Crynodeb:Adnabod radiometrig yw'r broblem o briodoli signal i ffynhonnell benodol. Yn y gwaith hwn, datblygir algorithm adnabod radiometrig gan ddefnyddio'r trawsnewid gwynnu. Mae'r dull yn sefyll allan o'r dulliau mwy sefydledig gan ei fod yn gweithio'n uniongyrchol ar y data IQ amrwd ac felly mae'n ddinodwedd. O'r herwydd, nid yw'r algorithmau lleihau maint dimensiwn a ddefnyddir yn gyffredin yn berthnasol. Cynsail y syniad yw bod set ddata yn "fwyaf gwyn" o'i rhagamcanu ar ei matrics gwynnu nag ar unrhyw un arall. Yn ymarferol, nid yw data wedi'i drawsnewid byth yn hollol wyn ers yr hyfforddiant ac mae'r data prawf yn wahanol. Defnyddir y mesur Förstner-Moonen sy'n meintioli tebygrwydd matricsau covariance i sefydlu graddau'r gwynder. Y trawsnewid gwynnu sy'n cynhyrchu set ddata gyda'r pellter Förstner-Moonen lleiaf i broses sŵn gwyn yw'r signal ffynhonnell. Pennir y ffynhonnell gan allbwn y swyddogaeth modd a weithredir ar benderfyniadau'r Dosbarthwr Pleidlais Mwyafrif. Mae defnyddio'r mesur Förstner-Moonen yn cyflwyno persbectif gwahanol o'i gymharu â'r tebygolrwydd mwyaf a metrigau pellter Ewclidaidd. Mae'r trawsnewid gwynnu hefyd yn cyferbynnu â'r dulliau dysgu dwfn mwy diweddar sy'n dal i fod yn ddibynnol ar fectorau nodwedd gyda dimensiynau mawr a chyfnodau hyfforddi hir. Dangosir bod y dull arfaethedig yn symlach i'w weithredu, nad oes angen fectorau nodwedd, angen ychydig iawn o hyfforddiant ac oherwydd ei strwythur aniteraidd mae'n gyflymach na'r dulliau presennol.

Yn ôl astudiaethau perthnasol,cistancheyn llysieuyn cyffredin sy'n cael ei adnabod fel "y llysieuyn gwyrthiol sy'n ymestyn bywyd". Ei brif gydran ywcistanoside, sydd ag effeithiau amrywiol megisgwrthocsidiol, gwrthlidiol, ahyrwyddo swyddogaeth imiwnedd. Mae'r mecanwaith rhwng cistanche a gwynnu croen yn gorwedd yn effaith gwrthocsidiolcistancheglycosidau. Mae melanin mewn croen dynol yn cael ei gynhyrchu gan ocsidiad tyrosin sy'n cael ei gataleiddio gantyrosinase, ac mae'r adwaith ocsideiddio yn gofyn am gyfranogiad ocsigen, felly mae'r radicalau di-ocsigen yn y corff yn dod yn ffactor pwysig sy'n effeithio ar gynhyrchu melanin. Mae cistanche yn cynnwys cistanoside, sy'n gwrthocsidydd a gall leihau'r genhedlaeth o radicalau rhydd yn y corff, fellyatal cynhyrchu melanin.

Cliciwch ar Sut i Ddefnyddio Cistanche Tubulosa

Am fwy o wybodaeth:

