RU2722001C1 - Digital simulator of random signals - Google Patents
Digital simulator of random signals Download PDFInfo
- Publication number
- RU2722001C1 RU2722001C1 RU2019132780A RU2019132780A RU2722001C1 RU 2722001 C1 RU2722001 C1 RU 2722001C1 RU 2019132780 A RU2019132780 A RU 2019132780A RU 2019132780 A RU2019132780 A RU 2019132780A RU 2722001 C1 RU2722001 C1 RU 2722001C1
- Authority
- RU
- Russia
- Prior art keywords
- output
- input
- digital
- register
- simulator
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/58—Random or pseudo-random number generators
Abstract
Description
Изобретение относится к областям радиотехники и измерительной техники и может быть использовано для имитации сигналов и помех при тестировании аппаратуры радиосвязи и систем управления.The invention relates to the fields of radio engineering and measuring equipment and can be used to simulate signals and interference when testing radio communication equipment and control systems.
Известен цифровой генератор хаотического сигнала [1] на базе регистра сдвига и аналогового источника шума, формирующий «истинно случайный» цифровой сигнал с равновероятными отсчетами, в котором отсутствует возможность изменения статистических характеристик сигнала.Known digital chaotic signal generator [1] based on a shift register and an analog noise source, generating a "truly random" digital signal with equally probable samples, in which there is no possibility of changing the statistical characteristics of the signal.
Известны цифровые генераторы [2] псевдослучайных двоичных последовательностей (например, М-последовательностей, последовательностей Гоулда, Кассами и др.), формируемых с помощью регистров сдвига с линейными или нелинейными обратными связями. Известен [3] датчик случайных чисел с равномерным распределением вероятностей, в котором используются записанные в блоке памяти случайные числа, которые «перемешиваются» с помощью двоичных счетчиков, улучшая качество совпадения формируемых чисел с теоретическим равномерным законом распределения вероятностей. Их недостатком является отсутствие возможностей формирования псевдослучайных чисел с различными законами распределения вероятностей.Known digital generators [2] of pseudo-random binary sequences (for example, M-sequences, Gould, Kassami, etc.) formed using shift registers with linear or nonlinear feedbacks. Known [3] is a random number sensor with a uniform probability distribution, which uses random numbers recorded in a memory block that are “mixed” using binary counters, improving the quality of matching the generated numbers with a theoretical uniform probability distribution law. Their disadvantage is the lack of the possibility of forming pseudo-random numbers with different laws of probability distribution.
Известен имитатор радиосигналов [4], содержащий генератор опорной частоты, блок памяти, устройство считывания данных, цифроаналоговый преобразователь. Устройство имитирует сигналы произвольного вида, представленные модельными файлами данных или цифровыми записями сигналов, которые предварительно записываются в блок памяти и считываются в процессе имитации. Его недостатком является ограниченность продолжительности воспроизводимой реализации, что особенно существенно при высокочастотном считывании данных.A known radio signal simulator [4], comprising a reference frequency generator, a memory unit, a data reader, a digital-to-analog converter. The device imitates arbitrary signals represented by model data files or digital records of signals that are previously recorded in the memory unit and read during the simulation. Its disadvantage is the limited duration of the reproduced implementation, which is especially important for high-frequency data reading.
Наиболее близким по технической сущности к предлагаемому устройству является цифровой имитатор случайных сигналов [5], содержащий генератор опорной частоты, блок памяти, цифроаналоговый преобразователь, генератор равновероятных псевдослучайных чисел и регистр. Closest to the technical nature of the proposed device is a digital random signal simulator [5], containing a reference frequency generator, a memory unit, a digital-to-analog converter, an equiprobable pseudorandom number generator and a register.
Задачей предлагаемого технического решения является уменьшение требуемой емкости блока памяти при формировании двоичных случайных чисел.The objective of the proposed technical solution is to reduce the required capacity of the memory block when generating binary random numbers.
