- 综合排序
- 最热优先
- 最新优先
- 来自专栏FPGA开源工作室
基于FPGA的伪随机序列发生器设计
基于FPGA的伪随机序列发生器设计 1 基本概念与应用 1）LFSR:线性反馈移位寄存器（linear feedback shift register, LFSR）是指给定前一状态的输出，将该输出的线性函数再用作输入的移位寄存器 通常认为二进制信号0和1是以等概率随机出现的。所以测量误码率时最理想的信源应是伪随机序列产生器。这样测量的结果，我们认为是符合实际运用时的情况。 通信加密、数据序列的加扰与解扰、扩展频谱通信、分离多径技术等等。 2伪随机序列的原理 对于某种反馈逻辑、初始化状态非全零时，若输出序列周期最长（P=2r-1），称为m序列，也称为伪随机序列。 伪随机序列通常由反馈移位寄存器产生，又可分为线性反馈移位寄存器和非线性反馈移位寄存器两类。 如上图所示，当fpga仿真的输入种子和matlab的输入种子一致时产生的序列一致。 ? 上图为随机序列的模拟信号展示。 3）在产生随机数序列的基础上我们可以进一步去产生符合高斯分布的高斯白噪声 ?
4.2K30发布于 2020-07-03 - 来自专栏小点点
（23）STM32——硬件随机数发生器
介绍 STM32F4自带了硬件随机数发生器（RNG），RNG处理器是一个以连续模拟噪声为基础的随机数发生器，在主机读数时提供一个32位的随机数。 两个连续的随机数的间隔为40个PLL48CLK时钟信号周期。 通过监控RNG熵来标识异常行为。 可以禁止来降低功耗。 STM32F4的随机数发生器（RNG）采用模拟电路实现。 RNG_LFSR 由专用时钟 (PLL48CLK) 按恒定频率提供时钟信息，因此随机数质量与 HCLK 频率无关。 同时，系统会监视模拟种子和专用时钟 PLL48CLK，当种子上出现异常序列，或PLL48CLK时钟频率过低时，可以由RNG_SR寄存器的对应位读取到，如果设置了中断，则在检测到错误时，还可以产生中断。 RNG_CR RNG_SR RNG_DR 配置 1、使能随机数发生器时钟。
1.7K20编辑于 2022-12-12 - 来自专栏hotarugaliの技术分享
伪随机序列
概念 伪随机序列是指统计特性类似随机噪声的序列，但可以重复产生。 2. m 序列 2.1 概念 m 序列是最大长度线性反馈移位寄存器序列的简称。 2.2 线性反馈移位寄存器的一般结构 image.png 2.3 线性反馈移位寄存器的特征多项式 image.png m 序列的 \begin{array}{c} \mbox{重复周期数} = 2^n - 1 \end{array} 2.4 m 序列产生的充要条件 m 序列对应的线性反馈移位寄存器的特征多项式为本原多项式。 image.png 2.5 m 序列特性 均衡性：0/1分布等概时，熵最大，随机性最大。 短游程特性 自相关特性：序列与延时序列的相似度 2.6 m 序列的应用 测试噪声源、 加密通信、加扰及平衡。
94510编辑于 2022-03-01 - 来自专栏数字IC经典电路设计
序列发生器（两类序列、三种设计方法和两种发生模式|verilog代码|Testbench|仿真结果）
以下是一些常见的序列发生器模式： 简单发生器：按照固定的顺序依次输出数字序列。 密码型发生器：根据特定的编码方式，产生符合要求的数字序列，如曼彻斯特编码、差分曼彻斯特编码等。 伪随机序列发生器：产生看似随机的数字序列，但实际上是按照特定的算法生成的，用于加密和通信等领域。 4.1 伪随机序列发生器原理 要求：设计一个简单序列发生器，可随机产生序列，随机序列无额外特定要求。 ：常见的固定序列发生器有三种设计思路，分别是状态机法、移位寄存器法、计数器法。 伪随机序列发生器：除了固定序列的序列发生器，还存在随机序列发生器，这种随机序列发生器有很多种，可根据实际情况采用不同的算法设计出对应的伪随机序列发生器。
5K30编辑于 2023-05-18 - 来自专栏Gnep's_Technology_Blog
伪随机序列——m序列及MATLAB仿真
