Tausworthe非相关均匀随机数的简单生成方法

为提高Tausworthe均匀随机数(TURN)的生成速度,提出了一种可快速配置、并行输出非相关TURN序列的简单生成方法。该方法利用线性反馈移位寄存器结构特点,采用优化的输出生成矩阵,可高速并行输出非相关TURN序列。在不增加寄存器等资源前提下,同时采取两组优化的输出矩阵,可生成满足应用质量要求的非相关TURN序列对,所需硬件资源仅为组合Tausworthe结构和一步多跳算法的27.4%和48.8%,该优势随输出非相关TURN序列个数的增多而更趋显著。

一种新型均匀分布混沌伪随机数发生器

提出了一种基于一维无限折叠混沌映射的均匀分布混沌伪随机数发生器。统计测试和仿真证实,在一定的参数范围内,所产生的混沌序列序为均匀分布序列且具有理想的二值自相关函数。

利用人字映射产生均匀随机数法

利用迭代xn + 1=5 c/2 - | 2xn- 5 c/2 | ,(c∈Z+ )在区间 [1 ,2× 5 c-1]上产生伪随机数yn + 1=xn + 1- [xn + 1/5 ](n =0 ,1 ,… ,N - 1 )。证明 :初值x0 只要不取 5的倍数 ,就可产生周期为 2× 5 c -1的伪随机数。并通过参数检验、Pearson χ2 检验与Kolmogorov检验、自相关性检验、列联表检验和k重量法检验。图 1表 2参

基于均匀分布随机数的误码发生器设计

为了模拟信道误码特性,提出了一种基于均匀分布的伪随机误码发生器的设计方法。该方法不用产生高斯分布伪随机数,只需在均匀分布随机数的基础上设置不同的判决门限即可得到不同的误码率,误码率和误码的位置可控。硬件实验表明,该方法比采用高斯随机数的方案节省约96%的资源。

非均匀分布随机数的产生及其在计算机模拟研究中的应用

非均匀分布随机数在进行计算机模拟研究中有重要作用，但计算机高级语言通常都只提供产生均匀分布随机数的函数，给研究工作带来困难。该文提出的方法，较好地解决了这一问题，有很强的适用性。

计算多重积分的均匀随机数蒙特卡罗法的实现

蒙特卡罗法是用一系列随机数来近似解决问题的一种方法。采用均匀随机数蒙特卡罗法计算多重积分是一种简单而有效的方法,其程序结构简单,易于编制和调试。本文给出了采用均匀随机数蒙特卡罗法计算多重积分的步骤、算法流程,并给出了实例的具体实现过程。

线性同余人字映射组合产生均匀随机数

研究了线性同余法与人字映射组合随机数发生器 :xn=Axn-1(mod M) ,wn=2 xn, xn≤ 0 .5 M,wn=2 (M-xn) +1 , xn>0 .5 M,yn=wn/ M.该组合发生器比相应的线性同余法在空间结构上有明显改善 。

给定密度随机数的生成的通用方法与球面和球体上均匀随机向量的生成法

本文首先介绍基于垂直概率密度表示的,给定密度函数的随机数生成的通用方法;然后介绍球面及球体上均匀随机向量的生成算法。

一种紧凑高效LFSR结构的均匀分布随机数产生器

针对利用线性反馈移位寄存器生成均匀分布随机数序列连续值之间呈现出较强相关性的问题,研究了一种多位前跳技术,并采用该技术在可编程门阵列硬件中,高效紧凑地实现非相关、均匀分布随机数序列并行量化输出。在一定条件下,采用新方法的均匀分布随机数产生器,其计算复杂度和所需硬件资源的增加是微乎其微的。

同余法及均匀随机数列

介绍了杆机构连杆曲线分析与综合的计算机随机模拟法。通过具体实例分析了均匀随机数列的结构特点，得出了进行计算机随机模拟时所取数据数目应等于或接近数列周期才能保证“子样”分布均匀的结论。所以进行随机模拟时只须根据需要构近适当周期的数列，盲目追求大周期数列没有实际意义。本文还汇集了均匀随机数列参数选择和周期计算的有关结论以便于应用。

一种均匀分布真随机数产生方法研究

本文提出一种基于ADC芯片产生均匀分布真随机数方法,该方法以ADC芯片输出的数据最低位交错取原码反码结合成一个二进制序列,然后使之通过一个非线性反馈多项式算得最终的随机数结果。文章分析了该方法产生的随机数序列的随机特性,证明其实用有效,可以在火控雷达抗干扰、电子战与信息加密中得到应用。

检验随机数符合均匀分布或者正态分布的几种常用方法

本文介绍了判断一组数列是否符合是均匀随机数或者正态分布的检验方法，其中均匀随机数检验包括参数检验、均匀性检验和独立性检验，正态分布检验根据样本大小分别采用Shapiro-Wilk检验和Kolmogorov—Smirnov检验。

