Spreading Sequences with Negative Auto-correlations Generated by LFSRs Based on Chaos Theory of Modulo-2 Added Sequences

Q: 이 논문에서 정의한 확산 시퀀스란 무엇인가?

확산 시퀀스는 DS/CDMA 시스템에서 비트 오류율(BER)과 같은 시스템 성능을 결정하는 핵심 요소이다. 특히, 음의 자기상관을 가지는 확산 시퀀스는 기존의 M-시퀀스나 Gold 시퀀스에 비해 다중 접속 간섭(MAI)을 줄여 BER 성능을 향상시킬 수 있는 특성을 가진다.

Q: LFSR 기반으로 생성된 제안된 확산 시퀀스의 통계적 특성은 어떠한가?

수치 실험 결과, 제안된 확산 시퀀스는 지연 시간 1에서 약 -0.25, 지연 시간 2에서 약 0.0625의 음의 자기상관 값을 가지며 이는 이론값과 거의 일치한다. 교차상관 값 분포는 0 평균의 가우스 분포와 유사하며, 최대값은 Gold 시퀀스보다 약간 크다.

Yasunori Miyazaki; Akio Tsuneda; Takahiro Inoue

학술대회자료

저자정보: Yasunori Miyazaki (Kumamoto University) Akio Tsuneda (Kumamoto University) Takahiro Inoue (Kumamoto University)

저널정보: 대한전자공학회 ITC-CSCC :International Technical Conference on Circuits Systems, Computers and Communications ITC-CSCC : 2008

오류 신고하기

피인용 0

검색

초록·키워드

Spreading sequences with exponentially vanishing negative auto-correlations can reduce bit error rate (BER) in asynchronous DS/CDMA (direct-sequence code division multiple access) systems compared with the conventional M-sequences and Gold Sequences generated by linear feedback shift registers (LFSRs). In this paper, we design spreading sequences with negative (but not exponentially vanishing) auto-correlations to be generated by LFSRs, which is based on the chaos theory for the Bernoulli chaotic map and modulo-2 added binary sequences. By numerical experiments, we investigate statistical properties (auto-/cross-correlations) of the proposed sequences.

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2013-569-001139874

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료