0 引 言

　　偽噪聲序列(PN序列)可應用于擴頻通信、信息加密、計算機仿真等領域。PN序列發生器需要一個隨機信號源和一系列的離散、量化算法及其硬件實現技術。確定性的混沌可以復制，具有長期不可預測性，且很難區分一個信號是來自于非確定性系統還是混沌系統。因此,混沌滿足密碼系統設計的基本原則，利用混沌系統作為PN序列的信號源已引起了國內外學者的廣泛關注與研究。

　　基于Logistic映射產生PN序列已有不少研究。文獻[7]利用模擬電路研究了其實現技術，由于混沌對初值和參數的敏感性，兩個模擬電路實現的PN序列，其電路參數不可能完全匹配，且受環境條件的變化而出現失配現象，很難保證保密通信或信息加密中兩個PN序列的完全同步。因此，近年來開展了基于數字電路(如FPGA)的PN序列的實現研究，但現有的研究中大多進行仿真實驗，無法保證硬件實際輸出PN序列的產生及其性能的測試。為此，基于FPGA技術，利用Logistic混沌映射作為隨機信號源對實現PN序列的硬件進行了深入研究，提取Logistic數值序列中二進制數的某一位bi(bi∈{0，1})為PN數字序列，實驗中獲得了硬件輸出序列，并通過一個串口通信電路對硬件輸出序列進行取樣，對其進行序列統計性能分析。分析結果表明，基于Logistic的PN序列性能良好，滿足PN序列測試的標準。

　　1 Logistic映射

　　Logistic方程如下：

　　式中：Xn∈(0，1)；μ∈(0，4)，當μ取值[3．571 448，4]時，Logistic映射進入混沌態，并表現出復雜的動力學特性。在此取μ=4，令Xn的初值Xo=O．312 5，則xn的時間序列和吸引子相圖如圖1所示。

　　2 Logistic映射的電路設計及時間序列的量化

　　DSP Builder。將Matlab和Simlalink系統級設計工具的算法開發、仿真和驗證功能與VHDL綜合、仿真和開發工具整合在一起，實現了這些工具的集成，將系統級設計的實現與DSP算法的開發相鏈接，涵蓋了算法和存儲功能等基本操作。可利用DSP Builder模塊迅速生成算法硬件電路，并轉成VHDL語言，大大縮短了FPGA的設計周期。圖2為Logistic的DSP Builder電路實現模型。

　　圖2中為消除毛刺，在各輸出端加入了一個延時器。其中，xout為Xn+1的時間序列；yout為其延時一個時鐘周期后的輸出，即Xo。xout與yout都是以二進制數表示的一系列小數(xn∈(0，1))，可表示為：

　　因為時間序列Xn的數值是用二進制數表示的，隨著迭代的不斷進行，Xn將隨之變化，此時其二進制表示中的某一位(O或1)也隨之變化。因此可以提取Xn時間序列中某一位二進制位作為量化值，當Xn的時間序列值隨時間變化時即生成一PN序列。圖2中的XoutBit為PN序列的輸出端，它取自Xn二進制數表示中的第9位。后面的分析表明，這種量化方法同樣具有很好的混沌性能和隨機性。

　　為了驗證圖2電路模塊的正確性，對Logistic的模塊電路進行仿真，其時間序列和吸引子如圖3所示。比較圖3和圖1發現，利用DSP Builder設計的電路有效地實現了Logistic映射的功能。

　　3 基于FPGA的PN序列實現

　　圖2中，xout與yout具有相同的k及l值，k=1，l=9，即k+l=10。因為所使用的FPGA開發板自帶THS5651DA轉換器接受的是10引腳數據，k+l=10可實現匹配。盡管xout在最后輸出前轉成了10位長度，但在整個內部運算環節，是50位長度的，有限字長明顯大于10，這樣可以最大限度地保持精度，減少有限字長效應帶來的誤差，有效實現混沌的非周期特性。

　　理論上混沌序列是非周期的，但因為在使用有限字長表示混沌狀態的情況下，加上運算結果的近似化，混沌序列最終會演化為一個周期序列。但是可以通過加長有限字長來延長周期。從實用的角度看，只要設計得好，映射和分叉參數選擇合適，所產生的序列周期將足夠長，序列的相關特性將足夠好，可用的序列數量將足夠多，可認為位轉換就已夠用，因為通信的時間不可能無限長。研究還發現，混沌映射產生的有限字長周期序列具有正的最大Lyapllnov指數。

　　將圖2所示的圖形化模塊通過“Signal Corepiler”直接轉化為硬件描述語言，再利用QuartusⅡ進行編譯，其仿真時序圖見圖4。其中，Output為抽取的混沌數字PN序列，即圖2中的XoutBit；Outputl和Output2分別為Xn+1和Xn。

　　把工程文件在CycloneⅡ的EP2C35F484C8進行編譯和引腳分配并下載到該芯片進行硬件實驗，從數字示波器上觀察到的PN序列如圖5(a)所示。為了驗證硬件實現的精度，通過THS5651芯片對得到的混沌數字信號進行D／A轉化，再通過示波器觀察其時間序列和吸引子，如圖5(b)，圖5(c)所示。

　　4 PN序列隨機性分析

　　為了對硬件輸出的PN序列進行性能測試，首先通過一個串口通信模塊電路對FPGA輸出的數字PN序列進行采樣，然后利用計算機對其進行隨機性能分析。這里采用的FPGA開發板其內核為CycloneⅡ的EP2(235F484C8，外圍電路提供了USB口、并行I／O以及串口等一系列可供用戶選擇的端口。抽取Xn二進制表示的小數部分的第9位作為比特序列，并通過串口來實時獲得該位在一定時間段t內的所有值，其串口通信模塊電路如圖6所示。

　　為了確保計算機在接收該序列時不出現比特丟失現象，可預先向計算機發送一組周期序列來保證數據的可靠性。假設串口傳輸波特率為9 600，系統晶振為20 MHz，為了得到整數倍的分頻，可根據公式：

n=(20×106×k)／9600

　　令k=3，則可得出n為6 250。其中，比例因子k可通過鎖相環來獲得。上述兩步驟可通過在QuartusⅡ中添加鎖相環代碼與分頻器代碼實現。此時，讓系統時鐘T=1／9 600再經過二分頻后通過串口輸出，如果在接收端收到“01010”的周期序列，則表明FPGA與計算機之間的通信無問題。

　　5 PN序列隨機性能分析

　　5．1 頻率測試(Frequency Test)

　　該測試可用來判斷序列當中0和1的個數是否近似相等，若近似相等，則符合隨機序列的必要條件。令n0,n1分別代表0與1的個數；n代表序列s的長度。

　　該統計方程為：

T1=(n0-n1)2／n

　　若n≥lO，則T1近似符合1維自由度的x2分布。

　　對采集到的PN序列進行自由度為l的x2檢驗，取顯著性水平α=0．05，可以從標準表中查到顯著性水平a=O．05的x2值為3．84。如果T1值小于3．84，則該序列通過測試。n0,n1和T1的測試值如表l所示，由此可知，該序列的T1值遠小于3．84，通過測試。

　　5．2 串列測試(Serial Test)

　　該測試可用來判斷序列中00，01，10，11子序列的個數是否近似相等。若近似相等，則符合隨機序列的必要條件。令n0,n1分別代表0與1的個數，而n00,n01,n10，n11分別代表s序列中00，01，10，11的個數。由于n00+n01+no+nll=n-l，該統計方程為：

　　若n≥21，則T2近似符合2維自由度的x2分布。對序列進行自由度為2的x2檢驗。顯著性水平α置為O．05，查標準表得此時的x2值為5．99。測試結果如表2所示，T2=O．352 5《5．99，通過測試。

　　5．3 Poker測試(Poker Test)

　　令m為符合(n／m)≥5×2m的正整數，并令k=n／m。將序列s分成k個不重復的部分，每部分的長度為m，令ni為第i個長度為m的序列標號，1≤i≤2m。Poker測試可用來確定ni在序列s中，長度為m的各個不同子序列出現的概率是否近似相等。該統計方程為：

　　式中：T3近似符合2m-1維自由度的x2分布。值得注意的是，頻率測試其實是Poker測試的一個特例，令m=1，Poker測試即成為了頻率測試。分別取m=1，2，3，4，5，6，對待測序列進行自由度為2m-1的x2檢驗，結果列于表3。由表3可見，對于不同m值的T3值均小于對應的x2值，通過測試。

　　5．4 游程測試(RLins Test)

　　該測試的目的是為了判斷s序列中不同長度的游程是否具有隨機序列的游程特性。理論上，在一個長度為n隨機序列中，長度為i的連續O或連續1的期望值為ei=(n—i+3)／2i+2。令k為當ei≥5時的最大的i；Bi，Gi分別為各個block和gap的個數。游程測試的統計方程為：

　　則T4近似符合2k-2維自由度的χ2分布。

　　分別取i為1，2，3，4，5，6，7，8，9。對本序列，k值為9，所以可對T4進行自由度為16的χ2檢驗。查標準表知自由度為16的χ2值為26．3。將上述數值代人統計方程，運算得T4=19．883 1<26．3，通過測試。其測試結果如表4所示。

　　5．5 自相關測試(Autocorrelation Test)

　　該測試是為了檢測s序列與其(非循環的)移動后的序列的相關性。令d為一個整數，1≤d≤(n／2)。比較s序列和它移動d位之后的序列，兩者不同的位的數目可由計算得出。⊕表異或運算。自相關測試的統計方程為：

　　當，n-d≥10時，T5近似符合N(O，1)分布。

　　為判斷序列是否符合N(O，1)分布，可用余誤差函數計算再將erfc(z)與顯著性水平α=O．05比較，若大于它，則通過測試，測試結果如表5所示。由檢驗結果可知，每一個erfc(z)都大于a，通過測試。

　　6 結 語

　　利用Logistic混沌映射作為隨機信號源，基于FP-GA技術研究了PN序列的硬件產生。通過對產生的PN序列進行性能分析發現，其具有很好的隨機性，可被應用于擴頻通信和數字信息加密等領域。由于直接以離散混沌作為隨機信號源，相對于將連續混沌離散化后再量化產生PN序列，其精確度更高。由于數字序列是通過抽取二進制數值中某一位產生的，只要迭代值的位數足夠多，序列的可變性就更大，從而增大了密鑰空間和通信的保密性。