CN111142661A - 信源识别方法、装置 - Google Patents
信源识别方法、装置 Download PDFInfo
- Publication number
- CN111142661A CN111142661A CN201911325062.9A CN201911325062A CN111142661A CN 111142661 A CN111142661 A CN 111142661A CN 201911325062 A CN201911325062 A CN 201911325062A CN 111142661 A CN111142661 A CN 111142661A
- Authority
- CN
- China
- Prior art keywords
- sample
- polynomials
- signal sample
- sequences
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本申请的实施例提供了一种信源识别方法及装置。该信源识别方法包括:获取多个信号样本序列以及预设概率,其中,每个信号样本序列中包含相同数量的样本值;根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值;基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式;将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果。本申请实施例的技术方案能够实现在无需通过逐一比较样本值的方式下有效识别信号样本序列是否来自同一信源,有利于信号样本的保密,并节省资源。
Description
技术领域
本申请涉及计算机及通信技术领域,具体而言,涉及一种信源识别方法及装置。
背景技术
目前,针对虚拟现实(VirtualReality,简称VR)信源的识别问题,现有技术方案主要是:1)从云端或者其他渠道获取多个VR信号样本序列;2)任选两个VR信号样本序列,逐一比较它们的样本值。如果所有的比较结果是相等,那么这两个VR信号样本序列来自相同VR信源,否则,来自不同VR信源。如果任意两个VR信号样本序列来自相同VR信源,那么所有VR信号样本序列来自相同VR信源。现有技术的方案中,首先,需要对VR信号样本序列中的样本值逐一进行比较,不利于样本的保密;其次,逐一进行样本值的比较不利于节省资源。
发明内容
本申请的实施例提供了一种信源识别方法及装置,进而至少在一定程度上无需通过逐一比较信号样本序列中的样本值也能得出信源识别结果,有利于样本的保密,且有利于节省资源。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种信源识别方法,包括:获取多个信号样本序列以及预设概率,其中,每个信号样本序列中包含相同数量的样本值;根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值;基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式;将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果。
根据本申请实施例的一个方面,提供了一种信源识别装置,包括:获取单元,用于获取多个信号样本序列以及预设概率,其中,每个信号样本序列中包含相同数量的样本值;确定单元,用于根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值;生成单元,用于基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式;比较单元,用于将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果。
在本申请的一些实施例中,基于前述方案,所述比较单元配置为:将所述多个样本多项式的结果进行比较;若部分样本多项式的结果相同,则确定所述部分样本多项式所对应的部分信号样本序列均来自于同一信源;若全部样本多项式的结果相同,则确定所述全部样本多项式所对应的所有信号样本序列均来自于同一信源。
在本申请的一些实施例中,基于前述方案,还包括:若全部样本多项式的结果相同,则根据所述预设概率以及所述多个信号样本序列的数量,计算所述部分样本多项式中任意两两样本多项式所对应的信号样本序列来自于同一信源的可信度。
在本申请的一些实施例中,基于前述方案,还包括:若全部样本多项式的结果相同,则根据所述预设概率计算所述全部样本多项式所对应的所有信号样本序列均来自于同一信源的可信度。
在本申请的一些实施例中,基于前述方案,所述确定单元包括:特定值确定子单元,用于根据所述预设概率以及所述多个信号样本序列的数量确定特定值,所述特定值为素数;变量值确定子单元,用于根据所述特定值确定变量值。
在本申请的一些实施例中,基于前述方案,所述特定值r为满足如下不等式的任意值:
其中,r为所述特定值,n为每个信号样本序列中包含的样本值的数量,m为获取到的所述多个信号样本序列的数量,p为所述预设概率。
在本申请的一些实施例中,基于前述方案,所述变量值确定子单元配置为:根据所述特定值生成变量集合;根据所述变量集合确定变量值。
在本申请的一些实施例中,基于前述方案,所述生成单元配置为:基于所述变量值与所述多个信号样本序列中包含的样本值,得到多个初始多项式;通过所述特定值对所述多个初始多项式分别进行取模运算,生成多个样本多项式。
