基于FastICA-TDS的DS-CDMA盲源信号分离系统
基于Fast-ICA的CDMA信号扩频序列盲估计及性能分析
适用 于长 码扩 频 Ｃ ＤＭＡ 信 号 。
ｒ ＝ （）
ｍ ＝ｌ
（ 一 ） （） ｋ ＋Ｖ足
（） ３
其中，ｒ七＝ ｍ （ （－Ｔ ∑Ｃ（一 ） ｍ ） ∑Ａｂ ｉ ｋ ｉ） ｍ ， （ ￣） ｑ ｓ ｋ
Ａｂ ｔａ ｔ Ｔ ｅＤＳ— ｓｒ ｃ ： ｈ ＣＤＭＡ ｉｎ ｌ ｃ ｎｂ ｉｉｅ ｔ ｐ ｓ ｔｅ ｓｇ ａｓ ａ ｅｄｖｄ ｄｉ ｏｔ ｔ ｅ ，ｈ ｈ ｒ—ｏ ｅ（ ｃ） ｎ ｇｃ ｄ Ｌ ＤＳ ＣＤＭＡ ｎ ｗｏ ｙ ｈ ｏ
而且对 同步短码扩频 Ｃ ＭＡ信号也 同样适用 。理论分析和仿真结果验证 了该方法的有效性。 Ｄ
关 键 词 ：长 码 扩 频 码 分 多 址 ； 扩 频序 列 盲 估 计 ；独 立分 量 分 析 ；性 能分 析
中图分类号：Ｔ ９ Ｎ １ １
文献标识码：Ｂ
文章编号 ：１０ —３ Ｘ（０ ０ ． １６０ ０ ０４ ６ ２ １）８０ ３ ．７ １
第 ８期
陆 风波 等 ：基 于 Ｆｓ． Ａ 的 Ｃ ＭＡ 信号 扩频 序列 盲估 计及 性 能 分析 ａｔＣ Ｉ Ｄ
・３ １７・
研 究主要是针对 Ｓ ． — Ｄ Ｃ ＤＳＣ ＭＡ 信 号。Ｙａ ｉｇ ｉ ｏ Ｙ ｎ ｗｅ 等 人 提 出 了基 于 Ｅ 的 Ｓ ． Ｍ Ｃ ＤＳＣＤＭＡ信 号 盲 估 计 算 法 ｕ ； Ａ ｓｉ ｇ ｉｈ ｔ 等 人 提 出 一 种 基 于 Ｊ ｆｈｎ Ｈａ ｈｇ ａ 其 中，
Ｂｌ ｄ ｅ ｔｍ ａ ｉ ｎ ｏ ｐ ｅ ｄ ｎ ｅ ｕ ｎ ｅｏ ｉ ｓ ｉ ｔ ｆ ｒ ａ ｉ ｇ ｓ ｑ ｅ ｃ ｆＣＤＭ Ａ ｉ ｎ ｌ ｎ ｏ ｓ ｓｇ ａ ｓ
一种改进的fastica算法及其在含噪盲源分离中的应用
一种改进的fastica算法及其在含噪盲源分离中的应用FastICA算法改进了传统ICA算法的计算效率和收敛性。
传统ICA算法使用的是梯度下降方法，需要进行多次迭代来找到最优解。
FastICA算法通过使用基于方向分离的逼近方法，可以在一次迭代中估计一个独立分量的方向，并通过正交化来得到其他独立分量的方向。
这种一次迭代就能得到多个分量方向的方法大大加速了计算过程。
FastICA算法的流程如下：1.对观测信号进行预处理，使其均值为0，方差为12.初始化一个随机初始权重向量w，并进行归一化。
3.计算w与观测信号的内积，得到一个投影值。
4. 对投影值进行非线性变换，常用的非线性函数有tanh、g(u)=u^3等。
5.对非线性变换后的投影值进行求期望，得到一个估计的独立分量。
6.更新权重向量w，使其与估计的独立分量正交，并再次进行归一化。
7.判断是否满足停止准则，如果满足则结束，否则返回第3步。
FastICA算法在盲源分离中的应用广泛，尤其在含噪声的信号分离中表现出色。
在含噪声的情况下，传统ICA算法往往需要较长的收敛时间或者无法得到有效的结果。
而FastICA算法通过一次迭代就能得到多个独立分量的方向，可以很好地克服噪声的影响。
