CN110832452A - 一种随机数生成方法及生成装置 - Google Patents
一种随机数生成方法及生成装置 Download PDFInfo
- Publication number
- CN110832452A CN110832452A CN201980001924.4A CN201980001924A CN110832452A CN 110832452 A CN110832452 A CN 110832452A CN 201980001924 A CN201980001924 A CN 201980001924A CN 110832452 A CN110832452 A CN 110832452A
- Authority
- CN
- China
- Prior art keywords
- signal
- processed
- random number
- independent source
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000006870 function Effects 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 230000000747 cardiac effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 230000000737 periodic effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 108091081062 Repeated sequence (DNA) Proteins 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F7/58—Random or pseudo-random number generators
- G06F7/588—Random number generators, i.e. based on natural stochastic processes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请涉及一种随机数的生成方法,包括:获取第一分布式独立源准周期信号;基于所述第一分布式独立源准周期信号确定第一待处理信号;采集所述第一待处理信号的相位;根据所述第一待处理信号的相位确定第一随机数。
Description
技术领域
本申请属于计算机领域,特别涉及一种随机数的生成方法及生成装置。
背景技术
目前密码学、区域链、计算机仿真等技术领域大量依赖随机数的生成,人们已经研发了众多方法来生成随机数。然而,这些方法所生成的随机数大多为伪随机数,当伪随机数生成一定数量时,最终会出现重复序列;而且将会有一些序列无法产生。
现有方案大多利用单点准随机现象进行时序物理特征采样来实现随机数生成。单一物理系统必然存在内在相关性,而且,由于采样率稳定,单一物理系统的“源”的构成也相对稳定,因此,产生的数据分布一定具有某种特征,为伪随机数。
随着传感和通信技术的发展,以及互联网和物联网相关产业的成熟,分布式大数据采集已在很多应用场景中得到推广,成为一种常见的数据采集模式。这种采集模式往往针对在地域上分布广泛且相互独立的数据源采集海量信息数据,通过有线或无线通信网络将采集到的数据传输到后台进行集中处理。但是如何将分布式大数据采集与随机数的生成很好地结合,生成真正的独立不相关的随机数,目前还是一个问题。
发明内容
本申请的一个实施例,提供了一种基于分布式独立源的随机数生成方法。
方法具体包括:获取第一分布式独立源准周期信号;基于所述第一分布式独立源准周期信号确定第一待处理信号;采集所述第一待处理信号的相位;根据所述第一待处理信号的相位确定第一随机数。
本申请的一个实施例,提供了一种随机数生成装置,其中,包括:传感器,用于采集第一分布式独立源准周期信号;存储器,存储有计算机随机数生成程序;以及处理器,与所述传感器和存储器连接,当所述计算机随机数生成程序被所述处理器执行时,使得所述处理器执行如前述任意一种方法。
本申请的一个实施例还提供了一种电子设备,包括:处理器;以及存储器,存储有计算机指令,当所述计算机指令被所述处理器执行时,使得所述处理器执行前述任一种方法。
本申请的一个实施例还提供了一种非瞬时性计算机存储介质,存储有计算机程序,当所述计算机程序被一个或多个处理器执行时,使得所述处理器执行前述任意一种方法。
由于在上述随机数生成方法、装置、电子设备和非瞬时性计算机存储介质中所包含的程序均采用分布式独立源准周期信号作为信号源,生成随机数。由于该信号具有以下特征:信号质量可检查;信号源具体构造细节不可复制;当信号源之间具有足够的时空独立性时,不会有其它信息的同步干扰;信号源可确认独立性;信号源经历的历史无法复制,且差异巨大;无需独立建设专用系统;信号源信号变化不可预测,所以利用本申请的实施例中的方法、装置、电子设备和非瞬时性计算机存储介质可以产生真随机数。