在本申请的一些实施例中,基于前述方案,所述基于所述变量值与所述多个信号样本序列中包含的样本值,通过如下公式计算得到初始多项式F:
其中,X为所述变量值,Si,k+1为第i个信号样本序列中第k+1个样本的样本值。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的图像处理方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的图像处理方法。
在本申请的一些实施例所提供的技术方案中,由于对多个信号样本序列的样本值进行逐一比较从而判断信号样本序列的信源的方法一方面不利于样本的保密,另一方面不利于节省资源,因此本申请实施例通过利用信号样本序列中包含的样本值、预设概率、特定值、变量值,从而生成了样本多项式,通过直接比较样本多项式生成多个信号样本序列的信源识别结果,不仅可以给出具有一定可信度的信源识别结果,且有利于样本的保密和资源的节约。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了可以应用本申请实施例的技术方案的一个示例性系统架构的示意图;
图2示出了根据本申请的一个实施例的信源识别方法的流程图;
图3示出了根据本申请的一个实施例的信源识别方法的流程图;
图4示出了根据本申请的一个实施例的信源识别方法的流程图;
图5示出了根据本申请的一个实施例的信源识别方法的流程图;
图6示出了根据本申请的一个实施例的信源识别方法的流程图;
图7示出了根据本申请的一个实施例的信源识别方法应用在VR场景下的详细流程图;
图8示出了根据本申请的一个实施例的信源识别装置的框图;
图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构可以包括信源端101、网络102以及服务器103,网络102用以在终端101和服务器103之间提供通信链路的介质。网络102可以包括但不限于:无线网络、有线网络,有线网络包括但不限于以下至少之一:广域网、城域网、局域网。无线网络包括但不限于以下至少之一:蓝牙、WI-FI、近场通信(Near Field Communication,简称NFC)。
信源端101是发送信号的一端,信源端101可以将信号样本值通过网络102发送至服务器103,在一个实施例中,信源端101以信号样本序列的形式发送数据至服务器103,其中,信号样本序列至少包括了两个信号样本值。
服务器103可由架设在云端的服务器或服务器集群构成,该云端的服务器或服务器集群可执行处理逻辑以及运算逻辑。服务器103通过网络102与信源端101进行信息交互。在一个实施例中,服务器103中包括了信源识别模块,概率预设模块,相关值生成模块,样本多项式生成模块和样本多项式比较模块。其中,信源识别模块用于获取多个VR信号样本序列,概率预设模块,用于预先设定多个信号样本序列来自于同一信源的概率。
应该理解,图1中的信源端101、网络102和服务器103的数目仅仅是示意性的。根据实现需要,可以具有任意数目的信源端101、网络102和服务器103。比如服务器103可以是多个服务器组成的服务器集群等。
在本申请的一个实施例中,服务器103中的信源识别模块从云端或者其他渠道获取多个信号样本序列,概率预设模块根据实际情况预设一个概率,相关值生成模块根据多个信号样本序列以及预设概率确定特定值和变量值,样本多项式生成模块基于特定值、变量值以及多个信号样本序列中包含的样本值生成多个样本多项式,样本多项式比较模块将多个样本多项式进行比较以生成多个信号样本序列的信源识别结果。
在本申请的一个实施例中,样本多项式比较模块可以将多个样本多项式的结果进行比较,若部分样本多项式的结果相同,则确定部分样本多项式所对应的部分信号样本序列均来自于同一信源;若全部样本多项式的结果相同,则确定全部样本多项式所对应的所有信号样本序列均来自于同一信源。在一个实施例中,在确定多个样本多项式是否来自于同一信源的信源识别结果后,服务器103可以将所得到的信源识别结果发送至用户端,以便用户端进行查看。
在本申请的一个实施例中,相关值生成模块可以根据多个信号样本序列以及预设概率确定特定值,所确定的特定值为素数,然后根据素数特定值确定变量值。
在本申请的一个实施例中,相关值生成模块根据素数特定值确定变量值的方式可以是根据特定值生成变量集合,然后从变量集合中任意选择一个值,将所选择的值作为变量值。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图2示出了根据本申请的一个实施例的图像处理方法的流程图,该图像处理方法可以由服务器来执行,该服务器可以是图1中所示的服务器103,当然该图像处理方法也可以由终端设备来执行,比如可以由图1中所示的终端101来执行。参照图2所示,所述方法包括:
步骤S210、获取多个信号样本序列以及预设概率,其中,每个信号样本序列中包含相同数量的样本值;
步骤S220、根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值;
步骤S230、基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式;
步骤S240、将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果。
下面对这些步骤进行详细描述。
在步骤S210中,获取多个信号样本序列以及预设概率,其中,每个信号样本序列中包含相同数量的样本值。
具体的,信号样本序列是由多个信号样本值组成的序列,也即一个信号样本序列至少包括两个信号样本值,信号样本值可以通过分时段的方式进行采集得到,但需要说明的是,在分时段进行采集的过程中,必须保证不同时段对应的采集环境条件不会有太大的差异。
