matlab用本原多项式生成本的m序列,本原多项式产生的m序列
在实验中发现在m序列的产生过程中,即使使用本原多项式的系数作为反馈逻辑,寄存器的状态也不能遍历除全0以外的所有状态。例如,用1
1 1 1 1 1 1 1作为初态,0 1 1 1 0 0 0
1(从低位到高位排列)作为反馈逻辑,产生的m序列m(2:9)=1 1 1 1 1 1 1 0. 而m(129:136)= 1 1 1 1 1 1 1 0 可见在m(2)时
刻和在m(129)时刻寄存器组的状态是完全一样的,由此可知,m(2:128)=m(129:255),所以实际上产生m序列虽然周期为255实际上是
1 m(2:128)
m(2:128),更像是周期为127的序列。所以8位寄存器产生的255位m序列其自相关特性并不理想。根据以上分析,如果取其中127位,得到的序列应当所有较好的相关特性。在此用matlab进行了仿真,结果如下:
图1为8位寄存器产生的255位m序列(反馈逻辑0 1
1 1 0 0 0 1),取其前127位,的自相关特性。
图2
为上述m序列取全255位所得序列的自相关特性。
图3 为8位寄存器产生的255位m序列(反馈逻辑0 1
0 0 1 1 0 1),其自相关特性。
可见,将m序列取全,其自相关特性并不好,在0.5倍周期时出现相关峰
若取m序列中的一半,其自相关特性有大的改善。
不同反馈逻辑产生的m序列其自相关特性有差异。
clear all
T=1;%m序列周期时间长度
N_sample=8;%每个码元取样点数
N=127;%m序列周期
dt=T/(N_sample*N);%样点间时间间隔
t=0:dt:10*T-dt;%时间坐标
X=[1 1 1 1 1 1 1 1];%m序列初相
C=[0 1 1 1 0 0 0 1];%反馈逻辑
Y=m_sequence(X,C);%产生m序列
Y1=Y(1:127);%取一半
matrix1=zeros(N,10);%产生10个周期的m序列
m_se=zeros(1,10*N);
for i=1:10
m_se(i*N-N+1:i*N)=Y1;
end
matrix_sample=zeros(N_sample,10*N);%取样
for i=1:N_sample
matrix_sample(i,:)=m_se;
end
m_se_sam=reshape(matrix_sample,1,N*10*N_sample);
m_se_sam=1-2*m_se_sam;
m_se_sam1=m_se_sam(1:T/dt);%取一个周期
[a,b]=xcorr(m_se_sam1,m_se_sam);%求自相关
subplot(311)
plot(b*dt,a)
N=255;
dt=T/(N_sample*N);
t=0:dt:10*T-dt;
Y1=Y;
matrix1=zeros(N,10);
m_se=zeros(1,10*N);
for i=1:10
m_se(i*N-N+1:i*N)=Y1;
end
matrix_sample=zeros(N_sample,10*N);
for i=1:N_sample
matrix_sample(i,:)=m_se;
end
m_se_sam=reshape(matrix_sample,1,N*10*N_sample);
m_se_sam=1-2*m_se_sam;
m_se_sam1=m_se_sam(1:T/dt);
[a,b]=xcorr(m_se_sam1,m_se_sam);
subplot(312)
plot(b*dt,a)
N=255;
dt=T/(N_sample*N);
t=0:dt:10*T-dt;
X=[1 1 1 1 1 1 1 1];
C=[0 1 0 0 1 1 0 1];
Y=m_sequence(X,C);
m_se=zeros(1,10*N);
for i=1:10
m_se(i*N-N+1:i*N)=Y;
end
matrix_sample=zeros(N_sample,10*N);
for i=1:N_sample
matrix_sample(i,:)=m_se;
end
m_se_sam=reshape(matrix_sample,1,N*10*N_sample);
m_se_sam=1-2*m_se_sam;
m_se_sam1=m_se_sam(1:T/dt);
[a,b]=xcorr(m_se_sam1,m_se_sam);
subplot(313)
plot(b*dt,a);
现在发现是我错了,原因是产生m序列的子函数写错了。
改正之后再画出3个序列的自相关函数的图像。如下。
matlab用本原多项式生成本的m序列,本原多项式产生的m序列相关推荐
- MATLAB代码:考虑退化成本的混合储能微电网双层能源管理系统 可再生能源 (RES) 和储能系统 (ESS) 在微电网中的集成为最终用户和系统运营商提供了潜在的利益
MATLAB代码:考虑退化成本的混合储能微电网双层能源管理系统 参考文档:<A Two-Layer Energy Management System for Microgrids With Hy ...
