精华内容
下载资源
问答
  • 常见测试zeta电位方法有哪些?你没见过zeta电位分布是怎样?谈粒度不得不说zeta电位,很多微纳米产品都需要表征其稳定性,粒度大小、zeta电位、ph值、温度、产品配方等会影响样品稳定性,而zeta电位是样品稳定性...

    什么是zeta电位?常见测试zeta电位方法有哪些?你没见过的zeta电位分布是怎样的?谈粒度不得不说zeta电位,很多微纳米产品都需要表征其稳定性,粒度大小、zeta电位、ph值、温度、产品配方等会影响样品稳定性,而zeta电位是样品稳定性比较直观的一个参数。

    4c5609402a7836f89b4f71d6accb4f01.png

    很多资料都谈及样品的zeta电位绝对值在30mv以上就代表样品比较稳定。事实是如此吗?30mv是体系的平均zeta电位,对于样品中每一个颗粒的zeta电位是否是一样呢?相信你看完今天的文章会有一个答案。1. 什么是zeta电位?

    粒子表面存在的净电荷,影响粒子界面周围区域的离子分布,导致接近表面抗衡离子(与粒子电荷相反的离子)浓度增加。于是,每个粒子周围均存在双电层。

    结合上图大家可以看出,绕粒子的液体层存在两部分:一是内层区,称为紧密层(stern层),其中离子与粒子紧紧地结合在一起;另一个是扩散层,其中离子松散地与粒子相吸附。

    cc072a97947b29d41523e6e25476b668.png

    在分散层内,有一个抽象边界,在边界内的离子和粒子形成稳定实体。当粒子运动时,在此边界内的离子随着粒子运动,但此边界外的离子不随着粒子运动。这个边界称为流体力学剪切层或滑动面(slipping plane)。在这个边界上存在的电位即称为zeta电位。常见的测试zeta电位方法有几种?

    1.电泳光散射法

    常见的测试zeta电位的方法是利用光学法,也就是电泳光散射法,由于此方法可以和动态光散射法相结合,随着纳米粒度及zeta电位仪的市场扩大,而这种方法被广大客户接受,执行iso-13099-2标准。

    此方法的特点有:

    样品必须要进行稀释后测试;

    不同浓度对测试结果影响比较大;

    测试结果重复性较差,一般在±10mv以内;

    2.超声电声法        

    执行标准iso-13099-1;        

    电声法不是采用光学方法,而是采用声波信号,因此设备有声波的优势。穿透力强,可以进行原液测试。原液测试样品的zeta电位时和稀释后测试结果会不一样,因为原液时颗粒的双电层被压缩。        9203054729b958fa1313aab6a3bfbd07.png

    此方法优势有:

    样品无需稀释,原液进行测试分析样品的粒径和zeta电位值,更加准确表征样品本身状态。

    测试结果重复性比较好。一般在±0.3mv以内。

    可以测试微观参数,如德拜长度,杜坎数,双电层的面电荷密度等。3.流动电位法

    以上两种方法主要是测试液体的zeta电位,有很多客户需要测试固体表面的zeta电位,中空纤维内部的zeta电位,膜表面的zeta电位等,此时即需要流动法来进行测试。即在样品池中加入样品,在一定压力梯度下将缓冲液推入样品池,缓冲液会带动样品表面的电荷流向样品池两边的电极,测试得到电压值。

    8caeb530cd666ab428eb61052291b73c.png    4.微电泳法              18ec8b6a8df19554a6420d58a5207a4b.png     

    上图为微电泳法测试zeta电位的设备,前端两侧为四个电极,进行正向和反向加电场,最上方为ccd相机,进行对运动的带电粒子做视频跟踪,得到信号,从而得到每一个颗粒的迁移率,计算得到每个颗粒的zeta电位,从而得到zeta电位的分布。       8a69cf6692be51a2e15742f0ea9c14e9.png

     42f9f3fb900346360d92d83d4e191d04.png

    上图中可以得到样品的平均zeta电位值和zeta电位分布情况,还得到了样品中每个粒子的zeta电位值,并作出了统计,很清晰的看到有多少粒子的zeta电位比较小,得到zeta电位比较小的颗粒的百分比。

    如文章开头讲的,样品的稳定性可以用zeta电位来衡量,很多时候zeta电位值虽然较大,但是样品仍然不是很稳定,正是因为样品中有一部分zeta电位较小的颗粒,这些颗粒会发生聚集。随着时间的推移,聚集量增加到一定程度,样品即发生不可逆的稳定性问题。

    所以,测试zeta电位时更重要的是要清楚的知道样品中有多少zeta电位值比较小的颗粒存在!然后想办法减小此部分的含量。5a54bb6c50a33caa3fa50762df14fae6.pngsample text

    可以得到zeta电位分布情况;

    得到每个粒子的zeta电位值;