采集到信号样本值后,可以将信号样本值组合成信号样本序列,每个信号样本序列包含相同数量的信号样本值。在一个实施例中,可以对每个信号样本序列进行标记,例如用标号为i对信号样本序列进行标记,得到信号样本序列Si=(Si,1,Si,2,Si,3,….,Si,n),用标号j对信号样本序列进行标记,得到信号样本序列Sj=(Sj,1,Sj,2,Sj,3,….,Sj,n),其中,Si,k是信号样本序列Si中的样本值,Sj,k是信号样本序列Sj中的样本值,k∈{1,2,3...n},n是信号样本序列中的样本总数。
其中,预设概率用以表示获取到的多个信号样本序列来自于同一信源的概率,在判断多个信号样本序列是否来自于同一信源之前,通过预先设置的来自于同一信源的概率,通过预设概率相当于预设指标,换言之,必须满足该预设概率的情况下得出的判断结果才具有可信度。如果希望可信度高,可以将预设概率设置为一个较大的值,否则,可以将预设概率设置为一个较小的值,具体视情况而定,本申请实施例对此不做限定。
本申请实施例通过从云端获取多个信号样本序列以及预设概率后,就可以通过后续方法得到多个信号样本序列的信源识别结果,而不需要逐一比较多个信号样本序列中的样本值,有利于样本保密和节约资源,同时通过获取预设概率,保证了信源识别结果的可信度。
步骤S220,根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值。
其中,在通过步骤S210获取到多个信号样本序列以及预设概率后,根据预设概率和多个信号样本序列的数量确定特定值和变量值。在此需要说明的是,特定值和变量值可以是确定方式和数值均不相同,也可以是仅确定方式不同,而数值相同,也可以是仅数值不同,而确定方式相同。
在本申请的一个实施例中,特定值和变量值可以具有不同的确定方式,可以是先根据预设概率和多个信号样本序列的数量确定出特定值,然后根据特定值确定变量值的方式,参见图3,步骤S220具体包括:
步骤S2201、根据所述预设概率以及所述多个信号样本序列的数量确定特定值,所述特定值为素数;
步骤S2202、根据所述特定值确定变量值。
下面对步骤S2201-步骤S2201进行详细说明如下:
在步骤S2201中,根据预设概率和多个信号样本序列确定特定值,其中,特定值为素数,素数是指在大于1的自然数中,除了1和它本身以外不再有其他因数的自然数。
在一个具体实施例中,根据预设概率以及多个信号样本序列的数量,通过如下不等式确定特定值r:
其中,特定值r可以是满足上述不等式中的任一一个值,在上述不等式中,n为每个信号样本序列中包含的样本值的数量,m为获取到的所述多个信号样本序列的数量,p为所述预设概率。
在步骤S2202中,当确定出特定值后,还可以直接根据特定值确定变量值。例如,变量值可以为任意小于特定值的值,或者变量值为等于特定值的值。
在本申请的一个实施例中,参见图4,步骤S2202具体包括:
步骤S22021、根据所述特定值生成变量集合;
步骤S22022、根据所述变量集合确定变量值。
在步骤S22021中,根据所述特定值生成变量集合。
具体的,变量集合可以是由多个变量值组成的集合,也就是说变量集合中至少包括两个变量值。
其中,在一个实施例中,根据特定值生成变量集合的方式可以是,从0开始,以依次递增x的方式取小于等于特定值的所有值组成变量集合,其中x可以为任意小于特定值的数,变量集合中包括特定值,举例来说,如果确定出特定值为13,x为1,则根据特定值生成的变量集合为{0,1,2,3,4…13};在另一个实施例中,根据特定值生成变量集合的方式可以是,从0开始,以依次递增x的方式取小于特定值的所有值组成变量集合,举例来说,如果确定出特定值为13,x为1,则根据特定值生成的变量集合为{0,1,2,…12}。
在步骤S22022中,根据所述变量集合确定变量值。
在一个具体实施例中,根据变量集合确定变量值的方式可以是从变量集合中选择一个值,将所选择的值作为变量值,其中,选择的方式可以是随机的,本申请实施例在此不做限定。
在另一个具体实施例中,根据变量集合确定变量值的方式还可以是对变量集合中所有变量值进行相加后求平均,将得到的平均值作为变量值。
继续参见图2,在步骤S230中,基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式。
具体的,对于每个信号样本序列,可以基于步骤S210中获取到的信号样本序列中包含的样本值,以及步骤S220中确定出的特定值、变量值,生成样本多项式。
其中,样本多项式是与信号样本序列相对应的多项式。
在本申请的一个实施例中,基于特定值、变量值以及多个信号样本序列中包含的样本值生成多个样本多项式的方式可以是首先基于变量值与多个信号样本序列中包含的样本值,得到多个初始多项式,然后通过特定值对多个初始多项式进行取模运算,参见图5,步骤S230具体包括:
步骤S2301、基于所述变量值与所述多个信号样本序列中包含的样本值,得到多个初始多项式;
步骤S2302、通过所述特定值对所述多个初始多项式分别进行取模运算,生成多个样本多项式。
其中,在步骤S2301中,基于所述变量值与所述多个信号样本序列中包含的样本值,得到多个初始多项式。
在一个实施例中,基于变量值与多个信号样本序列中包含的样本值,可以通过如下公式计算得到初始多项式F:
其中,X为所述变量值,Si,k+1为第i个信号样本序列中第k+1个样本的样本值。
在步骤S2302中,通过特定值对多个初始多项式分别进行取模运算,生成多个样本多项式。
