4. Canlyniadau

Cistanchemae gan y swyddogaethhyrwyddo cynhyrchu colagen, a all gynyddu elastigedd a llewyrch y croen ahelpu i atgyweirio celloedd croen sydd wedi'u difrodi. Glycosidau Ffenylethanol Cistanchecael effaith is-reoleiddio sylweddol artyrosinasegweithgaredd, a dangosir bod yr effaith ar tyrosinase yn ataliad cystadleuol a gwrthdroadwy, a all ddarparu sail wyddonol ar gyfer datblygu a defnyddio'r cynhwysion gwynnu yn Cistanche. Felly, mae gan cistanche rôl allweddol yngwynnu croen. Gallatal melanincynhyrchu i leihau afliwio a diflastod; a hyrwyddo cynhyrchu colagen i wella elastigedd croen a pelydriad. Oherwydd y gydnabyddiaeth eang o effeithiau hyn cistanche, mae llawer o gynhyrchion gwynnu croen wedi dechrau trwytho cynhwysion llysieuol fel Cistanche i gwrdd â galw defnyddwyr, gan gynyddu gwerth masnachol Cistanche yncynhyrchion gwynnu croen. I grynhoi, mae rôl cistanche mewn gwynnu croen yn hollbwysig. Eigwrthocsidiolgall effaith ac effaith cynhyrchu colagen leihau afliwiad a diflasrwydd, gwella hydwythedd croen a llewyrch, a thrwy hynny gyflawni effaith gwynnu. Hefyd, mae cymhwysiad eang Cistanche mewn cynhyrchion gwynnu croen yn dangos na ellir diystyru ei rôl mewn gwerth masnachol.

Cliciwch ar Atodiad Cistanche Tubulosa

Am fwy o wybodaeth:

david.deng@wecistanche.com WhatApp:86 13632399501

Mae'r adran hon yn gweithredu'r dull adnabod radiometrig arfaethedig gan ddefnyddio data efelychiadol a real. Yn gyntaf, caiff data eu cywiro ar gyfer amlder gwrthbwyso a'u defnyddio i wrthdroi'r gwrthbwyso cyfnod amrywio amser. Yn ail, mae'r algorithm arfaethedig sy'n cael ei reoli gan reol (6) yn cael ei weithredu gan gynhyrchu matricsau dryswch.

4.1. Cam Signal a Chywiro Amlder Gwrthbwyso

Mae data'n cael eu hefelychu ar gyfer signal QPSK yn amodol ar wrthbwyso amledd osgiliadur lleol. Mae Tabl 1 yn dangos y paramedrau efelychu.

Mae Ffigur 5 yn dangos y broses a ddefnyddir i gasglu gwerthoedd cyfnod ar unwaith a'u defnyddio yn y cam gosod model. Gellir esbonio'r cam hwn hefyd fel samplu cromlin y cyfnod. Mae'r cyfnodau symbol fesul bloc yn cael eu histogramu ac yna gosod polynomial. Uchafbwynt yr polynomial yw ˆθk ar gyfer y bloc kth. Mae'r cam hwn yn cael ei ailadrodd dros flociau lluosog ac fe'i dangosir yn Ffigur 5a–f. Amcangyfrifir y cyfnodau { ˆθk, k=1, 2, . . . , M} diffinio'r llwybr cyfnod llinellol y mae ei lethr yn pennu fd. Ffigur 6 yw'r sgwariau lleiaf ffit o'r model cyfnod i'r data. Mae ffigurau 6a, a b yn cyfateb i SNR=20 dB ac 10 dB, yn y drefn honno. Mae Ffigur 6c yn dangos y gellir modelu ac olrhain llwybr cam aflinol hefyd. Yr amcangyfrif o f ˆ d=0.0505 Hz a f ˆ d=0.0455 Hz ar SNR=20 dB a 10 dB, yn y drefn honno. Y gwir amledd gwrthbwyso yw 0.05 Hz.