david.deng@wecistanche.com WhatApp:86 13632399501

1. Rhagymadrodd 

Adnabod radiometrig yw'r broblem o briodoli signal i'r ffynhonnell; brand neu fodel yn aml. Cyflawnir adnabod ffynhonnell trwy olion bysedd dyfeisiau RF trwy chwilio am lofnodion a all godi o oddefiannau gweithgynhyrchu, amherffeithrwydd, neu amrywiadau ystadegol arferol mewn cynhyrchu. Mae cryn dipyn o waith ym maes dosbarthu signalau ac adnabod modiwleiddio [1,2]. Fodd bynnag, nid yw adnabod radiometrig yn ffitio'n daclus i'r naill na'r llall o'r ddau gategori. Mewn sawl ffordd, mae adnabod radiometrig yn broblem anos oherwydd gall fod gan signalau sy'n tarddu o wahanol ffynonellau nodweddion tebyg megis modiwleiddio, cyfraddau didau, siapiau curiad y galon, ac ati. Mae amrywiadau o'r fath, fodd bynnag, yn fach, yn anganfyddadwy, ac yn anodd eu modelu. Mae pam mae adnabod radiometrig o ddiddordeb yn sawl tro. Mae'r fyddin wedi bod â diddordeb yn y gallu hwn ers peth amser fel ffordd o adnabod cyfeillgar o radar gelyniaethus [3,4]. Gall cyfathrebu lloeren wynebu jamio bwriadol neu anfwriadol o ffynonellau twyllodrus. Gall gwybod y ffynhonnell a brand yr ymyrrwr helpu i nodi'r ffynhonnell droseddol. Mae adnabod radiometrig hefyd yn arf gwerthfawr wrth sicrhau dyfeisiau diwifr. Gall ymdrechion ffugio mewn rhwydweithiau diwifr a dyfeisiau IoT gael eu rhwystro pe bai modd nodi ffynhonnell y signal a'i rhwystro [5,6]. Mae'n anoddach dynwared nodweddion dyfeisiau sydd wedi'u mewnosod mewn signalau nag i efelychu modiwleiddio neu siapio curiad y galon.

Gellir ffurfio dull adnabod radiometrig yng nghyd-destun dosbarthwr ystadegol. Mae'r dull clasurol yn dilyn echdynnu nodwedd a lleihau maint dimensiwn trwy dechnegau fel PCA ac yn olaf dosbarthwr dadansoddiad gwahaniaethol lluosog [7,8]. Yn [9], defnyddir Square Integral Bispectra (SIB) i echdynnu nodweddion crwydro unigryw signalau a drosglwyddir unigol, ac yna PCA i echdynnu fector nodwedd dimensiwn isel. Sylwyd nad yw nodweddion a gedwir ar ôl lleihau dimensioldeb o reidrwydd yn optimaidd ar gyfer dosbarthiad.

Cynigir optimeiddio cyfun o leihau dimensioldeb a dosbarthiad olion bysedd yn [10]. Y syniad yw ysgogi lleihau dimensioldeb trwy leihau'r gwall dosbarthu a gwneud y mwyaf o'r wybodaeth ar y cyd rhwng y nodweddion dimensiwn llai a label y dosbarth ar yr un pryd. Mae'r nodweddion olion bysedd RF yn cael eu tynnu o'r ystadegau am osgled ar unwaith normaleiddio, cyfnod, ac amlder y signal sy'n arwain at fectorau nodwedd gyda hyd at 960 o ddimensiynau. Fodd bynnag, mae'r broblem o ran lleihau dimensioldeb yn parhau. Mae echdynnu nodwedd ar gyfer algorithmau adnabod trosglwyddydd wedi'i ddatblygu i weithredu naill ai mewn cyfnodau dros dro [11] neu gyfnodau sefydlog [12]. Mae'r cyfnod dros dro yn gyflwr analog o'r signal sy'n digwydd yn union ar ôl i'r trosglwyddydd gael ei actifadu tra bod modiwleiddio yn nodweddu'r cyfnod cyflwr cyson.

