《二进制m序列的原理及其应用》由会员分享，可在线阅读，更多相关《二进制m序列的原理及其应用（51页珍藏版）》请在金锄头文库上搜索。
1、二进制M序列的原理及其应用 Principle and Application of binary M-sequences,内容概要,第一篇 M序列的应用及新应用开拓 第二篇 M序列的基本属性和相关概念 第三篇 M序列测量系统的理论基础 第四篇 M序列探测系统特性的仿真实验,第一篇: M序列一些应用,目前, M序列主要应用在数字通信领域, 这是因为M序列具有伪随机噪声特性,而且其自相关函数具有类冲激性质,如: (1)作为伪随机序列信号源 (2) 扩频通信中用于对码源信号的调制 (3)以及数字电视中对码流信号进行能量扩散。 (4)对数据序列的扰乱与解扰及其通信中的加密 (5)多址通信中的信号辨识
2、等等. 然而,由于M序列具有更多优良的特性,而且自然界可以构造更多优良属性的M序列,因此目前在国外M序列已经得到了更广泛的应用,本文要论述的是M序列在探测复杂多变的环境特性的原理,讲述在测量复杂环境其具有的卓越性能.,M序列的新应用,M序列作为一种激励信号，具有较高的信号功率和较低的尖峰因子。结合M序列对间卓越的互相关机制，用M序列在测量中可得到一较高的抗噪声性能。 近来可以发现此M序列测量技术在很多领域得到了应用：如在野外探测,未知环境的系统识别, 建筑声学领域、听力学领域、超声波领域、心理声学领域，水下声学领域以及在物理声学领域等等。 这些高级M序列测量技术的理论基础就是一种专称为快速M序
3、列变换（FMT）的快速算法 ,本文要对此算法作出详细介绍 M序列还可以在数字通信,信号处理, 雷达,声纳,听力学,建筑声学等众多跨学科的应用中去开辟更多的用武之地。,一些新应用场景(1),一些新应用场景(2),一些新应用场景(3),第二篇:M序列的产生及其基本概念,M序列是最大长度线性移位寄存器序列的简称,将n个移位寄存器串接起来,在时钟控制下, 寄存器的存储信号由上一级向下一级传递, 将某些寄存器的输出信号反馈回来进行运算(如图所示), 运算结果又馈回输入端, 即可获得一寄存器输出的序列, 适当设置其反馈连接,该序列周期可达到最大长度T=2n1,该序列就是M序列ai. 将寄存器个数n称之为M
4、序列的度,而反馈连接可用一本原多项式f(x)表示:,M序列的基本概念,M序列的本原多项式表示为: (1) 这里系数Cj表示反馈连接的通或断, C0=1, Cn=1 xj仅指明其系数(1或0)代表Cj的值,即表示反馈连接的位置,本身的取值并无实际意义 并不是所有的反馈连接都可以形成M序列,举例,以度n=4为例.假设从左到右的四个寄存器初始状态分别为1 0 0 1 若c0 c1 c2 c3 c4=1 0 1 0 1,则产生的序列ai的一个周期为1 1 1 0 0 1 1 1 0 0 1 ,可见周期T=11不等于2n1,则没有达到最大长度,因此该序列不是M序列 若c0 c1 c2 c3 c4=1 1
5、 0 0 1,则产生的序列ai的一个周期为0 0 0 1 1 1 1 0 1 0 1 1 0 0 1,可见周期T=2n1=15, 达到了最大长度,因此该序列是M序列 能够产生M序列的反馈连接是有限的,M序列的基本特性,M序列具有非常优良的数字理论特性,这是它能够得到广泛应用的根本原因. M序列的主要理论特性 (1)序列中1和0个数具有均衡性 ,即2n1个序列 元素中, 1的个数 和0的个数几乎各自占有一半的个数, 其中1的个数恰好比 0的个数多1 (2)移位相加性:将一个M序列和一延迟后的序列模2相加的结果仍为M序列,生成后的M序列可以看作原M序列的某一延时后的结果,M序列的基本特性,(3)抽
