A Circuit Design of BRM for Random Number Generation

Q: 이 논문에서 정의한 BRM이란 무엇인가?

BRM(Binary Rated Multiplier)은 두 개의 선형 피드백 시프트 레지스터(SR1, SR2)를 사용하여 난수를 생성하는 비선형 로직이다. SR1의 특정 단계 내용으로 표현되는 값에 따라 SR2가 추가 클럭되는 방식으로 작동하며, 이를 통해 단일 시프트 레지스터보다 훨씬 긴 주기와 높은 선형 등가성을 가진 난수열을 생성한다.

Q: BRM을 이용한 난수 생성기 설계 시 고려해야 할 핵심 요소는 무엇인가?

연구 결과, BRM을 이용한 난수 생성기 설계 시 BRM의 입력 비트 수가 난수 생성 시스템의 성능에 큰 영향을 미친다. 또한, 클럭이 선형 피드백 시프트 레지스터의 동작을 제어하므로 글리치 제거, 시스템 동기화 및 높은 신뢰성을 갖춘 설계가 필수적이다.

Young Soo Kim; Sang Young Park; Hong Sub Lee

학술대회자료

저자정보: Young Soo Kim Sang Young Park Hong Sub Lee

저널정보: 대한전자공학회 JTC-CSCC : Joint Technical Conference on Circuits Systems, Computers and Communications JTC-CSCC : Joint Technical Conference on Circuits Systems, Computers and Communications

오류 신고하기

피인용 0

검색

초록·키워드

A linear feedback shift register is widely applied to generate random number sequences over Galois Field. Although the linear feedback shift register applied to primitive polynomial can generate the random number of maximum length, the linear feedback shift register has the linear characteristics in the function of feedback control. Thus, a non-linear system combined linear feedback shift register with MUX, JK flip-flop, BRM, etc., can be principally used for random number generation. This paper designs random number generator with BRM and realizes using FPGA, BRM pulse generator circuit is also designed and simulated logically.

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-013197163

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