附图说明
图1a为本申请的一个实施例,随机数生成方法1000的流程示意图。
图1b为本申请的一个实施例,随机数生成方法1000的步骤S110的分解步骤流程示意图。
图1c为本申请的一个实施例,随机数生成方法1000的步骤S130的分解步骤流程示意图。
图1d为本申请的一个实施例,随机数生成方法1000的步骤S132的分解步骤流程示意图。
图1e为本申请的一个实施例,随机数生成方法1000的信号f1(t)、信号f1’(t)和信号g1(t)的波形示意图。
图1f为本申请的一个实施例,随机数生成方法1000的步骤S136的分解步骤流程示意图。
图1g为本申请的一个实施例,随机数生成方法1000的信号p(t)的波形示意图。
图2为本申请的一个实施例,随机数生成方法2000的流程示意图。
图3为本申请的一个实施例,随机数生成方法3000的流程示意图。
图4a为本申请的一个实施例,随机数生成装置4000的组成示意图。
图4b为本申请的一个实施例,随机数生成装置4000的一种组成示意图。
具体实施方式
以下通过特定的具体实施例来说明本发明所公开的实施方式,本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用,本说明书中的各项细节也可基于不同观点与应用,在不偏离本发明的精神下进行各种修饰与变更。另外,本发明的附图仅为简单示意说明,并非依实际尺寸的描绘,予以声明。以下的实施方式将进一步详细说明本发明的相关技术内容,但所公开的内容并非用以限制本发明的技术范围。
本申请的实施例中,所采集的源信号一般是准周期信号,例如人的呼吸、心跳等生物特征信号,这些信号即使不是严格地属于周期信号,但是由于其接近于周期信号,故可以归类为准周期信号。这些信号可来自于目前广泛应用的实时运动监测、睡眠监测等设备,由于这些设备通常分布于医院、用户家中,因此其属于分布式的设备,因此得到的信号是分布式信号。各设备采集的对象各自独立,互不相关,因此属于独立源。本申请的多个实施例通过相位提取的方法从采集的信号中产生随机数候选,再以一定规则选取出所需的随机数序列。区别于传统的基于单一数据源的随机数生成方法,这种新的技术利用了分布式多数据源之间相互独立不相关的特点,因此产生真正的独立不相关随机数。下面对本申请的各个实施例进行详细介绍。
如图1a所示为本申请的一个实施例,该实施例适用于准周期信号中只具有单一频率成分的情况,随机数生成方法1000的流程示意图。方法1000包括:步骤S110、步骤S120、步骤S130和步骤S140。其中:
步骤S110,获取分布式独立源准周期信号集合{fi(t)},以其中某一独立源的信号(记为f0(t))为例介绍后续处理方法。
步骤S120,基于信号f0(t)确定第一待处理信号f1(t)。
步骤S130,提取第一待处理信号f1(t)的相位Ph1。
步骤S140,对第一待处理信号f1(t)的相位Ph1进行归一化,使Ph1在[0,1)即大于等于0且小于1范围内。
可选地,独立源准周期信号f0(t)可以是生物体征信号。进一步地,独立源准周期信号f0(t)可以是人体的呼吸信号、心电信号、脉搏信号等。也可以是其他动物的呼吸信号、心电信号、脉搏信号等。
如图1b所示可选地,步骤S110可以包括,步骤S112和步骤S114。
其中:
步骤S112,采集独立源准周期信号f0(t)。
步骤S114,判断独立源准周期信号f0(t)是否稳定。如果判断结果为否,则返回步骤S112继续采集。
可选地,步骤S120可以是,把准周期信号f0(t)作为第一待处理信号f1(t)。
可选地,步骤S130可以是,根据第一待处理信号f1(t)的过零点时刻或者第一待处理信号f1(t)的峰值时刻,确定第一待处理信号f1(t)的相位Ph1。
如图1c所示,作为一种可选方案,步骤S130还可以包括:
步骤S132,确定第一待处理信号f1(t)的包络g1(t)。
步骤S136,根据包络g1(t)和第一待处理信号f1(t),确定第一待处理信号f1(t)的相位Ph1。
如图1d和图1e所示,进一步地,步骤S132可以包括步骤S133和步骤S134。其中:
步骤S133,对第一待处理信号f1(t)进行希尔伯特变换,得到信号f1’(t)。
步骤S134,根据第一待处理信号f1(t)和变换结果f1’(t),利用式(1),确定第一待处理信号f1(t)的包络g1(t)。
如图1f和图1g所示,进一步地,步骤S136可以包括步骤S137和步骤S138。其中:
步骤S137,根据波形g1(t)和第一待处理信号f1(t),依据式(2)确定相位函数p(t)。
步骤S138,根据相位函数p(t)在t0时刻的取值确定第一待处理信号f1(t)的相位Ph1=p(t0),其中,t0可以是一个预设的,不小于零常数。
p(t)=arccos(f1(t)/g1(t)) (2)