6、值不变性 (4)伪噪声特性 当度n增大,周期T增大,序列的1和0出现可看作是随机的, 因此M序列也称之伪随机序列,具有类似白噪声的特性, (5)优良的相关特性,优良的自相关特性,自相关特性 为了产生实际中的波形和利于数学处理，常常采用的是M序列的双极型形式，即mi-1，1 ，这里，mi 12ai 。 单极性M序列和双极性M序列的自相关函数曲线比较 规律: (1)M序列的单极性和双极性的自相关曲线都在t=0处都有一个尖峰,其它处的值都很小 (2)双极性M序列的自相关曲线具有更为良好的特性, (3) 由于自相关函数具有类冲激性质,则其功率谱具有很宽的值,类似于白噪声,优良的自相关特性, M序列自相
7、关函数的理论数学表达 从该表达式可以看出,若取多个周期,则k=0时, 自相关函数值为1,其它时刻值为1/T,还不是严格到0.不加以修正,会在系统输出产生一个直流量. 以N=3为例,取多个周期M序列作自相关,并求取其频谱.如下: 修正办法 将幅度对称的M序列mk（mk-1，1）转化成为幅度不对称的M序列，转化的方法就是把M序列的所有的-1值转化成为q值 进行转化后变为-q,1的序列,图中-1/7的部分变为0 返回,鲜为人知的互相关特性,对一M序列进行某一移相(通过延时某个时刻来实现)而得到另一个M序列,对这两个M序列进行互相关运算,其互相关函数的值非常小.随着度的增大,互相关函数的值变得越来越小
8、而趋于0. 例子: 度为4的M序列如下: 0 0 0 1 0 0 1 1 0 1 0 1 1 1 1 延时3个时间单元的M序列如下: 1 0 0 1 1 0 1 0 1 1 1 1 0 0 0 对这两个序列化为双极型形式,取互相关运算得到的值如下: -0.0667 -0.1333 -0.2000 0.8000 -0.0667 0.0000 0.0667 0.0000 0.0667 0.1333 -0.0667 -0.0000 -0.0667 0.0000 0.0667 所以,从上述数据中可以看出,通过延时得到的两个M序列的互相关函数具有非常小的值,随着度的增大,互相关的值变得越小.也就是说序列
9、间几乎是正交的.,特征M序列(Characteristic M-sequence),一 特征M序列 例:令度n=3,周期T=7,其本原多项式f(x)=1+x+x3,寄存器初始状态设为a-1= a-3=1，a-2=0。那么就可以产生一个M序列ai=0 0 1 1 1 0 1 ，0i6。采用相同的本原多项式，若将寄存器的初始状态设为a-1= a-2=0，a-3=1，就可以得到另一M序列di=1 1 1 0 1 0 0。 观察得到的M序列di的下标,发现显然它具有性质: 这里下标索引2i是要进行模除T的,我们把满足这种特征的M序列称为特征M序列 (Characteristic M-sequence)
10、 , 对于每一个本原多项式f(x), 只要恰当地设置移位寄存器的初始状态, 就可以产生这种特征M序列.,互补M序列(reciprocal M-sequence ),若ai为由f (x)产生的一长为T2n1的M序列，对ai进行次序反转运算，可容易得到具有相同度的另一个序列bi,满足: bi= a-i bi可由一本原多项式 r(x)产生，它是由原ai的本原多项式 f (x)进行简单的反转后得到的,即: 于是就将 r(x) 专称为 f(x) 的互补多项式。相应地, 由r(x)产生的序列bi则称为序列ai的互补M序列。一对互补多项式总是各自与一对互补序列紧密相关。 例: 特征M序列ai=1 1 1 0
11、 1 0 0,其本原多项式为f(x)=1+x+x3, 经过次序反转后,就得到与其对应的互补M序列bi=1 0 0 1 0 1 1, 则产生bi的本原多项式为:,经实验研究，互补M序列对的互相关函数相比于一般的序列对具有更小的值。而且随着度的增大，互相关函数的值随之变小而具有趋于0的特性。度为n的互补M序列对的互相关函数值的上限为,显然,l(n)是随着n的增大而减小的。 互补M序列对各自的自相关函数仍具有类冲激的性质. 特征互补M序列对的这些优良的属性非常适合于对双端口网络的系统特性 的测量.,互补M序列对相关特性的实验曲线,向博士测试的互相关曲线,第三篇 M序列测量系统的理论基础,一 M序列测