其中,取模运算得到的是一个数除以另一个数的余数,例如a mod b=c,表明a除以b余数为c。在本申请实施例中,通过特定值对初始多项式进行取模运算,生成样本多项式G可以表示为:G=Fmodr。
在此需要说明的是,由于特定值作为取模运算中的被除数,因此为了使得生成的样本多项式的结果能够进行比较,特定值需要限定为素数,如果特定值为非素数,则生成的样本多项式的结果可能会出现均为0的情况,从而导致对判断结果的干扰,从而影响对是否来自于同一信源的识别结果的判断的准确性。
继续参见图2,在步骤S240中,将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果。
由于对多个信号样本序列的样本值进行逐一比较从而判断信号样本序列的信源的方法一方面不利于样本的保密,另一方面不利于节省资源,因此本申请实施例通过利用信号样本序列中包含的样本值、预设概率、特定值、变量值,从而生成了样本多项式,通过直接比较样本多项式生成多个信号样本序列的信源识别结果,不仅可以给出具有一定可信度的信源识别结果,且有利于样本的保密和资源的节约。
其中,生成多个信号样本序列的信源识别结果可以包括多个信号样本序列均来自于同一信源,也可以是部分信号样本序列来自于同一信源。
在本申请的一个实施例中,参见图6,步骤S240具体包括:
步骤S2401、将所述多个样本多项式的结果进行比较;
步骤S2402、若部分样本多项式的结果相同,则确定所述部分样本多项式所对应的部分信号样本序列均来自于同一信源;
步骤S2403、若全部样本多项式的结果相同,则确定所述全部样本多项式所对应的所有信号样本序列均来自于同一信源。
在步骤S2401中,将所述多个样本多项式的结果进行比较。
由于样本多项式是多项式的表达形式,因此,对样本多项式的比较可以是通过对样本多项式的结果进行比较,样本多项式的结果是对样本多项式进行运算得到的运算结果,运算结果对应了一个数值,对数值的大小进行比较。
在步骤S2402中,若部分样本多项式的结果相同,则确定所述部分样本多项式所对应的部分信号样本序列均来自于同一信源。
具体的,部分样本多项式的结果相同至少包括了两个样本多项式的结果相同,但并非所有样本多项式的结果均相同。举例说明,如果获取到的信号样本序列有5个,则得到对应的样本多项式也有5个,部分样本多项式的结果相同可以指5个样本多项式中有2个样本多项式的结果相同,或者有3个样本多项式的结果相同,或者有4个样本多项式的结果相同。
如果通过对多个样本多项式的结果进行比较,确定该多个样本多项式中部分样本多项式的结果相同,则确定该部分样本多项式所对应的部分信号样本序列均来自于同一信源。继续上面的举例进行说明,如果有2个样本多项式的结果相同,则说明这2个样本多项式对应的信号样本序列来自于同一信源;如果有3个样本多项式的结果相同,则说明这3个样本多项式对应的信号样本序列均来自于同一信源;如果有4个样本多项式的结果相同,则说明这4个样本多项式对应的信号样本序列均来自于同一信源。
同样的,若部分样本多项式的结果相同,则确定部分样本多项式所对应的部分信号样本序列均来自于同一信源,反之,另一部分样本多项式的结果不相同,则另一部分样本多项式对应的另一部分信号样本序列来自于不同的信源。举例说明,若获取到的信号样本序列为信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4和信号样本序列5,其中,只有信号样本序列1对应的样本多项式1、信号样本序列2对应的样本多项式2、信号样本序列3对应的样本多项式3的结果相同,则确定信号样本序列1、信号样本序列2和信号样本序列3均来自于同一信源,而信号样本序列4与信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列5来自不同信源,信号样本序列5与信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4来自不同信源,信号样本序列4与信号样本序列5来自不同信源。
步骤S2403、若全部样本多项式的结果相同,则确定所述全部样本多项式所对应的所有信号样本序列均来自于同一信源。
如果通过对多个样本多项式的结果进行比较,确定该多个样本多项式中全部样本多项式的结果相同,则确定该全部样本多项式所对应的所有信号样本序列均来自于同一信源。举例说明,若获取到的信号样本序列为信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4和信号样本序列5,其中,信号样本序列1对应的样本多项式1、信号样本序列2对应的样本多项式2、信号样本序列3对应的样本多项式3、信号样本序列4对应的样本多项式4、信号样本序列5对应的样本多项式5的结果均相同,则确定信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4、信号样本序列5均来自于同一信源。
同样,反之,若全部样本多项式的结果均不相同,则确定全部样本多项式对应的所有信号样本序列来自不同信源。举例说明,若获取到的信号样本序列为信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4和信号样本序列5,其中,信号样本序列1对应的样本多项式1、信号样本序列2对应的样本多项式2、信号样本序列3对应的样本多项式3、信号样本序列4对应的样本多项式4、信号样本序列5对应的样本多项式5的结果均不相同,则确定信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4、信号样本序列5来自于不同信源。