Mae gwaith mwy diweddar ar adnabod radiometrig wedi'i ddylanwadu gan y cynnydd mewn offer dysgu dwfn (DL). Enghreifftiau yw olion bysedd RF [13], olion bysedd dyfais IoT [14], synhwyro sbectrwm [15], ac adnabod dyfeisiau RF mewn rhwydweithiau gwybyddol [16]. Yr hyn sydd ei angen o hyd ym mhob gwaith o'r fath yw echdynnu fectorau nodwedd ac yna lleihau maintoldeb sy'n cymryd llawer o amser. Mae gan y fectorau nodwedd a dynnwyd yn [10], er enghraifft, 960 o ddimensiynau cyn lleihau maint dimensiwn. Mewn geiriau eraill, erys y brif broblem. Mae'r defnydd o DL yn aml yn cael ei gyflawni trwy raglennu offer oddi ar y silff neu ddefnyddio amrywiol arferion rhwydweithiau niwral convolutional (CNN) a weithredir yn Matlab. Er enghraifft, mae'r bispectrwm cywasgedig yn cael ei nodi fel y nodwedd ac yna'n cael ei ddefnyddio i hyfforddi CNN tair haen [17]. Yr hyn sy'n wahanol yw nifer yr haenau, tapiau, hidlwyr, swyddogaethau actifadu, ac ati. Mae enghraifft arall ar hyd y wythïen hon yn ymddangos yn [18] lle defnyddir Keras API gyda TensorFlow ar y backend i wahaniaethu rhwng gyrwyr sy'n tynnu sylw. Yn [15], gweithredir DL ar gyfer olion bysedd dyfais RF yn y rhwydweithiau gwybyddol Zigbee gan ddefnyddio'r signal gwall band sylfaen cymhleth parth amser fel data hyfforddi a phrofi. Mae'r canlyniadau'n dangos cywirdeb da (≈90 y cant) ond ar SNR uchel (Yn fwy na neu'n hafal i 20 dB). Yn [19], mae'r data mewnbwn yn cael eu rhagbrosesu fel delweddau graddfa lwyd sbectrwm Hilbert ac yn cyflawni cywirdeb derbyniol o dan lefelau SNR cymedrol (cyfradd cywirdeb 70 y cant Cyf ar gyfer SNR o 15 dB). Dangosir cymhariaeth perfformiad cynhwysfawr ar gyfer amrywiol algorithmau DL yn [13], gan adrodd cywirdeb cyfartalog o 98 y cant wedi'i fesur ar gyfer 12 trosglwyddydd.

Mae'r ffaith bod ML yn gweithredu ar setiau data llawer llai ac yn gofyn am lawer llai o amser hyfforddi o'i gymharu â DL (oriau hyfforddi [15]), yn darparu mwy o amlochredd i nodi newidiadau mewn nodweddion sy'n digwydd o dan wahanol amgylchiadau amgylcheddol (gorgynhesu, gormod o gerrynt, ac ati) , a all effeithio'n gryf ar y dosbarthiad nodwedd a ddewiswyd. Mae'r eiddo hwn o ML (a yrrir gan ddata) yn caniatáu diweddariadau nodwedd cyflym ac o ganlyniad yn arwain at ddosbarthiad cywir uwch yn y tymor hir. Yn ogystal, mae'r cymhlethdod llai o'i gymharu â DL yn caniatáu ar gyfer gweithredu caledwedd haws a dosbarthiad cyflym ar-y-hedfan.

Mae Adnabod Allyrwyr Penodol (SEI) yn batrwm arall ar gyfer adnabod radiometrig [20-22]. Mae'r dull SEI yn ceisio nodi trosglwyddydd unigryw signal gan ddefnyddio mesuriadau nodwedd allanol yn unig [22]. Gweithredir SEI mewn dau gam, (1) cyflwr signal dros dro a (2) cyflwr signal sefydlog. Mae'r dull dros dro yn berthnasol i'r llofnodion penodol sydd wedi'u hymgorffori yn y signal wrth i'r trosglwyddydd bweru i fyny neu i lawr [23,24]. Mae dulliau dros dro yn anos i'w rhoi ar waith oherwydd nad yw'r data ar gael, neu oherwydd natur dros dro, nad yw'n aml yn hygyrch nac wedi'i gadw. Mae'r dull cyflwr cyson yn cyfeirio at y cyfnod pan mae pobl dros dro wedi sefydlogi. Mae'r nodweddion sydd ar gael yn cynnwys modiwleiddio a rhagymadrodd [25,26], ymhlith eraill. Mewn technegau sy'n seiliedig ar fodiwleiddio, mae'r cytserau a dderbynnir a'r cytserau targed yn cael eu cymharu lle mae'r gwahaniaeth yn creu olion bysedd RF [27]. Mae algorithm adnabod penderfyniad cyflym yn ymddangos yn [28]. Mae adnabod yn seiliedig ar debygrwydd fector signal a'i gymhariaeth â phatrymau sydd ar gael mewn cronfa ddata. Mae'r dull yn cael ei ddosbarthu fel enghraifft o SEI a ddefnyddir i adnabod radar. Cymhwyswyd yr algorithm i gannoedd o gofnodion signal radar a ddaeth o sawl math gwahanol o radar. Mewn rhai achosion, ymchwiliwyd i gopïau o'r un math o radar. Gan bwyso'r holl nodweddion yn gyfartal, adroddir cyfradd adnabod gywir o 85 y cant ar gyfer mathau radar. Mae dull cymysg o adnabod radar yn seiliedig ar allyriadau electromagnetig a dadansoddiad intrapulse yn ymddangos yn [29]. Y rhagosodiad yw bod dyfeisiau electronig yn rhoi nodweddion trydanol i'r pwls a drosglwyddir. Y model signal yw N gwthio nad yw'n gorgyffwrdd o drosglwyddyddion K. Defnyddir Dadansoddiad Gwahaniaethol Llinol. Defnyddir pedwar metrig pellter i ddosbarthu'r pwls anhysbys. Adroddir bod tri chopi o'r un math o radar yn cael eu hadnabod yn llwyddiannus.