由于它具有随机噪声的优点，又避免了随机噪声的缺点，因此获得了日益广泛的实际应用。目前广泛应用的伪随机噪声都是由周期性数字序列经过滤波等处理后得出的。在后面我们将这种周期性数字序列称为伪随机序列。 m 序列的功率谱密度 ⑥、伪噪声特性 由于 m 序列的均衡性、游程分布和自相关特性与随机序列的基本性质极相似所以通常将 m 序列称为伪噪声（PN）序列，或称为伪随机序列。 2、m 序列的性质 M 序列与 m 序列类似，也在一定程度上具有噪声特性。 4 级 M 序列产生器 M 序列与 m 序列相比，最主要的优点是数量大，即同样级数 n 的移存器能够产生的平移不等价 M 序列总数比 m 序列的大得多，且随 n 的增大迅速增加。 在下表中给出了级数 n 与可能产生的两种序列数目的比较。
6.2K60编辑于 2023-11-06 - 来自专栏生信菜鸟团
seqtk—抽取随机序列
而每一次的尝试与探索，成就看得见的进步。这种“干中学”的过程，不仅让我们在实践中积累经验，更赋予了我们面对未知的勇气和解决问题的能力。 今天我们就来学习一个具体的需求：从FastQ文件随机抽取一定数量的reads 。 其序列以及质量信息都是使用一个ASCII字符来表示，常用于高通量测序数据的存储。最初由Sanger开发，目的是将FASTA序列与质量数据放到一起，目前已经成为高通量测序结果的标准格式。 第二部分：是原始序列信息 第三部分：以+开始，后面可再接与第一部分相同的序列标识符或者描述信息。一般都只是一个+ 第四部分：以ASCII字符表示第二行碱基序列的测序质量。 它由 Heng Li（李恒，SAMtools、BWA 等工具的作者）开发，广泛应用于序列数据预处理、格式转换、随机抽样等场景。 如何安装 安装非常简单，从Github下载压缩包，解压，编译即可。
86201编辑于 2025-02-26 - 来自专栏又见苍岚
Python - random 和 numpy.random 线程安全
代码中经常会用到随机的部分，此时需要使用程序自带的伪随机数发生器，本文探讨python随机数发生器的线程安全相关内容。 ，对于调试程序是否有必要 安全需求为：在多线程情况下仍然可以保证稳定的伪随机 random random 确定随机序列的方法有 seed 和 state 两种 random.seed(n) 可以使得随机数发生器以 n 为种子产生随后的序列 当运行 random.seed() 时表明使用当前系统时间作为随机种子，也就是随机重置随机数发生器 import random def get_random_num(tag ，表明设置状态还是会受到多线程的干扰 得出综合结论: python自带 random 模块线程不安全 numpy.random numpy 也存在 seed 和 state 两种随机数状态设定策略 二者固定时也可以确定随机数发生序列 一类方法可以确定随机数发生序列，但这种全局配置的随机数确定序列做不到线程安全 线程安全需要确定序列的同时创建线程内的随机数发生器实例，保证线程之间互不影响，才会产生真正的随机序列 numpy.random.RandomState
1.8K20编辑于 2022-08-04 - 来自专栏FPGA技术江湖
学习笔记 | 基于FPGA的伪随机数发生器（附代码）
今天给大侠带来在基于FPGA的伪随机数发生器，话不多说，上货。 ? 1 概念 随机数是专门的随机试验的结果，产生随机数有多种不同的方法。这些方法被称为随机数生成器。随机数最重要的特性是它在产生时后面的那个数与前面的那个数毫无关系。 随机数分为三类，分别是伪随机数、密码学安全的伪随机数以及真随机数。 本次设计为基于FPGA生成的伪随机数发生器，什么是伪随机数呢？ 满足这类要求的数字在人类“一眼看上去”是随机的。 在实际应用中往往使用伪随机数就足够了。这些数列是“似乎”随机的数，实际上它们是通过一个固定的、可以重复的计算方法产生的。 计算机或计算器产生的随机数有很长的周期性。它们不真正地随机，因为它们实际上是可以计算出来的，但是它们具有类似于随机数的统计特征。这样的发生器叫做伪随机数发生器。
2.6K20发布于 2020-12-30 - 来自专栏大数据杂谈
