判决反馈盲均衡与稳定Tap-Leaky美白Structure-Criterion切换

文摘

研究提出了提高structure-criterion切换性能的盲判决反馈均衡器(DFE),消除了误差传播效应通过优化结构和成本标准。征服的复杂性64 - qam正交振幅调制信号的星座,随机entropy-gradient系数算法另外正规化的漏项,以避免收到信号增白剂的过度繁殖系数标准。有效的泄漏系数是用来确保一个稳定的structure-criterion交换价值之间的盲目和decision-directed操作模式。由此产生的美白算法的优化是通过两个免费的,漏水和熵的参数,采取行动反对对方。,64 - qam信号的影响反馈滤波器行为和美白的参数优化算法是通过模拟分析。

1。介绍

盲均衡方法介绍了数据通信的概念作为替代方法使用一个特别设计的训练序列(试点)直接火车接收机自适应参数(1,2]。通过使用盲自适应均衡器,工作没有飞行员的帮助,可以提高系统数据速率和有效,同时,实现系统应用飞行员的训练是不可能的(3,4]。

与线性均衡器,努力完成一个反向信道响应的有限脉冲响应滤波器,判决反馈均衡器(DFE)分裂均衡任务之间的线性前馈和非线性反馈过滤器(均衡器)。以这样一种方式,根据假设的正确检测到符号,教育部利用非线性离散传播符号的性质,消除postcursor符号间干扰(ISI)没有噪声增强[5)使用数量相对较小的系数(6]。这个属性价值尤为重要,在系统的特点是深谱null频道。另一方面,价值的主要缺点错误传播现象通常会降低它的性能和可能导致一个均衡失败取决于错误数据包的长度。盲DFE,误差传播本质上变成了一个特别重要的问题,因为它出现在起始阶段的均衡。因此,盲目王凯呼吁更有效的算法和信号处理技术比nonblind同行(7- - - - - -13]。

出于Labat的作品(7和金8)和他们的合作者,我们最近开发了盲DFE计划(10,11),叫做Soft-DFE,它结合了structure-criterion操纵方法和盲反褶积理论由贝尔和Sejnowski [14]。与原来的“自优化”教育部7基于反馈滤波器(巴西利亚足协收入囊中)执行的最小均方误差(MMSE)准则,具体Soft-DFE是其软反馈滤波器(SFBF),消除了postcursor ISI通过最大化联合熵(JEM)的输出。Soft-DFE的效率解决方案验证系统中传输16 -和32-QAM(正交振幅调制)信号严重ISI定常渠道。

本文认为Soft-DFE的扩展操作以64 - qam信号。这个扩展主要是考虑从Soft-DFE structure-criterion切换的鲁棒性的角度从16 -增加信号的复杂性和32-QAM 64 - qam。从统计的角度来看,符号数字QAM信号的增加(通过符号数的增加水平大小)会导致增加的第二和四阶的时刻对应的统计常数(15]。因此,二阶统计量均衡(美白)成为一个关键问题在系统通常以深谱null。Soft-DFE方案,结果表明,杰姆算法,优化SFBF通过两种操作模式,呈现出不稳定的收敛structure-criterion切换的时候从盲目到软过渡模式。一般来说,通过增加ISI严重性SFBF适应伴随着灾难性的风险增加误差传播效应。消除这一弱点,增白剂的适应另外正则化系数漏项引入到现有的杰姆适应规则。

本文组织如下。节2Soft-DFE方案。部分3回忆的理论背景SFBF平衡模型,分析其不稳定64 - qam信号的存在。介绍了tap-leaky杰姆增白剂在部分4改进和参数优化方法SFBF提出了部分5。节6QAM系统模拟器和有效均衡特征描述的Soft-DFE 64 - QAM信号。

2。Soft-DFE计划的描述

Soft-DFE均衡器,呈现在图1,设计了系统传输-QAM,通过定常频率选择性信道,信号。Soft-DFE包括四个行距的FIR滤波器的递归和线性部分定义了系数向量和,,分别。接收到的信号是两倍采样率大于符号率,然后奇怪甚至样品或者转移到延时线相应的过滤器。