Mae adnabod protocolau cyfathrebu yn radiometrig hefyd o ddiddordeb. Adroddir adnabyddiaeth o ffynonellau sy'n defnyddio'r protocol LTE yn [30,31]. Mae'r adnabyddiaeth yn seiliedig ar nodweddion modiwleiddio unigryw a arddangosir gan y trosglwyddyddion, sy'n deillio o amherffeithrwydd bach a gyflwynwyd yn ystod gweithgynhyrchu caledwedd radio. Mae amherffeithrwydd dyfeisiau wedi'u defnyddio fel llofnod ar gyfer adnabod radiometrig gan gynnwys jitter cloc [32], trawsnewidyddion digidol-i-analog (DAC) gwallau [33], syntheseisydd amledd lleol [34], aflinoledd y mwyhadur pŵer [35-37] . Defnyddir amherffeithrwydd mwyhadur pŵer hefyd ar gyfer adnabod ffynhonnell [38]. Defnyddir signalau radar go iawn ar gyfer adnabod allyrwyr [39].

Cymhwysiad hollol wahanol ar gyfer adnabod radiometrig yw radar. Er y gall y trosglwyddyddion fod yn perthyn i'r un math o radar, gallant ddangos gwahaniaethau cynnil yn eu codlysiau a drosglwyddir. Yn [33], defnyddir 18 nodwedd i nodi tri dosbarth o radar. Mae pum olion bysedd adnabod allyrrydd radar yn seiliedig ar drosglwyddiadau signal radar yn cael eu cymharu. Mae technegau traddodiadol yn cynnwys amledd radio (RF), osgled curiad y galon, lled curiad y galon, math modiwleiddio pwls bwriadol, neu gyfnodau ailadrodd curiad y galon. Yn [40], defnyddir gwybodaeth fodiwleiddio anfwriadol ar donffurf yr allyrrydd fel olion bysedd RF, i glymu'r signal a dderbynnir a'i allyrrydd cyfatebol. Mae Modiwleiddio Anfwriadol ar Pwls (UMoP) yn ddull sy'n manteisio ar amrywiadau oherwydd gwahaniaethau gweithgynhyrchu caledwedd y trosglwyddydd, gan gynnwys y mwyhaduron pŵer Mae UMoP fel olion bysedd allyrrydd a gall nodi trosglwyddyddion o'r un model [41]. Modd Amrywiol Adroddir dadelfeniad i adnabod radar yn [42]. Mae'r set ddata yn cynnwys 47 o allyrwyr. Roedd rhai o'r allyrwyr hyn yn gynyrchiadau o'r un radar. Mae canlyniadau'n dangos y dylai'r gwerth SNR effeithiol fod tua 47 dB i gael tebygolrwydd dosbarthiad cywir sy'n fwy na 0.9.