【Excel系列】Excel数据分析：抽样设计
一、随机数发生器 1. 随机数发生器主要功能 “随机数发生器”分析工具可用几个分布之一产生的独立随机数来填充某个区域。可以通过概率分布来表示总体中的主体特征。 相当于工作表函数：“= a+RAND()*(b-a)”，与RANDBETWEEN (a,b)”的区别是，RANDBETWEEN产生的是离散型随机数，而随机数发生器产生的是连续型随机数。 频数统计 3.6 产生重复序列 模式：以下界和上界、步幅、数值的重复率和序列的重复率来表征。在生物遗传学中常用到重复序列。EXCEL的“模式”所产生的重复序列是按相同步长产生的重复序列。 重复序列对话框 可产生的重复序列为：112233112233112233 ? 3.7 产生离散随机数 离散：以数值及相应的概率区域来表征。 随机抽样对话框设置 单击“确定”生成随机样本。注意，该样本是可重复抽样，重复率与总体单位数成反比，与样本量成正比。 ? 2.周期抽样 例：从1至10编号按固定周期间隔分别为2、3、4、5抽样。
6.8K80发布于 2018-02-02 国产射频信号发生器场景应用与优势剖析
在现代科技飞速发展的浪潮中，射频信号发生器作为电子测试与测量领域的关键设备，广泛应用于通信、科研、教育、工业生产等众多行业。 一、国产射频信号发生器的实际应用场景1.通信领域5G通信基站测试：在5G通信基站的研发与测试过程中，需要模拟各种复杂的信号环境来检验设备的性能。 通信设备研发与生产检测：对于手机、路由器等通信终端设备的研发和生产，国产射频信号发生器可提供高精度的射频信号，用于测试设备的射频性能，如发射功率、接收灵敏度、调制精度等指标。 4.工业生产领域工业自动化设备检测与校准：在工业自动化生产中，各种自动化设备需要精确的信号来进行检测和校准，以确保生产线的稳定运行。 例如，在半导体制造设备的检测与校准中，国产射频信号发生器SYN5659型可以产生特定频率和幅度的信号，对设备的射频性能进行测试和调整，提高半导体制造的良品率。
31510编辑于 2025-06-23- 来自专栏FPGA技术江湖
FPGA项目开发：基于FPGA的伪随机数发生器（附代码）
FPGA项目开发：基于FPGA的伪随机数发生器（附代码） 今天是画师和各位大侠见面了，执笔绘画FPGA江湖，本人写了篇关于FPGA的伪随机数发生器学习笔记，这里分享给大家，仅供参考。 一、概念 随机数是专门的随机试验的结果，产生随机数有多种不同的方法。这些方法被称为随机数生成器。随机数最重要的特性是它在产生时后面的那个数与前面的那个数毫无关系。 随机数分为三类，分别是伪随机数、密码学安全的伪随机数以及真随机数。 本次设计为基于FPGA生成的伪随机数发生器，什么是伪随机数呢？ 满足这类要求的数字在人类“一眼看上去”是随机的。 在实际应用中往往使用伪随机数就足够了。这些数列是“似乎”随机的数，实际上它们是通过一个固定的、可以重复的计算方法产生的。 计算机或计算器产生的随机数有很长的周期性。它们不真正地随机，因为它们实际上是可以计算出来的，但是它们具有类似于随机数的统计特征。这样的发生器叫做伪随机数发生器。
1.5K20发布于 2021-04-16 - 来自专栏AI科技评论
基于序列模型的随机采样
图3 挑选束搜索第二步候选 以此类推，束搜索一直迭代到固定次数或者所有的候选序列都结束才停止。 图4 束搜索最终结果 序列模型中的随机采样 从序列模型中采集多个样本有两种经典的方法：基于蒙特卡洛的随机采样和基于蒙特卡洛的束搜索。 基于蒙特卡洛的随机采样 在序列模型中采样的最简单方法就是在贪婪搜索的基础上，在每一步挑选下一个词的时候不是根据它们相应的得分而是根据模型输出的下一个词分布来随机选取一个，这样重复到固定长度或者挑选到句子结束符时停止 因此为了采集到固定数目的不同样本，基于蒙特卡洛的随机采样可能需要远远大于所需样本数的采样次数，使得采样过程十分低效。 直接寻找这样的噪声是困难的，但是我们可以先直接在孩子节点的对数概率上添加噪声，得到，然后根据孩子节点与父亲节点之间的关系，做一个类似正规化的纠正操作来满足条件。最终孩子节点的对数扰动概率为 ?