    进行统计不同zeta电位的颗粒的数量,从而得到百分比;

    可视化,直观的看的粒子的运动速度和轨迹,便于教学演示;

     可以测试气泡的zeta电位值;

    能够区分颗粒修饰程度和表面修饰结构的不同;

    展开全文
  • 常见的物种是人类的糠M支原体,球体支原体和交趾支原体,动物支原体支原体。 然而,一些出版物报道了在具有危险因素的个体中,乳头支原体可能会严重感染人类,并从家畜中分离出人类物种。 由于缺乏关于它们在宿主...
  • 在进行特征选择之前,一般会先进行数据无量纲化处理,这样,表征不同属性(单位不同)各特征之间才有可比性,如2cm 与 0.2kg 你怎么比?无量纲处理方法很多,使用不同的方法,对最终机器学习模型会产生不同...
  • 针对常见的基于探针气体吸附等温线的孔隙表征方法,通过选择3件标准样品(介孔和微孔材料以及纳米碳管),对比分析了BJH法、HK法和QSDFT法的结果。研究发现BJH法和HK法分别仅适用于介孔和微孔的表征,而QSDFT法对介孔和微...
  • 这项研究讨论了使用与Lorenz准则有关公理对词典最大化法(leximin)选择规则进行表征的方法,该规则指出,劳伦兹控制解向量效用矢量不应由任何可行向量称为帕伦托控制,即所谓洛伦兹Pareto Undominatedness ...
  • 背景:肺炎克雷伯菌是最常见的机会病原体之一,可引起一系列感染,并对β-内酰胺酶(ESBL)和碳青霉烯酶具有抵抗力。 目的:本研究的目的是确定与耐药相关的表型和基因型的抗菌素耐药性模式和分子表征,这是针对MRRH...
  • 通过轮状病毒基因型方法进一步表征随机选择轮状病毒阳性样品,以鉴定研究期间循环G和P型。 在这六年期间收集2694个样本中,有1242个(46%)检测到轮状病毒。 其中,随机选择了867个进行基因分型。 可以为832...
  • 简介:卵巢癌是全世界妇科恶性肿瘤致死常见原因。 与其他妇科肿瘤相反,明确诊断是在组织病理学检查后几天内完成。 基于常规MRI术前评估不准确。 有关新MRI方式评估卵巢质量能力信息正在不断增加...
  • 在前文机器学习中常见的损失函数中,介绍了回归和分类等问题中常用的损失函数。通过设计合适、易求解的损失函数,可以帮助我们确定问题的解决目标,进而使用解析或者数值方法进行求解。 在将训练的若干组模型进行...

    在前文机器学习中常见的损失函数中,介绍了回归和分类等问题中常用的损失函数。通过设计合适、易求解的损失函数,可以帮助我们确定问题的解决目标,进而使用解析或者数值方法进行求解。

    在将训练的若干组模型进行横向对比(即validation),或者表征某模型在测试集上的表现时,往往也需要设计一个指标进行衡量。这个指标有时与损失函数相一致(如很多回归模型),但很多时候需要重新定义(尤其对分类、聚类等问题)。

    一、回归问题

    1. MAE和MSE

    平均绝对值误差和平均平方误差,也可以泛化理解为预测值偏差的L1和L2范数。
    i=1Nyif(xi)p,p=1,2\sum\limits_{i=1}^N||y_i-f(x_i)||^p, p=1,2对于回归问题,MAE或MSE通常同时选做损失函数和模型评价指标。

    2. R2R^2

    R-square(可决系数)是统计学中常用的衡量回归方程拟合程度的统计量。R2=1(yif(xi))2(yiy)2R^2=1-\frac{\sum (y_i-f(x_i))^2}{\sum(y_i-\overline y)^2}直观上,若取f(xi)=yf(x_i)=\overline y,则R2=0R^2=0,这意味着我们就用简单的平均值取预测结果得到的R2R^2为0。若我们设计了一个完美的回归函数,使得yi=f(xi)y_i=f(x_i),则R2=1R^2=1。对于一个很糟糕的、都不如用平均值进行估计的模型,R2<0R^2<0

    二、分类问题

    相较于回归问题,我们更青睐于在分类问题中选用不同于损失函数的评价指标来对模型进行最终评估。
    对于一个分类模型,评价指标的正确选择对模型的真实功效意义巨大。比如对于一个疾病筛查模型,已知健康人群远大于患者人数,如果只为了一味追求正确率,那模型可以直接将所有人都判定为健康,这意味着该模型是完全无用的。