通过三种操作模式命名Soft-DFE执行均衡:盲目收购,软过渡,和跟踪。在盲人模式下,Soft-DFE有效地充当一个线性的略微间隔均衡器(工程师协会),包括四个命令信号变压器级联执行任务越来越复杂:增益控制(GC),增白剂(WT), FSE均衡器(TE)和相位旋转(PR),图1(一)。变形金刚GC和WT耦合在一对GC恢复传输信号能量用单参数均衡法则和增白剂WT执行基于杰姆nonflat信道频谱均衡成本。同时独立的()均衡器TE补偿相位失真(引入的一个通道+增白剂组合)利用恒模算法(CMA-2) [2]。在下一阶段,命名为软过渡模式,其中一个美白产品,根据能量准则,选择转换回SFBF杰姆适应,保持,而均衡器TE开关适应从CMA decision-directed LMS (DD-LMS)图1 (b)。有效地在Soft-DFE软过渡模式,优化的组合(MSE +杰姆)标准。最后,眼开了足够的信号,SFBF交换机成为经典反馈均衡器执行DD-LMS适应(跟踪模式)。

相位旋转公关是二阶阶段锁修改的方式逃避64 - qam星座的增加了复杂性。公关开始盲目的载波相位采集模式通过降低信号星座包括只有十二角符号的最大能量,然后继续足够打开信号的完整星座的眼睛。

Soft-DFE适应的过程由MSE监控,控制开关的结构和标准先天的选择MSE-TL阈值:MSE-TL1从盲目到软过渡和MSE-TL2从软过渡到跟踪模式。此外,介绍了阈值MSE-TL3切换公关操作减少和完整的信号之间的操作。此外,它被用作衡量均衡成功。

3所示。软反馈滤波器:背景和问题定义

为了简单起见,背景的SFBF操作被认为是在一个系统传输一个数据序列通过一个线性无噪声信道数据的地方代表为i.i.d.实际变量有限方差和亚高斯分布,图2。无噪声的数据被用来简化杰姆成本开发而均衡器性能的评估是使用加性白噪声信道。在接收端,实值巴西利亚足协收入囊中过滤器(均衡器)执行数据序列恢复使用“软”Bell-Sejnowski类型的神经元单位(14),而不是检测策略。

柔软的巴西利亚足协收入囊中均衡器取消postcursor ISI迭代通过最大化联合香农熵的输出神经元的功能是一个严格单调(增加或减少)可微非线性输入通道输出的总和吗和卷积和神经元的输出和滤波器系数表示为向量和,分别。正确的假设下检测到之前的符号,,联合香农熵的输出被认为是杰姆的软成本巴西利亚足协收入囊中(8] 及其最大化等同于视为一个最小化互信息,在那里是边际产出的熵。换句话说,通过最大化熵软巴西利亚足协收入囊中,删除当前产出之间的统计依赖和前面的输出,从而导致巴基斯坦三军情报局移除。

值得注意的是,软巴西利亚足协收入囊中转换序列任意的PDF到最大熵序列与PDF接近给定的有限范围的一致性字母标志。因此,软巴西利亚足协收入囊中均衡器最小化Kullback-Leilbler信息散度当且仅当与平等和有相同的分布(16]。

软巴西利亚足协收入囊中的中心点均衡器设计是其映射函数的选择。更准确地说,选择神经元近似输入的预期累积分布的关系,,在那里是一个输出的概率密度函数(PDF)。换句话说,斜率是一个PDF匹配神经元(17]。自PDF ISI,因此,通常是未知的,也有缺乏适当的非线性,可以实际使用参数非线性的参数不同神经元的“坡”的一种方式是尽可能接近预期的ISI累积概率分布。

在[10),软巴西利亚足协收入囊中的基本模型扩展到复数域(SFBF为复数)和非线性的 杰姆类型随机梯度算法 在哪里是一个适应步长,是一个真正的积极的参数(“斜率”),和操作员吗表示复杂的共轭。接下来,运行SFBF通过自优化分为两个子任务执行Soft-DFE方案。开始时的均衡,SFBF整机全极过滤器由杰姆控制开关本身的算法(JEM-W)(见图1(一)) 执行美白(解相关)的通道输出然后切换回decision-directedSFBF结构由JEM-D控制算法(见图1 (b)) 继续熵最大化输出。