Поставленная задача решается тем, что цифровой имитатор случайных сигналов, содержащий генератор опорной частоты, блок памяти, цифроаналоговый преобразователь, генератор равновероятных псевдослучайных чисел и регистр, дополнительно содержит цифровой компаратор, первый вход которого подключен к выходу генератора равновероятных псевдослучайных чисел, второй вход - к выходу блока памяти, регистр последовательных приближений, тактовый вход которого подключен к третьему выходу генератора опорной частоты, управляющий вход - к выходу цифрового компаратора, а выход параллельно соединен с первым адресным входом блока памяти и входом регистра, и буферный регистр, вход которого подключен к выходу регистра последовательных приближений, а выход - к входу цифроаналогового преобразователя, выход регистра соединен со вторым адресным входом блока памяти, а его тактовый вход - со вторым выходом генератора опорной частоты, тактовый вход генератора равновероятных псевдослучайных чисел подключен к первому выходу генератора опорной частоты, выход буферного регистра является цифровым выходом имитатора, а выход цифроаналогового преобразователя - аналоговым выходом имитатора.The problem is solved in that a digital random signal simulator containing a reference frequency generator, a memory unit, a digital-to-analog converter, an equiprobable pseudorandom number generator and a register further comprises a digital comparator, the first input of which is connected to the output of the equiprobable pseudorandom number generator, the second input is to the output a memory block, a sequential approximation register, the clock input of which is connected to the third output of the reference frequency generator, the control input is connected to the output of the digital comparator, and the output is connected in parallel with the first address input of the memory block and the register input, and a buffer register, the input of which is connected to the register output successive approximations, and the output is to the input of the digital-to-analog converter, the register output is connected to the second address input of the memory block, and its clock input is connected to the second output of the reference frequency generator, the clock input of the equally probable pseudorandom number generator is connected to the first the output of the reference frequency generator, the output of the buffer register is the digital output of the simulator, and the output of the digital-to-analog converter is the analog output of the simulator.
Предлагаемое техническое решение поясняется чертежами.The proposed technical solution is illustrated by drawings.
На фиг. 1 представлена структурная схема предлагаемого устройства, на фиг. 2 - трехмерные диаграммы матриц переходных вероятностей гауссовского случайного процесса с различными коэффициентами корреляции, на фиг. 3 - их трехмерные диаграммы функций распределения вероятностей гауссовского случайного процесса с различными коэффициентами корреляции, на фиг. 4 - результаты моделирования работы имитатора гауссовского случайного сигнала, на фиг. 5 - слагаемые критерия χ2, а на фиг. 6 - зависимости χ2 от разрядности генератора псевдослучайных чисел.In FIG. 1 shows a structural diagram of the proposed device, in FIG. 2 is three-dimensional diagrams of the transition probability matrices of a Gaussian random process with different correlation coefficients, FIG. 3 is their three-dimensional diagrams of the probability distribution functions of a Gaussian random process with various correlation coefficients, FIG. 4 - simulation results of a Gaussian random signal simulator, FIG. 5 - terms of the criterion χ 2 , and in FIG. 6 - dependence of χ 2 on the bit depth of the pseudo-random number generator.
Генератор опорной частоты (Г) 1 на первом выходе выдает тактовые импульсы (ТИ1), по которым генератор псевдослучайных чисел (ГПСЧ) 2 формирует D-разрядный равновероятный двоичный код, поступающий на первый вход цифрового компаратора (ЦК) 3, с которым сравнивается D-разрядный заранее вычисленный по заданной двумерной плотности вероятностей двоичный код функции распределения вероятностей Fij - марковской модели имитируемого процесса, записанный в блоке памяти (БП) 4. В регистре (РГ) 5 содержится полученное на предыдущем шаге имитации m-разрядное двоичное значение случайного сигнала i, которое записывается в него по тактовому импульсу ТИ2 на втором выходе Г 1. На тактовый вход регистра последовательных приближений (РПП) 6 поступает пачка из (m+1) импульсов ТИ3 с третьего выхода Г 1. Первый из ТИ3 устанавливает в РПП 6 код 10…0, поступающий на первый адресный вход 7 БП 4, при этом на втором адресном входе 8 БП 4 присутствует код i с выхода РГ 5, и на выходе БП 4 появляется D-разрядный двоичный код 9 значения Fij. Коды от ГПСЧ 2 и БП 4 сравниваются в ЦК 3, который формирует управляющий бит для РПП 6. Вторым импульсом ТИ3 от Г 1 в РПП 6 записывается код 110…0, если код на выходе ГПСЧ 2 больше кода на выходе 9 БП 4, в противном случае в РПП 6 формируется код 010…0. Управление осуществляется сигналом с выхода ЦК 3 на управляющем входе РПП 6. Далее процесс повторяется до тех пор, пока предпоследним m-м импульсом ТИ3 будет сформирован младший разряд кода в РПП 6, а затем последним (m+1)-м импульсом ТИ3 m-разрядный код j из РПП 6 записывается в регистр РГ 5 и в буферный регистр БР 10, образуя код имитируемого псевдослучайного числа. Выходной код БР 10 передается на вход цифроаналогового преобразователя ЦАП 11 и на цифровой выход имитатора 12, выходное аналоговое напряжение ЦАП 11 подается на аналоговый выход имитатора 13. После следующего импульса ТИ1 процесс повторяется.The reference frequency generator (G) 1 at the first output generates clock pulses (TI1), according to which the pseudorandom number generator (PRNG) 2 generates a D-bit equiprobable binary code received at the first input of a digital comparator (CC) 3, with which D- the binary code of the probability distribution function F ij , a Markov model of the simulated process, recorded in the
Устройство работает следующим образом.The device operates as follows.