    1. 混淆矩阵及相关指标

    混淆矩阵是诸多分类评价指标的基础,有必要进行详细的解释。
    对于一个二分类问题,真实样本存在正(PP)和负(NN)两类,根据预测结果的正确与否,可以得到正确(TT)和错误(FF)两大类。据此,真实类和预测类的交叉关系可以划分为如下四类数据:
    (1) TP(真正类、真阳类,True Positive):实际为正例,预测也为正例
    (2) FP(假正类,假阳类,False Positive):实际为负例,预测为正例
    (3) TN(真负类,真阴类,True Negative):实际为负例,预测也为负例
    (4) FN(假负类,假阴类,False Negative):实际为正例,预测为阴例
    在这里插入图片描述
    统计的观点出发,FP相当于假设检验中的第一类错误(Type Ⅰ),而FN相当于假设检验中的第二类错误(Type II)。其具体解释为:
    我们一般比较关心正例,因此对于统计假设检验而言,我们可以将负例视为零假设,则正例为备择假设。若FP,意味着我们拒绝了零假设(负例),选择了备择假设,但结果发生了错误,这就是第一类错误。若FN,意味着我们错误的选择了零假设(负例),这就是第二类错误。

    在混淆矩阵的基础上,我们可以定义如下一系列分类评价指标:
    准确率AccuracyTP+TNTP+FP+TN+FN\frac{TP+TN}{TP+FP+TN+FN},表示预测结果的整体正确率。

    查准率PrecisoonTPTP+FP\frac{TP}{TP+FP},即TPR,表示在所有预测结果为正的样本中,为真正类的比例。该指标无法反映有多少正样本被错分为负例(即FN)。举个极端的例子,判断最有把握一个样本为正例(也确实是正例),因此查准率为100%,但其他所有正例全部判断错误,这是典型的”不求有功,但求无过“的思想。因此,该指标常配合召回率一起使用。

    真正例率TPRTPTP+FN\frac{TP}{TP+FN},也称召回率Recall,医学上还称为灵敏度Sensitivity。表示真正例占所有正样本的比重。该指标无法反映有多少负例被错分为正例(即FP)。同样举个极端的例子,将所有的样本都判断了正例,因此召回率始终为100%,但所有的负例均判断错误,这是典型的”宁可错杀1000,不可放过100“的思想。因此,该指标常配合查找率一起使用。

    假负例率FNRFNTP+FN\frac{FN}{TP+FN},即1FPR1-FPR,表示错分为负例的正样本占所有正样本的比值。

    真负例率TNR,医学上还称为特异性Specificity。表示负样本被正确区分出来的比例。

    假正例率FPRFPFP+TN\frac{FP}{FP+TN},即1TNR1-TNR,即错分为正例的负样本占整个负样本的比例。

    F1 score21precison+1recall=2precisonprecisonprecison+precison\frac{2}{\frac{1}{precison}+\frac{1}{recall}}=\frac{2*precison*precison}{precison+precison},即查准率和召回率的调和平均。该值在数值上接近于查准率和召回率中较小的值,这意味着若F1 score高,则查准率和召回率均高。

    2. PR曲线

    PR曲线是以查准率Precision(TPR)为横坐标,召回率Recall为纵坐标的曲线。

    当模型选择不同的阈值范围时(常被称为decision function,可理解为某种分类分隔超平面),TPR和Recall随着发生变化。如下图所示:
    1) 当取阈值1时,TPR=100%,而只有一个正样本被召回。
    2) 当取阈值3时,recall=100%,而所有的负样本均被错分为正例。
    随着阈值的增加,越来越多的正例会被召回,所以Recall是单调递增的;当同时更多的负例也可能被误分,所以Precsion总体呈下降趋势,但并非单调。
    在这里插入图片描述
    TPR和Recall之间具有天然的对抗关系,且两个指标均关注正样本,所以将两者结合起来可以很好的判断分类器对于正样本的区分能力,因此PR曲线尤其对于那些聚焦于正例的分类问题(如疾病筛选、风险防控等)。但也是由于同样的原因,PR曲线对于负样本的变化较为敏感(指TPR值),可能会收到样本分布的影响,导致PR曲线波动较大。

    在通过PR曲线选择分类器阈值时,选择那些有较高召回率,但TPR值也有一定保证的点。
    在这里插入图片描述
    与ROC曲线(下文会详细介绍)类似,PR曲线也有AUC值。

    3. ROC曲线

    ROC曲线(Receiver Operating Characteristic Curve, 受试者工作特征曲线 )是以TPR为纵坐标,FPR为横坐标的曲线。

    与PR曲线的绘制一样,ROC曲线同样是选择不同的阈值下的一组TPR、FPR连接而成。在这里插入图片描述
    1)当阈值最小时,所有样本均被区分为负样本,TPR=0, FPR=0;
    2)随着阈值的不断提高,每有一个正例被正确分类,TPR增加,FPR不变;每有一个负例被错误分类,TPR不变,FPR增加。
    3)当阈值超过一定界限后,所有样本样本均被区分为正样本,TPR=100%,FPR=100%。
    因此,ROC曲线是一条经过(0,0)和(1,1)点,且单调递增的曲线。
    在这里插入图片描述
    在上图的ROC曲线中,值得注意的一条连接(0,0)和(1,1)的直线,表示随机猜测下的预测结果。如何理解这条曲线呢?
    假设我们无论对于何种样本,以pp的概率猜测为正样本。那么正样本中被猜测正确的概率,即TPR=pTPR=p;负样本中被猜测正确的概率也为p,即FPR=pFPR=p,所以在随机猜测的情况下,FPR==TPRFPR==TPR,即为这条random guess线。

