Citation: | Ran LIU, Gaoli LIANG, Heng WANG, Yulu FU, Jing HE, Hua ZHANG. Dynamic Object Localization Based on Radio Frequency Identification and Laser Information[J]. Journal of Electronics & Information Technology, 2018, 40(11): 2590-2597. doi: 10.11999/JEIT171088 |
线性复杂度和周期是衡量序列伪随机性的两个重要指标。序列的线性复杂度已经在很多文献中被研究过[1],比如文献[1]研究了一种特殊2元序列的线性复杂度,文献[2-4]讨论了周期不同的2元广义分圆序列的线性复杂度,文献[5,6]研究了不同周期的4元广义分圆序列的线性复杂度,文献[7,8]分别讨论了2元割圆序列和广义割圆序列的线性复杂度,文献[9,10]讨论了不同周期序列的线性复杂度。本文主要研究的是新型自缩控序列的线性复杂度,自缩序列有许多密码学优点,比如构造方式简单、周期较大、线性复杂度较高、对驱动序列有强力保护,而成为密码学中一类重要的伪随机序列。文献[11]定义了自缩序列的构造方式,给出了其线性复杂度的上界值等于周期的上界值:
下面定义新型自缩控序列。
定义1 设
(a0,a1,a2)(a3,a4,a5)···(a3k,a3k+1,a3k+2)··· | (1) |
若
引理1[17] 设
N(b1,b2,···,bk)={3n−k,(b1,b2,···,bk)≠(0,0,···,0)3n−k−1,(b1,b2,···,bk)=(0,0,···,0) | (2) |
证明:考虑在序列
引理2[17] 设
(1) 序列
(2) 序列
证明 由
为了得到SSC(模3)-序列线性复杂度更精确的上界值,先从序列的特征多项式入手来展开讨论。设序列
v∑i=0(vv−i)(−1)v−i\boldsymbolod3⋅ui=0 | (3) |
即等价于证明
v∑i=0(vi)(−1)v−i\boldsymbolod3⋅ui=0 | (4) |
其中
引理3[18] 设
证明 为了证明简便,不妨设
定义2[18] 设
定义3[18] 设
引理4[18] 设
证明 由引理3知
引理5[18] 设
证明
当
引理6[18] 设
证明 若
引理7[18] 设
证明 因为
引理8 设
证明 因为
∑x∈GF(3n)f1(x)+2f2(x)=∑x∈GF(3n)(3n−2∑r=1arxr+3n−2∑r=12brxr)=3n−2∑r=1(ar+2br)∑x∈GF(3n)xr=0 | (5) |
证毕
为了得到周期为
定义4 设
T1:n−1∑i=0aiαi→an−2,T2:n−1∑i=0aiαi→an−2,an−1 | (6) |
由以上
当
定理1 设
v∑i=0(vi)(−1)v−i\boldsymbolod3⋅ui=0 | (7) |
其中,
证明
v∑i,j=0,i≠jctiuti+ctjutj=0 | (8) |
即等价于证明式(9)成立
v∑i,j=0,i≠juti+2utj=0 | (9) |
为了证明式(9)成立,需要定义以下两个映射,设
v∑i,j=0,i≠juti+2utj=∑x∈GF(3n)∖{0}σ1(x)+2σ2(x)=0 | (10) |
则由引理8知,要证明式(10)成立,只需证明
定义函数
设
P1=XT1∏(h1k+1)2∏(h42k+1)P2=12XT2∏(h1k+1)2∏(h42k+1)} | (11) |
其中,
证毕
本部分给出
设
由此看到,把序列
定理2 设
证明 由新型自缩控序列的定义知,只有当
故
定理3 对于任意正整数
证明 设
(1)
(2)
在第(1)种情况下,
由上述定理可知
设
s∞=(s00,s10,s20,···,s3n−1−1,0,s3n−1,0,···,s2⋅3n−1−1,0,s2⋅3n−1,1,···,s3⋅3n−1−1,1) | (12) |
则有
当
当
当
为了更方便地来表示序列的线性复杂度,下面我们利用迹映射的相关性质和上述
设
T(αk)=Tr((c3n−1+(cα+cα2)3n−1)αk)=Tr(((c3n−1+(cα+cα2)3n−1)αk)3)=Tr(cα3k+cα3k+1+cα3k+2)=a3k+a3k+1+a3k+2 | (13) |
设
T1′(αk)=Tr((cα)3n−1αk)=Tr((cα)3nα3k)=Tr(c3nα3nα3k)=Tr(cαα3k)=Tr(cα3k+1)=a3k+1 | (14) |
