m序列的特点与应用

　　m序列的特点与应用_其它模板_PPT模板_实用文档。你不可错过的通信原理 M序列的特点与应用 m序列的产生 m序列的性质 m序列的应用 m序列是最长线性移位寄存器序列的简称。它是由多 级移位寄存器或其他延迟元件通过线性反馈产生的最长 的码序

　　你不可错过的通信原理 M序列的特点与应用 m序列的产生 m序列的性质 m序列的应用 m序列是最长线性移位寄存器序列的简称。它是由多 级移位寄存器或其他延迟元件通过线性反馈产生的最长 的码序列。由于m序列容易产生、规律性强、有许多优 良的性能，在扩频通信中最早获得广泛的应用。 如图1所示，m序列可由二进制线性反馈移位寄存器产生。它主要由n 个串联的寄存器、移位脉冲产生器和模2加法器组成。 图中第i级移存器 的状态ai表示，ai=0 或ai=1，i=整数。反馈线的连接状态用ci表示，ci=1 表示此线接通（参加反馈），ci=0表示此线断开。 由于反馈的存在，移存器的输入端受控地输入信号。不难看出，若 初始状态为全“0”,则移位后得到的仍为全“0”，因此应避免出现全 “0”状态，又因为n级移存器共有2n-1种可能的不同状态，除全“0”状 态外，剩下2n-1种状态可用。每移位一次，就出现一种状态，在移位若干 次后，一定能重复出现前某一状态，其后的过程便周而复始了。反馈线 位置不同将出现不同周期的不同序列，我们希望找到线性反馈的位置， 能使移存器产生的序列最长，即达到周期P=2n-1。按图中线路连接关系， 可以写为： 该式称为递推方程。 图1 线性反馈移位寄存器 上面曾经指出，ci的取值决定了移位寄存器的反馈连接和序列的结构。现在 将它用下列方程表示： 这一方程称为特征多项式。式中xi仅指明其系数ci的值（1或0），x本身的取 值并无实际意义，也不需要去计算x的值。例如，若特征方程为f(x)=1+x+x4 则它仅表示x0,x1和x4的系数c0=c1=c4=1,其余为零。经严格证明：若反馈移位 寄存器的特征多项式为本原多项式，则移位寄存器能产生m序列。只要找到 本原多项式，就可构成m系列发生器。 m序列的基本性质如下： (1)周期性：m序列的周期p取决于它的移位寄存器的级数, p=2n-1 (2)平衡特性：m序列中0和1的个数接近相等；m序列中一个周期内“1”的 数目比“0”的数目多1个。 (3)游程特性：m序列中长度为1的游程约占游程总数的1/2，长度为2的游程 约占游程总数的1/22 ,长度为3的游程约占游程总数的1/23 … (4)线性叠加性：m序列和其移位后的序列逐位模2相加，所得的序列还是m 序列，只是相移不同而已。 (5)二值自相关特性：码位数越长越接近于随机噪声的自相关特性。 m序列的产生 m序列的性质 m序列的应用 （1）均衡性。在m序列一个周期中‘1’的个数比‘0’要多 1位，这表明序列平均值很小。 （2）m序列与其移位后的序列模2相加，所得的序列还是 m序列，只是相位不同而已。例如：1110100与向又移3位 的序列1001110相对应模二相加后的序列为0111010，相 当于原序列向右移一位后的序列，仍为m序列。 （3）m序列发生器中移位寄存器的各种状态，除全0状态 外，其他状态只在m序列中出现一次。 （4）m序列发生器中，并不是任何抽头组合都能产生m序 列。理论分析指出，产生的m序列数由下式决定： φ（2n-1）/n 其中φ（X）为欧拉数。例如5级移位寄存器产生31 位m序列只有6个。 （5）m序列具有良好的自相关性 m序列的产生 m序列的性质 m序列的应用 测量房间脉冲效应 测距回答概率控制中的应用 系统辨识中的应用 m序列是一种伪随机序列,在通信、雷达、密码学等领域都有应 用。近几十年来,运用m序列测量房间声学系统脉冲响应的技术研究也 受到了人们的关注。m序列法测量技术有两大优点,其一是较强的抗噪 声性能,其二是运算速度快、效率高。 m序列法在应用过程中遇到的一些问题进行了深入研究,具体工作 如下: 1.针对测量过程中非线性对测量的影响进行了研究。分析了非线 性为Hammerstein模型时,运用m序列法测量线性脉冲响应的失真情况, 针对非线性为偶数次时,常规的m序列法测量技术不能获得线性脉冲响 应的信息的缺陷进行了改进;提出了运用0、1电平的m序列激励 Hammerstein系统的思想,并在m序列电平为1、-1时的FMT变换基础上, 加以改进得到偶数幂次非线性干扰时测量线性脉冲响应的快速算法。 当非线性较弱时,以Volterra核模型的简化结构为室内声学系统模型,根 据此模型,得到了单一非线性作用下m序列法测量脉冲响应的 显式表达;分别分析了m序列的长度 、幅度以及非线性的阶次等与m序列测量法抗非线性失线.为了改善m序列法的抗失真性能提高失真抑制度,在传统的截断法 思想基础上,首次提出了一种确定截断点的方法。该方法利用了二次非 线性误差与m序列三阶相关函数之间的关系,只需要计算出m序列三阶 相关函数较小延时时的峰值位置,就可以确定截断点。对于不同本原多 项式下的m序列,其三项式对位置是不相同的。为了尽可能减小非线性 对测量的影响,应该有针对性地选用m序列。提出选择那些k1较小时对 应的k 2较大的m序列作为测试信号,则幅度较大的非线性尖脉冲只会在 远离线性脉冲响应位置出现,从而有效地减小非线. 针对Gold序列的长度是2n-1,不能直接运用FFT变换计算两序列间的互 相关,阐述了一种快速相关算法,并对其实现流程进行了改良。 4.针对m 序列的最大联通集内序列数量少,不能满足多通道同步测量的 需求,提出了运用平衡Gold序列作为测试信号的测量方法 。