На основе заданной двумерной плотности вероятностей w(x1, х2) имитируемого сигнала формируется однородная марковская модель [6-8], описываемая матрицей переходных вероятностейBased on a given two-dimensional probability density w (x 1 , x 2 ) of the simulated signal, a homogeneous Markov model is formed [6-8], described by a matrix of transition probabilities
где Pij - вероятность перехода дискретного сигнала от значения zn=i,where P ij is the probability of a discrete signal transition from the value z n = i,
М=2m (m- число разрядов двоичного кода отсчета) в момент времени tn к значению zn+1=j, в следующий момент времени tn+1; n - номер отсчета имитируемого сигнала. M = 2 m (m is the number of bits of the binary reference code) at time t n to the value z n + 1 = j, at the next time t n + 1 ; n is the reference number of the simulated signal.
На основе матрицы переходных вероятностей [Pij] (1) формируется матрица двумерной функции распределения вероятностейBased on the transition probability matrix [P ij ] (1), a matrix of a two-dimensional probability distribution function is formed
Для стационарного гауссовского случайного процесса x(t), рассматриваемого в моменты времени t1, t2, двумерная плотность вероятностей имеет вид [8]For a stationary Gaussian random process x (t), considered at time t 1 , t 2 , the two-dimensional probability density has the form [8]
где хср - среднее значение, σ2 - дисперсия, - коэффициент корреляции процесса x(t).where x cf is the average value, σ 2 is the variance, is the correlation coefficient of the process x (t).
Если выбирать шаг квантования по уровню d=(6÷10)σ/М и значения уровней квантованияIf we choose the quantization step in terms of the level d = (6 ÷ 10) σ / M and the values of the quantization levels
то для переходных вероятностей получимthen for transition probabilities we get
Матрицы [Pij] и [Fij] удобно представить графически в трехмерных координатах. Для рассмотренного двумерного гауссовского распределения при xcp=0, σ=1, М=32 (m=5) и различных коэффициентах корреляции r диаграммы [Pij] показаны на фиг. 2, а диаграммы [Fij] - на фиг. 3. Для фиг. 2а и 3а коэффициент корреляции равен 0, для фиг. 2б и 3б коэффициент корреляции равен 0,8, для фиг. 2в и 3в коэффициент корреляции равен - 0,8.The matrices [P ij ] and [F ij ] are conveniently represented graphically in three-dimensional coordinates. For the considered two-dimensional Gaussian distribution with x cp = 0, σ = 1, M = 32 (m = 5) and various correlation coefficients r of the diagram [P ij ] are shown in FIG. 2, and diagrams [F ij ] in FIG. 3. For FIG. 2a and 3a, the correlation coefficient is 0, for FIG. 2b and 3b, the correlation coefficient is 0.8, for FIG. 2c and 3c, the correlation coefficient is 0.8.
Аналогичная марковская модель может быть построена по экспериментальной реализации сигнала достаточно большого объема N. Для оценки Pij определяются числа переходов соседних отсчетов сигнала от zn=i к zn+1=j. Тогда при большом объеме выборки N»М2 получим оценкиA similar Markov model can be constructed from the experimental implementation of a signal of a sufficiently large volume N. To estimate P ij , the numbers transitions of neighboring samples of the signal from z n = i to z n + 1 = j. Then with a large sample size N »M 2 we get the estimates
Для устранения возможной неопределенности оценок (2) к значениям целесообразно добавить константу, например, 1.To eliminate the possible uncertainty of estimates (2) to the values it is advisable to add a constant, for example, 1.