在含噪盲源分离中，FastICA算法需要解决两个问题：噪声估计与特征提取。
首先，需要对混合信号中的噪声进行估计和去除，常用的方法有最小二乘法、主成分分析等。
其次，需要提取出有效的原信号的特征。
FastICA算法通过非线性变换和正交化来提取出原信号的特征，能够较好地保留原信号的独立性特征。
总结来说，FastICA算法通过改进传统ICA算法的计算效率和收敛性，可以更快地分离出混合信号中的独立原信号。
在含噪盲源分离中，FastICA算法通过一次迭代就能得到多个独立分量的方向，从而较好地克服了噪声的干扰。
基于负熵最大的FastICA语音信号分离算法
基于负熵最大的FastICA语音信号分离算法同晓荣【摘要】语音信号分离是现代信号处理的热点问题,针对未知信号源个数的情况,提出一种基于负熵最大的FastICA(Fast Independent Component Algorithm)语音信号盲分离算法,有效解决了源信号数目估计、语音信号分离及复原等问题.改进的算法增加了源信号数目估计环节,放宽了算法适用条件,即在源信号数目未知的情况下,也能够实现信号盲分离功能.并将其成功应用于运用信号分选过程中,最终复原语音时域波形,完成信号分选任务.仿真实验中,详细讨论了该方法在不同信噪比以及不同源信号数目情况下的分选能力,证明了方法的有效性和优越性.%Speech signal separation is a hot topic in modern signal processing problems,aiming at the condition of the number of unknown source,a kind of separation algorithm based on negative entropy maximum fast independent component the correlation algorithm is proposed in this paper,this algorithm can effectively solve the problem of unknown-number of source signals. The improved algorithm increases a link of number estimation of speech signal,and it relaxed algorithm applicable conditions,namely,in the case of a number of unknown source signals,also can realize blind signal separation function. The proposed method has successful applied in the process of the use of signal sorting,the time domain waveform signal sorting task. This algorithm is discussed in detail in different SNR and number of cases of different source signal separation ability,to prove the validity of the method and superiority in simulation experiments.