- 【生信MOOC】生物序列比对工具——多序列比对
[生信MOOC]生物序列比对工具2--多序列比对 文章的文字/图片/代码部分/全部来源网络或学术论文,文章会持续修缮更新,仅供大家学习使用. 目录 [生信MOOC]生物序列比对工具2--多序列比对 1 ...
- Bioinformatics:吉林大学刘富组-深度学习从宏基因组序列中识别短病毒序列Virtifier...
Virtifier: 基于深度学习方法的宏基因组病毒序列分类方法 Virtifier: a deep learning-based identifier for viral sequences fro ...
- 过滤序列,惰性序列_Java 8的惰性序列实现
过滤序列,惰性序列 我刚刚在GitHub上发布了LazySeq库-这是我最近进行的Java 8实验的结果. 我希望你会喜欢它. 即使您觉得它不是很有用,它仍然是Java 8(以及一般而言)中的函数式编 ...
- 深度学习笔记 第五门课 序列模型 第一周 循环序列模型
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
- 【序列召回推荐】(task2)序列召回GRU4Rec模型
学习总结: 一般的RNN模型我们的输入和输出是什么,我们对RNN输入一个序列 X = [ x 1 , x 2 , . . . , x n ] X = [x^1,x^2,...,x^n] X=[x1,x ...
- [置顶] AMF序列化为对象和AMF序列化为二进制字节流
在使用Flex作为页面前端驱动Socket通讯时,一般使用AMF格式来进行的发送和接收,因此就要涉及到不同的数据格式的转换. 下面提供了AMF序列化为对象和AMF序列化为二进制字节流的方法,代码如下: ...
- python序列类型-什么是序列,Python序列详解(包括序列类型和常用操作)
所谓序列,指的是一块可存放多个值的连续内存空间,这些值按一定顺序排列,可通过每个值所在位置的编号(称为索引)访问它们. 为了更形象的认识序列,可以将它看做是一家旅店,那么店中的每个房间就如同序列存储数 ...
- 【数字信号处理】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质 | 序列实偶 傅里叶变换 实偶 | 序列实奇 傅里叶变换 虚奇 | 证明 “ 序列实奇 傅里叶变换 虚奇 “ )
文章目录 一.序列实偶 傅里叶变换 实偶 二.序列实奇 傅里叶变换 虚奇 三.证明 " 序列实奇 傅里叶变换 虚奇 " 1.前置公式定理 ①.序列实部傅里叶变换 ②.序列虚部傅里叶 ...
- 【数字信号处理】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质示例 | 证明 原序列实部 x_R(n) 的 傅里叶变换 是 原序列傅里叶变换 的 共轭对称序列 )
文章目录 一.前置公式定理 1.相关元素说明 x(n) 分解为实部序列与虚部序列 x(n) 分解为共轭对称序列与共轭反对称序列 ( 序列对称分解 ) X(e^{jω}) 分解为实部序列与虚部序列 X( ...
最新文章
- python爬虫代码1000行-最精简的爬虫 --仅需4行代码(python)
- 【CEO赠书】《精益数据分析》:如何构建数据指标体系
- nodejs 开发,手把手开始第一个服务器程序(原生)
- oracle dblink 验证,Oracle DBLINK 简单使用
- XML Schema是什么
- 51单片机冒泡排序_51单片机片外冒泡排序
- Java基础:Collections
- 知识图谱——TransE模型原理
- 【备忘】于仕琪的libfacedetection相关
- 【python爬虫】动漫之家漫画下载(scrapy)
- OpenCV 安装配置 Jupyter Notebook
- 阿里云ACE认证之理解CDN技术 1
- 联想台式计算机 恢复出厂设置,联想台式机电脑bios如何恢复出厂设置|联想台式机bios恢复出厂设置的方法...
- Windows XP IIS 500错误
- ARCGIS中坐标转换及地理坐标、投影坐标的定义
- windows2016安装AD域
- 大鹅模拟器 for Mac休闲模拟游戏
- mes系统多少钱,企业要不要上mes系统?
- 基于单片机智能数字温度采集报警器系统设计-毕设课设资料
- 优思学院|六西格玛的真理