Вероятности Fij при любом i с ростом j меняются в пределах от Fi1=0 до FiM=1. Каждое значение Fij представляется двоичным D-разрядным кодом Gij=dD-1dD-2 … d0 (от 00…0 до 11…1) и записывается в блок памяти в D-разрядные ячейки с адресами A=i2m+j А=i⋅2m+j (где m - разрядность выходных отсчетов имитатора).The probabilities F ij for any i with increasing j vary from F i1 = 0 to F iM = 1. Each value of F ij is represented by a binary D-bit code G ij = d D-1 d D-2 ... d 0 (from 00 ... 0 to 11 ... 1) and is written to the memory block in D-bit cells with addresses A = i2 m + j A = i⋅2 m + j (where m is the width of the output samples of the simulator).
Источник равновероятных случайных (псевдослучайных) чисел ГПСЧ 2 может быть реализован в виде шумового генератора [1], или, например, в виде генератора M-последовательности [2] на базе многоразрядного регистра сдвига. Он формирует двоичные D-разрядные коды U=uD-1 и uD-2 … u0. При разрядности регистра сдвига R=43 период М-последовательности равен 2R-1=8,796⋅1012, а при R=6l уже 2R-1=2,306⋅1018, что вполне достаточно для формирования реализаций случайного сигнала большой длительности. Если используется шумовой генератор, то имитатор будет формировать «истинно» случайные числа.The source of equally probable random (pseudo-random) numbers of
По тактовому импульсу ТИ1 ГПСЧ 2 формирует код U=uD-1 uD-2 … u0, поступающий на первый вход ЦК 3. В регистре РГ 5 записано значение i отсчета, полученное на предыдущем цикле работы имитатора (его начальное состояние может быть любым). После ТИ1 первым импульсом ТИ3 в РПП записывается код 10…0 (среднее значение m-разрядного кода отсчета j) и из блока памяти БП 4 на его выходе 9 появляется код Gij=dD-1dD-2 … d0, поступающий на второй вход ЦК 3. Цифровой компаратор ЦК 3 является вычитателем двоичных кодов. Если в БП 4 записать дополнительные коды чисел Gij, то в качестве ЦК 3 можно использовать двоичный сумматор.According to the clock
Знаковый разряд ЦК 3 управляет работой РПП 6. Если код U от ГПСЧ 2 больше кода Gij=dD-1dD-2 … d0, то вторым импульсом ТИ3 в РПП 6 записывается код 110…0, а иначе код 010…0. Далее процесс продолжается аналогично, пока в РПП 6 после m импульсов ТИ3 не сформируется m-разрядный коду.Sign
Регистр последовательных приближений описан в [9]. На его основе строятся аналого-цифровые преобразователи последовательных приближений, что на практике может быть реализовано применением отдельной интегральной схемы РПП К155ИР17.The register of successive approximations is described in [9]. Based on it, analog-to-digital converters of successive approximations are constructed, which in practice can be implemented using a separate integrated circuit RPP K155IR17.