2. Fframwaith ar gyfer Adnabod Radiometrig

Mae'r signal a dderbynnir yn cael ei gywiro gyntaf ar gyfer gwrthbwyso cam, gwrthbwyso amledd osgiliadur, a gwallau amseru symbolau cyn cymhwyso'r trawsnewid gwynnu. Mae'r trawsnewidiad gwynnu yn amcanestyniad orthogonol yn seiliedig ar amrywiad o'r PCA ac mae'n gysylltiedig â'r rhagamcaniad is-ofod orthogonol [43]. Amcangyfrifir un matrics trawsnewid gwynnu fesul ffynhonnell o'r data hyfforddi. Nid oes angen gwybod y math o fodiwleiddio, amlder, cyfnod, nac unrhyw beth arall am y signal. Mae canfod y ffynhonnell anhysbys yn seiliedig ar y sylw bod set ddata "fwyaf gwyn" o'i thaflu ar ei matrics gwynnu nag ar unrhyw un arall, felly gwynnu cyfatebol. Mae rhagamcaniad o'r data anhysbys ar y gwynnu yn trawsnewid ac yn gwynnu'r data dim ond os oes cyfatebiaeth rhwng y matrics gwynnu a'r data. Hyd yn oed pan fydd y data yn cyfateb i'w drawsnewid gwynnu, nid yw'r data rhagamcanol byth yn wirioneddol wyn. Datblygir mesur "gwynder" trwy ddewis metrig dargyfeirio ar gyfer cymharu matricsau covariance. Y mesur hwn yw swm y logarithmau sgwâr o gydwerthoedd eigen y matricsau cyfamrywiant cyfeirio a phrofi; y pellter Förstner-Moonen. Mae gwynnu yn adnabyddus ym maes canfod signal ac yn aml mae'n cael ei ffurfio fel yr Hidlydd Cyfatebol Whitening. Y nod yw addurno samplau sŵn yn allbwn yr hidlydd. Defnyddir gweithrediad 3D o WMF ar gyfer astudiaethau effaith amgylcheddol mewn delweddau hyperspectral [44]. Mae canfod gwrthrychau trwy ddefnyddio gwynnu/dewhitening i drawsnewid llofnodion targed mewn hyperspectrol amldro yn ymddangos yn [45]. Mae enghreifftiau o ddulliau gwynnu o'r fath yn berthnasol yn bennaf i ganfod signalau a gwrthrychau ac nid ydynt yn berthnasol i adnabod radiometrig fel y cynigir yma.

2.1. Y Trawsnewid Whitening

Gadewch i X ∈ Rp×n fod yn fatrics data sy'n cynnwys n mesuriadau o newidynnau p gyda'r matrics cyfamrywiant Σ. Mae gwynnu ystadegol yn drawsnewidiad llinellol sy'n trawsnewid y data fel mai matrics covariance Y=WX yw'r matrics hunaniaeth. Nid yw'r matrics trawsnewid gwynnu yn unigryw. Mewn gwirionedd, mae [46] yn sôn am bymtheg o wahanol fatricsau taflunio sy'n gwynnu'r data, a'r rhai amlycaf yw PCA a ZCA whitening [47]. Yn benodol,

lle mae U ac Λ yn fatricsau eigenvectors a gwerthoedd eigen yn y dadelfeniad o'r matrics covariance Σ=UΛU T. Mae'r trawsnewidiadau gwynnu yn cynhyrchu data sy'n gysylltiedig ag addurn ond i ba ddiben? Yn bwysicach fyth, pa rôl y mae gwynnu yn ei chwarae mewn adnabod radiometrig? Dyma lle mae'r trawsnewid gwynnu cyfatebol yn gwyro oddi wrth y defnydd presennol o PCA mewn adnabod radiometrig. Mae PCA yn fwyaf adnabyddus am gywasgu data trwy arwain tynnu cydrannau Y ag egni di-nod. Nid yw'r nodweddion sy'n weddill o reidrwydd y rhai gorau ar gyfer dosbarthu. Ac eto, mae bron pob techneg dosbarthu radiometrig sy'n seiliedig ar PCA yn defnyddio'r nodweddion sy'n goroesi cywasgu mewn swyddogaeth wahaniaethol ddilynol i ddosbarthu'r data. Mae gan ZCA yr eiddo ychwanegol o gyfnod sero trwy ddadwneud y cylchdro a achosir gan y PCA. Nid yw'r un o'r ddau yn berthnasol yma. Mae cynhyrchu data heb ei gydberthyn yn gam rhagbrosesu y mae fectorau nodwedd dimensiwn is yn cael eu tynnu ohono. Nid yw lleihau dimensioldeb yn berthnasol i samplau IQ gan mai dim ond dau ddimensiwn sydd, i ddechrau, ac maent eisoes yn ymwneud ag addurniadau i raddau helaeth. Mae PCA wedi'i ddefnyddio mewn dysgu dwfn hefyd trwy gyflymu'r cydgyfeiriant mewn rhwydweithiau niwral convolutional [48].

