仿随机序列的随机特性而产生的一种码字，也称为伪噪声码或伪噪声序列。

伪随机序列在数字通信中分为许多种，而在通信工程中，因为它常采用二进制伪随机序列，所以在序列中有“0”和“1”两种状态。

在通信过程中，各种原因都有可能造成误码形式的出现，比如机器故障、传播问题、信道干扰等因素都可能造成系统性能恶化甚至造成通信中断。

判决电路对数字通信接收系统是不可缺少的，有以下几种原因可能造成判决错误：①电平的偏移；②抽样时刻偏移；③叠加噪声。

误码检测器，又称之为误码仪。

由多种形式可以组成一个误码仪，而它的工作过程可以分为以下几个方面：①以相同相位的本地码作为比较标准，生成与发送码组相同的码型；②将本地与接收的两组码组逐个进行比较，然后输出误码脉冲信号；③对误码脉冲信号进行统计，并给出相应的误码率。

二、误码检测器设计误码检测器也就是逐位比较型误码检测器，其基本原理是将发送端和接收端的两组类型相同的序列进行分析，经过同步处理之后，把逐个码元进行比较，假如出现误码，则两列码序列中本来相同的码元就会变得不同；通过这些差异，在位同步时钟的控制下通过异或门逐个码元进行比较，然后把结果通过计数器发送到可以显示的电路中进行显示。

在时钟的控制下，伪随机序列是可以进行移位的，若原来的和接收到的伪码序列不同步，则不可以实现两种序列的正确比较；所以首先要从接收序列中抽取出位同步信号。

基于FPGA的伪随机序列发生器设计方案1基本概念与应用1)1FSR：线性反馈移位寄存器(1inear feedbackshiftregister,1FSR)是指给定前一状态的输出，将该输出的线性的薮再用作输入的移位寄存器。

异或运算是最常见的单比特线性函数：对寄存器的某些位进行异或操作后作为输入，再对寄存器中的各比特进行整体移位。

1FSR产生的两种形式为伽罗瓦(Ga1ois)和斐波那契(FibonaCCi)两种形式。

也有成为外部(Ex隹rna1)执行方式和内部(Interna1)执行方式。

(1)伽罗瓦方式(Interna1)X0X4X17! ! TepCount ,-Θ□□EF-Γ>4300000000Θ{3B0-*~*DaiaFtowW>)∙ι.x4.χ“(Ga1oisImp1ementation)Ga1ois方式特征数据的方向从左至右，反馈线路是从右至左。

其中XCo项(本原多项式里面的T'这一项)作为起始项。

按照本原多项式的指示确定异或门(XOR)在移位寄存器电路上的位置。

如上图所示XM。

因此Ga1ois方式也有人称作线内或模类型(M-型)1FSRo(2)斐波那契方式(Externa1)TapCountB*0;E3t3-⅛QEHIH30GHZHHDGIFSHpcivncrTMrig(M)-X14.X,>♦X n»1(Fibonacciimp1ementation)从图中我们可以看到Fibonacci方式的数学流向和反馈形式是恰好跟Ga1ois方式相反的，按照本原多项式，其中XCO这一项作为最后一项，这里需要一个XOR∏,将本原多项式中所给的taps来设定它的异或方式。

因此Fibonacci方式也被叫做线外或者简型(S-型)1FSR。

2)本原多项式本原多项式是近世代数中的一个概念，是唯一分解整环上满足所有系数的最大公因数为1的多项式。

本原多项式不等于零，与本原多项式相伴的多项式仍为本原多项式。

摘要：通过分析各种伪随机序列生成方法，提出了一种基于M 序列的连续抽样方法，可以生成满足自适应光学系统SPGD 控制算法要求的多路、相互独立以及服从伯努利分布的伪随机序列。

该方法适合于用FPGA等超大规模集成电路实现，且具有占用硬件资源较少，实现方便等优点。

用FPGA 实现了用于61 单元自适应光学系统SPGD 控制算法的伪随机序列，并将此方法应用于基于SPGD 控制算法的自适应光学系统实验中，实验表明，该方法能够满足自适应光学系统SPGD 算法的需求，系统实现成功闭环。