可选地,步骤S137还可以是:根据波形g1(t)和信号f1’(t),依据反余弦函数确定相位函数p(t)。
可选地,步骤S137还可以是:根据波形g1(t)和第一待处理信号f1(t),依据反正弦函数确定相位函数p(t)。
可选地,步骤S137还可以是:根据波形g1(t)和信号f1’(t),依据反正弦函数确定相位函数p(t)。
可选地,步骤S137也可以是:根据第一待处理信号f1(t)及其希尔伯特变换f1’(t),依据反正切函数或者反余切函数确定相位函数p(t)。
如图2所示,为本申请的一个实施例,该实施例适用于以人体呼吸信号作为数据源的情况,随机数生成方法2000的流程示意图。方法2000包括步骤S210、步骤S220、步骤S230和步骤S240。其中,步骤S210、步骤S230和步骤S240分别与方法1000中的步骤S110、S130、S140相似,在此不做赘述。
步骤S220,对所采集的独立源准周期信号f0(t)进行去直流和/或低通滤波运算确定第一待处理信号f1(t)。
可选地,步骤S220可以是:步骤S220A,对准周期信号f0(t)进行移动平均计算,得到第一均值信号f01(t)。再从f0(t)中减去f01(t),得到第一待处理信号f1(t),即f1(t)=f0(t)-f01(t)。
进一步地,可以对f1(t)进行低通滤波,其截止频率可以为40Hz,以滤除呼吸信号中的高频成分或其它高频干扰成分。
如图3所示,为本申请的一个实施例,该实施例适用于准周期信号中具有明显的高次谐波和直流分量的情况,随机数生成方法3000的流程示意图。方法3000包括步骤S310、步骤S320、步骤S323、步骤S326、步骤S330和步骤S340。其中,步骤S310、步骤S330和步骤S340与方法1000中的同名步骤相似,在此不做赘述。
步骤S320,根据准周期信号f0(t)确定第二待处理信号f2(t)。
步骤S323,提取准周期信号f0(t)的基频fb。
步骤S327,根据基频fb,对第二待处理信号f2(t)进行滤波,得到第一单频信号f21(t),作为第一待处理信号f1(t)。
可选地,步骤S320可以是:S320A,将准周期信号f0(t)直接作为第二待处理信号f2(t)。
作为一种选择方案,步骤S320可以是:S320B,对准周期信号f0(t)进行去直流滤波确定第二待处理信号f2(t)。
其中,步骤S320A与方法2000中的步骤S220相似,在此不做赘述。
可选地,步骤S323可以是,根据第二待处理信号f2(t)的过零点之间的间隔确定第二待处理信号f2(t)的频率。步骤S323也可以是,根据第二待处理信号f2(t)的极值点之间的间隔确定第二待处理信号f2(t)的频率fb。
作为一种选择方案,步骤S323可以包括:
步骤S324,对第二待处理信号f2(t)进行滑动自相关运算,得到相关值函数ct(τ)。
步骤S325,采集相关值函数ct(τ)的峰值位置。
步骤S326,根据相关值函数ct(τ)的峰值位置,确定第二待处理信号f2(t)的频率fb。
其中步骤324,中对第二待处理信号f2(t)进行的滑动自相关运算可以根据式(3)计算。
其中,TS为滑动窗口长度。Tc为滑动长度。
进一步地,如果所采集的是呼吸信号,Tc可以设为10秒,Ts可以设为20秒。
如果所采集的是心跳信号,Tc可以设为3秒,Ts可以设为6秒。
可选地,步骤S326可以是,相关函数ct(τ)最大值所对应的自变量的倒数作为第二待处理信号f2(t)的频率fb。
可选地,步骤S327可以包括:步骤S327A,根据频率fb,对第二待处理信号f2(t)进行低通滤波。
进一步地,步骤S327A的低通截止频率为1.5fb。
利用以上方法,对分布式独立源准周期信号集合{fi(t)}中的所有信号提取相位,将时刻t0得到相位集合{Phi}。将该集合分为两个子集A={Phm}(m=1-M),B={Ph’n}(n=1-N)。其中子集A用于产生随机数候选,形成集合{Rm}(m=1-M),其中每一个候选值Rm是根据随机数取值范围由子集A中的相位数值经线性变换得到的,如果随机数取值范围也是0-1,则Rm=Phm。子集B用于产生索引序列,形成集合{Dn}(n=1-N),其中每一个索引值Dn是由Ph’n经线性变换和取整得到,公式如下:
Dn=[Ph′n×M]
由于该信号具有以下特征:信号质量可检查;信号源具体构造细节不可复制;当信号源之间具有足够的时空独立性时,不会有其它信息的同步干扰;信号源可确认独立性;信号源经历的历史无法复制,且差异巨大;无需独立建设专用系统;信号源信号变化不可预测,所以利用本方法可以产生真随机数。
图4a为本申请的一个实施例,随机数生成装置4000的组成示意图。如图4a所示,随机数生成装置4000,包括:处理器401、存储器411和传感器421。其中:
传感器421,用于采集分布式独立源准周期信号。
存储器411,存储有计算机随机数生成程序。以及