通过上述实施例提供的方案,无需通过逐一比较多个信号样本序列中的样本值,而是通过利用信号样本序列中包含的样本值、预设概率、特定值、变量值,从而生成了样本多项式,通过直接比较样本多项式生成多个信号样本序列的信源识别结果,不仅可以给出具有一定可信度的信源识别结果,且有利于样本的保密和资源的节约。
在本申请的一个实施例中,具有一定可信度的信源识别结果可以通过预设概率计算得到,在该实施例中,还包括:
若全部样本多项式的结果相同,则根据所述预设概率以及所述多个信号样本序列的数量,计算任意两两样本多项式所对应的信号样本序列来自于同一信源的可信度。
具体的,若全部样本多项式的结果相同,则可以基于预设概率以及多个信号样本序列的数量,计算任意两两样本多项式所对应的信号样本序列来自于同一信源的可信度。
在一个实施例中,任意两两样本多项式所对应的信号样本序列来自于同一信源的可信度为介于与之间的数,其中m为多个信号样本序列的数量,P为预设概率,C_m^2为从m个信号样本序列中任选两个的组合数。当所获取到的信号样本序列均相同时,则任意两两样本多项式所对应的信号样本序列来自于同一信源的可信度为当所获取到的信号样本序列均不相同时,则任意两两样本多项式所对应的信号样本序列来自于同一信源的可信度为
举例说明,若获取到的信号样本序列为信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4和信号样本序列5,则m=5,若信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4和信号样本序列5是相同的信号样本序列,则任意两两信号样本序列来自于同一信源的可信度为若信号样本序列1、信号样本序列2、信号样本序列3、信号样本序列4和信号样本序列5均不相同,则任意两两信号样本序列来自于同一信源的可信度为
在本申请的另一个实施例中,除了计算任意两两信号样本序列来自于同一信源的可信度,还可以根据预设概率计算得到所有信号样本序列均来自于同一信源的可信度,在该实施例中,还包括:
若全部样本多项式的结果相同,则根据所述预设概率计算所述全部样本多项式所对应的所有信号样本序列均来自于同一信源的可信度。
具体的,如果所有信号样本序列均来自于同一信源,则可以确定所有信号样本序列均来自于同一信源的可信度等于预设概率P,所有信号样本序列来自于不同信源的可信度等于1-P。
在此需要说明的是,因为预设概率P是预先用以表示获取到的多个信号样本序列来自于同一信源的概率,这个概率是为了保证信号样本序列来自于同一信源的可信度,其具体应用逻辑可以理解为:为了保证信号样本序列来自同一信源的可信度,甲方预先设定了一个概率P(可信度要求),如果在这个概率下,甲方从乙方(乙方是提供信号样本序列的一方)得到的部分样本多项式的结果不相同,那么甲方认为乙方提供的信号样本序列不是来自同一信源(不满足可信度要求),如果甲方从乙方得到的部分样本多项式的结果全部相同,那么甲方认为乙方提供的信号样本序列来自同一信源(满足可信度要求)。因为甲方不需要信号样本序列百分之百来自同一个信源,而所有信号样本序列来自同一信源的可信度为预设概率即可,这意味着甲方可以容忍获取到的信号样本序列以1-P的概率来自不同信源。
通过上述实施例提供的方案,无需通过逐一比较多个信号样本序列中的样本值,通过直接比较样本多项式生成多个信号样本序列的信源识别结果,有利于节省资源,同时通过预设概率的方式保证了信源识别结果的可信度。
图7示出了根据本申请的一个实施例的信源识别方法应用在VR场景下的详细流程图。
步骤S710、获取多个VR信号样本序列及预设概率。
其中,获取多个VR信号样本序列包括获取至少两个VR信号样本序列,且每个VR信号样本序列包括相同数量的样本值,预设概率用以多个VR信号样本序列来自于同一信源的概率。
步骤S720、根据预设概率以及多个VR信号样本序列的数量确定特定值和变量值。
在一个实施例中,首先,根据预设概率以及多个VR信号样本序列的数量确定特定值,然后根据特定值确定变量集合,从变量集合中任选一个值,将所选择的值作为变量值。
步骤S730、在通过步骤S710获取到多个VR信号样本序列,以及通过步骤S720确定特定值和变量值后,可以任选两个VR信号样本序列,基于特定值和变量值生成与任选的两个VR信号样本序列所对应的两个VR样本多项式。
步骤S740、判断两个VR样本多项式是否相等。
在步骤S750中,是否所有VR信号样本序列都参与了VR信源识别,若是,则所有VR信号样本序列以预设概率的可信度来自于同一VR信源;若否,则重复步骤S730-步骤S740,直至所有VR信号样本序列都参与了VR信源识别。
值得说明的是,在该实施例中是首先通过任选两个VR信号样本序列生成VR样本多项式,然后判断两个VR样本多项式是否相等,直至获取到的多个VR信号样本序列都参与了信源识别过程,但应当理解的是,本申请的方案还可以是对所有VR信号样本序列均生成VR样本多项式后,然后判断生成的VR样本多项式是否相等。
利用上述实施例提供的方案,对5个VR信号样本序列进行实验,判断信号样本序列1与信号样本序列2、信号样本序列1与信号样本序列3、信号样本序列1与信号样本序列4、信号样本序列1与信号样本序列5是否来自于相同VR信源,其中预设概率P为0.9,统计得到如下表1所示的比较结果。现有技术的判断结果之所以全部错误,主要是因为它依赖于VR信号样本序列中的样本值的逐一比较,而在本实验中,对VR信号样本序列中的样本值进行逐一比较的做法是不可行的。
表1对5个VR信号样本序列进行实验的判断结果
图8示出了根据本申请的一个实施例的图像处理装置的框图。
参见图8所示,根据本申请的一个实施例的信源识别装置800,包括:获取单元802、确定单元804、生成单元806和比较单元808。