1.1K20发布于 2019-09-03 - 来自专栏Y大宽
序列比对与序列特征分析
序列比对包括序列之间的比较分析和序列组成和特征分析。 0️⃣ 序列比对的概念 1️⃣ 序列获取： 序列获取(1):DNA 序列获取(2):RNA 序列获取(3):蛋白质 2️⃣ 双序列比对 双序列比对算法 3️⃣ 多序列比对 1 多序列比对简介 2 多序列比对方法 3 常用工具和数据库 4️⃣ 核酸序列特征分析 1 基因开放阅读框的识别 2 内含子/外显子剪切位点的识别 3 序列motif的查找和可视化工具 4 密码子使用模式的分析 5 限制性内切酶位点分析 6 重复序列的查找 5️⃣ 蛋白质序列特征分析 1 蛋白质的理化性质分析 2蛋白质的跨膜结构分析 3蛋白质信号肽的预测和识别 4蛋白质的卷曲螺旋预测 5糖基化位点的预测与识别 6磷酸化位点的预测与识别 6️⃣ 应用实例 1Spidey工具识别mRNA/cDNA的外显子组成 2Spidey工具进行可变剪切的分析 ---- 主要源自李霞老师主编《生物信息学理论与医学实践》，同时综合其他内容。
1.8K20发布于 2019-01-28 - 来自专栏计算机视觉理论及其实现
可变序列与不可变序列
不可变序列：比如数字、字符、（元祖）：对于基础数据类型，变量地址即变量本身，所以值发生变化了，内存地址就一定也变了。 比如字符串：被称为不可变的字符序列，每个字符底层均有规范的Unicode码对应，内存规定无法对单一的一个字符进行修改，要修改字符串必须重新指向一个全新的字符串。
1.4K20编辑于 2022-09-03 - 来自专栏用户7494468的专栏
有重叠与无重叠序列之序列检测与序列产生
序列检测与序列产生是一对对称的设计，就像有微分就有积分一样。 序列检测分为有重叠检测和无重叠检测； 例如检测序列1101011，我们给出输入：110101101011，如果是无重叠检测，则只能检测到一个序列：1101011_01011; 如果是有重叠检测，则可以检测到两个这样的序列 同理，序列产生也可以分为有重叠序列的产生方法和无重叠序列的产生方法，序列产生的办法也可以用移位寄存器产生，也可以用状态机的方式来产生；这两种方法后面都是提到。 由于序列检测我们之前写的太多了，所以这篇博文的重点不是序列检测而是序列产生。 无重叠序列产生 移位寄存器实现 以产生序列1101011为例，我们产生产生的序列要是这个样子的1101011_1101011..............
2.3K30发布于 2020-06-29 - 来自专栏全栈程序员必看
Matlab 没有 randint,Matlab_learning_4（rand randn randint函数 ）「建议收藏」
rand( size(A) )是与 A 具有相同尺寸。 生成的序列数由生成器的状态决定。由于 MATLAB 启动时重置状态，生成的序列数都是一样的除非状态改变。 ； 2>、RANDN产生伪随机数的语法： S = RANDN(‘state’) 是一个二元向量，包括标准发生器的状态； RANDN(‘state’,S)：设置发生器的状态为S(即标准状态)； RANDN (‘state’,0)：设置发生器的初始状态； RANDN(‘state’,J)：J为整数，设置发生器到J阶状态； 3>、MATlAB 4.X应用一个单独的种子来产生随机数： RANDN(‘seed’, 0) and RANDN(‘seed’,J)作用与RANDN(‘state’,0)和RANDN(‘state’,J)一样，但使用Matlab 4.x随机数发生器。
70010编辑于 2022-07-31 - 来自专栏韩曙亮的移动开发专栏
【数字信号处理】基本序列 ( 单位阶跃序列 | 单位阶跃序列与单位脉冲序列关系 | 矩形序列 | 矩形序列与单位阶跃序列关系 | 矩形序列作用 )