处理器401,与所述传感器和存储器连接,当所述计算机随机数生成程序被所述处理器执行时,使得所述处理器执行前述任一种方法。
可选地,存储器411可以是硬盘、闪存等非易失性存储器,也可以是动态内存静态内存等随机存储器。
可选地,处理器401可以通过总线与存储器411连接。
可选地,处理器401可以与传感器421电连接,也可以通信连接。
进一步地,随机数生成装置4000还可以包括网络接口单元,以及数据传输系统。处理器401通过该网络接口单元与传感器421通过网络通信连接。处理器401可以通过该网络以及数据传输系统,控制传感器采集至少一个分布式独立源的分布式独立源准周期信号,并把采集到的数据传输到处理器401。处理器401可以与传感器421通过有线网络连接也可以通过无线网络连接。
如图4b所示,可选地,随机数生成装置4000可以包括至少两个处理器和至少两个存储器。该至少两个处理器和至少两个存储器可以设置于同一台计算机内也可以设置于多台计算机内。进一步的,该至少两个处理器和至少两个存储器可以设置分布式计算机(服务器内部)。
可选地,随机数生成装置4000还可以包括至少两个传感器,分别采集至少两路分布式独立源准周期信号。进一步地,该至少两个传感器可以组成一个传感器阵列。
本申请还提供了一种电子设备,包括:处理器;以及存储器,存储有计算机指令,当所述计算机指令被所述处理器执行时,使得所述处理器执行前述任意一种方法。
本申请还提供了一种非瞬时性计算机存储介质,存储有计算机程序,当所述计算机程序被一个或多个处理器执行时,使得所述处理器执行前述任意一种方法。
由于在上述随机数生成装置、电子设备和非瞬时性计算机存储介质中的程序均采用分布式独立源准周期信号作为信号源生成随机数。由于该信号具有以下特征:信号质量可检查;信号源具体构造细节不可复制;当信号源之间具有足够的时空独立性时,不会有其它信息的同步干扰;信号源可确认独立性;信号源经历的历史无法复制,且差异巨大;无需独立建设专用系统;信号源信号变化不可预测,。所以利用本方法产生的随机数更接近于真随机数。
本领域技术人员可以理解,本申请的技术方案可实施为系统、方法或计算机程序产品。因此,本申请可表现为完全硬件的实施例、完全软件的实施例(包括固件、常驻软件、微码等)或将软件和硬件相结合的实施例的形式,它们一般可被称为“电路”、“模块”或“系统”。此外,本申请可表现为计算机程序产品的形式,所述计算机程序产品嵌入到任何有形的表达介质中,所述有形的表达介质具有嵌入到所述介质中的计算机可用程序代码。
参照根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图来描述本申请。可以理解的是,可由计算机程序指令执行流程图和/或框图中的每个框、以及流程图和/或框图中的多个框的组合。这些计算机程序指令可提供给通用目的计算机、专用目的计算机或其它可编程数据处理装置的处理器,以使通过计算机或其它可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个框或多个框中指明的功能/动作的装置。
这些计算机程序指令还可存储于能够指导计算机或其它可编程数据处理装置以特定的方式实现功能的计算机可读介质中,以使存储于计算机可读介质中的指令产生包括实现流程图和/或框图中的一个框或多个框中指明的功能/动作的指令装置。
计算机程序指令还可加载到计算机或其它可编程数据处理装置上,以引起在计算机上或其它可编程装置上执行一连串的操作步骤,以产生计算机实现的过程,从而使在计算机或其它可编程装置上执行的指令提供用于实现流程图和/或框图中的一个框或多个框中指明的功能/动作的过程。
附图中的流程图和框图示出根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系结构、功能和操作。在这点上,流程图或框图中的每个框可表示一个模块、区段或代码的一部分,其包括一个或多个用于实现特定逻辑功能的可执行指令。还应注意,在一些可替代性实施中,框中标注的功能可以不按照附图中标注的顺序发生。例如,根据所涉及的功能性,连续示出的两个框实际上可大致同时地执行,或者这些框有时以相反的顺序执行。还可注意到,可由执行特定功能或动作的专用目的的基于硬件的系统、或专用目的硬件与计算机指令的组合来实现框图和/或流程图示图中的每个框、以及框图和/或流程图示图中的多个框的组合。
需要说明的是,以上参照附图所描述的各个实施例仅用以说明本发明而非限制本发明的范围,本领域的普通技术人员应当理解,在不脱离本发明的精神和范围的前提下对本发明进行的修改或者等同替换,均应涵盖在本发明的范围之内。此外,除上下文另有所指外,以单数形式出现的词包括复数形式,反之亦然。另外,除非特别说明,那么任何实施例的全部或一部分可结合任何其它实施例的全部或一部分来使用。
Claims (19)
1.一种随机数的生成方法,包括:
获取第一分布式独立源准周期信号;
基于所述第一分布式独立源准周期信号确定第一待处理信号;
采集所述第一待处理信号的相位;