获取单元802,用于获取多个信号样本序列以及预设概率,其中,每个信号样本序列中包含相同数量的样本值;确定单元804,用于根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值;生成单元806,用于基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式;比较单元808,用于将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果。
在本申请的一些实施例中,所述比较单元808配置为:将所述多个样本多项式的结果进行比较;若部分样本多项式的结果相同,则确定所述部分样本多项式所对应的部分信号样本序列均来自于同一信源;若全部样本多项式的结果相同,则确定所述全部样本多项式所对应的所有信号样本序列均来自于同一信源。
在本申请的一些实施例中,还包括:若全部样本多项式的结果相同,则根据所述预设概率以及所述多个信号样本序列的数量,计算所述部分样本多项式中任意两两样本多项式所对应的信号样本序列来自于同一信源的可信度。
在本申请的一些实施例中,还包括:若全部样本多项式的结果相同,则根据所述预设概率计算所述全部样本多项式所对应的所有信号样本序列均来自于同一信源的可信度。
在本申请的一些实施例中,所述确定单元804包括:特定值确定子单元,用于根据所述预设概率以及所述多个信号样本序列的数量确定特定值,所述特定值为素数;变量值确定子单元,用于根据所述特定值确定变量值。
在本申请的一些实施例中,所述特定值r为满足如下不等式的任意值:
其中,r为所述特定值,n为每个信号样本序列中包含的样本值的数量,m为获取到的所述多个信号样本序列的数量,p为所述预设概率。
在本申请的一些实施例中,所述变量值确定子单元配置为:根据所述特定值生成变量集合;根据所述变量集合确定变量值。
在本申请的一些实施例中,所述生成单元配置为:基于所述变量值与所述多个信号样本序列中包含的样本值,得到多个初始多项式;通过所述特定值对所述多个初始多项式分别进行取模运算,生成多个样本多项式。
在本申请的一些实施例中,所述基于所述变量值与所述多个信号样本序列中包含的样本值,通过如下公式计算得到初始多项式F:
其中,X为所述变量值,Si,k+1为第i个信号样本序列中第k+1个样本的样本值。
图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图9示出的电子设备的计算机系统900仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理单元(Central Processing Unit,CPU)901,其可以根据存储在只读存储器(Read-Only Memory,ROM)902中的程序或者从存储部分908加载到随机访问存储器(Random Access Memory,RAM)903中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM903中,还存储有系统操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(Input/Output,I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分1608。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种信源识别方法,其特征在于,包括:
获取多个信号样本序列以及预设概率,其中,每个信号样本序列中包含相同数量的样本值;
根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值;
基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式;
将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果。
2.根据权利要求1所述的方法,其特征在于,所述将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果,包括:
将所述多个样本多项式的结果进行比较;
若部分样本多项式的结果相同,则确定所述部分样本多项式所对应的部分信号样本序列均来自于同一信源;
若全部样本多项式的结果相同,则确定所述全部样本多项式所对应的所有信号样本序列均来自于同一信源。
3.根据权利要求2所述的方法,其特征在于,还包括:
若全部样本多项式的结果相同,则根据所述预设概率以及所述多个信号样本序列的数量,计算任意两两样本多项式所对应的信号样本序列来自于同一信源的可信度。
4.根据权利要求2所述的方法,其特征在于,还包括:
若全部样本多项式的结果相同,则根据所述预设概率计算所述全部样本多项式所对应的所有信号样本序列均来自于同一信源的可信度。
5.根据权利要求1所述的方法,其特征在于,所述根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值,包括:
根据所述预设概率以及所述多个信号样本序列的数量确定特定值,所述特定值为素数;
根据所述特定值确定变量值。
7.根据权利要求5所述的方法,其特征在于,所述根据所述特定值确定变量值,包括:
根据所述特定值生成变量集合;
根据所述变量集合确定变量值。
8.根据权利要求5所述的方法,其特征在于,所述基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式,包括:
基于所述变量值与所述多个信号样本序列中包含的样本值,得到多个初始多项式;