Тактовым импульсом ТИ2 полученный в РПП 6 код j записывается в регистр РГ 5, становясь предшествующим отсчетом i, и в буферный регистр БР 10, с выхода которого отсчеты случайного сигнала выдаются на цифровой выход 12, а через ЦАП 11 - на аналоговый выход 13.With a TI2 clock pulse, the code j received in
С целью проверки работоспособности и эффективности предложенного генератора было проведено моделирование его работы при формировании отсчетов случайного гауссовского сигнала с параметрами хср=0, σ=1, М=32 и коэффициентом корреляции между двумя соседними отсчетами r=0,8. На фиг.2б и 3б приведена марковская модель моделируемого процесса: трехмерные диаграммы матрицы переходных вероятностей Pij и функции распределения вероятностей Fij. На фиг. 4а показана сгенерированная имитатором временная диаграмма отсчетов сигнала xn (где n - номер отсчета), на фиг. 4б - гистограмма сгенерированной выборки (где также пунктиром изображена соответствующая теоретическая плотность вероятности гауссовского распределения), а на фиг. 4в - зависимость коэффициента корреляции rk=〈x(t1)x(tk)〉 от смещения отсчетов k (где пунктиром нанесена теоретическая зависимость rk).In order to check the operability and efficiency of the proposed generator, its operation was simulated when generating samples of a random Gaussian signal with parameters x cp = 0, σ = 1, M = 32 and a correlation coefficient between two adjacent samples r = 0.8. On figb and 3b shows the Markov model of the simulated process: three-dimensional diagrams of the matrix of transition probabilities P ij and probability distribution functions F ij . In FIG. 4a shows the time diagram of the signal samples x n generated by the simulator (where n is the reference number), in FIG. 4b is a histogram of the generated sample (where also the dotted line shows the corresponding theoretical probability density of the Gaussian distribution), and in FIG. 4c shows the dependence of the correlation coefficient r k = 〈x (t 1 ) x (t k )〉 on the offset of the samples k (where the theoretical dependence r k is plotted in dashed lines).
При заданной разрядности m имитируемых случайных чисел точность вероятностных характеристик зависит от разрядности D кодов Gij=dD-1dD-2 … d0 и U=uD-1uD-2 … u0. Для количественной оценки точности имитации вероятностных характеристик воспользуемся критерием согласия χ2 (Пирсона) [10]:For a given bit depth m of simulated random numbers, the accuracy of the probability characteristics depends on the bit depth D of the codes Gij= dD-1dD-2... d0 and U = uD-1uD-2... u0. To quantify the accuracy of the simulation of probability characteristics, we use the agreement criterion χ2 (Pearson) [10]:
гдеWhere
nk - число значений xk=k отсчетов в выборке объема N (ее гистограмма),n k is the number of values x k = k samples in a sample of volume N (its histogram),
Pk - теоретическое значение вероятности появления xk (одномерное распределение вероятностей). Величины wk (3) характеризуют отклонение гистограммы от теоретического значения для k-го значения отсчета. На фиг. 5 показаны полученные в результате статистического имитационного моделирования зависимости wk от (k-1) при М=64, N=220≈106 и различной разрядности D кода значений Fij. Фиг. 5а соответствует D=11 (χ2=219), фиг. 5б - D=14(χ2=71). Как видно, wk увеличиваются в области маловероятных значений и уменьшаются с ростом D.P k - theoretical value of the probability of occurrence x k (one-dimensional probability distribution). Values w k (3) characterize the deviation of the histogram from the theoretical value for the k-th value of the reference. In FIG. Figure 5 shows the dependences of w k obtained as a result of statistical simulation for (k-1) at M = 64, N = 2 20 ≈10 6 and different bit depths D of the code of values F ij . FIG. 5a corresponds to D = 11 (χ 2 = 219), FIG. 5b - D = 14 (χ 2 = 71). As can be seen, w k increase in the region of unlikely values and decrease with increasing D.
Величина χ2 характеризует достоверность гипотезы о соответствии эмпирической оценки вероятностей заданному распределению. При заданной значимости а критерия Найквиста вычисляется граничное значение и, если то эмпирическое распределение вероятностей соответствует теоретическому.The value of χ 2 characterizes the reliability of the hypothesis about the correspondence of the empirical estimates of probabilities to a given distribution. For a given value a of the Nyquist criterion, the boundary value is calculated and if then the empirical probability distribution corresponds to the theoretical one.
На фиг. 6 сплошными линиями представлены зависимости χ2 от D при М=26=64 (фиг. 6а) и М=28=256 (фиг.6б). Здесь же пунктиром при значимости α=0,01 отмечены величины соответственно. При М=210=1024 значение достигается уже при D=11. Таким образом, при m=6 необходимо выбрать D=14, при m=8-D=13, а при m=10-D=11, соответственно. При m≥16 можно принять D=m.In FIG. 6, solid lines show the dependences of χ 2 on D at M = 2 6 = 64 (Fig. 6a) and M = 2 8 = 256 (Fig. 6b). Here, the dashed lines with significance α = 0.01 indicate the values respectively. With M = 2 10 = 1024, the value achieved already at D = 11. Thus, for m = 6, it is necessary to choose D = 14, for m = 8-D = 13, and for m = 10-D = 11, respectively. When m≥16, you can take D = m.
