CN102405602A - 用于生成伪随机序列数据的数据序列的生成方法及设备 - Google Patents

Abstract

本发明提供一种用于生成伪随机序列数据的数据序列的生成方法及设备。该方法包括根据数据序列A的递推公式，确定矩阵P，所述矩阵P中的各元素由数据序列A的递推公式中的抽头系数得到；确定待生成的数据项所对应的索引周期n₀；根据所述数据序列A中的已知数据项以及所述矩阵P和索引周期n₀，得到所述待生成的数据项对应的索引周期n₀内的数据序列。本发明实施例可以降低序列生成时间，也不受时序限制可以提高灵活性。

Description

用于生成伪随机序列数据的数据序列的生成方法及设备

技术领域

本发明涉及通信技术领域，尤其涉及一种用于生成伪随机序列数据的数据序列的生成方法及设备。

背景技术

在长期演进(Long Term Evolution，LTE)协议中，通常会用到伪随机序列(Pseudo-random sequence)c(n)，其作为一种数据，可用于对通信信号或数据进行加扰，计算公式如下：

c(n)＝(x₁(n+N_C)+x₂(n+N_C))mod2

x₁(n+31)＝(x₁(n+3)+x₁(n))mod2

x₂(n+31)＝(x₂(n+3)+x₂(n+2)+x₂(n+1)+x₂(n))mod2

其中，N_c＝1600，第一数据序列x₁(n)的初值为：x₁(0)＝1，x₁(n)＝0，n＝1，2，…30；第二随机序列x₂(n)的初值随着伪随机序列应用的场景不同而不同，但也是为0或者1。第一数据序列x₁(n)和第二随机序列x₂(n)都是用于计算伪随机序列的数据序列，生成所述用于计算伪随机序列的数据序列的过程的复杂性会在一定程度上决定伪随机序列产生的难易，并影响产生伪随机序列所需要消耗的软件或者硬件资源。

从上式可以看出，序列c(n)和序列x₁(n)、x₂(n)的索引值相差1600，计算序列c(n)之前，需要算出x₁(1600)和x₂(1600)。以x₂(n)的计算为例，现有方案计算x₂(1600)的递推原理可以如表1所示：

表1

从表1可以看出，计算x₂(n)(n＞30)时，需要多次递推。例如，计算x₂(1600)时，需要获知x₂(1569)至x₂(1572)，而x₂(1569)是根据x₂(1538)至x₂(1541)得到的，依此处理直至x₂(31)由已知数据项x₂(0)至x₂(3)得到。也就是说，参见表1，计算x₂(1600)时，需要经过1570次的递推。

按照上述递推x₂(n)的序列时将消耗较长的时间，并且对时序有一定的约束使得设计不灵活，造成伪随机序列的生成复杂度较高。

发明内容

本发明实施例提供一种用于生成伪随机序列数据的数据序列的生成方法及设备，降低数据序列的生成时间，实现较快地生成数据序列且不受时序限制，提高设计灵活性。

本发明实施例提供一种用于生成伪随机序列数据的数据序列的生成方法，包括：

根据数据序列A的递推公式，确定矩阵P，所述矩阵P中的各元素由数据序列A的递推公式中的抽头系数得到；

确定待生成的数据项A(n₀×L+m)所对应的索引周期n₀；

根据所述数据序列A中的已知数据项以及所述矩阵P和索引周期n₀，采用如下计算公式，得到所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列：

$\left(\begin{array}{c}A(n_0\×L)\\ A(n_0\×L+1)\\ A(n_0\×L+2)\\ ...\\ A(n_0\×L+m)\\ ...\\ A(n_0\×L+L-1)\end{array}\right)=P^{n_0}\×\left(\begin{array}{c}A\left(0\right)\\ A\left(1\right)\\ A\left(2\right)\\ ...\\ A\left(m\right)\\ ...\\ A(L-1)\end{array}\right)$

其中，A(0)至A(L-1)分别为所述数据序列A中的已知数据项，L为数据序列A每个索引周期内的数据长度，A(n₀×L)至A(n₀×L+L-1)为所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列