    若分类器得到的ROC曲线位于random guess线下方,这以为着模型还不如瞎猜。所以一个正常的分类器(效果优于随机猜),其ROC曲线位于random guess线上方,且其下的面积(即AUC)越大越好。

    AUC(Area Under Curve)表示ROC曲线与FPR轴包络出的面积,其用来衡量分类器的分类效果。假设一个完美的分类器,能完美区分出所有的正例和负例,那就会经过(0,1)点,即AUC=1。但往往会有一部分负例会被误分,但越高的AUC可以理解成分类器可以将更多的正例界定出来排在前面.
    在这里插入图片描述
    相较于PR曲线完全聚焦于正样本,ROC曲线中横坐标关注负样本、纵坐标关注正样本。所以其曲线比较稳定,不会受到正样本和负样本数量变化的影响(因为关注的为比值,若样本增加时的分布变化不大,分类器对正负样本的分类能力也是相当的)。
    但这同样可能会导致一个缺点:当负例数量远大于正例时,分类器将相当多的负例误分为正例(仅仅是数量,比值仍不大),但ROC曲线仍保持较好的AUC,会让人忽略其实有很多样本为假阳性。换句话总结一下:ROC曲线往往偏向于乐观。

    4. PR曲线和ROC曲线的选择

    PR曲线和ROC曲线都是优秀的评价分类器性能的指标,其适合的使用场景略有不同:
    (1)ROC曲线兼顾了正样本和负样本,因此比较适合于对正负样本都有分类需求的场景;而PR曲线完全聚焦于正样本,因此更适合于偏向于挑选出正例的场景;
    (2)在正类和负类类内数据分布不变的前提假设下,ROC曲线对正负样本数量的变化并不敏感(因为比值相当);但PR曲线可能会会发生较大的变动。因此若需要让模型对不同比例的正负样本更健壮,ROC曲线更使用;但如果想要测试不同比例的正负样本下模型的性能,则选择PR曲线。
    (3)类别不平衡问题中,ROC曲线通常会给出一个乐观的效果估计,所以大部分时候还是PR曲线更好。

    展开全文
  • S参数是表征高速互联行为特性标准参数,参数具有完整数学定义,这没有歧义。但是,当要将S参数数学定义转换为互连电气特性实际解释时,会出现一些容易疑惑地方。在本文中,我们了总结S参数容易出现疑惑...
    S参数是表征高速互联行为特性的标准参数,参数具有完整的数学定义,这没有歧义。但是,当要将S参数的数学定义转换为互连电气特性的实际解释时,会出现一些容易疑惑的地方。

    在本文中,我们了总结S参数容易出现疑惑的六个地方,并给出了详细解释。

    疑惑1

    S参数的适用对象

    S参数是散射"参数的缩写,是对进入被测器件(DUT)的散射电压波与入射电压波之比的度量。S参数源自频域中的网络分析方法,在频域中电压波指的是正弦波。

    输出与输入之比是一个传递函数,它描述了系统对输入正弦波的响应。

    正弦波只有三个参数:

    • 频率

    • 幅度

    • 相位

    当我们测量高速互连对正弦波的响应时,我们假设互连满足三个重要特征:       

    • 无源的-没有增益,只有损耗

    • 线性的-互联不改变输入正弦波的频率

    • 时间不变的-静态的,在测量过程中几何形状和其他特征未发生变化

    这意味着当我们发送1 GHz的正弦波给DUT时,我们得到的也只是正弦波,唯一改变的是幅度和相位,在频域中对正弦波的描述是一个复数,具有实部和虚部或幅值和相位。它们的复杂性质和用来描述它们的复杂数学公式有时也会引起混乱。

    疑惑 2

    S参数的适用对象

    以两个相同频率的正弦波相比得到一个复数,幅度是输出波与输入波的幅度之比,相位是输出波与输入波之间的相位差。们可以使用以下三种方式中的任何一种,在整个频率范围内绘制复数的值:实数和虚数、极坐标以及幅度和相位。这三种方式的示例如图1所示,三者的本质内容是完全相同的,只是显示方式不同,这有时这也会引起混乱。

    dce6836dd81d5aa20e12896d062dec82.png

    疑惑3

    端口阻抗的理解

    口是到DUT的连接,我们在其中测量正弦波信号,考虑端口的方法是将它理解为具有特定特性阻抗的同轴电缆连接器,并且既连接到的信号又连接返回路径,如图2所示。

    5dece2164e0cc342ec32cccf335af268.png

    如果不设计与返回路径的连接,则信号将自己找到一条路径,你可能不喜欢它找到的路径。

    疑惑 4

    端口阻抗的设定和影响

    端口是测量或仿真的系统的一部分,入射信号和可能的反射信号将同时在同一端口中传播,并且不会相互影响。提取S参数的系统将分离出入射和反射的信号。

    端口阻抗与DUT一样重要,都会影响S参数,除非有很强的合理理由,否则请始终使用50欧姆。如果使用其他的端口阻抗,它将会在Touchstone文件中标识,但是S参数的形状和样式将有所不同。

    疑惑5

    S参数的端口标识

    S参数是散射"参数的缩写,是对进入被测器件(DUT)的散射电压波与入射电压波之比的度量。S参数源自频域中的网络分析方法,在频域中电压波指的是正弦波

    当有多个连接到DUT的端口时,我们会使用从开始的唯一连续索引号来标识它们。原则上,只要标识的方式保持一致,连接到DUT的端口的索引号就不重要,但在实践中,我发现这一问题是错误解释的根源

    端口索引号很重要,因为这是我们标记每个S参数元素的方式。例如,在DUT上有四个端口,进出端口共有16种组合。

    我们使用分配给端口的索引号作为唯一标识每个S参数元素的方式。由于每个 S参数元素。

    按照一般的理解,将进入端口1并从端口 S参数称为S12,不是合理的吗? 

    但是由于S参数背后的矩阵数学运算,这不是标记S参数元素的正确方式。输出端口是第一个索引,输入端口是第二个索引。此此S参数应该被标识为S21。

    疑惑 6

    如何识别S参数的端口分配

    如果DUT有一个或两个端口,则只有一种分配端口的方法。但是,如果有四个端口,则会有多个可能的分配方案,图3显示了4端口DUT两种可能的端口分配方式。

    ed45561b7f398b165db983c375c6db7a.png

    所使用的端口分配不同,对S参数的解释就会不同, 如果使用方法A,则插入损耗为S21。 如果使用方法B,则插入损耗为S31。 如果S参数模型用于电路仿真中,而不查看文件,则会得到错误的仿真结果,如果注意到仿真看起来不对劲,可能会浪费大量的时间来试图使结果合理化。

    判断S参数模型使用的端口分配的方法是查看S参数,图4显示了性能很差的互连的示例,此互连具有不同的端口分配。 如果S21看起来像插入损耗,从低频0 dB开始单调下降,则端口分配为方法A(右)。 如果是S31是这样的状况,则为方法B(左),无论哪种方式,插入损耗都很容易识别。

    5dc43d60e264703bb98abab5b4a132a2.png

    WavePulser 40iX高速互联分析仪为高速互连分析而设计,可验证、调试和解决串行数据线缆、通道、连接器、过孔,背板、印刷电路板以及芯片和SoC封装中的互连问题,它的设置和使用都很简单。下面是高速互联分析仪的介绍
    展开全文
  • 以种植者田间常见的人口密度种植的品种没有表现出完整的分till潜力。 品种间的间隔种植促进了分till表型的品种表达。 SOFATT(仅播种,然后稀疏)的方法,该方法是从间隔种植(行间和行内间隔为30±12 cm)的多个...
  • 帧定界基本方法

    千次阅读 2012-03-15 19:03:11
    有4 种常见的定界方法,即字符计数法、带字符 填充的首尾界符法、带位填充的首尾标志法和物理层编码违例法。 (1)字符计数法   这种帧同步方法是一种面向字节的同步规程,是利用帧头部中的一个域来指定该...

    帧定界就是标识帧的开始与结束。有4 种常见的定界方法,即字符计数法、带字符
    填充的首尾界符法、带位填充的首尾标志法和物理层编码违例法。
    (1)字符计数法

     

    这种帧同步方法是一种面向字节的同步规程,是利用帧头部中的一个域来指定该帧中的字符数,以一个特殊字符表征一帧的起始,并以一个专门字段来标明帧内的字符数。
    1.同步原理
    接收方可以通过对该特殊字符的识别从比特流中区分出帧的起始,并从专门字段中获知该帧中随后跟随的数据字符数,从而可确定出帧的终止位置。如图7-1所示的就是标识了4个数据帧的帧格式,它们的大小依次为5、5、8、8个字符。

    这种方法最大的问题在于如果标识帧大小的字段出错,即失去了帧边界划分的依据,将造成灾难性的后果。如第二帧中的计数字符由“5”变为“7”,则接收方就会失去帧同步的可能,从而不可能再找到下一帧正确的起始位置。由于第二帧的校验和出现了错误,所以接收方虽然知道该帧已经被损坏,但仍然无法知道下一帧正确的起始位置。在这种情况下,给发送方请示重传都无济于事,因为接收方根本不知道应该跳过多少个字符才能到达重传的开始处。由于这种原因,这种字符计数法目前已很少用。
    (2)带字符填充的首尾界符法

     

    该同步方法是用一些特定的字符来定界一帧的起始与终止,充分解决了错误发生之后重新同步的问题。
    1.同步原理
    在这种帧同步方式中,为了不使数据信息位中与特定字符相同的字符被误判为帧的首尾定界符,可以在这种数据帧的帧头填充一个转义控制字符(DLE STX,Data Link Escape – Start of Text),在帧的结尾则以DLE ETX(Data Link Escape-End of Text)结束,以示区别,从而达到数据的透明性。若帧的数据中出现DLE字符,发送方则插入一个“DLE”字符,接收方会删除这个DLE字符。如现在要发送一个如图7-3(a)所示的字符帧,在帧中间有一个“DLE”字符数据,所以发送时会在其前面插入一个“DLE”字符,如图7-3(b)所示。在接收方接收到数据后会自己删除这个插入的“DLE”字符,结果仍得到原来的数据,但帧头和帧尾仍在,予以区别,如图7-3(c)所示。

    在以前这种同步方式中,起始和结束字符是不同的(如起始字符为DLE,而结束字符是DLE ETX),但是近几年,绝大多数协议倾向于使用相同的字符来标识起始和结束位置。按这样的做法,在接收方丢失了同步,则只需搜索一下标志符就能找到当前帧的结束位置。两个连接的标志符代表了当前帧的结束和下一帧的开始。
    但这种同步方式也不是完美的,也会发生严重的问题。当标志符的位模式出现在数据中时,这时不同步问题就可能发生了,这种位模式往往会干扰正常的帧分界。解决这一问题的办法是在发送方的数据链路层传输的数据中,在与分界标志符位模式一样的字符中插入一个转义字符(如ESC)。接收方的数据链路层在将数据送给网络层前删除这种转义字符。因此,成帧用的标志字符与数据中出现的相同位模式字符就可以分开了,只要看它前面有没有转义字符即可。
    如果转义字符出现在数据中间,同样需要用转义字符来填充。因此任何单个转义字符一定是转义序列的一部分,而两个转义字节则代表数据中的自然出现的一个转义字符,具体参见图7-3。
    2.示例介绍
    这种帧同步方法只能用于较为少用的面向字符型协议,典型代表是IBM公司的二进制同步通信协议(BSC)和PPP协议。它的特点是一次传送由若干个字符组成的数据块,而不是只传送一个字符,并规定了10个字符作为这个数据块的开头与结束标志,以及整个传输过程的控制信息。由于被传送的数据块是由字符组成的,所以也被称之为“面向字符的协议”。
    BSC协议用ASCII和EBCDIC字符集定义的传输控制字符来实现相应的功能。这些传输控制字符的标记、名字及ASCII码值和EBCDIC码值见表7-1。


    SOH(Start of Head):报头开始标志,用于表示报文的标题信息或报头的开始。
    STX(Start of test):文本开始标志,标识标题信息的结束和报文文本的开始。
    ETX(End of Text):文本终止标志,标识报文文本的结束。
    EOT(End of Transmission):发送完毕标志,用以表示一个或多个文本的结束,并拆除链路。
    ENQ(Enquire):询问标志,用以请求远程站给出响应,响应可能包括站的身份或状态。
    ACK(Acknowledge):确认标志,由接收方发出的作为对正确接收到报文的响应。
    DLE(Data Link Escape):转义标志,用以修改紧跟其后的有限个字符的意义。在BSC协议中,实现透明方式的数据传输,或者当10个传输控制字符不够用时,提供新的转义传输控制字符。
    NAK(Negative Acknowledge):否认标志,由接收方发出的作为对未正确接收的报文响应。
    SYN(Synchronous):字符同步标志,在同步协议中,用以实现节点之间的字符同步,或用于在无数据传输时保持同步。
    ETB(End of transmission Block):块终止或组终止标志,用以表示当报文分成多个数据块的结束。
    BSC协议将在链路上传输的信息分为数据和监控报文两类。监控报文又可分为正向监控和反向监控两种。每一种报文中至少包括一个传输控制字符,用以确定报文中信息的性质或实现某种控制作用。数据报文一般由报头和文本组成。文本是要传送的有效数据信息,而报头是与文本传送和处理有关的辅助信息,报头有时也可不用。对于不超过长度限制的报文可只用一个数据块发送,对较长的报文则分作多块发送,每一个数据块作为一个传输单位。接收方对于每一个收到的数据块都要给以确认,发送方收到返回的确认后,才能发送下一个数据块。
    BSC协议的数据块有如下四种格式。
    不带报头的单块报文或分块传输中的最后一块报文
    这种报文格式为:SYN | SYN  | STX | 报文 |  ETX |  BCC
    带报头的单块报文
    这种报文的格式为:SYN | SYN | SOH | 报头 | STX | 报文 | ETX | BCC
    分块传输中的第一块报文
    这种报文格式为:SYN | SYN | SOH | 报头 | STX | 报文 | ETB | BCC
    分块传输中的中间报文
    这种报文格式为:SYN | SYN | STX | 报文 | ETB | BCC
    从以上数据报文格式可以看出,BSC协议中所有发送的数据均跟在至少两个SYN字符之后,以使接收方能实现字符同步。所有数据块在块终限定符(ETX或ETB)之后还有块校验字符BCC(Block Check Character),BCC可以是垂直奇偶校验或者说16位CRC,校验范围从STX开始到ETX或ETB为止。
    当发送的报文是二进制数据库,而不是字符串时,二进制数据中形同传输控制字符的比特串将会引起传输混乱。为使二进制数据中允许出现与传输控制字符相同的数据(即数据的透明性),可在各帧中真正的传输控制字符(SYN除外)前加上DLE转义字符;在发送时,若文本中也出现与DLE字符相同的二进制比特串,则可插入一个标记。在接收端则进行同样的检测,若发现单个的DLE字符,则可知其后为传输控制字符;若发现连续两个DLE字符,则知其后的DLE为数据,在进一步处理前将其中一个删去。

    (3)带位填充的首尾标志法
    7.2.3  比特填充的首尾定界符法
    在前面介绍的字符分界法中存在一个大的不足,那就是它仅依靠8位模式。而事实上,并不是所有的字符编码都使用8位模式,如UNICODE编码就使用了16位编码方式。而且随着网络技术的发展,在成帧机制中内含字符码长度的缺点越来越明显,所以有必要开发一种新的同步技术,以便允许任意长度的字符编码方式。本节所介绍的"比特填充的首尾界定符法"就是这样一种新型的同步方式。
    "比特填充的首尾界定符法"是以一组特定的比特模式(如01111110)来标志一帧的起始与终止,它允许任意长度的位码,也允许任意每个字符有任意长度的位。它的工作原理是在每一帧的开始和结束位置都加上一个特殊的位模式,如01111110。当发送方的数据链路层传到数据中5个"1" (因为特定模式中是有5个连续"1")时,自动在输出位流中填充一个"0"。在接收方,当收到连续5个"1",并且后面位是"0"时,自动删除该"0"位。就好像字节填充过程对于双方计算机中的网络层是完全透明的一样。如要传输的数据帧为"0110111111011111001",采用比特填充后,在网络中传送时表示为"0111111001101111101011111000101111110"。
    上述结果是在原信息("0110111111011111001")的基础上两端各加一个特定模式来标示数据帧的起始与终止,另外,因为在原信息中,有一段比特流与特定模式类似,为了与用于标识帧头和帧尾的特定模式字符区别,在有5个连续"1"的比特位后面加插入一个"0"(斜体"0")。而接收方在收到上述最终数据后进行发送方的逆操作,首先去掉两端的特定模式字符,然后在每收到连续5个"1"的比特位后自动删去其后所跟的"0",以此恢复原始信息,实现数据传输的透明性。
    比特填充帧同步方式很容易由硬件来实现,性能优于字符填充方式。所有面向比特的同步控制协议采用统一的帧格式,不论是数据,还是单独的控制信息均以帧为单位传送,其典型代表是ISO的HDLC协议。在此仅说明在HDLC的帧格式中也采用比特填充的帧同步方式,在它的首尾均有标志字段(Flag,8位,即01111110),如图7-4所示。


    (4)物理层编码违例法

     

    该法在物理层采用特定的比特编码方法时采用。例如,曼彻斯特编码方法,是将数据比特“1”编码成“高—低”电平对,将数据比特“0”编码成“低—高”电平对。而“高—高”电平对和“低—低”电平对在数据比特中是违法的。可以借用这些违法编码序列来界定帧的起始与终止。局域网IEEE 802标准中就采用了这种方法。违法编码法不需要任何填充技术,便能实现数据的透明性,但它只适于采用冗余编码的特殊编码环境。因为“曼彻斯特编码方法”已在第3章进行了详细介绍,所以在此不再赘述。
    由于字节计数法中Count字段的脆弱性(其值若有差错将导致灾难性后果)及字符填充实现上的复杂性和不兼容性,目前较普遍使用的帧同步法是比特填充法和违法编码法。


    展开全文
  • 所有体液都含有细胞衍生的膜结构囊泡。这种囊泡由原核生物和真核细胞分泌出来,并含有对环境反应的信息。研究认为细胞衍生的囊泡有助于体内平衡、疾病发展和进展,可以提供新...突出了常见的误解和方法上的错误。 尽管
  • 表征性状态转移。 我觉得RESTful是一种URL风格/规范,可以更语义化地描述资源。 需要搭配不同HTTP方法、路由变量,URL命名设计等,以遵循该规则。 CRUD Create 新增 Retrieve 查询 Update 修改 Delete 删除 ...
  • destinationPort)和DPDI(destinationPort-destinationIP)三个信息熵来分别表征三种多对一的特征,对TCP洪水攻击、UDP洪水攻击、ICMP洪水攻击等三种常见的攻击方式进行特征分析,在此基础上使用基于随机森林分类...
  • 常见的模糊聚类算法不能有效分割具有类大小不均衡特性的图像,为此,提出对类大小不敏感的模糊C均值聚类图像分割算法。首先将类大小引入至含邻域信息模糊聚类算法(FCM_S)的目标函数中,使得类大小在目标函数中发挥作用,...
  • 总结面试常见

    2019-10-01 04:03:33
     抽象类:抽象类表示是这个对象是什么,抽象类往往用来表征对问题领域进行分析、设计中得出抽象概念,是对一系列看上去不同,但是本质上相同  具体概念抽象。通常在编程语句中用 abstract 修饰类是抽象类...
  • 目的:本研究旨在表征情绪和生活质量,并检查这些区域与主观认知问题和对普通西班牙裔突变(与CCM1患病风险增加相关基因)基因测试态度有关联系。 方法:54名接受过西班牙裔普通突变基因测试成年人完成了...
  • 考虑到传统计算方法中一般采用均匀分布或指数衰减分布来表征热源分布,计算出热焦距与实验值相差较大,不利于腔型设计情况,采用Tracepro光学追迹软件追迹抽运光被耦合进入板条角面后,经过多次全反射在激光介质...
  • VTK:数据表示简述

    2021-04-24 18:50:03
    在本章中,我们将检查常见的数据形式以进行可视化。目的是使您熟悉这些表格,以便可以使用本文中提供的工具和技术来可视化自己的数据。 为了设计数据的代表性方案,我们需要了解一些可能遇到的数据。我们还需要牢记...
  • 目录 01 有监督学习的损失函数 02 机器学习中的优化问题 03 经典优化算法 04 梯度验证 05 随机梯度下降法 ...06 随机梯度下降法的加速 ...问题1:常见的损失函数?及其优缺点? (1)二分类问题...
  • Origin教程:DSC曲线描述和绘制

    千次阅读 2020-12-13 01:12:05
    作为一个专业的绘图教学,决定将一些常见的表征图进行系列绘制,顺带进行图谱的分析和讲解,专业嘛,就是这么一点一点来的。 我们首先来了解一下相关概念。 热分析技术(thermal analysis)是在程序控制的温度下...
  • 引: 通过3D相机(雷达、激光扫描、立体相机)获取到的点云,一般数据量较大,分布不均匀等特点,数据主要...常见的空间索引一般是自上而下逐级划分空间的各种索引结构,包括BSP树,k-d tree、KDB tree、R tree、CELL.
  • 摘要:基于磁敏传感技术编码式位移测量,存在测量相对量或绝对量时表征长度受限制等问题,针对这砦技术缺陷,提出了一种新型绝对量编码方法:按编码规则把被测工作部件制作成磁性标尺,经磁敏传感器识别出其...
  • 目的:表征目前在基于学校吸烟观察研究调查研究中采用设计和分析方法,并确定研究人员的常见陷阱。 方法:该系统评价于2009年进行,包括2005年1月至2009年1月间在学校环境中进行观察性研究。吸烟是人们关注...
  • 摘要:基于磁敏传感技术编码式位移测量,存在测量相对量或量时表征长度受限制等问题,针对这砦技术缺陷,提出了一种新型量编码方法:按编码规则把被测工作部件制作成磁性标尺,经磁敏传感器识别出其编码序列,...
  • 常见的有开路灵敏度和有载灵敏度两种。所谓开路灵敏度系指在单位声压作用下输出的电动势。换句话说,当传声器的输出端处与开路状态时,若作用在振膜上的声压为P,测得的电压为V,则开路灵敏度常用的单位为豪伏/微巴...
  • 驾驶车辆是最常见的日常危险任务之一。 最近研究的重大兴趣之一是通过使用驾驶模拟来表征驾驶员的行为。 虚拟现实技术现在是常规驾驶模拟的有前途的替代方法,因为它为数据收集提供了更简单,安全和用户友好的环境。...

空空如也

空空如也

1 2 3 4
收藏数 77
精华内容 30
关键字:

常见的表征方法