一种Linux用户空间下的快速伪随机数生成算法

随机数发生器是网络安全应用中的重要组成部分,对于构造加密算法的密钥具有重要作用.Linux操作系统提供了内核级随机数发生器,但因其随机数产生效率较低而不宜将其应用于密钥变换频繁的网络安全应用.给出了一个快速伪随机数生成算法.算法以64 bit硬件高频计数器作为随机数源.算法将计数器的低32 bit放入集合中,然后通过SHA(Se-curity Hash Algorithm)算法对集合进行处理,并采用集合的前16 byte作为随机数输出.采用非参数检验方法检验算法产生的随机数质量,测试结果表明算法产生的随机数具有较高的安全性.同时由于算法运行在用户空间,比Linux的内核级随机数发生器具有较高的随机数生成效率.

一种基于FPGA的高斯随机数生成器的设计与实现

基于FPGA的高斯随机数生成器需要满足可重构、高吞吐率和高硬件资源使用效率等要求.文中提出了一种易于硬件实现的状态转换逻辑结构,并给出了均匀分布随机数周期和输出位宽的配置方法和配置原则.文中详细分析了应用"最值分析法"和"静态误差分析法"求解Box Muller算法实现过程中各操作数位宽的具体过程.硬件实现结果在Xilinx Vertex 5上的工作速度为491 MHz,吞吐率为9.82×108samples/second,硬件资源使用效率为2.085×106samples/second/slice.文中作者使用DIEHARD测试集、χ2和K-S方法对产生的随机数质量进行了检测,文中给出了结果.

实验引探究 融洽促成长——“均匀随机数的产生”课例点评

“均匀随机数的产生”是概率必修内容的收尾篇,教学过程以情境问题入手,以数学实验课模式开展,以活动探究推进,展示成果提炼方法,促进数学建模等学科核心素养的形成.授课教师能较好地整合教材来创设情境,应用信息技术整合教学,让实验探究活动贯穿课堂教学的始终,学生分组活动探究,师生关系融洽,在交流合作中共同成长,“数学育人”的根本任务在课堂教学中得到较好地落实.

标准均匀随机数的产生方法分析

标准均匀随机数是其他各种分布随机数的基准,现已有多种产生这一分布随机数的方法。本文通过对几种方法的全面对比分析,推荐选用线性同余法;为保证良好的统计特性,提出了详细的参数设定要求,给出了可供选用的标准参数,同时介绍了该方法的实施步骤。

任意概率分布的伪随机数研究和实现

非均匀随机数在计算机仿真、信息安全、自动控制等领域有重要应用,但计算机系统中一般只提供均匀分布的随机数。介绍如何通过均匀分布的伪随机数来产生任意概率分布的伪随机数分理论和方法,包括反函数法、变换法和舍选法,并给出了舍选法的具体实现,最后通过实验结果进行检验。

系统仿真中任意概率分布的伪随机数研究

产生一组任意概率分布的伪随机数是计算机技术在系统仿真和模拟中的最基本和首要的问题,但计算机中产生的伪随机数都是有固定周期的伪随机数,不能满足我们的实际应用。针对如何得到高质量的伪随机数,系统说明了如何通过均匀分布的伪随机数来产生任意概率分布的伪随机数的理论和方法,并给出了产生几种常用的非均匀概率分布的伪随机数C++语言的具体实现。

基于直方图均化法的改进Logistic映射伪随机数发生器设计及性能研究

Logistic映射伪随机数发生器(LM-PRNG)可用于生成均匀分布的伪随机数,但直接生成随机数的数据分布均匀性不佳.为此,文中根据LM-PRNG直接生成随机数数据分布的特性,设计了一种基于直方图优化法的改进Logistic伪随机数发生器(ILM-PRNG),并利用参数检验、均匀性检验及独立性检验分析了LM-PRNG和ILM-PRNG的性能.3种数据规模下的测试结果表明:在显著水平α=0.05下,LM-PRNG生成伪随机数序列的一阶矩在数据规模N=10~3和N=10~4时可以通过检验,在N=10~5时通过检验的比例为60%,其二阶矩、方差和均匀性在本次实验中均未通过检验,通过独立性检验的样本数占本次研究样本数的93.3%;ILM-PRNG生成的均匀分布伪随机数均通过参数检验、均匀性检验和独立性检验,其参数性与均匀性均随着生成数据规模的扩大而不断提高,独立性与数据规模的关系不大;ILM-PRNG可以克服LM-PRNG的不足,生成更良好的均匀分布伪随机数,是一种性能良好的新型伪随机数发生器.

利用反函数及变换抽样法生成随机数

文章结合Sas软件,研究[0,1]上均匀分布随机数的生成,运用反函数及变换抽样法生成各种非均匀随机数,并给出了算法的评价标准.