Mae symbolau'n cylchdroi gan radian 2π fdT dros hyd bloc. Rhaid cadw'r cylchdro hwn i ffracsiwn bach o'r cwadrant y mae'r symbolau'n perthyn iddo. Er enghraifft, yn QPSK, mae pob cwadrant yn π/2 radian. Mae hyd y bloc cywir yn cael ei arwain gan ddull histogramau cyfnod. Mae histogram gwedd unimodaidd gydag uchafbwynt amlwg yn dangos bod amrywiadau cyfnod yn parhau i fod yn agos at y gwerth enwol, Ffigur 7a. Ar gyfer 2π fdT mawr, naill ai oherwydd fd mawr neu hyd bloc hir T, mae'r histogram yn dod yn amlfodd heb unrhyw gopa amlwg, Ffigur 7b. Anfantais arall fdT mawr yw'r amwysedd cyfnod 2π lle mae symbolau'n symud o amgylch y cylch cyfnodau lluosog.

4.2. Adnabod Radiometrig

Rydym bellach yn cymhwyso'r dull adnabod radiometrig arfaethedig i'r signalau a gynhyrchir gan y generaduron neu'r safonau tonffurf canlynol: Agilent [54], Viasat EBEM [55], Teledyne Paradise [56], KRATOS Real-Time Channel Simulator (RTsim) [57], ac USRP [58]. Mae gan y data fodiwleiddio QPSK wedi'i samplu ar 2.95 MHz ar gyfer cyfanswm o 35 miliwn o symbolau fesul model. Mae Ffigurau 8a, a b yn dangos cytserau signal sy'n cael eu heffeithio gan symiau amrywiol o ceg y groth. Mae Ffigur 8b yn achos arbennig o ddifrifol oherwydd bod y cynnyrch fdT mawr yn achosi i symbolau gylchdroi lluosrifau posibl o 2π. Yn dilyn amcangyfrif fdT a dirywio symbolau, caiff y cytser gwreiddiol ei adfer yn Ffigur 8c. Mae Ffigur 9 yn agos i fyny o chwe cytser ar ôl dileu pob cam ac amledd gwrthbwyso. Y dasg nawr yw priodoli'r signalau i ffynonellau unigol. O ystyried tebygrwydd y cytserau o ran strwythur a nodweddion, mae'n amlwg bod adnabod radiometrig yn broblem lawer mwy heriol na dosbarthiad signal confensiynol yn seiliedig ar wybodaeth fodiwleiddio.

4.3. Matricsau Dryswch Dosbarth

Mae hyfforddi'r dosbarthwr yn golygu cyfrifo 5 matrics gwynnu cyfatebol, Wi, i=1, 2, . . . , 5. Mae'r data'n cynnwys 35 miliwn o symbolau a gymerwyd o signalau wedi'u modylu gan QPSK sy'n tarddu o bum radio gwahanol. Mae'r set hyfforddi yn cynnwys symbolau 5 × 105, sef tua 1.4 y cant o gyfanswm y data. Mae angen cynllun pleidleisio ar ddosbarthwr y Bleidlais Mwyafrif. Cynhyrchir pleidleisiau trwy rannu'r data yn 72 bloc o 5 × 105 sampl yr un. Mae pob bloc yn cynhyrchu un bleidlais sydd wedyn yn cael ei thablu dros hyd cyfan y signal. Mae'r blociau prawf yn cael eu tynnu o ffynhonnell "anhysbys", wedi'u llygru gan sŵn Gaussian, a'u taflunio dro ar ôl tro ar fatricsau gwynnu sy'n cyfateb i bob ffynhonnell. Defnyddir y pellter Förstner-Moonen i gyfrifo'r ffwythiant modd yn (6) gan arwain at lunio'r matricsau dryswch.