通过所述特定值对所述多个初始多项式分别进行取模运算,生成多个样本多项式。
10.一种信源识别装置,其特征在于,包括:
获取单元,用于获取多个信号样本序列以及预设概率,其中,每个信号样本序列中包含相同数量的样本值;
确定单元,用于根据所述预设概率以及所述多个信号样本序列的数量确定特定值和变量值;
生成单元,用于基于所述特定值、所述变量值以及所述多个信号样本序列中包含的样本值生成多个样本多项式;
比较单元,用于将所述多个样本多项式进行比较以生成所述多个信号样本序列的信源识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911325062.9A CN111142661B (zh) | 2019-12-20 | 2019-12-20 | 信源识别方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911325062.9A CN111142661B (zh) | 2019-12-20 | 2019-12-20 | 信源识别方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111142661A true CN111142661A (zh) | 2020-05-12 |
CN111142661B CN111142661B (zh) | 2021-07-13 |
Family
ID=70519061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911325062.9A Active CN111142661B (zh) | 2019-12-20 | 2019-12-20 | 信源识别方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111142661B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007082474A1 (fr) * | 2006-01-18 | 2007-07-26 | Huawei Technologies Co., Ltd. | Procédé et dispositif d'affectation d'une source temps-fréquence |
US20100169346A1 (en) * | 2008-12-31 | 2010-07-01 | Nokia Corporation | Method, apparatus, and computer program product for polynomial-based data transformation and utilization |
CN104408474A (zh) * | 2014-12-08 | 2015-03-11 | 中国铁路总公司 | 辐射源识别方法和装置 |
CN109307862A (zh) * | 2018-07-05 | 2019-02-05 | 西安电子科技大学 | 一种目标辐射源个体识别方法 |
CN109446910A (zh) * | 2018-09-17 | 2019-03-08 | 中国人民解放军空军工程大学 | 一种通信辐射源信号分类识别方法 |
CN109547160A (zh) * | 2018-11-15 | 2019-03-29 | 北京科技大学 | 一种循环移位网络编码构造方法 |
CN109951216A (zh) * | 2018-12-26 | 2019-06-28 | 中国传媒大学 | 一种基于码本辅助的大规模mimo doa估计方法 |
CN110244271A (zh) * | 2019-05-17 | 2019-09-17 | 中国人民解放军战略支援部队信息工程大学 | 基于多重同步压缩变换的雷达辐射源分选识别方法及装置 |
CN110427893A (zh) * | 2019-08-06 | 2019-11-08 | 西安电子科技大学 | 一种基于卷积神经网络的辐射源个体识别方法、装置及计算机存储介质 |
-
2019
- 2019-12-20 CN CN201911325062.9A patent/CN111142661B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007082474A1 (fr) * | 2006-01-18 | 2007-07-26 | Huawei Technologies Co., Ltd. | Procédé et dispositif d'affectation d'une source temps-fréquence |
US20100169346A1 (en) * | 2008-12-31 | 2010-07-01 | Nokia Corporation | Method, apparatus, and computer program product for polynomial-based data transformation and utilization |
CN104408474A (zh) * | 2014-12-08 | 2015-03-11 | 中国铁路总公司 | 辐射源识别方法和装置 |
CN109307862A (zh) * | 2018-07-05 | 2019-02-05 | 西安电子科技大学 | 一种目标辐射源个体识别方法 |
CN109446910A (zh) * | 2018-09-17 | 2019-03-08 | 中国人民解放军空军工程大学 | 一种通信辐射源信号分类识别方法 |