12、量系统特性的原理 据线性系统的相关理论, 系统的输入mi和输出yi间的互相关函数my（k）与输入信号的自相关函数（k）的关系如下: 而前面关于自相关函数特性的论述有: 代入上式得:,M序列测量系统特性的原理,容易证实有: 代入(10),得: 这里下标j+k是根据模除T而算出来的，式（12）可以用一个矩阵形式来写出来： 该式中,H为冲激响应向量, M为双极性的M序列循环右移矩阵,T为M序列的周期, Y为输出响应向量,Y为常数向量,代表直流量,M序列测量系统特性的原理,这是由于输入双极性M序列的直流分量产生的, 若将幅度对称的M序列mk（mk-1,+1）转化成为幅度不对称的M序列，转化的方法就是把
13、M序列的所有的-1值转化成为q值 于是式(13)就变为: 这就是M序列变换的表达式, 该表达式表明:用已知的M序列去激励一未知系统,只要将M序列矩阵与系统输出端的响应向量作乘积,并乘以因子1/T+1,就可近似得到反映系统特性的冲激响应, 度n越大,T越长,该表达式就越接近于真实值.,关于M序列矩阵,M序列矩阵是作为激励信号M序列的循环右移形式,它的矩阵大小是TT,表示如下: Mij代表第i行和第j 列的元素。M矩阵第一行是所选的特征M序列，剩下的行由此M序列逐次循环右移而来。 以度为3,周期为7的M序列为例:,二.借用哈达码变换来完成FMT,很明显，随着度的增大， 式(15)的计算量是呈指数递
14、增的，为减小计算量，我们必须寻求M序列变换的快速算法。 众所周知，哈达码变换只有加减运算，且存在快速算法，但哈达码变换矩阵HA是2n2n的矩阵，矩阵每行一半元素为1，一半元素为-1。结合M矩阵，易发现M矩阵大小为(2n-1) (2n-1)，根据M序列的元素 1和-1个数具有均衡性，M矩阵对应的二进制形式A每行-1的个数为2n-1， 1的个数为2n-1-1， 因此可把输入的特征M序列补一个1后，再循环右移并进行排序就可形成矩阵HA进行哈达码变换. 变换后只需进行一次重排，从重排的序列2n个元素中取出2n-1个元素，最后乘以因子1/(T+1)后就得到了系统的冲激响应矩阵， 这就是快速M序列变换的信
15、号处理流程.,FMT( Fast M-sequence Transform)数据流图,三.FMT的分解,从FMT的数据流图,我们可以看出,M序列激励系统产生的响应y,经历了: (1)响应数据的排列, (2)哈达码变换 H (3)变化后的数据重排, (4)乘以因子1/(T+1)的过程, 最后得到的是自然排序的系统冲激响应. 该过程可用一下分解公式得到: 从该式中可以看出, 哈达码矩阵是已知的矩阵, Y是系统输出端测出的数据, 因此,只要确定排列矩阵P1和重排矩阵P2,就完成了FMT,四.两个排列矩阵的构造分解过程（1）,以度n=3为例来说明P1、P2的构造过程。 n=3对应的哈达码矩阵HA秩为8
16、， 可把HA转化为二进制形式的Reed-Muller矩阵Rt ，即: 可将矩阵Rt 分解为:,其中因子Q可表示为十进制的下标索引形式:,两个排列矩阵的构造分解过程（2）,同理，把式(19)转化为二进制矩阵A后，有: A= P2 QQTP1=E2 E1 (23) E2=P2 Q , E1=(P1Q) T (24) 我们将式(17)中的矩阵A进行矩阵分解如下: 观察E1、E2, 对它们每列或每行的二进制转化成十进制数后,就可形成下标索引形式: E1=(7,1,2,5,4,6,3)index E2=(7,3 ,6 ,4 ,5 ,2 ,1)index (26) 所以, 把第一个下标7搁置后, E1和E2的下标索引具有互为次序反向的关系.,