Cyn creu'r matricsau dryswch, rhaid astudio ymddygiad y mesur pellter Förstner-Moonen. Yn ôl (3), wrth i'r broses gael ei gwynnu'n gynyddol, mae'r pellter Förstner-Moonen rhwng y matrics covariance whitened a'r matrics hunaniaeth yn cael ei gulhau. Yr isafswm pellter damcaniaethol yw sero ar gyfer sŵn gwyn. I brofi am yr ymddygiad hwn, mae dau newidyn ar hap gyda chyfernodau cydberthynas addasadwy yn cael eu creu a'u gosod mewn matrics dwy golofn. Mae cydamrywiant y matrics hwn yn cael ei gyfrifo fel swyddogaeth gwerthoedd cydberthynas ac mae'r pellter cyfatebol Förstner-Moonen yn cael ei blotio. Mae'r canlyniadau wedi'u plotio yn Ffigur 3. Fel y dengys Ffigur 3a, mae'r pellter yn swyddogaeth gynyddol o gydberthynas, sy'n adlewyrchu bod y matrics covariance yn symud i ffwrdd oddi wrth broses sŵn gwyn ar gyfer cydberthynas gynyddol. Disgwylir hyn. Ail eiddo mesur Förstner-Moonen yw bod y data anhysbys yn agosach at broses sŵn gwyn pan gaiff ei wynnu gan ei drawsnewidiad gwynnu nag unrhyw un arall, felly gwynnu cyfatebol. I ddangos yr eiddo hwn, mae'r data gan Agilent yn cael ei wynnu gan ei fatrics gwynnu ac yna gan fatrics gwynnu Viasat EBEM. Perfformir cyfrifiadau pellter dros 40 bloc o ddata a'u plotio yn Ffigur 3b. Yr hyn sy'n sefyll allan yw bod pellter Förstner-Moonen ar gyfer y data Agilent bron bob amser yn llai na hynny pan ddefnyddir matrics gwynnu Viasat EBEM. Disgwylir yr ymddygiad hwn, sy'n golygu bod penderfyniad cywir yn cael ei wneud bob tro y mae'n digwydd. Y cyfrif hwn yn ei hanfod yw'r sail ar gyfer poblogi'r matricsau dryswch dros bob ffynhonnell.

Yn dilyn yr arsylwadau uchod, gellir bellach gyfrifo'r matricsau dryswch cyfatebol ac fe'u dangosir yn Nhabl 2. Mae'r niferoedd yn nodi canran y pleidleisiau cywir a fwriwyd ar gyfer pob ffynhonnell dros 72 ffrâm o ddata'r prawf. Sylwch fod y dosbarthwr modd yn (6) yn edrych am luosogrwydd y pleidleisiau i ddewis enillydd. Mae’n gynllun pleidleisio caled. Er enghraifft, dim ond 77.1 y cant o'r pleidleisiau y mae Paradise wedi'u derbyn ond mae'r signal anhysbys yn dal i gael ei ddosbarthu'n gywir fel Paradwys. Felly, mae Tabl 2 yn dangos dosbarthiad cywir 100 y cant. Gellir defnyddio matricsau dryswch mewn cynllun pleidleisio meddal hefyd trwy gadw'r canrannau pleidleisiau gwirioneddol.