【期刊名称】《火力与指挥控制》【年(卷),期】2017(042)008【总页数】5页(P101-104,110)【关键词】负熵;语音信号;数目估计;盲分离;循环相关【作者】同晓荣【作者单位】渭南师范学院网络安全与信息化学院,陕西渭南 714099【正文语种】中文【中图分类】TN91语音信号盲分离最早起源于“鸡尾酒会”问题［1］，其实质为“多通道盲解卷积”，即从麦克风阵列观测的卷积混合信号中分离出具有价值的源语音信号［2］。
基于FastICA的盲源分离算法研究
基于FastICA的盲源分离算法研究作者：谢志明吴德华来源：《数字技术与应用》2013年第06期摘要：FICA是一种非常有效的盲信号分离算法，该算法比批处理甚至自适应处理具有更快的收敛速度。
本文介绍了一种以四阶累计量为判据的固定点算法。
运用matlab仿真，对四路不相关的源信号进行分离，仿真结果表明，该算法能有效的分离出四路源信号，获得了比较好的效果。
关键词：盲分离独立分量分析四阶累计量中图分类号：TN911 文献标识码：A 文章编号：1007-9416（2013）06-0140-021 引言独立分量分析（independent component analysis，ICA）是近年来发展起来的一种新的信号处理技术。
基本的ICA是指从多个源信号的线性混合信号中分离出源信号的技术。
除了已知源信号是统计独立外，无其他先验知识，ICA是伴随着盲信源问题而发展起来的，故又称盲分离。
在复杂的背景环境中所接收的信号往往是由不同信源产生的多路信号的混合信号。
ICA方法是基于信源之间的相互统计独立性。
与传统的滤波方法和累加平均方法相比，ICA在消除噪声的同时，对其它信号的细节几乎没有破坏，且去噪性能也往往要比传统的滤波方法好很多。
而且，与基于特征分析，如奇异值分解（SVD）、主成分分析（PCA）等传统信号分离方法相比，ICA是基于高阶统计特性的分析方法。
在很多应用中，对高阶统计特性的分析更符合实际。
1997年芬兰学者Aapo Hyvarinen等人首先提出基于四阶累积量的固定点算法。
其后，在1999年又提出了进一步的改进—基于负熵的ICA固定点算法。
在2001年的著作中他们又作了进一步简化。
由于这一算法比批处理甚至自适应处理，具有更快的收敛速度，因此又被称为“快速ICA算法”（fast ICA，FICA）。
2 Fast ICA的基本原理2.1 数学模型2.2 Fast ICA算法简介2.2.1 四阶累计量判据从观察得到的分离前与分离后的波形的比较，发现4个波形的信号基本相同，说明该算法能有效的分离出4个源信号，分离效果良好。
基于Fast-ICA算法的瞬时混合盲信号分离
基于Fast-ICA算法的瞬时混合盲信号分离
徐丽琴
【期刊名称】《科技信息》
【年(卷),期】2012(000)034
【摘要】本文介绍一种典型的独立成分分析算法，即Infomax算法，详细介绍了Fast-ICA算法的基本原理，将该算法用于三路瞬时混合信号的盲分离，最后对算法的分离性能及优缺点进行了分析。
【总页数】1页(P147-147)
【作者】徐丽琴
【作者单位】西安邮电大学电子工程学院
【正文语种】中文
【相关文献】
1.瞬时混合盲信号分离问题的自适应算法比较 [J], 沈慧芳;赖宏慧
2.基于最大信噪比盲信号分离算法的混合信号分析 [J], 张志友
3.基于MISEP算法的瞬时混合模型非线性电路的信噪盲分离 [J], 崔小乐;朱立文;李响
4.基于高阶累积量的瞬时线性混合盲信号分离算法 [J], 樊璟;王华奎;李小红
5.基于混合型神经网络的自适应盲信号分离算法 [J], 华容
因版权原因，仅展示原文概要，查看原文内容请购买。
盲源信号分离算法研究及应用
生物医学信号处理
盲源信号分离算法可以用来提取脑电信号 、心电信号等生物医学信号中的特征信息 ，为疾病诊断和治疗提供支持。
音频和音乐处理
盲源信号分离算法可以用来提取音频和音 乐信号中的特征信息，实现音频和音乐的 分类、识别和推荐等应用。
06
总结与展望
总结
盲源信号分离算法的 原理和应用
盲源信号分离是一种无监督的学习算 法，它利用混合信号的统计独立性， 通过学习混合矩阵，将源信号进行分 离。该算法在语音信号处理、生物医 学信号处理、通信信号处理等领域具 有广泛的应用前景。
基于循环相关的盲源信号分离算法流程
输入混合信号
将多个源信号混合成一个观测信号。
计算循环相关
计算观测信号与源信号之间的循环相关函 数。
盲源分离
利用循环相关函数的信息，通过算法实现 盲源分离。
输出分离信号
得到分离后的源信号。
基于循环相关的盲源信号分离算法的优缺点
优点
基于循环相关的盲源信号分离算法具有对源信号的稀疏性要求较低的优点，适用于实际应用场景中源 信号数目较多且相互之间存在循环相似性的情况。
基于高阶累积量的盲源信号分离算法的优缺点
• 基于高阶累积量的盲源信号分离算法的优点包括 • 适用于非高斯和非线性信号的处理。 • 可以有效地从混合信号中提取出源信号。 • 在处理过程中，不需要任何关于源信号或混合过程的先验信息。 • 其缺点包括 • 高阶累积量的计算复杂度较高，需要大量的数据和计算资源。 • 在某些情况下，可能会出现过度拟合或欠拟合的问题，需要仔细调整
盲源信号分离算法研究及应 用
2023-10-28
目录
• 盲源信号分离算法概述 • 基于独立成分分析的盲源信号分离算法 • 基于高阶累积量的盲源信号分离算法 • 基于循环相关的盲源信号分离算法 • 盲源信号分离算法在通信系统中的应用 • 总结与展望
DS-CDMA盲多用户检测新技术研究
DS-CDMA盲多用户检测新技术研究DS-CDMA（直接序列码分多址）是一种广泛应用于无线通信领域的多用户检测技术，它的出现解决了传统的CDMA系统中的一些问题。
而盲多用户检测技术则是指在不知道其他用户信号信息的情况下，通过分析接收到的信号，从中恢复出多个用户的信息。
