一种Golden序列的快速生成装置及方法制造方法及图纸

本发明专利技术涉及通信算法技术领域，公开了一种Golden序列的快速生成装置及方法，包括如下步骤：生成m序列LFSR模型；将m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))；计算Golden序列S(n+Nc)＝f

【技术实现步骤摘要】
一种Golden序列的快速生成装置及方法
本专利技术涉及通信算法
，尤其涉及了一种Golden序列的快速生成装置及方法。
技术介绍
Golden序列具有的随机性和正交信，在通信系统中用于导频序列的生成，来实现基于插值模型的信道估计。但是，现有方法直接计算需要大量递归，属于由于传统的循环嵌套，效率较低且需大量消耗处理资源。
技术实现思路
本专利技术针对现有技术中效率较低、成本较高的缺点，提供了一种Golden序列的快速生成装置及方法。为了解决上述技术问题，本专利技术通过下述技术方案得以解决。一种Golden序列的快速生成方法，包括：生成m序列LFSR模型；将m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))；计算Golden序列S(n+Nc)＝f-1(f(S(n))*λNc)，其中：Nc为已知初始值，Nc＝1600，n为随机自然数，λ为本原元。作为优选，生成m序列LFSR模型步骤包括：Golden序列的生成模型，可以等效为下图所示的2个m序列的LFSR模型的叠加，每组m序列由30个移位寄存器和一个模2加法器组成，相应的Golden序列的生成算法如下：X1(n+31)＝X1(n)⊕X1(n+3)；X2(n+31)＝X2(n)⊕X2(n+1)⊕X2(n+2)⊕X2(n+3)；C(n)＝X1(n+Nc)⊕X2(n+Nc)；其中，Nc、X1、X2为已知初始值，Nc＝1600，X1初始状态为0x40000000，X2初始状态由Cinit给出，Cinit为随机自然数，n为随机自然数，C(n)为输出的Golden序列。作为优选，将m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))步骤包括；生成伽罗华域的LFSR模型；对LFSR模型中的寄存器循环位移：将最后第二个寄存器和最后第三个寄存器的数据异或进最后一个寄存器；将最后第三个寄存器的数据异或进最后第二个寄存器，得到m序列LFSR的寄存器状态S(n)到伽罗华域的一个映射，将其记作f(S(n))，则f(S(n))＝λt+n。一种Golden序列的快速生成装置，包括：LFSR模型生成模块，用于生成m序列LFSR模型；伽罗华域映射模块，用于将所述m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))；Golden序列计算模块，用于计算Golden序列S(n+Nc)＝f-1(f(S(n))*λNc)。作为优选，伽罗华域映射模块包括：伽罗华域LFSR模型生成模块，用于生成伽罗华域的LFSR模型；循环位移模块，用于对LFSR模型中的寄存器循环位移：将最后第二个寄存器和最后第三个寄存器的数据异或进最后一个寄存器；将最后第三个寄存器的数据异或进最后第二个寄存器，得到m序列LFSR的寄存器状态S(n)到伽罗华域的一个映射，将其记作f(S(n))，则f(S(n))＝λt+n。一种可读存储介质，可读存储介质用于存储软件程序，程序文件用于执行上述的方法。本专利技术由于采用了以上技术方案，具有显著的技术效果：本专利技术通过对Golden序列的快速生成算法进行改进，用于无线通信系统的参考信号生成，参考信号在接受端做信道估计、解调，来实现原始未知信号的恢复，做为无线通信系统中的必须环节，参考信号的快速生成；同时，减少计算量、降低终端成本较高，能耗小，尤其应用在物联网基于NB-IoT、LTE-M等对能耗和成本要求高的应用场景。附图说明图1是本专利技术一种Golden序列的快速生成方法的运行流程图；图2是本专利技术中本原多项式方程中分圆多项式的解示意图；图3是本专利技术一种Golden序列的快速生成装置的结构示意图；图4是本专利技术中本原多项式方程中分圆多项式的解示意图；图5是本专利技术中GF(231)的域元素生成的LFSR模型示意图；图6是本专利技术中寄存器循环移位示意图之一；图7是本专利技术中寄存器循环移位示意图之二；图8是本专利技术中寄存器循环移位示意图之三；图9是本专利技术中寄存器循环移位示意图之四。具体实施方式下面结合附图与实施例对本专利技术作进一步详细描述。实施例1如图1至图9所示，一种Golden序列的快速生成方法，包括：生成m序列LFSR模型；将m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))；计算Golden序列S(n+Nc)＝f-1(f(S(n))*λNc)，其中：Nc为已知初始值，Nc＝1600，n为随机自然数，λ为本原元。生成m序列LFSR模型步骤包括：Golden序列的生成模型，可以等效为下图所示的2个m序列的LFSR模型的叠加，每组m序列由30个移位寄存器和一个模2加法器组成，相应的Golden序列的生成算法如下：X1(n+31)＝X1(n)⊕X1(n+3)；X2(n+31)＝X2(n)⊕X2(n+1)⊕X2(n+2)⊕X2(n+3)；C(n)＝X1(n+Nc)⊕X2(n+Nc)；其中，Nc、X1、X2为已知初始值，Nc＝1600，X1初始状态为0x40000000，X2初始状态由Cinit给出，Cinit为随机自然数，n为随机自然数，C(n)为输出的Golden序列。将m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))步骤包括；生成伽罗华域的LFSR模型；对LFSR模型中的寄存器循环位移：将最后第二个寄存器和最后第三个寄存器的数据异或进最后一个寄存器；将最后第三个寄存器的数据异或进最后第二个寄存器，得到m序列LFSR的寄存器状态S(n)到伽罗华域的一个映射，将其记作f(S(n))，则f(S(n))＝λt+n。一种Golden序列的快速生成装置，包括：LFSR模型生成模块，用于生成m序列LFSR模型；伽罗华域映射模块，用于将所述m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))；Golden序列计算模块，用于计算Golden序列S(n+Nc)＝f-1(f(S(n))*λNc)。作为优选，伽罗华域映射模块包括：伽罗华域LFSR模型生成模块，用于生成伽罗华域的LFSR模型；循环位移模块，用于对LFSR模型中的寄存器循环位移：将最后第二个寄存器和最后第三个寄存器的数据异或进最后一个寄存器；将最后第三个寄存器的数据异或进最后第二个寄存器，得到m序列LFSR的寄存器状态S(n)到伽罗华域的一个映射，将其记作f(S(n))，则f(S(n))＝λt+n。GF(λm)表示包含λm个元素的伽罗华域，它是一种有限元素的贝加尔群。伽罗华域中，除0元素外，其他域元素由本原元λ和本原多项式P(x)确定如下：Xp-1＝0，p＝λm-1＝15(其中λ＝2，m＝4)；方程左侧是一个分圆多项式，在复数域内，观察方程的解如图2所示，当x1∈P＝{ej2πk/15|0<k<15，且k与15互素}，方程的解的集合可表示为，{x11，x12，x13，…，x114，1}，这是一个λm-1阶的循环群。即对于集合P中的任一元素(此处必然是8个元素)，其整数幂可以遍历方程的λm-1个解。在GF(2m)上，对x15-1因式分解，不可能像无限域那样分解成根式，可以证明最终结果必然是：x15-1＝x15+1＝(x+1)….(x4+x3+1)(x4+x+1)；即得到一系列不可再分的多项式(即约多项式)，其中最高次为m的若干个多项式就是xp-1在本文档来自技高网...