本发明实施例提供一种用于生成伪随机序列数据的数据序列的生成设备，包括：

第一确定模块，用于根据数据序列A的递推公式，确定矩阵P，所述矩阵P中的各元素由数据序列A的递推公式中的抽头系数得到；

第二确定模块，用于确定待生成的数据项A(n₀×L+m)所对应的索引周期n₀；

生成模块，用于根据所述数据序列A中的已知数据项以及所述第一确定模块确定的所述矩阵P和所述第二确定模块确定的所述索引周期n₀，采用如下计算公式，得到所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列：

$\left(\begin{array}{c}A(n_0\×L)\\ A(n_0\×L+1)\\ A(n_0\×L+2)\\ ...\\ A(n_0\×L+m)\\ ...\\ A(n_0\×L+L-1)\end{array}\right)=P^{n_0}\×\left(\begin{array}{c}A\left(0\right)\\ A\left(1\right)\\ A\left(2\right)\\ ...\\ A\left(m\right)\\ ...\\ A(L-1)\end{array}\right)$

其中，A(0)至A(L-1)分别为所述数据序列A中的已知数据项，L为数据序列A每个索引周期内的数据长度，A(n₀×L)至A(n₀×L+L-1)为所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列。其中，r＝n₀×L+m，A(0)至A(L-1)分别为数据序列A中的已知数据项，L为数据序列A每个索引周期内的长度，A(n₀×L)至A(n₀×L+L-1)为所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列。

由上述技术方案可知，本发明实施例在计算数据序列时是采用上述的矩阵和已知数据项运算得到基于递推公式的数据序列A中的一段周期内的序列数据，在通过上述方法和设备生成连续的序列数据值时，可以降低序列的生成时间，生成的过程也不受时序限制，且可以提高灵活性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明第一实施例的方法流程示意图；

图2为本发明实施例能够得到的数据序列采用的一种实现原理示意图；

图3为本发明第三实施例的设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明第一实施例的方法流程示意图，包括：

步骤11：根据数据序列A的递推公式，确定矩阵P，所述矩阵P中的各元素由数据序列A的递推公式中的抽头系数得到；

其中，所述矩阵P的表达式如下：

$P=\left(\begin{array}{ccccc}{p}_{\mathrm{0,0}}& p_{\mathrm{0,1}}& p_{\mathrm{0,2}}& ...& p_{0,L-1}\\ p_{\mathrm{1,0}}& p_{\mathrm{1,1}}& p_{\mathrm{1,2}}& ...& p_{1,L-1}\\ p_{\mathrm{2,0}}& p_{\mathrm{2,1}}& p_{\mathrm{2,2}}& ...& p_{2,L-1}\\ ...& ...& ...& ...& ...\\ p_{L-\mathrm{1,0}}& p_{L-\mathrm{1,1}}& p_{L-\mathrm{1,2}}& ...& p_{L-1,L-1}\end{array}\right);$

p_i，j(i＝0，1，…，L-1；j＝0，1，…L-1)为矩阵P中的元素，满足如下条件：

$p_{i,j}=\left\{\begin{array}{cc}p(j-i)& i\&le;j\\ 0& j<i<L-l_0+1\\ p_{i-1,j}\&CirclePlus;p_{i-l_0,j}& i\&GreaterEqual;L-l_0+1\end{array}\right.;$

其中，数据序列A的递推公式为：

A(n+L)＝(p(0)×A(n)+p(1)×A(n+1)+p(2)×A(n+2)+…+p(L-1)A(n+L-1))mod2

且数据序列A的每一个数据项的值为0或1，n为索引值；

p(l)(l＝0，1，2，…，L-1)为数据序列A的递推公式中的抽头系数；

l₀为使得p(l)＝1的l的最大值，

表示异或运算。

以背景技术中的第二随机序列x₂(n)为例，则所述第二数据序列x₂(n)对应的矩阵P为：

$P=\left(\begin{array}{cccccccccc}1& 1& 1& 1& 0& ...& & & & 0\\ 0& 1& 1& 1& 1& 0& ...& & & 0\\ 0& 0& 1& 1& 1& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 1& 1& 1\\ 1& 1& 1& 1& 0& ...& 0& 1& 1& 1\\ 1& 0& 0& 0& 1& 0& ...& 0& 1& 1\\ 1& 0& 1& 1& 0& 1& 0& ...& 0& 1\end{array}\right).$

