Generación y Caracterización de Secuencias PRN
| dc.contributor.author | Hernández González, Abel | |
| dc.contributor.author | Gómez Pérez (advisor), Paula | |
| dc.date.accessioned | 2023-07-03T10:48:50Z | |
| dc.date.available | 2023-07-03T10:48:50Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | En este trabajo se ha llevado a cabo un estudio riguroso y exhaustivo de las secuencias PRN (Pseudo-Random Noise), que pretende ofrecer una base para el diseño o el análisis de sistemas de tecomunicación o, incluso, de información. Las secuencias PRN (Pseudo-Random Noise) tienen características asimilables al ruido, cualidad ésta que las hace muy atractivas para determinadas aplicaciones civiles y militares. Dada la variedad de estas secuencias, se ha pretendido cubrir con el estudio un ambicioso rango de secuencias PRN, incluyendo los principales tipos: caóticas, de longitud máxima, de Kasami y Gold. Entre las conclusiones más destacadas que se alcanzan, hay que mencionar que todas ellas logran un gran reparto en banda de la potencia, muy deseable en sistemas de espectro ensanchado, que las proporciona propiedades inmunidad frente al ruido y la interferencia. Salvando lo anterior, se concluye que, de las secuencias analizadas, las que presentan una mejor autocorrelación son las caóticas y las secuencias PN (Pseudo-Noise) de longitud máxima, dado que las de Kasami y las Gold presentan un rizado de la función para desplazamientos mayores de un chip. Desafortunadamente, las secuencias PN de longitud máxima presentan, salvo grupos muy reducidos, una mala correlación cruzada, que las descarta para aplicaciones de acceso compartido al medio. Por su parte, las secuencias de Kasami y de Gold consiguen proporcionar grandes familias de secuencias con buenas propiedades de correlación cruzada. | |
| dc.identifier.uri | http://calderon.cud.uvigo.es/handle/123456789/61 | |
| dc.language.iso | es | |
| dc.publisher | Centro Universitario de la Defensa de Marín | |
| dc.title | Generación y Caracterización de Secuencias PRN | |
| dc.type | Working Paper |