Nesaf, rydym yn ymchwilio i effaith setiau data llai a sŵn ychwanegol y tu hwnt i'r hyn sydd eisoes yn y data. Cyfanswm maint y sampl bellach yw 107 sy'n cael eu torri'n flociau o chwarter miliwn o samplau, pob un yn cyfieithu i lai na 100 msec. Mae'r hyd hwn yn cynhyrchu 40 bloc a ddefnyddir i gael ystadegau dosbarthu ar ffurf matricsau dryswch. Mae Tabl 3 yn dangos y canlyniadau @ SNR=15 dB wedi ychwanegu sŵn Gaussian. Mae hyn y tu hwnt i'r hyn sydd eisoes yn y data. Mae pob ffynhonnell wedi'i nodi'n gywir ac eithrio KRATOS RTSim a nodir fel Teledyne Paradise. Hyd yn oed wedyn, mae'r gwahaniaeth o 2.5 y cant ymhell o fewn amrywiadau ystadegol y rhediad. Mae'r canran cywir o rifau dosbarthu ar gyfer pob ffynhonnell yn dangos gostyngiad mawr o gymharu â Thabl 2 ond mae'r cynllun pleidleisio mwyafrif yn dal i wneud y penderfyniad cywir, er ar lai o elw. Er enghraifft, dim ond 30 y cant o'r amser y mae data Agilent wedi'u cysylltu'n gywir ag Agilent ond mae hynny'n dal yn uwch nag unrhyw rai eraill. Mae Tablau 4 a 5 yn ailadrodd y broses ar gyfer SNR=5 dB a 0 dB. Er bod y cyfraddau a'r ymylon yn is, mae'r cynllun pleidlais fwyafrifol yn dal i ddewis y dosbarth cywir. Pan fo'r elw'n isel, mae amrywioldeb ystadegol yn chwarae rhan wrth adnabod ffynhonnell yn gywir. Sylwch fod yr ymyl fawr o USRP yn Nhabl 2 yn ei helpu i raddau helaeth i gynnal adnabyddiaeth gywir hyd yn oed ar 5 dB SNR yn Nhabl 4. I ddangos pa mor enbyd yw'r sefyllfa, mae Ffigur 10 yn dangos y cytser mewn sŵn SNR=5 dB. Mae diffyg nodweddion adnabod yn amlwg drwyddi draw. Sylwch fod RTSim a Paradise wedi'u clymu. Mae'r anhawster hwn wrth gwrs yn cael ei adlewyrchu yn Nhabl 4 hefyd ond mae'n dal yn bosibl ei adnabod yn gywir. Mae pedair o bob pum ffynhonnell wedi'u nodi'n gywir ac mae'r pumed un wedi'i chlymu. Tabl 5 yw achos eithafol SNR=0 dB. Mae EBEM a Pharadwys yn dal i gael eu nodi'n gywir.

4.4. Cymariaethau

Adroddir cymhariaeth gynhwysfawr o SVM, CNN, a D(eep)NN ar gyfer chwe radio yn [13]. Y cyfraddau dosbarthu cywir yw 44.8 y cant (SVM), 82.4 y cant (CNN), a 71.9 y cant (DNN). Fodd bynnag, yn absenoldeb meincnodau derbyniol ar gyfer adnabod radiometrig, nad ydynt yn bodoli, nid yw cymariaethau rhifiadol pur yn derfynol. Ystyrir ffactorau megis cymhlethdod yr algorithm, cyflymder prosesu, maint data hyfforddi, a thybiaethau eraill, ac mae'r gymhariaeth yn anodd. Nid yw hyd yn oed y dewis o radios neu brotocolau yn gyffredin. Maint y sampl hyfforddi a adroddwyd yn [13] yw 10 y cant tra mae'n 1.4 y cant yma. Yn bwysicach fyth, ni adroddwyd am unrhyw gam adfer cludwr. Trwy dybio aliniad cyfnod ac amlder perffaith yn yr osgiliadur lleol, ni wnaethpwyd unrhyw fesurau lliniaru ar gyfer taenu cytser o'r math a nodir yma. Mae hwn yn hepgoriad sylweddol. Nid oes sŵn yn y system ychwaith. Mae delio â dimensiwn uchel yn ffactor arall. Mae'r trawsnewid gwynnu yn ddinodwedd ac felly'n osgoi'r gostyngiad mewn dimensiwn tra bod gan fectorau nodwedd a dynnwyd yn [10] 960 dimensiynau. Mae olion bysedd dyfais RF yn y rhwydweithiau gwybyddol Zigbee yn dangos cywirdeb da (≈90 y cant) ond ar SNR uchel (Yn fwy na neu'n hafal i 20 dB) [15]. 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).

5. Casgliadau

Cyfeiriadau

1. Nandi, AK; Azzouz, EE Algorithmau ar gyfer adnabod modiwleiddio awtomatig o signalau cyfathrebu. IEEE Traws. Cymmun. 1998, 46, 431–436.