另一方面，按照上述的计算公式，也可以得出所述第一数据序列x₁(n)对应的矩阵P：

$P=\left(\begin{array}{cccccccccc}1& 0& 0& 1& 0& ...& & & & 0\\ 0& 1& 0& 0& 1& 0& ...& & & 0\\ 0& 0& 1& 0& 0& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 0& 0& 1\\ 1& 0& 0& 1& 0& ...& 0& 1& 0& 0\\ 1& 1& 0& 1& 1& 0& ...& 0& 1& 0\\ 1& 1& 1& 1& 1& 1& 0& ...& 0& 1\end{array}\right).$

步骤12：确定待生成的数据项A(n₀×L+m)所对应的索引周期n₀。

例如，待生成的数据项为x₂(1600)，则其对应的索引周期

表示向下取整。

步骤13：根据所述数据序列A中的已知数据项以及所述矩阵P和索引周期n₀，采用如下计算公式，得到所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列：

$\left(\begin{array}{c}A(n_0\&times;L)\\ A(n_0\&times;L+1)\\ A(n_0\&times;L+2)\\ ...\\ A(n_0\&times;L+m)\\ ...\\ A(n_0\&times;L+L-1)\end{array}\right)=P^{n_0}\&times;\left(\begin{array}{c}A\left(0\right)\\ A\left(1\right)\\ A\left(2\right)\\ ...\\ A\left(m\right)\\ ...\\ A(L-1)\end{array}\right)$

其中，r＝n₀×L+m，A(0)至A(L-1)分别为数据序列A中的已知数据项，L为数据序列A每个索引周期内的数据长度，A(n₀×L)至A(n₀×L+L-1)为所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列。

以上述的x₂(n)为例，则所述第二数据序列x₂(n)的已知数据项分别为x₂(0)，x₂(1)，x₂(2)，…，x₂(30)，假设待生成的待生成的数据项为x₂(1600)，则可以生成的数据序列为x₂(1581)，x₂(1582)，x₂(1583)，…，x₂(1600)，…，x₂(1611)。对应的计算公式为：

$\left(\begin{array}{c}{x}_2\left(1581\right)\\ x_2\left(1582\right)\\ x_2\left(1583\right)\\ ...\\ x_2\left(1600\right)\\ ...\\ x_2\left(1611\right)\end{array}\right)={\left(\begin{array}{cccccccccc}1& 1& 1& 1& 0& ...& & & & 0\\ 0& 1& 1& 1& 1& 0& ...& & & 0\\ 0& 0& 1& 1& 1& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 1& 1& 1\\ 1& 1& 1& 1& 0& ...& 0& 1& 1& 1\\ 1& 0& 0& 0& 1& 0& ...& 0& 1& 1\\ 1& 0& 1& 1& 0& 1& 0& ...& 0& 1\end{array}\right)}^{51}\&times;\left(\begin{array}{c}{x}_2\left(0\right)\\ x_2\left(1\right)\\ x_2\left(2\right)\\ ...\\ x_2\left(m\right)\\ ...\\ x_2\left(30\right)\end{array}\right)$

图2为本发明实施例能够得到的数据序列采用的一种实现原理示意图，参见图2，所述数据序列A(n)是按照时序关系依次递推得到，如之前实施例的描述，数据序列A(n)的递推公式为：

A(n+L)＝(p(0)×A(n)+p(1)×A(n+1)+p(2)×A(n+2)+…+p(L-1)A(n+L-1))mod2；

但如果依照这种依次递推方式不断进行反复递推计算会使得计算时间较长，并且受到时序限制，计算不够灵活。其中p(n)为A序列的抽头系数。

而本实施例在计算数据序列时是采用上述的矩阵和已知数据项直接运算得到，而不是由已知项递推得到，可以降低计算时间，也不受时序限制，且可以提高灵活性，这在一定程度上会减少计算引起的软件或硬件成本。