根据所述第一待处理信号的相位确定第一随机数。
2.根据权利要求1所述的方法,其中,所述基于所述第一分布式独立源准周期信号确定第一待处理信号包括:
将所述第一分布式独立源准周期信号直接用作为所述第一待处理信号。
3.根据权利要求1所述的方法,其中,所述基于所述第一分布式独立源准周期信号确定第一待处理信号,包括:
对所述第一分布式独立源准周期信号进行移动平均计算和/或带通滤波处理,得到所述第一待处理信号。
4.根据权利要求3所述的方法,其中,所述对所述第一分布式独立源准周期信号进行移动平均计算和/或带通滤波处理,得到所述第一待处理信号,包括:
对所述第一分布式独立源准周期信号进行移动平均计算,得到第一均值信号;
对所述第一均值信号进行带通滤波处理,得到第二滤波信号,作为所述第一待处理信号。
5.根据权利要求3所述的方法,其中,所述对所述第一分布式独立源准周期信号进行移动平均计算和/或带通滤波处理,得到所述第一待处理信号,包括:
对所述第一分布式独立源准周期信号进行带通滤波处理,得到第一滤波信号;
对所述第一滤波信号进行移动平均计算,得到第二均值信号,作为所述第一待处理信号。
6.根据权利要求1所述的方法,其中,所述基于所述第一分布式独立源准周期信号确定第一待处理信号包括:
基于所述第一分布式独立源准周期信号确定第二待处理信号;
采集所述第二待处理信号的频率;
根据所述第二待处理信号的频率对所述第二待处理信号进行带通滤波,得到第一单频信号,作为第一待处理信号。
7.根据权利要求6所述的方法,其中,所述基于所述第一分布式独立源准周期信号确定第二待处理信号,包括:
将所述第一分布式独立源准周期信号直接用作为第二待处理信号。
8.根据权利要求6所述的方法,其中,所述基于所述第一分布式独立源准周期信号确定第二待处理信号,包括:
对所述第一分布式独立源准周期信号进行移动平均计算和/或带通滤波处理,得到所述第二待处理信号。
9.根据权利要求6所述的方法,其中,所述采集所述第二待处理信号的频率,包括:
平移所述第二待处理信号,得到第一平移信号;
对所述第二待处理信号做滑动自相关运算,得到相关值函数;
采集所述相关值函数的峰值位置;
根据所述相关值函数的峰值位置,确定所述第二待处理信号的频率。
10.根据权利要求1所述的方法,其中,所述根据所述第一待处理信号的相位确定所述第一随机数,包括:
对所述第一待处理信号的相位进行线性变换得到所述第一随机数。
11.根据权利要求1所述的方法,其中,所述采集所述第一待处理信号的相位,包括:
计算所述第一待处理信号的包络信号;
根据所述第一待处理信号的幅值和所述第一待处理信号的包络信号的幅值确定所述第一待处理信号的相位。
12.根据权利要求1所述的方法,其中,所述第一分布式独立源准周期信号包括生物体征信号。
13.根据权利要求12所述的方法,其中,所述生物体征信号包括呼吸信号、心电信号、脉搏信号中的至少一种。
14.根据权利要求1-13之任一项所述的方法,其中,根据所述第一待处理信号的相位确定所述第一随机数,包括:根据所述第一待处理信号的相位生成随机数序列;
从所述随机数序列中顺序提取或者随机提取随机数。
15.根据权利要求14所述的方法,其中,从所述随机数序列中随机提取随机数,包括:
生成索引序列;
根据所述索引序列在所述随机数序列中提取随机数。
16.根据权利要求15所述的方法,所述生成索引序列,包括:
在所述随机数序列中提取部分随机数形成第一随机数序列子集,以所述第一随机数序列子集作为所述索引序列,以余下的随机数作为第二随机数序列子集;
以所述索引序列中的随机数作为索引,从第二随机数序列子集中提取随机数。
17.一种随机数生成装置,包括:
传感器,用于采集第一分布式独立源准周期信号;
存储器,存储有计算机随机数生成程序;以及
处理器,与所述传感器和存储器连接,当所述计算机随机数生成程序被所述处理器执行时,使得所述处理器执行如权利要求1-16中任一项所述的方法。
18.一种电子设备,包括:
处理器;以及
存储器,存储有计算机指令,当所述计算机指令被所述处理器执行时,使得所述处理器执行如权利要求1-16中任一项所述的方法。
19.一种非瞬时性计算机存储介质,存储有计算机程序,当所述计算机程序被一个或多个处理器执行时,使得所述处理器执行如权利要求1-16中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/107094 WO2021051409A1 (zh) | 2019-09-20 | 2019-09-20 | 一种随机数生成方法及生成装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110832452A true CN110832452A (zh) | 2020-02-21 |
Family