设
T2′(αk)=Tr((cαm+1)3n−1αk)=Tr((cαm+1)3nα3k)=Tr(c3nα3n(m+1)α3k)=Tr(cαm+1α3k)=Tr(cα3k+(m+1))=a3k+(m+1) | (15) |
其中,
以下为了叙述方便,当
u∞=(u00,u10,u20,···,u3n−1−1,0,u3n−1,0,···,u2⋅3n−1−1,0,u2⋅3n−1,1,···,u3⋅3n−1−1,1) | (16) |
对所有的非负整数
由前述定理1和上边的记法可得下面的式子是成立的,即有
0=T′(0)=T′(3n−⌊n−34⌋−1∑i=0ciui)=T′1(3n−1−1∑i=0ciui)+T′20(2⋅3n−1−1∑i=3n−1ciui)+T′21(3n−⌊n−34⌋−1∑i=2⋅3n−1ciui)=3n−1−1∑i=0ciT′1(ui)+2⋅3n−1−1∑i=3n−1ciT′20(ui)+3n−⌊n−34⌋−1∑i=2⋅3n−1ciT′21(ui)=3n−1−1∑i=0cisi+2⋅3n−1−1∑i=3n−1cisi+3n−⌊n−34⌋−1∑i=2⋅3n−1cisi=3n−⌊n−34⌋−1∑i=0cisi=0 | (17) |
由以上的讨论可以得到以下定理4。
定理4 新型自缩控序列(SSC(模3)-序列)
L(s∞)≤3n−⌊(n−3)/4⌋−1 | (18) |
定理5 新型自缩控序列(SSC(模3)-序列)
证明 设
本文从上边讨论的结果中可以看出:与文献[12-16]中的序列相比,本文中的新型自缩控序列(SSC(模3)-序列)
(1) 文献[13]中改进的自收缩序列模型是由
(2) 文献[15]中
(3) 本文中的自缩控序列(SSC(模3)-序列)的周期整除
(4) 通过此种方式得到的自缩控序列的信息利用率更高,达到
伪随机序列在通信加密、雷达信号设计和编码技术等很多领域中有着广泛的应用。在这些应用中,通常要求序列具有大的周期和高的线性复杂度。衡量伪随机性的指标主要有周期、平衡性、线性复杂度和自相关性等。本文所设计的密码序列,主要是从周期、线性复杂度这两个安全指标来分析所构造序列的安全性,本文基于
WANT R. An introduction to RFID technology[J]. IEEE Pervasive Computing, 2006, 5(1): 25–33 doi: 10.1109/MPRV.2006.2
|
YANG Zhixin, ZHANG Pengbo, and CHEN Lei. RFID-enabled indoor positioning method for a real-time manufacturing execution system using OS-ELM[J]. Neurocomputing, 2016, 174(PA): 121–133.
|
PRINSLOO J and MALEKIAN R. Accurate vehicle location system using RFID, an Internet of Things approach[J]. Sensors, 2016, 16(6): 1–24 doi: 10.3390/s16060825
|
HAHNEL D, BURGARD W, FOX D, et al. Mapping and localization with RFID technology[C]. IEEE International Conference on Robotics and Automation, Brisbane, Australia, 2004: 1015–1020.
|
VORST P and ZELL A. Semi-autonomous learning of an RFID sensor model for mobile robot self-localization[C]. European Robotics Symposium, Prague, Czech Republic, 2008: 273–282.
|
JOHO D, PlLAGEMANN C, and BURGARD W. Modeling RFID signal strength and tag detection for localization and mapping[C]. IEEE International Conference on Robotics and Automation, Kobe, Japan, 2009: 3160–3165.