1 引言随机序列是一组满足特定统计学规律的数据，在信号理论分析中应用非常普遍。

由于精确的随机序列生成方法较为复杂，产生的随机序列不具有可重复性等特点，在很多应用场合使用伪随机序列。

伪随机序列在扩频通信、信息加密和系统测试等诸多领域中都有着广泛的应用。

在自适应光学SPGD 算法中，伪随机序列亦有相当重要的作用。

Vorontsov 等人在1997 年将SPGD 算法引入到自适应光学领域[2]。

国内在近几年开始了对 SPGD 算法在自适应光学系统应用的研究，并且在计算机上用软件编程实现了算法，进行了自适应光学的系统实验[3]。

自适应光学SPGD 控制算法的研究趋势是使用专用的信号处理硬件电路作为算法的实现平台，以获得更高的迭代速度和更好的收敛效果。

Cauwenberghs等人设计了专用的模拟超大规模集成电路实现SPGD 控制算法，并且在一些应用领域进行了实验[5]。

目前自适应光学系统的规模普遍达到几十上百单元。

针对多单元自适应光学系统SPGD 控制算法的特殊要求，本文提出了一种适合于用FPGA 硬件电路产生满足算法要求的多路伪随机序列的生成方法，完成了FPGA 电路的硬件实现，并将其用于实现61 单元自适应光学SPGD控制算法，同时进行自适应光学的闭环实验。

2 自适应光学 SPGD 控制算法对伪随机序列的要求SPGD(the Stochastic Parallel Gradient Descent algorithm)算法通过对多路的控制参数加入随机并行的扰动，使用性能指标测量值的变化量与控制参数的变化量进行控制参数的梯度估计，以迭代方式在梯度下降方向上进行控制参数的搜索。

0 引言伪随机序列现已广泛应用于密码学、扩频通讯、导航、集成电路的可测性设计、现代战争中的电子对抗技术等许多重要领域。

伪随机序列的伪随机性表现在预先的可确定性、可重复产生与处理。

伪随机序列虽然不是真正的随机序列，但是当伪随机序列周期足够长时，它便具有随机序列的良好统计特性。

在已有的序列中，m序列的应用最为成熟和广泛，为此，本文给出线性m序列和基于m序列的非线性m子序列的FPGA实现方法。

由于FPGA的内部逻辑功能是通过向内部静态存储器单元加载配置数据来实现的，其配置文件决定了逻辑单元的逻辑功能以及模块间或与I／O间的连接，故可最终决定FPGA实现的功能。

FPGA的这种结构允许多次编程，并享有快速有效地对新设计进行优化的灵活性，为此，本文选用了altera 的cvclone系列FPGA芯片EPlC12-240PQFP，该芯片内部有12060个逻辑单元、239616 bit RAM、两个锁相环(PLL)。

本文应用移位寄存器理论来产生序列，其算法的关键是找到线性m序列和非线性m子序列移位寄存器的反馈逻辑式。

1 m序列的实现1.1 基于FPGA的m序列实现利用反馈移位寄存器产生0、1序列时，其n位反馈移位寄存器的逻辑功能如图1所示。

图中，xi蕾表示寄存器所处的状态，通常用0和1来代表两个可能的状态，并且把0和1看成是有限域GF(2)的两个元素。

f(x0，x1，…，xn-1)刻划了移位寄存器反馈逻辑的功能，它可以看成一个定义在GF(2)上并且在GF(2)中取值的n元函数，当f(x0，x1…，xn-1)可以表示成一线性齐次函数时。

即，相应的反馈移位寄存器是线性的，而由线性移位寄存器产生的序列就称为线性移位寄存器序列。

m序列就是线性移位寄存器序列。

对于一个n级m序列移位寄存器来说。

它在每一时刻的内部状态都可以看做有限域GF(2)上的一个n维向量，而反馈函数就是刻划了从每一时刻的状态到下一时刻状态的转移规律，或者说反馈函数定义了n维向量空间上的一个线性变换。