2. Phukan, GJ; Bora, amcangyfrif Paramedr PK ar gyfer dosbarthiad dall o drawsgyweirio digidol. Proses Signal IET. 2016, 10, 758–769.

3. Ata'a, AW; Abdullah, SN Deinterleaving signalau radar ac algorithmau adnabod PRF. IET Radar Sonar Navig. 2007, 1, 340–347.

4. Gok, G. ; Alp, YK; Arikan, O. Dull Newydd ar gyfer Adnabod Allyrwyr Penodol Gyda Chanlyniadau ar Fesuriadau Radar Go Iawn. IEEE Traws. Inf. Fforensig Secur. 2020, 15, 3335–3346.

5. Sa, K. ; Lang, D.; Wang, C. ; Bai, Y. Technegau Adnabod Allyrwyr Penodol ar gyfer y Rhyngrwyd Pethau. Mynediad IEEE 2020, 8, 1644–1652.

6. Wu, H. ; Wang, W. Dull Canfod Diogelwch Cydweithredol ar Sail Theori Gêm ar gyfer Systemau Rhyngrwyd Pethau. IEEE Traws. Inf. Fforensig Secur. 2018, 13, 1432–1445.

7. Padilla, J. ; Padilla, P.; Valenzuela-Valdés, J.; Ramírez, J.; Górriz, J. Mesuriadau olion bysedd RF ar gyfer adnabod dyfeisiau mewn rhwydweithiau cyfathrebu diwifr yn seiliedig ar leihau nodwedd a thrawsnewid subspace. Mesuriad 2014, 58, 468–475.

8. Bihl, TJ; Bauer, KW; Temple, MA Dewis Nodwedd ar gyfer Olion Bysedd RF gyda Dadansoddiad Gwahaniaethol Lluosog a Defnyddio Allyriadau Dyfais ZigBee. IEEE Traws. Inf. Fforensig Secur. 2016, 11, 1862–1874.

9. Xu, S.; Huang, B. ; Xu, L. ; Xu, Z. Dosbarthiad Trosglwyddydd Radio gan ddefnyddio Dull Newydd o Ddadansoddi Nodweddion Crwydr Wedi'i Gyfuno â PCA. Mewn Trafodion Cynhadledd Cyfathrebu Milwrol MILCOM 2007-IEEE, Orlando, FL, UDA, 29–31 Hydref 2007; tt 1–5.

10. Jia, Y. ; Ma, J. ; Gan, L. Optimeiddio Cyfunol o Leihau Nodwedd a Dosbarthiad ar gyfer Adnabod Radiometrig. Proses Arwyddion IEEE. Lett. 2017, 24, 584–588.

11. Danev, B. ; Capkun, S. Adnabod nodau synhwyrydd diwifr yn seiliedig ar dros dro. Mewn Trafodion Cynhadledd Ryngwladol 2009 ar Brosesu Gwybodaeth mewn Rhwydweithiau Synhwyrydd, San Francisco, CA, UDA, 13–16 Ebrill 2009; tt 25–36.

12. Kennedy, IO; Scanlon, P.; Mullany, FJ; Buddhikot, MM; Nolan, KE; Rondeau, Trosglwyddydd Radio TW Olion Bysedd: Dull Parth Amlder Cyflwr Sefydlog. Yn Nhrafodion Cynhadledd Technoleg Cerbydau IEEE 2008 68, Calgary, AB, Canada, 21–24 Medi 2008; tt 1–5.

13. Youssef, K. ; Bouchard, L.; Haigh, K. ; Silovsky, J.; Thapa, B. ; Valk, CV Machine Learning Agwedd at Adnabod Trosglwyddydd RF. IEEE J. Radio Freq. Adnabod. 2018, 2, 197–205.

14. Jafari, H. ; Omoter, O. ; Adesina, D.; Wu, H. ; Qian, L. Dyfeisiau IoT Olion Bysedd gan Ddefnyddio Dysgu Dwfn. Mewn Trafodion Cynhadledd Cyfathrebu Milwrol MILCOM 2018—2018 IEEE (MILCOM), Los Angeles, CA, UDA, 29–31 Hydref 2018; tt 1–9.