ID=69546626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980001924.4A Pending CN110832452A (zh) | 2019-09-20 | 2019-09-20 | 一种随机数生成方法及生成装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN110832452A (zh) |
TW (1) | TWI734369B (zh) |
WO (1) | WO2021051409A1 (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6389439B1 (en) * | 1998-07-14 | 2002-05-14 | Hitachi, Ltd. | Random-number generating method and apparatus and storage medium therefor |
CN101083472A (zh) * | 2006-05-30 | 2007-12-05 | 富士通株式会社 | 对施加给信号的补偿进行不对称调节的系统及方法 |
CN104107037A (zh) * | 2014-07-15 | 2014-10-22 | 北京博实联创科技有限公司 | 生理信息采集和处理系统 |
CN106843804A (zh) * | 2016-12-22 | 2017-06-13 | 清华大学 | 一种量子随机数发生器及量子随机数生成方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8570405B2 (en) * | 2010-08-11 | 2013-10-29 | Inview Technology Corporation | Determining light level variation in compressive imaging by injecting calibration patterns into pattern sequence |
US8717463B2 (en) * | 2010-08-11 | 2014-05-06 | Inview Technology Corporation | Adaptively filtering compressive imaging measurements to attenuate noise |
US9172394B2 (en) * | 2012-03-07 | 2015-10-27 | Actiwave Ab | Signal conversion system and method |
CN102662625A (zh) * | 2012-04-06 | 2012-09-12 | 国网电力科学研究院 | 一种真随机数发生器及其实现方法 |
ES2929286T3 (es) * | 2013-07-14 | 2022-11-28 | B G Negev Technologies And Applications Ltd At Ben Gurion Univ | Dispositivo y método espectroscópico de detección de compresión que utiliza dispositivos de capa delgada |
US9727310B2 (en) * | 2015-03-31 | 2017-08-08 | Toshiba Corporation | Entropy source for random number generator |
CN106445465B (zh) * | 2016-11-21 | 2024-02-23 | 北京大学 | 一种基于相位噪声的真随机数产生装置 |
-
2019
- 2019-09-20 CN CN201980001924.4A patent/CN110832452A/zh active Pending
- 2019-09-20 WO PCT/CN2019/107094 patent/WO2021051409A1/zh active Application Filing
-
2020
- 2020-02-06 TW TW109103703A patent/TWI734369B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6389439B1 (en) * | 1998-07-14 | 2002-05-14 | Hitachi, Ltd. | Random-number generating method and apparatus and storage medium therefor |
CN101083472A (zh) * | 2006-05-30 | 2007-12-05 | 富士通株式会社 | 对施加给信号的补偿进行不对称调节的系统及方法 |