|
LIONEL M N, LIU Y H, YIU C L, et al. LANDMARC: Indoor location sensing using active RFID[J]. ACM Wireless Networks, 2004, 10(6): 701–710 doi: 10.1023/B:WINE.0000044029.06344
|
YANG Lei, GUO Yi, LIU Tianci, et al. Perceiving the slightest tag motion beyond localization[J]. IEEE Transactions on Mobile Computing, 2015, 14(11): 2363–2375 doi: 10.1109/TMC.2015.2393859
|
YANG Lei, CHEN Yekui, LI Xiangyang, et al. Tagoram: Real-time tracking of mobile RFID tags to high precision using COTS devices[C]. Mobile Computing and Networking, New York, USA, 2014: 237–248.
|
LIU Ran, HUSKIC G, and ZELL A. Dynamic objects tracking with a mobile robot using passive UHF RFID tags[C]. IEEE/RSJ International Conference on Intelligent Robots and Systems, Chicago, USA, 2014: 4247–4252.
|
LIU Ran, HUSKIC G, and ZELL A. On tracking dynamic objects with long range passive UHF RFID using a mobile robot[J]. International Journal of Distributed Sensor Networks, 2015, 2015(P1): 1–12 doi: 10.1155/2015/781380
|
LIU Ran, YUEN C, DO T N, et al. Indoor positioning using similarity-based sequence and dead reckoning without training[C]. IEEE International Workshop on Signal Processing Advances in Wireless Communications, Sapporo, Japan, 2017: 1–5.
|
李军怀, 贾金朋, 王怀军, 等. 基于信号强度差的RFID室内定位[J]. 计算机科学, 2015, 42(11): 154–157 doi: 10.11896/j.issn.1002-137X.2015.11.032
LI Junhuai, JIA Jinpeng, WANG Huaijun, et al. Indoor positioning of RFID based on signal strength difference[J]. Computer Science, 2015, 42(11): 154–157 doi: 10.11896/j.issn.1002-137X.2015.11.032
|
黄保虎, 刘冉, 张华, 等. 基于不同重采样算法的RFID指纹定位[J]. 计算机应用, 2013, 33(2): 595–599 doi: 10.3724/SP.J.1087.2013.00595
HUANG Baohu, LIU Ran, ZHANG Hua, et al. RFID fingerprinting based on different resampling algorithms[J].Computer Application, 2013, 33(2): 595–599 doi: 10.3724/SP.J.1087.2013.00595
|
李珣, 刘丽, 洪良, 等. 移动机器人室内无源RFID定位方法及实现[J]. 计算机工程与应用, 2017, 53(16): 230–236 doi: 10.3778/j.issn.1002-8331.1608-0434
LI Xun, LIU Li, HONG Liang, et al. Indoor passive RFID location method for mobile robot and its implementation[J]. Computer Engineering and Application, 2017, 53(16): 230–236 doi: 10.3778/j.issn.1002-8331.1608-0434
|
黄如林, 梁华为, 陈佳佳, 等. 基于激光雷达的无人驾驶汽车动态障碍物检测、跟踪与识别方法[J]. 机器人, 2016, 38(4): 437–443 doi: 10.13973/j.cnki.robot.2016.0437
HUANG Rulin, LIANG Huawei, CHEN Jiajia, et al. Method of tracking and recognition of laser radar unmanned vehicle dynamic obstacle detection[J]. Robot, 2016, 38(4): 437–443 doi: 10.13973/j.cnki.robot.2016.0437
|
李昀泽. 基于激光雷达的室内机器人SLAM研究[D]. [硕士论文], 华南理工大学, 2016.
LI Yunze. Research on indoor robot SLAM based on laser radar[D]. [Master dissereation], South China University of Technology, 2016.
|
PRZYBYLA M. Detection and tracking of 2D geometric obstacles from LRF data[C]. IEEE International Workshop on Robot Motion and Control, Bukowy Dworek, Poland, 2017: 135–141.
|
1. | 李旻,何婷婷. 基于随机数三角阵映射的高维大数据二分聚类初始中心高效鲁棒生成算法. 电子与信息学报. 2021(04): 948-955 . ![]() | |
2. | 刘瑞杰,王瑛,王铁流. 基于STM32F4的超短基线定位系统设计. 国外电子测量技术. 2021(05): 158-162 . ![]() | |
3. | 庞菲菲,温祥西,王晓华. 基于SVDD去除异常值的水下目标定位方法. 振动与冲击. 2021(22): 182-187 . ![]() |