【技术保护点】
一种Golden序列的快速生成方法，其特征在于：包括：生成m序列LFSR模型；将m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))；计算Golden序列S(n+Nc)＝f

【技术特征摘要】
1.一种Golden序列的快速生成方法，其特征在于：包括：生成m序列LFSR模型；将m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))；计算Golden序列S(n+Nc)＝f-1(f(S(n))*λNc)，其中：Nc为已知初始值，Nc＝1600，n为随机自然数，λ为本原元。2.根据权利要求1所述的方法，其特征在于：生成m序列LFSR模型步骤包括：Golden序列的生成模型，可以等效为下图所示的2个m序列的LFSR模型的叠加，每组m序列由30个移位寄存器和一个模2加法器组成，相应的Golden序列的生成算法如下：X1(n+31)＝X1(n)⊕X1(n+3)；X2(n+31)＝X2(n)⊕X2(n+1)⊕X2(n+2)⊕X2(n+3)；C(n)＝X1(n+Nc)⊕X2(n+Nc)；其中，Nc、X1、X2为已知初始值，Nc＝1600，X1初始状态为0x40000000，X2初始状态由Cinit给出，Cinit为随机自然数，n为随机自然数，C(n)为输出的Golden序列。3.根据权利要求1所述的方法，其特征在于：将m序列LFSR模型的寄存器状态S(n)映射到伽罗华域即f(S(n))步骤包括；生成伽罗华域的LFSR模型；对LFSR模型中...

【专利技术属性】
技术研发人员：陈庆禄，刘坤，
申请(专利权)人：东莞安普川自动化技术有限公司，
类型：发明
国别省市：广东,44