上述生成数据序列的方式可以用于计算伪随机序列所需的数据序列，例如，用在下行物理广播信道(Physical Broadcast Channel，PBCH)的发送端发送数据的流程中。所述PBCH数据发送和处理流程可包括加扰的步骤，例如，发送端发送数据的流程可以包括：咬尾卷积编码及速率匹配、四相相移键控(Quadrature Phase Shift Keying，QPSK)调制、加扰、层映射预编码、资源单元(Resource Element，RE)映射等。加扰的过程是将QPSK调制结果与伪随机序列c(n)进行异或处理，得到的处理结果作为层映射预编码的输入。

其中的加扰过程中采用伪随机序列c(n)，可以采用x₁(n)和x₂(n)按照背景技术中所示的公式计算得到。当然，伪随机序列作为一种在通信领域经常使用的数据，其可应用于多种场景之下，不仅限于对PBCH数据加扰。在其它需要使用伪随机序列的场景中，都可以使用本发明实施例提供的方法生成所述用于计算伪随机序列所需的数据序列，从而进一步得到伪随机序列。而其中计算x₁(n)和/或x₂(n)的过程可以采用上述的直接根据矩阵P及已知项得到所求数据项。

另外，为了进一步加快计算速度，可以对不同索引周期内的数据项进行并行计算。例如，待生成的数据项x₂(1600)和x₂(1620)，则可以并行计算得到索引周期n₀＝51以及n₀＝52内的长度为31的两个数据序列，以从中得到x₂(1600)和x₂(1620)。

进一步地，不同的数据序列也可以并行计算，例如，并行计算上述的x₁(n)和x₂(n)。

图3为本发明第三实施例的设备结构示意图，该设备可以为执行上述方法的设备。该设备包括第一确定模块31、第二确定模块32和生成模块33；第一确定模块31用于根据数据序列A的递推公式，确定矩阵P，所述矩阵P中的各元素由数据序列A的递推公式中的抽头系数得到；第二确定模块32用于确定待生成的数据项A(n₀×L+m)所对应的索引周期n₀；生成模块33用于根据所述数据序列A中的已知数据项以及所述第一确定模块确定的所述矩阵P和所述第二确定模块确定的所述索引周期n₀，采用如下计算公式，得到所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列：

$\left(\begin{array}{c}A(n_0\&times;L)\\ A(n_0\&times;L+1)\\ A(n_0\&times;L+2)\\ ...\\ A(n_0\&times;L+m)\\ ...\\ A(n_0\&times;L+L-1)\end{array}\right)=P^{n_0}\&times;\left(\begin{array}{c}A\left(0\right)\\ A\left(1\right)\\ A\left(2\right)\\ ...\\ A\left(m\right)\\ ...\\ A(L-1)\end{array}\right)$

其中，A(0)至A(L-1)分别为所述数据序列A中的已知数据项，L为数据序列A每个索引周期内的数据长度，A(n₀×L)至A(n₀×L+L-1)为所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列。

第一确定模块31、第二确定模块32和生成模块33可以分别是不同的处理器单元，可由逻辑集成电路等硬件实现。这些处理器单元可集成在通信基带处理设备内，如LTE基带处理芯片中。

在一种应用中，可以是，所述第一确定模块确定的所述矩阵P的表达式如下：

$P=\left(\begin{array}{ccccc}{p}_{\mathrm{0,0}}& p_{\mathrm{0,1}}& p_{\mathrm{0,2}}& ...& p_{0,L-1}\\ p_{\mathrm{1,0}}& p_{\mathrm{1,1}}& p_{\mathrm{1,2}}& ...& p_{1,L-1}\\ p_{\mathrm{2,0}}& p_{\mathrm{2,1}}& p_{\mathrm{2,2}}& ...& p_{2,L-1}\\ ...& ...& ...& ...& ...\\ p_{L-\mathrm{1,0}}& p_{L-\mathrm{1,1}}& p_{L-\mathrm{1,2}}& ...& p_{L-1,L-1}\end{array}\right);$

p_i，j(i＝0，1，…，L-1；j＝0，1，…L-1)为所述矩阵P中的元素，所述p_i，j满足如下条件：

$p_{i,j}=\left\{\begin{array}{cc}p(j-i)& i\&le;j\\ 0& j<i<L-l_0+1\\ p_{i-1,j}\&CirclePlus;p_{i-l_0,j}& i\&GreaterEqual;L-l_0+1\end{array}\right.;$