15. Merchant, K. ; Revay, S.; Stantchev, G.; Nousain, B. Dysgu Dwfn ar gyfer Olion Bysedd Dyfais RF mewn Rhwydweithiau Cyfathrebu Gwybyddol. IEEE J. Sel. Brig. Proses Arwyddion. 2018, 12, 160–167.

16. Rajendran, A.S.; Meert, W. ; Giustiniano, D.; Benthycwyr, V. ; Pollin, S. Modelau dysgu dwfn ar gyfer dosbarthu signal di-wifr gyda synwyryddion sbectrwm cost isel dosbarthedig. IEEE Traws. Cogn. Cymmun. Rhwyd. 2018, 4, 433–445.

17. Ding, L. ; Wang, S.; Wang, F.; Zhang, W. Adnabod Allyrwyr Penodol trwy Rwydweithiau Niwral Convolutional. Cymun IEEE. Lett. 2018, 22, 2591–2594.

18. Masood, S. ; Rai, A. ; Aggarwal, A. ; Doja, MN; Ahmad, M. Canfod ffactorau sy'n tynnu sylw gyrwyr gan ddefnyddio rhwydwaith niwral troellog. Adnabod Patrwm. Lett. 2018, 139, 79–85.

19. Pan, Y. ; Yang, S.; Peng, H. ; Li, T. ; Wang, W. Adnabod Allyrwyr Penodol yn Seiliedig ar Rwydweithiau Gweddilliol Dwfn. Mynediad IEEE 2019, 7, 54425–54434.

20. Qian, Y.; Qi, J.; Kuai, X. ; Han, G. ; Haul, H. ; Hong, S. Adnabod Allyrwyr Penodol yn Seiliedig ar Gynrychiolaeth Wahanol Aml-Lefel mewn System Adnabod Awtomatig. IEEE Traws. Inf. Fforensig Secur. 2021, 16, 2872–2884.

21. Du, M. ; Efe, X. ; Cai, X. ; Bi, D. Chwiliad Pensaernïaeth Niwral Gytbwys a'i Gymhwysiad wrth Adnabod Allyrwyr Penodol. IEEE Traws. Proses Arwyddion. 2021, 69, 5051–5065.

22. Huang, G. ; Yuan, Y.; Wang, X. ; Huang, Z. Adnabod Allyrwyr Penodol yn Seiliedig ar Nodweddion Deinamig Aflinol. Gall. J. Trydan. Cyfrifiadur. Eng. 2016, 39, 34–41.

23. Huang, G. ; Yuan, Y.; Wang, X. ; Huang, Z. Adnabod allyriadau penodol ar gyfer trosglwyddydd cyfathrebu gan ddefnyddio aml-fesuriadau. Wirel. Pers. Cymmun. 2017, 94, 1523–1542.

24. Yuan, Y.; Huang, ZT; Wu, H. ; Wang, X. Adnabod allyrrydd penodol yn seiliedig ar Hilbert-Huang trawsnewid sy'n seiliedig ar nodweddion amser-amledd-ynni dosbarthu. IET Commun. 2014, 8, 2404–2412.

25. Padilla, P. ; Padilla, J.; Valenzuela-Valdes, J. Adnabod dyfeisiau diwifr yn radio-amledd yn seiliedig ar olion bysedd RF. Electron. Lett. 2013, 49, 1409–1410.

26. Hu, A. Canfod olion bysedd RF trosglwyddydd Wi-Fi yn seiliedig ar ragymadrodd. Electron. Lett. 2010, 46, 1165–1167.

27. Candore, A. ; Kocabas, O.; Koushanfar, F. Olion bysedd radiometrig sefydlog cadarn ar gyfer dyfeisiau diwifr. Yn Nhrafodion Gweithdy Rhyngwladol IEEE 2009 ar Ddiogelwch ac Ymddiriedolaeth sy'n Canolbwyntio ar Galedwedd, San Francisco, CA, UDA, 27–29 Gorffennaf 2009; tt 43–49.

