通信工程 / 系统课时

伪随机序列

伪随机序列

伪随机序列看起来像随机比特,但本质上由确定性的逻辑递推产生。通信系统使用它,是因为它既能稳定复现,又具有接近随机序列的相关特性。本节以 m 序列为主,说明其线性反馈移位寄存器生成方法、周期和自相关性质。

学习目标

  • 说明线性反馈移位寄存器如何生成 m 序列
  • 根据寄存器级数判断 m 序列的最大周期
  • 解释 m 序列两值自相关特性为何适合扩频与同步

m 序列从哪里来

m 序列是最大长度线性反馈移位寄存器序列。它通常由若干级二进制寄存器和模 2 加法反馈组成,每来一个时钟,寄存器整体移位一次,并把指定抽头的异或结果送回输入端。

对于 mm 级寄存器,只要反馈多项式选择正确且初始状态不为全零,状态就会遍历全部 2m−12^m-1 个非零状态,因此序列最大周期为

P=2m−1.P=2^m-1.

全零状态不能作为初始状态,因为异或反馈仍然得到 0,寄存器会永远停留在全零状态。

m序列线性反馈移位寄存器的生成结构与状态循环

用一个四级寄存器看生成过程

假设采用四级寄存器,反馈关系为

sin=s4⊕s1,s_{\text{in}}=s_4\oplus s_1,

其中 ⊕\oplus 表示模 2 加法,也就是异或。每个时钟周期执行一次“计算反馈位、整体移位、输出末级比特”。

若初始状态设为 00010001,则后续状态完全由当前状态决定。只要所选反馈多项式是本原多项式,就会在重复前访问 15 个不同的非零状态,对应 m=4m=4 时的最大周期 24−1=152^4-1=15。

周期与“伪随机”的含义

m 序列不是随机过程的样本,而是确定性周期序列:只要初始状态和反馈连接相同,就能逐位复现。它之所以被称为伪随机,是因为在一个完整周期内,0 和 1 的分布、游程以及相关函数表现出类似随机序列的统计特征。

对于二进制 m 序列,常把比特映射为双极性符号:0 映射为 −1-1,1 映射为 +1+1。在一个周期内,+1+1 的数量比 −1-1 多一个,这种近似平衡性使序列的直流分量较小。

周期长度由级数指数增长。例如 m=3m=3 时周期为 7,m=5m=5 时周期为 31,m=10m=10 时周期为 1023。级数越高,重复一次所需的码片越多,但寄存器和相关检测的实现规模也随之增加。

自相关为什么特别重要

对双极性 m 序列 c[n]∈{+1,−1}c[n]\in\{+1,-1\},周期自相关可写为

R(τ)=1P∑n=0P−1c[n]c[(n+τ) mod P].R(\tau)=\frac{1}{P}\sum_{n=0}^{P-1}c[n]c[(n+\tau)\bmod P].

m 序列的周期自相关只有两个典型取值:

R(τ)={1,τ=0−1P,τ≠0R(\tau)= \begin{cases} 1, & \tau=0\\ -\frac{1}{P}, & \tau\ne 0 \end{cases}

这意味着序列与自身完全对齐时相关峰值最大,而错开任意非零整数码片后,相关值都接近 0。接收机因此可以滑动本地序列进行相关搜索,并把最大峰值位置作为码同步的候选点。

这种“对齐时很高、错位时很低”的性质也适合直接序列扩频。发送端用 m 序列扩展信息符号,接收端用相同序列解扩;若码相位没有对齐,解扩增益会显著下降。

使用 m 序列时要注意什么

m 序列的突出优势是结构简单、易于硬件实现、周期可预测,而且自相关尖锐。但单个 m 序列并不自动保证任意两条不同序列之间都具有很低的互相关,因此多用户系统还需要进一步考虑序列族设计。

在同步问题中,m 序列最重要的是自相关峰;在多址问题中,则还必须关注不同用户序列之间的互相关。前者解决“本地码和接收码是否对齐”,后者决定“不同用户是否容易彼此干扰”,这两类相关性质不能混为一谈。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

伪随机序列

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通