LTE和NR伪随机序列的产生和特性

总述：
NR和LTE产生seudo-random sequence 是同样的方法：

从公式可以看出，伪随机序列C(i)是由两个m序列产生的，第一个m序列初始状态已经知道，第二个m序列的初始状态需要给出，这两个m序列来生成C(i).
第一步：m序列的生成与特性：
以31为周期，那么就是5级 ,2^5-1=31等于相应的计数。
根据上面的公式，matlab求出x1的m序列

Nc= 1600 ;%按照211里面给的
Mpn= 3300;%自己定的
x10 = 1;
x11 =zeros(1,30);
x1 = [x10 x11];%m序列的初始状态
for i= 1:(Nc+Mpn -31)
    x1(i+31) =mod((x1(i+3)+x1(i)),2);
end
 for j=1:33     %只是显示了一部分
        subplot(11,3,j)
        stem(x1(1600+1+(j-1)*31:1600+j*31))
        axis([1 31 0 1.5])
 end
 
 b=zeros(length(x1)*4,1);%采样
for i=1:4
b(i:4:end)=x1;
end
c=xcorr(b,'coeff');%自相关函数
figure(2)
plot(c)
title(c)
title('相关函数')

figure(3);
stairs(x1);
title('M序列')
ylim([-1.5 1.5])

figure(4)
pwelch(a)%

此处为什么要有要有一个NC=1600,我理解是因为前面序列的随机性不好，这个大家有什么想法可以沟通。

我们分析一下这个相关函数曲线，从这图上可以看出，处理在偏移0的位置（最中间，左边是向左偏移后求和计算的，右边是向右偏移后求和），偏移为0附近相关系数比较大，说明这个序列自相关型不是很好。相关系数和相关性目前没有一个统一的说法，从网上搜了一下，可供参考的系数为：。
| 相关系数 | 相关度 |
|-0.00~0.30-|-微相关-|

相关系数	相关度
0.00~0.30	微相关
0.30~0.50	实相关
0.50~0.80	显著相关
0.80~0.10	高度相关

发现和正常的pn码的谱密度没有明显区别，
因为这个序列长度是31，所以推测是5级序列，如果5级序列对应的寄存器的连接关系是确定的，应该是15个m序列循环，而这个产生的序列，没有约束寄存器，而约束的是输出状态的关系，并且我们发现每个序列1和0个数有很大差异，这个并不是严格意义上的m序列。
正规的m序列是什么？

clc
clear all
close all %二值伪随机序列(M序列)
n=8;%阶次
p=2^n-1;%循环周期
ms=idinput(p,'prbs');
mean(ms);

a=zeros(length(ms)*10,1);%采样
for i=1:10
a(i:10:end)=ms
end

c=xcorr(a,'coeff');%自相关函数
figure(1)
plot(c)
title(c)
title('相关函数')

figure
pwelch(a)%

第二步:生成金码：
按照最开始的协议进行编写MATLAB程序，如下：

cellid = 5;
N_c= 1600 ;
Mpn= 2000;
x10 = 1;
x11 =zeros(1,30);
x1 = [x10 x11];
for i= 1:(N_c+Mpn -31)
    x1(i+31) =mod((x1(i+3)+x1(i)),2);
end
cinit = cellid ;
x21 =de2bi(cinit);
len =length(x21);
x22 =zeros(1,31-len);
x2  =[x21 x22];

for i=1:(N_c +Mpn -31)
    x2(i+31) = mod((x2(i+3)+x2(i+1)+x2(i)),2);
end

for i =1:Mpn
    c__pseudo(i)= mod((x1(i+N_c)+x2(i+N_c)),2);
end

a=zeros(length(c__pseudo)*10,1);%采样
for i=1:10
a(i:10:end)=c__pseudo;
end

c=xcorr(a,'coeff');%自相关函数
figure(1)
plot(c)
title(c)
title('相关函数')

figure
pwelch(a)%

自相关特性也不是很好，功率密度也比之前的小一点。在LTE中为什么要选用这个不是严格的m码，这个的原因还不清楚，后续搞清楚再更新。

今天先分析到这里，下一步准备在分析随机序列的基础上，进一步弄清楚用伪随机序列在接受机中怎么求出相位差与时延。