28. Dudczyk, J.; Kawalec, A. Algorithm adnabod cyflym-penderfyniad o batrwm ffynhonnell allyriadau yn y gronfa ddata. Tarw. Pol. Acad. Sci.-Tech. Sci. 2015, 63, 385–389.

29. Kawalec, A. ; Rapacki, T.; Wnuczek, S.; Dudczyk, J.; Owczarek, R. Dull Cymysg yn Seiliedig ar Ddata Intrapulse ac Allyriadau Ymbelydredd i Gydnabod Ffynonellau Allyrwyr. Mewn Trafodion Cynhadledd Ryngwladol 2006 ar Ficrodonnau, Radar Wireless Communications, Krakow, Gwlad Pwyl, 22–24 Mai 2006; 487–490.

30. Demers, F. ; St-Hilaire, M. Adnabod trosglwyddyddion LTE yn radiometrig. Mewn Trafodion Cynhadledd Cyfathrebu Byd-eang IEEE 2013 (GLOBECOM), Atlanta, GA, UDA, 9–13 Rhagfyr 2013; tt 4116–4121.

31. Tan, K. ; Yan, W.; Zhang, L.; Tang, M. ; Zhang, Y. Adnabod Allyrwyr Penodol yn Seiliedig ar Radio Diffiniedig gan Feddalwedd a Chyfuniad Penderfyniad. Mynediad IEEE 2021, 9, 86217–86229.

32. Jana, S.; Kasera, SK Ar ganfod pwyntiau mynediad di-wifr heb awdurdod yn gyflym ac yn gywir gan ddefnyddio sgiiwiau cloc. IEEE Traws. Mob. Cyfrifiadur. 2009, 9, 449–462.

33. Conning, M. ; Potgieter, F. Dadansoddiad o ddata radar wedi'i fesur ar gyfer adnabod allyriadau penodol. Mewn Trafodion Cynhadledd Radar IEEE 2010, Washington, DC, UDA, 10–14 Mai 2010; tt 35–38.

34. Polak, AC; Goeckel, DL Adnabod dyfais ddi-wifr yn seiliedig ar amherffeithrwydd osgiliadur RF. IEEE Traws. Inf. Fforensig Secur. 2015, 10, 2492–2501.

35. Polak, AC; Goeckel, DL RF olion bysedd defnyddwyr sy'n mynd ati i guddio eu hunaniaeth ag afluniad artiffisial. Mewn Trafodion Cofnod Cynhadledd 2011 o Ddeugain Pumed Cynhadledd Asilomar ar Arwyddion, Systemau, a Chyfrifiaduron (ASILOMAR), Pacific Grove, CA, UDA, 6–9 Tachwedd 2011; 270–274.

36. Liu, MW; Doherty, JF Adnabod allyriadau penodol gan ddefnyddio amcangyfrif dyfais aflinol. Yn Nhrafodion Symposiwm IEEE Sarnoff 2008, Princeton, NJ, UDA, 28–30 Ebrill 2008; tt 1–5.

37. Li, Y. ; Chen, X. ; Lin, Y.; Srivastava, G.; Liu, S. Adnabod trosglwyddydd di-wifr yn seiliedig ar amherffeithrwydd dyfais. Mynediad IEEE 2020, 8, 59305–59314.

38. Dolatshahi, A.S.; Polak, A. ; Goeckel, DL Adnabod defnyddwyr diwifr trwy amherffeithrwydd mwyhadur pŵer. Mewn Trafodion Cofnod Cynhadledd 2010 o Bedwaredd Gynhadledd Deugain Asilomar ar Arwyddion, Systemau a Chyfrifiaduron, Pacific Grove, CA, UDA, 7–10 Tachwedd 2010; pp. 1553–1557.

39. D'Agostino, S.; Foglia, G. ; Pistoia, D. Dynodi allyriadau penodol: Dadansoddiad o ddata signal radar go iawn. Mewn Trafodion Cynhadledd Radar Ewropeaidd 2009 (EuRAD), Rhufain, yr Eidal, 30 Medi–2 Hydref 2009; tt 242–245.