CN109547160A (zh) * | 2018-11-15 | 2019-03-29 | 北京科技大学 | 一种循环移位网络编码构造方法 |
CN109951216A (zh) * | 2018-12-26 | 2019-06-28 | 中国传媒大学 | 一种基于码本辅助的大规模mimo doa估计方法 |
CN110244271A (zh) * | 2019-05-17 | 2019-09-17 | 中国人民解放军战略支援部队信息工程大学 | 基于多重同步压缩变换的雷达辐射源分选识别方法及装置 |
CN110427893A (zh) * | 2019-08-06 | 2019-11-08 | 西安电子科技大学 | 一种基于卷积神经网络的辐射源个体识别方法、装置及计算机存储介质 |
Non-Patent Citations (3)
Title |
---|
JIE ZHU 等: "AN ALGEBRAIC PRINCIPLE IN BLIND SEPARATION OF SINGLE SOURCE SIGNAL", 《2000 IEEE INTERNATIONAL SYMPOSIUM ON CIRCUITS AND SYSTEMS (ISCAS)》 * |
YICHENG WEN 等: "Hilbert space formulation of symbolic systems for signal represention and analysis", 《SIGNAL PROCESSING》 * |
廖红舒 等: "自同步扰码的盲识别方法", 《通信学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111142661B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10728018B2 (en) | Secure probabilistic analytics using homomorphic encryption | |
US11526799B2 (en) | Identification and application of hyperparameters for machine learning | |
CN109558748B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
JP2021189431A (ja) | ブロックチェーンのプライバシーデータ処理方法、装置、デバイス及び記憶媒体 | |
US20190190959A1 (en) | Authorization policy optimization method and apparatus, and storage medium | |
WO2018157752A1 (en) | Approximate random number generator by empirical cumulative distribution function | |
CN111915019A (zh) | 联邦学习方法、系统、计算机设备和存储介质 | |
US11109085B2 (en) | Utilizing one hash permutation and populated-value-slot-based densification for generating audience segment trait recommendations | |
CN109597810B (zh) | 一种任务切分方法、装置、介质及电子设备 | |
US20140278335A1 (en) | Techniques for automated bayesian posterior sampling using markov chain monte carlo and related schemes | |
CN111444931A (zh) | 异常访问数据的检测方法和装置 | |
CN111190689A (zh) | 数字孪生系统仿真方法及装置 | |
CN111629063A (zh) | 基于区块链的分布式文件下载的方法和电子设备 | |
CN112162859A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN111062572A (zh) | 任务分配的方法和装置 | |
CN110020040B (zh) | 查询数据的方法、装置和系统 | |
CN111880864B (zh) | 基于http的模型调用方法、系统、计算机设备和存储介质 | |
CN111142661B (zh) | 信源识别方法、装置 | |
CN112242978B (zh) | 一种处理数据的方法和装置 | |
CN111125112A (zh) | 数据处理方法及装置、电子设备和计算机可读存储介质 | |
CN114490547A (zh) | 数据压缩方法、装置、设备及介质 | |
CN111290761A (zh) | 灰度发布方法、装置、介质及电子设备 | |
CN114006914B (zh) | 文件副本的云安全存储方法、系统、介质及电子设备 | |
CN112182593A (zh) | 一种数据处理方法、装置和电子设备 | |
CN111818114B (zh) | 信息分享方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |