Core Concepts
In dieser Arbeit wird ein einfacher und effizienter Algorithmus zur Erzeugung von Gaußschen Pseudozufallszahlen aus binären Pseudozufallssequenzen mit bekannten Hardwareimplementierungen vorgestellt. Der Algorithmus nutzt die Eigenschaften der verwendeten binären Pseudozufallsgeneratoren, um die Qualität der generierten Stichproben zu garantieren.
Abstract
Die Autoren untersuchen den theoretischen Rahmen, um den zentralen Grenzwertsatz auf eine Summe von binären Pseudozufallssequenzen mit guten Korrelationseigenschaften anzuwenden. Sie zeigen, dass die Momente der erzeugten Gaußschen Pseudozufallszahlensequenz von der Korrelationsmessung der binären Eingabesequenz abhängen.
Insbesondere analysieren sie die Korrelationseigenschaften von Gold-Codes, die eine einfache Hardwareimplementierung mit nur zwei linearen Rückkopplungsschieberegistern (LFSR) ermöglichen. Die Autoren zeigen, dass Gold-Codes unter bestimmten Bedingungen keine vollen Peaks in der dritten und vierten Korrelationsmessung aufweisen, was für die Qualität der erzeugten Gaußschen Pseudozufallszahlen wichtig ist.
Computersimulationen bestätigen, dass die auf Gold-Codes basierenden Gaußschen Pseudozufallszahlengeneratoren bessere statistische Eigenschaften aufweisen als solche, die auf m-Sequenzen basieren. Die Ergebnisse zeigen auch, dass das Tausworthe-Modell für beide Arten von binären Sequenzen ähnliche Leistung erbringt.
Stats
Die Momente der erzeugten Gaußschen Pseudozufallszahlensequenz unter Verwendung von m-Sequenzen und Gold-Codes mit M = 256 sind in Tabelle 1 zusammengefasst.
Quotes
"Die Ergebnisse in Tabelle 1 zeigen, dass die Gold-Codes die m-Sequenzen als binäre Sequenz übertreffen. Die m-Sequenzen zeigen Abweichungen vom erwarteten Wert in den Momenten dritter und vierter Ordnung."
"Nur in der binären Sequenzmethode unter Verwendung einer m-Sequenz zeigt sich eine deutliche Asymmetrie aufgrund der Anwesenheit von Peaks in der Korrelation."