文章目录 一、单位阶跃序列 1、单位阶跃序列与单位脉冲序列关系 二、矩形序列 1、矩形序列与单位阶跃序列关系 2、矩形序列作用 一、单位阶跃序列 ---- 单位阶跃序列 : u (n) = \begin {cases} 1 \ \ \ \ n \geq 0 \\ \\ 0 \ \ \ \ n < 0 \end{cases} 单位阶跃序列 函数图像 如下图所示 : 1、单位阶跃序列与单位脉冲序列关系 单位阶跃序列 与 单位脉冲序列 之间的关系 : \delta (n) = u(n) - u(n - 1) u (n) 由 无穷个 \delta (n) 线性移位组成 : u (n) = \sum_{i=0}^ {\infty} \delta(n - i) 回顾下上一篇博客 【数字信号处理】基本序列 ( 基本序列列举 | 单位脉冲序列 | 单位脉冲函数 | 离散单位脉冲函数 | 单位脉冲函数 与 离散单位脉冲函数的区别 函数图像 如下图所示 : 1、矩形序列与单位阶跃序列关系 矩形序列 与 单位阶跃序列 之间的关系 : R_N(n) = u(n) - u(n-N) 2、矩形序列作用 矩形序列作用 : 连续的周期性信号在计算机中是无法进行处理的
4.5K20编辑于 2023-03-30 - 来自专栏quan9i的安全笔记
JAVA 序列化与反序列
JAVA序列化与反序列化 JAVA序列化是指把JAVA对象转换为字节序列的过程；反序列化是指把字节序列恢复为JAVA对象的过程。 接下来首先看一个简单的例子。 接下来运行此程序 接下来再自定义一下反序列化函数，反序列化与序列化相反即可，把Output换成Input，把write改为read，具体代码如下 package org.example; import 序列化实现的一些特点 1、静态成员变量不能被序列化 序列化是针对对象属性的，而静态成员变量是属于类的 2、transient标识的对象成员变量不参与序列化 这个可以用上面的示例进行测试，我们在name 前添加上transient 接下来重新进行序列化和反序列化，可以发现 此时的name变成了null JAVA反序列化安全问题 为什么会产生漏洞 服务端进行反序列化数据时，会自动调用类中的readObject 2、在⽬标没有回显的时候，能够通过 DNS 请求得知是否存在反序列化漏洞。 因此用它来测试反序列化漏洞是否存在是尤为合适的。
53720编辑于 2023-06-10 - 来自专栏微生态与微进化
序列比对：双序列比对与BLAST
序列比对 当研究一条DNA或蛋白质序列时，主要关注的是其包含的遗传信息；当研究两条或多条DNA或蛋白质序列时，则主要关注不同序列之间的差别与联系。 在生物信息学中，对生物大分子的序列比对是非常基本的工作。 前两篇文章DNA与蛋白质的序列比对原理和替换计分矩阵介绍了序列相似性和距离的定量分析的基础，即序列对齐与匹配/非匹配字符不同权重的打分。 今天首先为大家介绍双序列比对，也即两条序列（或者多条序列两两之间）进行的比对，常用于同源分析、蛋白质结构推断、相似片段搜寻与数据库比对检索、基因注释等。 那么对于a与b的子序列a[1...i]与b[1...j]其得分有如下规律： 例如，对于序列a=ACACACTA，序列b=AGCACACA，计分规则为：w(匹配)=+2；w(ai, -)=w(-, bj 最终对比对结果也即score足够高的HSPs进行显著性分析，将输入序列与一系列长度相等的随机序列进行比对，其分值符合Gumbel极值分布，在这种随机情况下，获得比当前比对得分高的随机序列条数的期望称为expectation
6.1K30编辑于 2022-12-31 - 来自专栏微生态与微进化
序列比对：多序列比对与MAFFT
序列比对 当研究一条DNA或蛋白质序列时，主要关注的是其包含的遗传信息；当研究两条或多条DNA或蛋白质序列时，则主要关注不同序列之间的差别与联系。 上一篇文章双序列比对与BLAST介绍了两条序列之间进行比对的算法原理及其实现方法，双序列比对常用于同源分析、蛋白质结构推断、相似片段搜寻与数据库比对检索、基因注释等。 多序列比对有以下四个要素： A择一组能进行比对的序列（要求是同源序列），例如不同物种的16S rDNA或是其他同类型的基因； B选择一个实现比对与计分的算法与软件； C确定软件的参数； D合理地解释比对的结果 如果一开始选择的两条序列比对与实际上的最优多序列比对不一致，那么初始的配对比对中的错误在整个多序列比对构造中始终存在并持续传播；在比对的任何阶段出现的失配时，这些失配不会被纠正而是被传播到最终结果；最糟糕的情况是配对比对可能无法组成一个相容的多序列比对 迭代法常常使用随机搜索或者通过对比对结果进行重排来寻找更优的解，迭代持续到比对记分值不再提高。迭代法能够克服渐进多序列比对的缺陷，但需要耗费更多运算。
5K40编辑于 2022-12-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号