Для хранения кодов Gij=dD-1dD-2 … d0 в предлагаемом имитаторе необходим объем блока памяти БП V1=22m D бит. В свою очередь, для реализации прототипа изобретения [5] необходим объем памяти БП V2=2m+D m бит. Таким образом, величина V2/V1 характеризует выигрыш в емкости блока памяти в предлагаемом техническом решении по сравнению с прототипом. Указанные величины приведены в таблице.For storing G codesij= dD-1dD-2... d0 in the proposed simulator, the volume of the PSU memory block is V1 = 22m D bit. In turn, for the implementation of the prototype of the invention [5] the required amount of memory PSU V2 = 2m + D m bits. Thus, the value V2 / V1 characterizes the gain in capacity of the memory block in the proposed technical solution compared to the prototype. The indicated values are given in the table.
Из полученных результатов следует, что предлагаемый имитатор с высокой точностью формирует случайный сигнал, двумерные статистические свойства которого определяются заданной марковской моделью, и при m≤10 обеспечивает значительный выигрыш в требуемом объеме блока памяти.From the obtained results it follows that the proposed simulator with high accuracy generates a random signal whose two-dimensional statistical properties are determined by a given Markov model, and for m≤10 it provides a significant gain in the required volume of the memory block.
ЛитератураLiterature
1. Семенов А.А., Усанов Д.А. Цифровой генератор хаотического сигнала // Патент №2472286, МПК Н03В 29/00 от 10.01.2013; заявка №2011134962/08 от 19.08.2011.1. Semenov A.A., Usanov D.A. Digital chaotic signal generator // Patent No. 2472286, IPC Н03В 29/00 dated 01/10/2013; Application No. 20111134962/08 of 08.19.2011.
2. Варакин Л.Е. Системы связи с шумоподобными сигналами. - М.: Радио и связь, 1985. - 384 с.2. Varakin L.E. Communication systems with noise-like signals. - M .: Radio and communications, 1985 .-- 384 p.
3. Ермаков В.Ф., Гудзовская В.А. Датчик случайных чисел с равномерным распределением // Патент №2103725, МПК G06F 7/58 от 27.01.1998; заявка №94042350/09 от 23.11.1994.3. Ermakov V.F., Gudzovskaya V.A. The random number sensor with uniform distribution // Patent No. 2103725,
4. Проселков Л.С., Кравченко А.Н. Имитатор радиосигналов // Патент №2207586, МПК G01S 7/02 от 27.06.2003; заявка №2001102761/09 от 30.01.2001.4. Proselkov L.S., Kravchenko A.N. Radio signal simulator // Patent No. 2207586,
5. Глушков А.Н., Калинин М.Ю., Литвиненко В.П., Литвиненко Ю.В. Цифровой имитатор случайных сигналов // Патент №2690780, МПК G06F 7/58, Н03В 29/00, G01S 7/02 от 05.06.2019; заявка №2018123052 от 25.06.2018.5. Glushkov A.N., Kalinin M.Yu., Litvinenko V.P., Litvinenko Yu.V. Digital simulator of random signals // Patent No. 2690780,
6. Дынкин Е.Б. Марковские процессы. - М.: Физматлит, 1963. - 860 с.6. Dynkin E.B. Markov processes. - M .: Fizmatlit, 1963 .-- 860 p.
7. Казаков В.А. Введение в теорию марковских процессов и некоторые радиотехнические задачи. - М.: Сов. Радио, 1973. - 232 с.7. Kazakov V.A. Introduction to the theory of Markov processes and some radio engineering problems. - M .: Owls. Radio, 1973.- 232 p.
8. Вентцель Е.С. Теория вероятностей. - М.: Наука, 1969. - 576 с.8. Ventzel E.S. Probability theory. - M .: Nauka, 1969 .-- 576 p.
9. Лехин С.Н. Схемотехника ЭВМ. - СПб.: БХВ-Петербург, 2010. - 672 с.9. Lekhin S.N. Computer circuitry. - SPb .: BHV-Petersburg, 2010 .-- 672 p.
10. Кендалл М., СтьюартА. Статистические выводы и связи. - М.: Наука, 1973. - 900 с.10. Kendall M., Stuart A. Statistical conclusions and relationships. - M .: Nauka, 1973. - 900 p.