本文将从DS-CDMA盲多用户检测的原理、应用及研究进展等方面进行分析和探讨。
DS-CDMA盲多用户检测技术是以CDMA技术为基础的一种创新方法。
传统的CDMA系统中，虽然可以实现多用户共享同一频带，但需要事先知道其他用户的码片序列，否则无法正确解调。
而盲多用户检测技术则克服了这一问题，可以在不知道其他用户的码片序列的情况下，实现多用户信号的解调和检测。
DS-CDMA盲多用户检测技术的原理主要包括两部分：信号分离和用户检测。
在信号分离过程中，通过信号处理算法对接收到的混叠信号进行分离，将不同用户的信号分离开来。
然后，在用户检测过程中，通过识别不同用户的码片序列来恢复用户信息。
这一过程需要利用到系统的正交性和用户的码片序列特性。
DS-CDMA盲多用户检测技术具有广泛的应用前景。
在无线通信领域，多用户共享同一频带的需求越来越高，而DS-CDMA盲多用户检测技术可以在不增加频带资源的情况下，实现多用户的同时传输，提高了频谱利用效率。
此外，盲多用户检测技术还可以用于无线传感网络、物联网等领域，实现多个节点之间的信息传递和协同工作。
目前，关于DS-CDMA盲多用户检测技术的研究已取得了一些进展。
一方面，研究者们提出了一些新的信号处理算法，如盲化处理、自适应滤波等，用于提高信号分离和用户检测的准确性和性能。
另一方面，还有研究者利用深度学习等方法，从大量数据中学习和识别用户的码片序列，进一步提高了多用户检测的效果。
然而，DS-CDMA盲多用户检测技术仍面临一些挑战。
首先，信号分离和用户检测的算法还需要进一步优化，以提高系统的抗干扰性和容错能力。
基于改进的FastICA盲源分离算法的多人语音评测系统实现
124计算机与多媒体技术Computer And Multimedia Technology电子技术与软件工程Electronic Technology & Software Engineering1 引言随着科技的进步和公众的需求，近几年来越来越多的科研技术人员开始涉及人工智能方面的研究，旨在使人类的生活越来越智能化。
通过智能分析技术可以使得课堂教学更加智能化和个性化。
智慧课堂主要是通过利用信息技术来构建智能、高效和个性化的课堂全过程。
国内的不同学者对于智慧课堂都有各自不同角度的理解。
学者唐烨伟等认为智慧课堂是在信息技术的加持下将智慧教育融入到课堂中构建智能、高效和个性化的新型课堂。
学者庞敬文等认为智慧应该以学生为导向，利用创新技术构建愉快的数值化教学新模式，让学生能够发挥特长，有智慧的学习。
学者孙曙辉等认为智慧课堂应该以学习为导向，运用新一代科学技术来构建智能高效的全过程教学课堂。
目前国内针对智慧课堂教学进行深入研究和探讨依然在理论层面，实际应用研究尚浅，针对语音评测的研究目前国内主要研究的公司包括科大讯飞、有道、云知声和驰声科技等，主要是针对单个发音者进行语音评测，无法针对课堂教学场景中的多人发音进行语音评测。
本文设计的基于FastICA 盲源分离的改进算法的口语教学多人语音评测系统，可以为课堂师生提供一种高效的教与学模式。
2 相关工作盲源分离技术来自Colin Cherry 在1953年提出的鸡尾酒会问题的语音分离技术，主要目的是分离在同一房间里同时说话的多人发音。