理论分析及仿真实验证明了方法的可行性。 测量房间脉冲效应 测距回答概率控制中的应用 系统辨识中的应用 可以通过设定不同的伪随机数值作为测距回答概率判决门限的方式， 来设定不同的测距回答概率值。实际中，首先确定测距回答概率配置，然 后通过不同的伪随机数数值门限加以实现。其原理框图如图3所示。N位m 序列产生电路在询问触发信号触发下产生n个N位二进制伪随机数，经译码 电路进行二-十进制转换，形成各种数值电平，由概率判决电路进行判决。 若为设定测距回答概率判决门限之上的伪随机数值，则输出回答触信号， 否则没有回答触发信号输出。其中，判决门限由测距回答概率设置输入配 置。 根据用于检测机载询问器性能的模拟回答信号的测距 回答概率控制特性可知，该方案达到了要求，满足了测距 回答概率配置要求。以一定步进可调，且测距回答概率步 进精度可以通过改进电路来提高；同时，m序列伪随机数 的随机产生性符合测距回答信号随机产生特点，伪随机码 的周期随机性，也符合询问检测次数有限的特性。利用 PLD可编程逻辑器件来实现，不但有利于在线调试电路， 而且可以灵活地改进电路，利于开发。 测量房间脉冲效应 测距回答概率控制中的应用 系统辨识中的应用 M序列的自相关性较好,具有伪随机性,容易产生和复制。以M序列作 为输入信号,依据系统输出观测值,用相关分析法脉冲响应辨识法对压力 控制加热炉温度的系统进行分析。在SIMULINK系统辨识工具箱中分析 得到的脉冲响应数据,获得系统可能的参数模型。 系统辨识的方法主要分为非参数模型辨识和参数模型辨识,在假定系 统是线性的前提下,通过对系统施加特定的信号,测定输出,即可求得系 统的非参数模型,进而转换为参数模型。因而这类方法可适用于任何复 杂系统。用于非参数模型辨识的信号一般有正弦信号;阶跃信号;脉冲信 号。 一. 实验目的：利用matlab验证m序列的产生方法及其自相关特性 二. 实验要求：设m序列的生成多项式为g(x)=1+x3+ x4,求 （1）m序列的输出及其自相关序列； （2）设脉冲成形为p(t)= 1 0tTs 0 其他 画出其m序列信号的自相关函数； （3）设脉冲波形为升余弦成形（α=0），画出其m序列信号的自相关 函数。 实验源码 clear all; close all; g=19;%G=10011; state=8;%state=1000 L=1000; %m序列产生 N=15; mq=mgen(g,state,L); %m序列自相关 ms=conv(1-2*mq,1-2*mq(15:-1:1))/N; figure(1) subplot(222) stem(ms(15:end)); axis([0 63 -0.3 1.2]);title(m序列自相关序列) %m序列构成的信号（矩形脉冲） N_sample=8; Tc=1; dt=Tc/N_sample; t=0:dt:Tc*L-dt; gt=ones(1,N_sample); mt=sigexpand(1-2*mq,N_sample); mt=conv(mt,gt); figure(1) subplot(221); plot(t,mt(1:length(t))); axis([0 63 -0.3 1.2]);title(m序列矩形成型信号) st=sigexpand(1-2*mq(1:15),N_sample); s=conv(st,gt); st=s(1:length(st)); rt1=conv(mt,st(end:-1:1))/(N*N_sample); subplot(223) plot(t,rt1(length(st):length(st)+length(t)-1)); axis([0 63 -0.3 1.2]);title(m序列矩形成型信号的自相关);xlabel(t); Tc=1; dt=Tc/N_sample; t=-20:dt:20; gt=sinc(t/Tc); mt=sigexpand(1-2*mq,N_sample); mt=conv(mt,gt); st2=sigexpand(1-2*mq(1:15),N_sample); s2=conv(st2,gt); st2=s2; rt2=conv(mt,st2(end:-1:1))/(N*N_sample); subplot(224); t1=-55+dt:dt:Tc*L-dt; %plot(t,mt(1:length(t))); plot(t1,rt2(1:length(t1))); axis([0 63 -0.5 1.2]);title(m序列since成形信号的自相关);xlabel(t) 所需函数程序 function [out] = sigexpand(d,M) N = length(d); out = zeros(M,N); out(1,:)=d; out = reshape(out,1,M*N); function [out] = mgen(g,state,N) %输入 g:m序列生成多项式（10进制输入） %state:寄存器初始状态（10进制输入） % N:输出序列长度 % test g=11;state=3;N=15; gen = dec2bin(g)-48; M = length(gen); curState = dec2bin(state,M-1) - 48; for k =1:N out(k) = curState(M-1); a = rem(sum( gen(2:end).*curState),2); curState = [a curState(1:M-2)]; end Thanks