CN104107037A (zh) * | 2014-07-15 | 2014-10-22 | 北京博实联创科技有限公司 | 生理信息采集和处理系统 |
CN106843804A (zh) * | 2016-12-22 | 2017-06-13 | 清华大学 | 一种量子随机数发生器及量子随机数生成方法 |
Non-Patent Citations (1)
Title |
---|
李卓东: ""人体生理参数的密码学特征提取与分析及其在安全WBAN中的应用"", 中国优秀硕士学位论文全文数据库(电子期刊), no. 03, 15 March 2016 (2016-03-15), pages 22 * |
Also Published As
Publication number | Publication date |
---|---|
TWI734369B (zh) | 2021-07-21 |
TW202113585A (zh) | 2021-04-01 |
WO2021051409A1 (zh) | 2021-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902703B (zh) | 一种时间序列异常检测方法及装置 | |
CN106537168B (zh) | 用于磁共振指纹识别中的自适应字典匹配的系统和方法 | |
CN110222220B (zh) | 图像处理方法、装置、计算机可读介质及电子设备 | |
CN109213876A (zh) | 基于生成对抗网络的跨模态检索方法 | |
EP3852451A1 (en) | Training in communication systems | |
CN110414581B (zh) | 图片检测方法和装置、存储介质及电子装置 | |
WO2013024177A1 (en) | Smart data sampling and data reconstruction | |
CN112200173B (zh) | 多网络模型训练方法、图像标注方法和人脸图像识别方法 | |
US20160188680A1 (en) | Electronic device and information searching method for the electronic device | |
CN109948632A (zh) | 数据训练方法、装置及系统、计算机设备 | |
CN110503181B (zh) | 用于生成多层神经网络的方法和装置 | |
CN110832452A (zh) | 一种随机数生成方法及生成装置 | |
CN108491527B (zh) | 信息推荐方法、装置和电子设备 | |
CN103605880B (zh) | 一种精确诊断密集模态阻尼比的方法 | |
CN107220710B (zh) | 稀缺样本数据集条件下bn模型参数的计算方法 | |
Leng | Modelling and analysis on noisy financial time series | |
CN114358162A (zh) | 一种基于连续小波变换的跌倒检测方法、装置及电子设备 | |
US20230086261A1 (en) | Clustering device, clustering method, and clustering program | |
US8417751B1 (en) | Signal processing by ordinal convolution | |
CN107666518B (zh) | 信息推送方法、装置、终端设备和计算机可读存储介质 | |
CN109167817A (zh) | 一种生成物联网传感器数据的方法及装置 | |
CN109544479B (zh) | 一种时频图像的增强方法及相关设备 | |
CN110689112A (zh) | 数据处理的方法及装置 | |
JP7328636B2 (ja) | 情報検索方法、情報検索装置、コンピュータプログラム | |
CN112861951B (zh) | 一种图像神经网络参数的确定方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200629 Address after: 1219, floor 11, No.19, Madian East Road, Haidian District, Beijing 100088 Applicant after: Beijing micro digital technology Co., Ltd Address before: 100095 Beijing Haidian District Hot Spring Town Dongbutou Village District No.398 Applicant before: Jiao Xu |