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019132780A RU2722001C1 (en) | 2019-10-15 | 2019-10-15 | Digital simulator of random signals |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019132780A RU2722001C1 (en) | 2019-10-15 | 2019-10-15 | Digital simulator of random signals |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2722001C1 true RU2722001C1 (en) | 2020-05-25 |
Family
ID=70803395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019132780A RU2722001C1 (en) | 2019-10-15 | 2019-10-15 | Digital simulator of random signals |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2722001C1 (en) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1503060A1 (en) * | 1987-04-22 | 1989-08-23 | Куйбышевский авиационный институт им.акад.С.П.Королева | Variable-frequency pulser |
US6567017B2 (en) * | 1999-12-30 | 2003-05-20 | Morphics Technology, Inc. | Configurable code generator system for spread spectrum applications |
RU2472286C1 (en) * | 2011-08-19 | 2013-01-10 | Федеральное Государственное Бюджетное Образовательное Учреждение Высшего Профессионального Образования "Саратовский Государственный Университет Имени Н.Г. Чернышевского" | Digital generator of chaotic signal |
RU171427U1 (en) * | 2016-10-31 | 2017-05-31 | Акционерное общество "Научно-исследовательский институт Приборостроения имени В.В. Тихомирова" | Radar control system simulator |
-
2019
- 2019-10-15 RU RU2019132780A patent/RU2722001C1/en active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1503060A1 (en) * | 1987-04-22 | 1989-08-23 | Куйбышевский авиационный институт им.акад.С.П.Королева | Variable-frequency pulser |
US6567017B2 (en) * | 1999-12-30 | 2003-05-20 | Morphics Technology, Inc. | Configurable code generator system for spread spectrum applications |
RU2472286C1 (en) * | 2011-08-19 | 2013-01-10 | Федеральное Государственное Бюджетное Образовательное Учреждение Высшего Профессионального Образования "Саратовский Государственный Университет Имени Н.Г. Чернышевского" | Digital generator of chaotic signal |
RU171427U1 (en) * | 2016-10-31 | 2017-05-31 | Акционерное общество "Научно-исследовательский институт Приборостроения имени В.В. Тихомирова" | Radar control system simulator |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Albeverio et al. | Memory retrieval as a p-adic dynamical system | |
US8471750B2 (en) | System and method for compressive sensing | |
Petrie et al. | Modeling and simulation of oscillator-based random number generators | |
Yenduri et al. | A low-power compressive sampling time-based analog-to-digital converter | |
EP1320026A1 (en) | Method for generating a random number sequence and a relative random bit generator | |
RU2722001C1 (en) | Digital simulator of random signals | |
RU2690780C1 (en) | Digital simulator of random signals | |
González et al. | A mechanism for randomness | |
RU2718417C1 (en) | Digital simulator of random signals | |
Godfrey et al. | Input-transducer errors in binary crosscorrelation experiments | |
Chernoyarov et al. | The high-speed random number generator with the specified two-dimensional probability distribution | |
US7209885B1 (en) | Compressed code generating method and compressed code decompressing method | |
RU2669506C1 (en) | Method of transmission complication of non-linear recurrent sequences in the form of codes of quadratic residues existing in simple galois fields gf(p) and device for its implementation | |
US7263470B2 (en) | Digital gaussian noise simulator | |
Kolesov et al. | The information technologies on dynamic chaos for telecommunication, radar and navigation systems | |
Chernoyarov et al. | The digital random signal simulator | |
Weiermann | Phase transitions for Gödel incompleteness | |
Chernoyarov et al. | Random Signal Digital Simulator Based on Its Double Chain Markov Model. | |
Hunter et al. | Characterization of nonlinear input-output systems using time series analysis | |
Suárez et al. | Chaotic and stochastic phenomena in systems with non-invertible non-linearities | |
KR20220153244A (en) | Normalization Method of Analog-to-Stochastic Converter | |
López-Hernández et al. | Digital implementation of a pseudo-random noise generator using chaotic maps | |
Shu et al. | Performance evaluation of a random number generation using a beta encoder | |
RU2261525C1 (en) | Random-length pulse generator | |
Suman | Performance analysis of LMS filter using barker and chaotic sequences for radar target detection |