其中，数据序列A的递推公式为：

A(n+L)＝(p(0)×A(n)+p(1)×A(n+1)+p(2)×A(n+2)+…+p(L-1)A(n+L-1))mod2

且数据序列A的每一个数据项的值为0或1，n为索引值；

p(l)(l＝0，1，2，…，L-1)为数据序列A的递推公式中的抽头系数；

l₀为使得p(l)＝1的l的最大值，

表示异或运算。

在一种应用中，可以是，当所述数据序列A为x₂(n)，且x₂(n)的递推公式为：

x₂(n+31)＝(x₂(n+3)+x₂(n+2)+x₂(n+1)+x₂(n))mod2，则所述第一确定模块确定的所述矩阵P为：

$P=\left(\begin{array}{cccccccccc}1& 1& 1& 1& 0& ...& & & & 0\\ 0& 1& 1& 1& 1& 0& ...& & & 0\\ 0& 0& 1& 1& 1& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 1& 1& 1\\ 1& 1& 1& 1& 0& ...& 0& 1& 1& 1\\ 1& 0& 0& 0& 1& 0& ...& 0& 1& 1\\ 1& 0& 1& 1& 0& 1& 0& ...& 0& 1\end{array}\right);$

或者，当所述数据序列A为x₁(n)，且x₁(n)的递推公式为：x₁(n+31)＝(x₁(n+3)+x₁(n))mod2，则所述第一确定模块确定的所述矩阵P为：

$P=\left(\begin{array}{cccccccccc}1& 0& 0& 1& 0& ...& & & & 0\\ 0& 1& 0& 0& 1& 0& ...& & & 0\\ 0& 0& 1& 0& 0& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 0& 0& 1\\ 1& 0& 0& 1& 0& ...& 0& 1& 0& 0\\ 1& 1& 0& 1& 1& 0& ...& 0& 1& 0\\ 1& 1& 1& 1& 1& 1& 0& ...& 0& 1\end{array}\right).$

在一种实现中，可以是，当所述待生成的数据项为至少两项时，所述生成模块具体用于采用并行方式计算每个待生成的数据项对应的索引周期内的数据序列。

本实施例在计算数据序列时是采用上述的矩阵和已知数据项直接运算得到，而不是由已知项递推得到，可以降低时间，也不受时序限制可以提高灵活性。

可以理解的是，上述方法及设备中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。所述计算设备可应用在通信领域的基带处理设备中，如处理器芯片中，用于计算得到数据序列，并基于得到的数据序列产生伪随机序列，所述伪随机序列在基带处理设备中用于对QPSK调制结果进行加扰，得到加扰结果，以便后续的处理操作。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种用于生成伪随机序列数据的数据序列的生成方法，其特征在于，包括：

根据数据序列A的递推公式，确定矩阵P，所述矩阵P中的各元素由数据序列A的递推公式中的抽头系数得到；

确定待生成的数据项A(n₀×L+m)所对应的索引周期n₀；

根据所述数据序列A中的已知数据项以及所述矩阵P和索引周期n₀，采用如下计算公式，得到所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列：

$\left(\begin{array}{c}A(n_0\&times;L)\\ A(n_0\&times;L+1)\\ A(n_0\&times;L+2)\\ ...\\ A(n_0\&times;L+m)\\ ...\\ A(n_0\&times;L+L-1)\end{array}\right)=P^{n_0}\&times;\left(\begin{array}{c}A\left(0\right)\\ A\left(1\right)\\ A\left(2\right)\\ ...\\ A\left(m\right)\\ ...\\ A(L-1)\end{array}\right)$

其中，A(0)至A(L-1)分别为所述数据序列A中的已知数据项，L为数据序列A每个索引周期内的数据长度，A(n₀×L)至A(n₀×L+L-1)为所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列。