目前，许多盲源分离算法被提了出来。
源信号的混合方式可以将盲源分离算法分为线性和非线性两种。
从源信号与观察信号数量关系上可以将现有的盲源分离算法分为超定（观察信号数量大于或等于源信号数量的情形）和欠定（观察信号数量小于源信号数量的情形）两种情况，针对超定场景中的主要算法包括独立成份分析(ICA)方法，非负独立成份分析(Nonnegative ICA)方法，最大信息熵(Infomax)方法，针对欠定场景中的主要算法包括稀疏成份分析的方法，基于信号时间-频率(TF)分布特性的方法，基于特征函数的方法，基于贝叶斯估计和MCMC(Markov Chain Monte Carlo)采样的方法以及基于空间几何和聚类分析的方法等，针对欠定场景中的盲源分离是当前研究的热点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｋｅ ｒ ： ｌ ｄ ｓ ｕ ｃ ｅ ａ ａｉ ｎ ｃ ｄ ｉ ｉｉ ｎｍ ｕ ｔ ｌ ｃ ｅ ｓ ｉ ｄ ｐ ｎ ｅ ｔ ｏ ｏ ｅ ｔ ａ ｙ ｉ ｙ ｗｏ ｄｓ ｂ ｉ ｏ ｒ ｅｓ ｐ ｔ ； ｏ ｅｄ ｖ ｓ ｌ ｐ ｅａ ｃ ｓ ；ｎ ｅ ｅ ｄ ｎ ｍｐ ｎ ｎ ｌ ｓｓ ｎ ｒ ｏ ｏ ｉ ｃ ｎ ａ
维普资讯
第２ ９卷第 ８ 期
２０ ０ ８年 ８月
通
信
学
报
、ｏ ．９ ，Ｉ Ｎｏ ８ ２ ． Ａｕ ｕ ｔ ０ ８ ｇ ｓ ０ ２
Ｊ ｎ ａ ｎ Ｃｏ ｎ ｎ ｃ ｔ ｎ ｏ ｍ ｌ ｔ ｍｕ ｌ ａｉ ｓ ｏ ｏ
基 于 Ｆ ｓ Ｃ ．Ｄ ａｔ Ａ Ｔ Ｓ的 Ｄ ． Ｄ Ｉ ＳＣ ＭＡ 盲源信号分离系统
１ 引言
码分 多址 （ Ｄ Ｃ ＭＡ， ｏ ｅ ｉｉ ｏ ｍｕｔ ｌ ｃｅｓ ｃ ｄ ｄｖｓ ｎ ｌｐ ｉ ｉ ｅａｃｓ）
（． ｓ ｔｔ ｏ Ｃ ｍｐ ｔ ｃｅ ｃ ｎ ｅｈ ｏｏ ｙ Ｊ ｉ ｎｖ ｒ ｔ， ｔｕｅ ｆ ｏ ｕ ｒ ｉ ｅ ｄＴ ｃ ｎ ｌｇ ，ｉ ｎＵ ｉｅｓ ｙ Ｃ ａ ｇ ｈ ｎ１ ０ １ ， ｈｎ ； Ｉ ｉ ｅＳ ｎ ａ ｌ ｉ
张晋 东 ， 一 ，秦贵和 一 ， ，陈涛 ，金健 ，
ｆ．吉林大 学 计 算机 科学 与技 术学 院 ，吉林 长春 １０ １ ；２ 吉林 大 学 符号 计算 与知 识工 程教 育部 重 点实验 室 ，吉林 长春 １０ １） １ ３０ ２ ． ３０２
摘
要 ：为了对 ＤＳＣ ＭＡ 网络信 号分离 系统的性能进行预测 和改进，利用原码 字及 原码 字前 后最近 的两个码字 —Ｄ
０ ｉ ｉ ａ ｙ ｒ ｎ ｌ ｍｂ ｌ ｓｅ ｔ ａｅ ， ｓｎ ｅ ｉ ｆ ｒ ａ ｉｎ ｏ ｅ ｏ ｉ ｉ ａ ｙ ｏ ｎ ｏ ｈ ｒ ｔ ｙ ｏ ｓ ａｏ ｎ ． ｅｍｕ — ｇ ｓ ｏ ｗａ ｓｉ ｔｄ ｕ ｉ ｇ ｔ ｏ ｍ ｈ ｎ ｍ ｔ ｆｔ ｒｇ ｎ ｌ ｍｂ ｌ ｄ ａ ｔ ｅ ｏ ｈ ｓ ａ ｎ ｗｏ ｓ ｍｂ ｌ ｒ ｕ ｄ Ｔｈ ｌ ｔｈ ｎｌ ｉ ａ ｅ — ｃｎ ＤＳ ＣＤＭ Ａ ｄ ｌｔ ａ ｌｏ ｈ ｄ ｂ ｅ ｘ ｓｅ ｓｉ ｒ ｖ ｄ ａ ｄ ａ ｓ ｓｅ ｍｏ ｅ ａ ｅ ｎ ｔ ｅ Ｔ ｍｏ ｅ ｔａｓ ａ ｅ ｎ ｅ ｉｔ ｄ ｗａ ｍｐ ｏ ｅ ， ｈ ｎ ｙ ｔｍ ｄ ｌｂ ｓ ｄ ｏ ＤＳ ｗａ ｒ — ｈ ｓｐ ｏ ｐ ｓ ｄ Ｔｈ — ＤＭ Ａ ｌ ｄ ｓ ｕ ｃ ｓ ｅ ｅ ａ ｅ ｔ ｐｂ ｔ ｐ ｕ ｉ ｇｔ ｅＦ ｓＩ ｏ ｅ ． ｅＤＳ Ｃ ｂ ｉ ｏ ｒ ｅｗａ ｐ ｒ ｔ ｄ ｓｅ ｙ ｓｅ ， ｓｎ ａ ｔＣＡ ｌ ｏ ｉ ｍ． ｈ ｅ ｕ ｔ ｆｔ ｅｅ ｐ ｒ ｎ ｎ ｓ ｈ ａｇ ｒｈ ｔ Ｔ ｅ ｓ ｌ ｘ ｅ ｍｅ ｔ ｒ ｏ ｈ ｉ
信 息，对原码字进行估计 。对现有 的多路通道 的 Ｄ ． Ｄ ＳＣ ＭＡ 模型进行改进， 出了基于三码字 （ ＤＳ ｈｅ ａ 提 Ｔ ，ｔｒｅｄ ｔ ａ
ｓＩｂ ｌ）的系统模型 。通过 Ｆ ｓ Ｃ ｙｎ ０ｓ ａｔ Ａ算法对 Ｄ — ＤＭＡ盲源信号逐一地进行分离 。实验 的结果证 明本系统能够更 ｌ ＳＣ 加准确地检测 出用户码字 ，具有较低 的漏检 率，所提 出的方法在系统能量控制方面明显好于 ＭＮ Ｓ ＩＥ和 ＭＦ 。 关键词：盲源分离；码分多址； 独立成分分析 ．
ｐ ｏｖ ｓｔ ａ ｈｉ ｙｓｅ ａ ｘａ ｉ ｅ ｕｓ ｒｓ ｍ ｂｏ ｏ ｅ ａ ｃ ｒ ｔｌ ｄ ｈ ｓｌ ｗ ｅ ｉｓｒ ｔ ． ｒ ｅ ｔｔ ｓｓ ｔｍ Ｃ ｅ ｍ ｎｅｔ ｅ ｙ ｈ ｎ ｈ ｌｍ ｒ ｃ ｕ ａ ｅｙ ａ ａ ｏ ｒｍ ｓ ａｅ Ｔｈｅｍ ｅｈｏｄｈａ ｅ ｐ ｏ ｎ ｔ ｓｂｅ ｎ ｒ — ｐｏｓ ｄ ｉ ｌ ａ ｌ ｅｔｅ ａ Ｍ ＳＥ ｎｄ Ｍ Ｆ ｎｔ ｅ ｏ ｒ ｌｏ ｙｓｅ ｒｅ Ｙ ｅ Ｓｃ ｅ ｙ ｂ ｔｒｔ ｎ Ｍ ｒ ｈ ａ ｉ ｈｅａ ａｏｆｃ ｎｔｏ ｆｓ ｔ ｍ ｅ 玛 ． ｒ ｉ
中图分类号：Ｔ ３ Ｐ９ 文献标识码：Ａ 文章编 号：１０ ～３Ｘ（０ ８０ —１４０ ０ ０４ ６ ２ ０ ）８０ ２ —５
Ｄ Ｓ ＣＤＭ Ａ Ｓ ｓ ｓ ｅ ａ ｅ ｉ Ｆａ ｔ ＣＡ— ． ＢＳ ｙ ｔ ｍ ｂ ｓ ｄ Ｏ ｌ ｓ Ｉ ＴＤＳ
Ｚ Ａ Ｈ ＮＧ ｎｄ ｎ ， Ｎ Ｇ ｉ ｅ Ｃ Ｎ ａ ，Ｉ Ｊ ｎ， Ｊ —ｏ ｇ， ＱＩ ｕ— ， ＨＥ Ｔ ｏ Ｊ ｉ ｉ 一 ｈ Ｎ ａ
Ａ ｂｓｒ ｔ ｎ ｒ ｒｔ ｅ ｉ ｔａ ｍ ｐｒ ｖｅ ｈ ｒｏ ｍ ａ ｅ ｏ 出 ｅ ｔ ａｃ ：Ｉ ｏ ｄｅ ｏ ｐｒ ｄ ｃ ｎｄ ｉ ｏ ｔｅ ｐｅ ｒ ｎｃ ｆ ｆ ＤＳ— ＣＤＭ Ａ ｔ ｏ ｋ ｉ ｎ ｌ ｓ ｐａ ａｉ ｙｓｅ ，ｔ ｅ ｎｅｗ ｒ ｓｇ ａ ｅ ｒ ｔ ｏｎ ｓ ｔｍ ｈ
２ Ｋｅ ． ｙＬａ ｏ ａｏｙｏ ｙ ｏｉ ｂ ｒｔｒ ｆＳ ｍｂ ｌ ｃＣｏ ｕａｉｎａ ｄＫ ｗｌｄ ｅＥ ｇｎ ｅｉｇｏ ｍｐ ｔｔ ｎ ｏ ｎｏ ｅ ｇ ｎ ｉｅ ｒ ｆＭｉｉｔｙｏ ｄ ｃ ｔ ｎ，ｉｎＵｎｖ ｒｉｙ Ｃｈ ｎ ｃ ｕ ３ ０１ ， ｉａ ｎ ｎ ｓ ｆＥ ｕ ａｉ Ｊｌ ｒ ｏ ｉ ｉｅｓｔ， ａ ｇ ｈ ｎ１ ０ ２ Ｃｈｎ ）