2.2. Dosbarthiad yn ôl Matched Whitening

Mae'r data wedi'u trefnu mewn matrics N × M X=[x1, x2, . . . , xM], xi ∈ RN×1 lle M yw nifer y mesuriadau ac N yw nifer y newidynnau neu ddimensiynau. Ar gyfer y data IQ, N=2, ac M yw nifer y symbolau yn y cofnod. Gadewch i Wi , i=1, 2, . . . , m fod yn fatricsau trawsnewid gwynnu ar gyfer signalau ffynhonnell m {c1, c2, . . . , cm}. Mae'r matricsau gwynnu dosbarth-dibynnol yn cael eu cyfrifo all-lein o'r data hyfforddi. Gan fod gwrthbwyso cam ac amlder yn effeithio ar y data IQ, mae angen cywiro'r data cyn cyfrifo'r matricsau gwynnu. Mae data'r prawf yn cael ei rannu'n flociau a ddefnyddir i gynhyrchu ystadegau. Nid oes hyd bloc "cywir". Mae'n dibynnu ar gyfradd newid cyfnod, gwrthbwyso amlder, neu shifft Doppler. Yn achos gwrthbwyso cyfnod aflinol, dewisir hyd blociau yn ddigon byr i yswirio'r cyfnod bron yn llonydd yn ystod amcangyfrif cyfnod. Mae mwy am sut i ddewis hyd y bloc ar gyfer gwrthdroi'r gwrthbwyso amledd yn ymddangos yn Adran 3.

I ddangos y pwynt hwn, mae tair poblogaeth normal aml-amrywedd yn cael eu creu a'u dangos yn Ffigur 1a. Defnyddir y 3ydd set ddata (mewn du) fel y ffynhonnell "anhysbys" ac fe'i rhagamcanir dro ar ôl tro ar Wi, i=1, 2, 3. Ar ôl pob rhagamcan, mae'r diagram gwasgariad yn cael ei blotio a'i ddangos yn Ffigur 1 bd. Pan fydd y data o grŵp 3 yn cael ei wynnu gan W1, Ffigur 1b, mae echel fawr y data rhagamcanol yn ymddangos ar ongl i brif echelin y matrics taflunio. Mae hyn yn dangos nad yw'r data a'r matrics gwynnu yn cyfateb. Rhagamcanion ailadroddus yn cynhyrchu Ffigur 1b–d. Dim ond yn Ffigur 1d y mae'r trawsnewid gwynnu yn cynhyrchu diagram gwasgariad cylchol. Mae'r amcanestyniad sy'n cynhyrchu'r data cydberthynol lleiaf yn nodi'r brand. Mae'r eiddo hwn yn nodi bod ffynhonnell y data anhysbys yn cyfateb i drawsnewidiad gwynnu grŵp 3. Gellir gweithredu'r synhwyrydd fel banc o hidlwyr cyfatebol cyfochrog a ddangosir yn Ffigur 2.

2.3. Datblygu Mesur Gwyno

Mae yna nifer o broblemau gyda chlymu'r data anhysbys i'w matrics gwynnu. Yn gyntaf, mae cydrannau IQ y data go iawn eisoes wedi'u haddurno'n eithaf, felly efallai na fydd gwynnu yn dod ag addurn ychwanegol sylweddol. Yn ail, mae'r is-ofod a ddiffinnir yn (1) yn cael ei greu all-lein o'r data hyfforddi. Fodd bynnag, mae data'r profion yn wahanol hyd yn oed os ydynt yn dod o'r un boblogaeth â'r data hyfforddi. Os defnyddir y data gwahanol i'r set hyfforddi, bydd gwynnu'r data yn fras. Yr eiddo craidd yw y bydd matrics cydamrywiant y data anhysbys yn ymdebygu i'r matrics hunaniaeth os caiff ei ragamcanu ar ei is-ofod yn fwy nag ar unrhyw un arall. Yn drydydd, sut i fesur "gwynder". Mae hon yn broblem mewn paru matrics covariance [49].

Mae unrhyw nifer o fetrigau i fesur y pellteroedd rhwng dau fatrics cydamrywiant positif, cymesur. Maent yn cynnwys dargyfeiriad KL, pellter Ewclidaidd, norm Frobenius sgwâr, pellter Bhattacharyya, dargyfeiriad matrics Bregman, a LogDet [50], ymhlith eraill. Yn y gwaith hwn, rydym yn defnyddio metrig Förstner-Moonen [49] fel mesur tebygrwydd o ddau fatrics covariance. Fel pwynt cyfeirio, astudir y metrig Pellter Matrics Cydberthynas (CMD) [51] a'r mesurau Kullback-Leibler sydd wedi'u dyfynnu'n dda. Nid oes un diffiniad o debygrwydd ond mae tri yn undonog gyda chydberthynas ac felly yn fesurau dilys. Rydym wedi arosod lleiniau CMD, KL, a Förstner-Moonen er mwyn eu cymharu. Mae'r graffiau'n ymddangos yn ddiweddarach yn Ffigur 3a. Yn ôl y disgwyl, mae'r pellter pâr yn cynyddu gyda chydberthynas gynyddol, sy'n golygu bod matrics cydamrywiant y newidynnau cydberthynol ymhellach oddi wrth fatrics cyfamrywiant croeslin. Mae'n werth nodi bod y mesur KL bron yn cyd-fynd â metrig Förstner-Moonen ac felly'n cyfiawnhau ei ddefnyddio fel mynegai tebygrwydd.

lle mae λi(A, B), cydwerthoedd eigen A a B, yn wreiddiau |λA − B|=0. Yng nghyd-destun y trawsnewid gwynnu, y matrics cyfamrywiant cyfeirio yw'r matrics hunaniaeth A=I a B=cov(Yi) yw matrics covariance y data anhysbys a wynnir gan Wi. Felly, mae'r gwerthoedd eigen ar y cyd yn lleihau i ddim ond gwerthoedd eigen matrics covariance mesuredig B y data anhysbys.

Mae'r dosbarthwr sydd wedi'i adeiladu ar (3) yn Ddosbarthwr Pleidlais Mwyafrif, neu Lluosogrwydd [52] a lywodraethir gan reolau h1, h2, . . . , hm. Swyddogaethau aelodaeth yw'r rheolau. O ystyried y mesuriadau Xi o ffynhonnell anhysbys,

lle p yw nifer y blociau. Y ffwythiant modd yw'r nifer sy'n digwydd amlaf yn y set, hy, hj(Xi) yw'r nifer o weithiau y pleidleisir bod Xi yn perthyn i JC. Mae'r mesuriad anhysbys Xi yn cael ei ddosbarthu fel y dosbarth sy'n derbyn y nifer fwyaf o bleidleisiau. Gwelir y broses hon yn Ffigur 2. Dyma enghraifft o bleidleisio "caled". Y dewis arall yw pleidleisio "meddal" lle cedwir amlder aseiniadau i ddosbarthiadau.

Mae cymhlethdod cyfrifiannol yr algorithm yn cynnwys y matrics gwynnu, trawsnewid gwynnu, a dadelfennu gwerth eigen. Os X ∈ Rd × M, lle d yw nifer y newidynnau a M yw nifer y mesuriadau, cymhlethdodau'r trawsnewid gwynnu yw O(d2M plws d3), trawsnewid gwynnu yw O(d2M) a dadelfeniad eigen yw O(d3) . Gyda chynrychiolaeth signal IQ, d=2 ac mae'n gyson drwyddo draw. Felly, mae pob un o'r cymhlethdodau uchod yn y pen draw yn lleihau'r cymhlethdod cyffredinol i O(M). hy, llinol gyda nifer y mesuriadau.

3. Gwrthbwyso Camau ac Amlder Gwrthdroi

Yr her gyntaf yw arwynebau adnabod radiometrig cyn gweithredu'r algorithm. Mae signalau yn aml ar gael gyda chylchdroadau cyfnod heb eu cywiro. Mae dau fath o gylchdroadau. Mae cylchdroi sefydlog yn cael ei achosi gan wrthbwyso cam cyson y cludwr cyfeirio. Mae cylchdro sy'n amrywio o ran amser yn cael ei achosi gan ddiffyg cyfatebiaeth amlder y cludwr cyfeirio. Gallai'r diffyg cyfatebiaeth fod yn gysylltiedig â chaledwedd neu wedi'i achosi gan Doppler. Y naill ffordd neu'r llall, mae'n swm anhysbys. Mae'r diffyg cyfatebiaeth amledd, a elwir yn amledd gwrthbwyso fd, yn achosi cyfnod cyfatebol o amrywio amser sy'n arwain at smeario cytser. Mae hyn yn wahanol i'r gwrthbwyso cyfnod sefydlog hwnnw sy'n achosi'r cytser cyfan i gylchdroi. Mae Ffigur 4 yn dangos y cam amrywio amser a wrthbwyswyd o dan ddwy lefel SNR. Rhaid gwrthdroi cylchdroadau sefydlog ac amser-amrywio cyn adnabod radiometrig.

3.1. Cefndir

Nid yw cywiro gwrthbwyso cam ac amlder cyn adnabod ffynhonnell bob amser yn cael sylw yn y llenyddiaeth adnabod radiometrig [17]. Y dull traddodiadol o adfer cyfnod cludwr yw'r dull cyfraith pŵer [53]. Mae codi'r signal i'r pŵer Mth yn creu naws ar amseroedd M yr amledd gwrthbwyso y gellir ei ddefnyddio i randdirymu'r gytser. Fodd bynnag, dim ond ar gyfer gwrthbwyso cyfnod penodol y mae'r dull hwn yn gweithio. Mae'r dull a gyflwynir yma yn echdynnu taflwybrau cyfnod mympwyol trwy ffitio model i'r amcangyfrif tebygolrwydd uchaf o bwyntiau cyfnod a fesurir dros segmentau signal lluosog. Amcangyfrifir llwybr y cyfnod yn gyntaf o segmentau signal sy'n ddigon byr i'r cam gael ei ystyried yn llonydd; yn ei hanfod, cipolwg o'r cyfnod mewn amser. Mae llethr y llinell a osodir ar yr onglau gwedd gan ddefnyddio'r sgwariau lleiaf yn gymesur â'r amledd gwrthbwyso. Yn ogystal, mae'r dull sgwariau lleiaf ffit yn trin taflwybrau cam aflinol a achosir gan effaith amlder gwrthbwyso ail orchymyn. Nid yw hyn yn bosibl gyda'r dull cyfraith pŵer.

3.2. Model Signal

Y model arwahanol ar gyfer gwrthbwyso cam yw {θk=2π fd t, t=kTs, k=1, 2, . . . K} lle Ts yw hyd y symbolau a K yw nifer y symbolau yn y bloc a ddefnyddir i amcangyfrif cylchdro gwedd. Mae symbolau olynol yn cylchdroi gan 2π ac yn ffitio radianau i ffwrdd o'u safleoedd enwol. Mae'r symudiad hwn yn ffurfio arc dros amser gan achosi effaith ceg y groth a ddangosir yn Ffigur 4. I gywiro'r cylchdro hwn, rhaid dod o hyd i amcangyfrif o θk, ˆθk, a'i ddefnyddio i adennill fd a rhanddirymu'r bloc o symbolau. Y cylchdro symbol mwyaf dros floc yw T=KTs.

Gellir cyflawni amcangyfrif amlder gwrthbwyso trwy amcangyfrif y llwybr cam yn gyntaf. Mae'r amcangyfrif o θ(t) yn cael ei berfformio dros flociau byr o hyd T i sicrhau llonyddwch cyfnod, hy, {θ(t) ≈ θk, t ∈ T}. Felly, mae un amcangyfrif cam fesul bloc o ddata. Y maint fdT yw cylchdro ffracsiynol y gytser dros 2π ar gyfer hyd y bloc T. Rhaid cadw'r swm hwn yn fach am ddau reswm. Mae un fdT llai yn golygu samplu manylach o gromlin y cyfnod. Mae hyn yn bwysig wrth ddal aflinoledd cyfnod trwy fodelu llinellol fesul tipyn. Mae dau, fdT mawr yn gwthio'r symbolau y tu hwnt i'w cwadrant symbolau gwreiddiol. Mae'r effaith hon i'w gweld yn Ffigur 4b lle mae symbolau yn y cwadrant cyntaf wedi'u gwthio i'r ail gwadrant. Esbonnir yr hyn sy'n ffurfio segmentau byr neu hir yn yr adran ganlynol.

Am ragor o wybodaeth: david.deng@wecistanche.com WhatApp:86 13632399501