2.根据权利要求1所述的方法，其特征在于，所述矩阵P的表达式如下：

$P=\left(\begin{array}{ccccc}{p}_{\mathrm{0,0}}& p_{\mathrm{0,1}}& p_{\mathrm{0,2}}& ...& p_{0,L-1}\\ p_{\mathrm{1,0}}& p_{\mathrm{1,1}}& p_{\mathrm{1,2}}& ...& p_{1,L-1}\\ p_{\mathrm{2,0}}& p_{\mathrm{2,1}}& p_{\mathrm{2,2}}& ...& p_{2,L-1}\\ ...& ...& ...& ...& ...\\ p_{L-\mathrm{1,0}}& p_{L-\mathrm{1,1}}& p_{L-\mathrm{1,2}}& ...& p_{L-1,L-1}\end{array}\right);$

p_i，j(i＝0，1，…，L-1；j＝0，1，…L-1)为所述矩阵P中的元素，所述p_i，j满足如下条件：

$p_{i,j}=\left\{\begin{array}{cc}p(j-i)& i\&le;j\\ 0& j<i<L-l_0+1\\ p_{i-1,j}\&CirclePlus;p_{i-l_0,j}& i\&GreaterEqual;L-l_0+1\end{array}\right.;$

其中，所述数据序列A的递推公式为：

A(n+L)＝(p(0)×A(n)+p(1)×A(n+1)+p(2)×A(n+2)+…+p(L-1)A(n+L-1))mod2；

p(l)(l＝0，1，2，…，L-1)为数据序列A的递推公式中的抽头系数；

l₀为使得p(l)＝1的l的最大值，

表示异或运算。

3.根据权利要求1或2所述的方法，其特征在于，所述伪随机序列数据用于对通信数据或信号进行加扰。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述伪随机序列由第一数据序列和第二数据序列计算得到，所述第二数据序为所述数据序列A，且所述第二数据序列x₂(n)的递推公式为：x₂(n+31)＝(x₂(n+3)+x₂(n+2)+x₂(n+1)+x₂(n))mod2，则所述矩阵P为：

$P=\left(\begin{array}{cccccccccc}1& 1& 1& 1& 0& ...& & & & 0\\ 0& 1& 1& 1& 1& 0& ...& & & 0\\ 0& 0& 1& 1& 1& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 1& 1& 1\\ 1& 1& 1& 1& 0& ...& 0& 1& 1& 1\\ 1& 0& 0& 0& 1& 0& ...& 0& 1& 1\\ 1& 0& 1& 1& 0& 1& 0& ...& 0& 1\end{array}\right).$

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述伪随机序列由第一数据序列和第二数据序列计算得到，所述第一数据序为所述数据序列A，且所述第一数据序列x₁(n)的递推公式为：x₁(n+31)＝(x₁(n+3)+x₁(n))mod2，则所述矩阵P为：

$P=\left(\begin{array}{cccccccccc}1& 0& 0& 1& 0& ...& & & & 0\\ 0& 1& 0& 0& 1& 0& ...& & & 0\\ 0& 0& 1& 0& 0& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 0& 0& 1\\ 1& 0& 0& 1& 0& ...& 0& 1& 0& 0\\ 1& 1& 0& 1& 1& 0& ...& 0& 1& 0\\ 1& 1& 1& 1& 1& 1& 0& ...& 0& 1\end{array}\right).$

6.根据权利要求1至5中任一项所述的方法，其特征在于，当所述待生成的数据项为至少两项时，采用并行方式计算每个待生成的数据项对应的索引周期内的数据序列。

7.一种用于生成伪随机序列数据的数据序列的生成设备，其特征在于，包括：

第一确定模块，用于根据数据序列A的递推公式，确定矩阵P，所述矩阵P中的各元素由数据序列A的递推公式中的抽头系数得到；

第二确定模块，用于确定待生成的数据项A(n₀×L+m)所对应的索引周期n₀；

生成模块，用于根据所述数据序列A中的已知数据项以及所述第一确定模块确定的所述矩阵P和所述第二确定模块确定的所述索引周期n₀，采用如下计算公式，得到所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列：

$\left(\begin{array}{c}A(n_0\&times;L)\\ A(n_0\&times;L+1)\\ A(n_0\&times;L+2)\\ ...\\ A(n_0\&times;L+m)\\ ...\\ A(n_0\&times;L+L-1)\end{array}\right)=P^{n_0}\&times;\left(\begin{array}{c}A\left(0\right)\\ A\left(1\right)\\ A\left(2\right)\\ ...\\ A\left(m\right)\\ ...\\ A(L-1)\end{array}\right)$

其中，A(0)至A(L-1)分别为所述数据序列A中的已知数据项，L为数据序列A每个索引周期内的数据长度，A(n₀×L)至A(n₀×L+L-1)为所述待生成的数据项A(n₀×L+m)对应的索引周期n₀内的数据序列。

8.根据权利要求7所述的设备，其特征在于，所述第一确定模块确定的所述矩阵P的表达式如下：

$P=\left(\begin{array}{ccccc}{p}_{\mathrm{0,0}}& p_{\mathrm{0,1}}& p_{\mathrm{0,2}}& ...& p_{0,L-1}\\ p_{\mathrm{1,0}}& p_{\mathrm{1,1}}& p_{\mathrm{1,2}}& ...& p_{1,L-1}\\ p_{\mathrm{2,0}}& p_{\mathrm{2,1}}& p_{\mathrm{2,2}}& ...& p_{2,L-1}\\ ...& ...& ...& ...& ...\\ p_{L-\mathrm{1,0}}& p_{L-\mathrm{1,1}}& p_{L-\mathrm{1,2}}& ...& p_{L-1,L-1}\end{array}\right);$

p_i，j(i＝0，1，…，L-1；j＝0，1，…L-1)为所述矩阵P中的元素，所述p_i，j满足如下条件：

$p_{i,j}=\left\{\begin{array}{cc}p(j-i)& i\&le;j\\ 0& j<i<L-l_0+1\\ p_{i-1,j}\&CirclePlus;p_{i-l_0,j}& i\&GreaterEqual;L-l_0+1\end{array}\right.;$

其中，数据序列A的递推公式为：

A(n+L)＝(p(0)×A(n)+p(1)×A(n+1)+p(2)×A(n+2)+…+p(L-1)A(n+L-1))mod2

且数据序列A的每一个数据项的值为0或1，n为索引值；

p(l)(l＝0，1，2，…，L-1)为数据序列A的递推公式中的抽头系数；

l0为使得p(l)＝1的l的最大值，表示异或运算。

9.根据权利要求7或8所述的设备，其特征在于，当所述数据序列A为x₂(n)，且x₂(n)的递推公式为：

x₂(n+31)＝(x₂(n+3)+x₂(n+2)+x₂(n+1)+x₂(n))mod2，则所述第一确定模块确定的所述矩阵P为：

$P=\left(\begin{array}{cccccccccc}1& 1& 1& 1& 0& ...& & & & 0\\ 0& 1& 1& 1& 1& 0& ...& & & 0\\ 0& 0& 1& 1& 1& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 1& 1& 1\\ 1& 1& 1& 1& 0& ...& 0& 1& 1& 1\\ 1& 0& 0& 0& 1& 0& ...& 0& 1& 1\\ 1& 0& 1& 1& 0& 1& 0& ...& 0& 1\end{array}\right);$

或者，当所述数据序列A为x₁(n)，且x₁(n)的递推公式为：x₁(n+31)＝(x₁(n+3)+x₁(n))mod2，则所述第一确定模块确定的所述矩阵P为：

$P=\left(\begin{array}{cccccccccc}1& 0& 0& 1& 0& ...& & & & 0\\ 0& 1& 0& 0& 1& 0& ...& & & 0\\ 0& 0& 1& 0& 0& 1& 0& ...& & 0\\ ...& & & & & & & & & ...\\ 0& 0& 0& 0& ...& 0& 1& 0& 0& 1\\ 1& 0& 0& 1& 0& ...& 0& 1& 0& 0\\ 1& 1& 0& 1& 1& 0& ...& 0& 1& 0\\ 1& 1& 1& 1& 1& 1& 0& ...& 0& 1\end{array}\right).$

10.根据权利要求7或8所述的设备，其特征在于，当所述待生成的数据项为至少两项时，所述生成模块具体用于采用并行方式计算每个待生成的数据项对应的索引周期内的数据序列。

Images