该文基于分圆理论,构造了一类周期为22p的四阶二元广义分圆序列。利用有限域上多项式分解理论研究序列的极小多项式和线性复杂度。结果表明,该序列具有良好的线性复杂度性质,能够抗击B-M算法的攻击。是密码学意义上性质良好的伪随机序列。

仅供参考，误差不超过1，可以当作对比仿真图。。。

使用c语言比较几种常用排序的使用时间（归并排序、插入排序、归并排序、冒泡排序、选择排序）

1，什么是时间复杂度？ 一个问题的规模是n，解决这一问题所需算法所需要的时间是n的一个函数T(n)，则T(n)称为这一算法的时间复杂度 2，关于时间复杂度： 时间复杂度是一个函数，它定性描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。 3，什么是空间复杂度？ 空间复杂度是指执行这个算法所需要的内存空间，也就是对一个算法在运行过程中临时占用存储空间大小的量度 4，关于空间复杂度： 空间复杂度需要考虑在运行过程中为局部变量分配的存储空间的大小，它包括为参数表中形参变量分配的存储空间和为在函数体中定义的局部变量分配

该程序包括常用的排序算法代码：直接插入排序，二分插入排序，希尔排序，快速排序，选择排序。同时通过产生一个指定个数的随机数组，调用各种不同排序算法对其进行排序，记录各种算法的耗时，写入一个文本文件进行对比分析各种排序算法的时间性能。

大规模多输入多输出（MIMO），也称为超大型MIMO系统，是5G的一种吸引人的技术，可以提供比4G更高的速率和功率效率。 线性预编码方案能够实现接近最佳的性能，因此比非线性预编码方案更具吸引力。 但是，大规模MIMO系统中的常规线性预编码方案（例如正则归零强制（RZF）预编码）具有接近最佳的性能，但由于需要大尺寸的矩阵求逆，因此具有较高的计算复杂度。 为了解决这个问题，我们利用Cholesky分解和Sherman-Morrison引理，通过在大规模MIMO系统中利用渐近正交信道特性，提出了基于CSM（Cholesky和Sherman-Morrison策略）的预编码方案来进行矩阵求逆。 根据误码率（BER）和平均总和率对结果进行数字评估。 与逆矩阵的Neumann级数逼近相比，得出的结论是，在大规模MIMO配置中，通过较少的运算，基于CSM的预编码的性能优于常规方法。

算法：给定两个大小为 m 和 n 的有序数组 nums1 和 nums2。 请你找出这两个有序数组的中位数，并且要求算法的时间复杂度为 O(log(m + n))。 你可以假设 nums1 和 nums2 不会同时为空。 示例 1: nums1 = [1, 3] nums2 = [2] 则中位数是 2.0 示例 2: nums1 = [1, 2] nums2 = [3, 4] 则中位数是 (2 + 3)/2 = 2.5

文章目录1. 基本思想2. 代码实现2.1 递归实现2.2 优化—非递归实现3. 性能分析 1. 基本思想 在数列排序中，如果只有一个数，那么它本身就是有序的；如果只有两个数，那么一次比较就可以完成排序。也就是说，数越少，排序越容易。那么，如果有一个由大量数据组成的数列，我们很难快速地完成排序，该怎么办呢？可以考虑将其分解为很小的数列，直到只剩一个数时，本身已有序，再把这些有序的数列合并在一起，执行一个和分解相反的过程，从而完成整个数列的排序。 归并排序与快速排序的思想基本一致,唯一不同的是归并排序的基准值是数组的中间元素 快排 Link：[排序算法] 6. 快速排序多种递归、非递归实现及性能

设双链表表示的线性表L=（a1,a2,....,an），试写一时间复杂度为O（n）的算法，将L改造为L=（a1,a2,,,,an....,a4,a2）。

一种新的低复杂度近ML空间调制检测算法