40. Guo, S. ; Gwyn, AG; Isel, M. Astudiaeth gymhariaeth o adnabod allyrwyr radar yn seiliedig ar drosglwyddyddion signal. Mewn Trafodion Cynhadledd Radar IEEE 2018 (RadarConf18), Oklahoma City, OK, UDA, 23–27 Ebrill 2018; tt 286–291.

41. Talbot, KI; Duley, Cysylltiadau Cyhoeddus; Hyatt, MH Adnabod a dilysu allyriadau penodol. Technol. Dat. 2003, 113, 113–133.

42. Dragomiretskiy, K.; Zosso, D. Dadelfeniad modd amrywiadol. IEEE Traws. Proses Arwyddion. 2013, 62, 531–544.

43. Ailystyried Chang, CI Orthogonal Subspace Projection (OSP): Astudiaeth a dadansoddiad cynhwysfawr. IEEE Traws. Geosci. Synhwyrau o Bell 2005, 43, 502–518. ): Richland, WA, UDA, 2007.

45. Mayer, R. ; Bucholtz, F.; Scribner, D. Canfod gwrthrychau trwy ddefnyddio gwynnu/dewhitening i drawsnewid llofnodion targed mewn delweddau hyperspectrol ac amlsbectrol aml-amser. Geosci. Synhwyrau o Bell IEEE Traws. 2003, 41, 1136–1142.

46. ​​Kessy, A. ; Lewin, A. ; Strimmer, K. Optimal Whitening ac Addurniad. Yn. Ystad. 2018, 72, 309–314.

47. Bell, AJ; Sejnowski, TJ Mae "cydrannau annibynnol" golygfeydd naturiol yn hidlwyr ymyl. Vis. Res. 1997, 37, 3327–3338.

48. Srivastava, N.; Hinton, G.; Krizhevsky, A.; Sutskever, I. ; Salakhutdinov, R. Dropout: Ffordd syml o atal rhwydweithiau niwral rhag gorffitio. J. Mach. Dysgwch. Res. 2014, 15, 1929–1958.

49. Förstner, W. ; Moonen, B. Metrig ar gyfer matricsau cydamrywiant. Yn Geodesi - Her y 3ydd Mileniwm; Springer: Berlin/Heidelberg, yr Almaen, 2003; 299–309.

50. Kulis, B. ; Sustik, MA; Dhillon, IS Dysgu Cnewyllyn Gradd Isel gyda Dargyfeiriadau Matrics Bregman. J. Mach. Dysgwch. Res. 2009, 10, 341–376.

51. Herdin, M. ; Czink, N.; Ozcelik, H.; Bonek, E. Pellter Matrics Cydberthynas, Mesur Ystyrlon ar gyfer Gwerthuso Sianeli MIMO Ansefydlog. Yn Nhrafodion Cynhadledd Technoleg Cerbydau 2005 IEEE 61, Stockholm, Sweden, 30 Mai–1 Mehefin 2005; Cyfrol 1, pp. 136–140.

52. Kuncheva, LI Astudiaeth ddamcaniaethol ar chwe strategaeth ymasiad dosbarthwr. IEEE Traws. Patrwm rhefrol. Mach. deallus. 2002, 24, 281–286.

53. Proakis, JG; Salehi, M. Cyfathrebu Digidol; McGraw-Hill: Efrog Newydd, NY, UDA, 2008.

54. Generadur Arwyddion Fector Agilent. 2021. (cyrchwyd ar 26 Tachwedd 2021).

55. Modem SATCOM Effeithlon Lled Band Effeithlon Viasat. 2021. (cyrchwyd ar 26 Tachwedd 2021).

56. Teledyne Paradise Datacom. 2021. (cyrchwyd ar 26 Tachwedd 2021).

57. Kratos RTSIM. 2021. (cyrchwyd ar 26 Tachwedd 2021).

58. Ettus USRP. 2021.

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