最优参数选择16 -和32-QAM信号通过观察有效Soft-DFE执行通过盲目和软过渡操作模式。在盲人的信号采集,Soft-DFE充当-FSE-CMA均衡器的峰度最大化输出给出的(18,19]。假设静止之间的一个对应点系统(均衡器)和均衡器域,我们使用了绝对归一化峰态(7,11] 作为衡量峰度均衡的效率。实际上,通过逐渐增加JEM-W,通过测量接收信号的效率美白峰度的末尾增加盲人模式。同样,JEM-D多种多样的表现找到一个最小符号错误率(SER) Soft-DFE输出在柔和的过渡阶段。在这个阶段的操作,SER作为测量误差传播效应的抑制。

的SFBF均衡效率,16 -和32-QAM信号,通过强化模拟,验证和相应的最优边坡参数在决定11)如下:

和。同时,基于实验数据,以下的结论指出已经澄清。(我)山坡上的最佳值几乎是独立的信道特征。(2)的关系和表明,三军情报局来自16-QAM信号有一个更多的选择比32-QAM信号回忆之一[PDF表单14),神经元的输出最大化熵的最优边坡成反比其输入分布的方差。(3)SER的估计位置和最小通过不同保持几乎不变对其最优值,在一个相对广泛的价值最低SER正在扩展。这种行为的SFBF表示强烈的影响,JEM-W算法,对整个收敛Soft-DFE尽管它悬挂在盲人模式。

记住上面的结果,让我们检查Soft-DFE性能系统中传输64 - qam信号的特征是高方差的接收信号相对于一个传输16 -或32-QAM信号。图3提出了均方误差收敛的Soft-DFE不同的斜坡和固定在最坏的情况下通道Mp-E给定类的多路径通道(见图8)。均方误差收敛特征通过一测试和呈现在图3(一个)可能是更好的(在收敛速度和剩余MSE)斜坡高吗的范围从0.1到0.5。然而,均衡成功测试,基于2000个独立运行时,显示一个下降的趋势的均衡成功指数(ESI)和,图3 (c),ESI[%]代表成功的均衡数量之间的比例和蒙特卡洛的总数。这是额外的测试,验证了均衡的失败SFBF不稳定的时候Soft-DFE structure-criterion切换从盲目到软过渡模式。图3 (b)介绍了融合的特点SFBF给定的系数向量范数的词吗在图和对应MSE特征3(一个)。的均方误差MSE-TL1和均方误差MSE-TL1向量(欧几里得)规范是由和,分别。可以看到,对于较大的斜坡,规范展示了更大的漂移(增生),都伴随着强烈的适应不稳定。

的行为描述SFBF清楚地表明,矢量的设置实现在盲人模式不是预计的SFBF均衡器切换后,JEM-D算法还不够健壮的征服这样的系数不匹配。换句话说,给定的SFBF模型不够健壮的映射的输入序列统计,由增加ISI,强烈影响到PDF序列收敛一致性。事实上,类似的行为SFBF也可以观察到32-QAM信号但更强调与64 - qam信号。

基于上述实验数据,我们的动机SFBF更健壮的ISI分布方差的增加。实际上,这意味着扩展的操作范围SFBF走向更大的斜率值,提供一个快速初始收敛,同时,防止关键系数标准过度生长。此外,它与接收信号的美白与一个小坡,例如,没有意义,因为JEM-W效率成为类似于扩展LMS(榆树)算法(6,7]。

4所示。杰姆增白剂与渗漏系数

自适应滤波技术提高了tap-leaky算法确保减少漂移系数(20.)的通信、自动控制和信号处理应用程序(21- - - - - -24]。例如,最初开发“tap-leakage”介绍了LMS算法(21工程师协会)稳定稳态操作的数字化实现均衡器。Soft-DFE的相反,在我们的案例中,系数漏技术介绍限制内的增白剂系数规范和调整均衡过程的初始阶段。

修改后的杰姆增白剂惩罚成本系数繁茂的系数是由泄漏 一个小的正数(泄漏因素)之间的关系决定了熵的泄漏系数;该指数虽然指数指的是盲目的模式向量的是简单了。基于相同的优化方法应用到原始杰姆成本,相应的算法与泄漏系数(JEM-L)是由 在这个术语系统地降低增白剂系数模块由泄漏率决定因素。事实上,这两个术语(8)由渗漏和边坡因素控制的行动反对对方。因此,一个合适的平衡和必须实现快速和稳定收敛的SFBF。数据4和5说明JEM-L的影响系数向量范数的收敛和峰度的符号,分别。

值得注意的是,漏项的系数(8)补偿没有增白剂的饱和输出。换句话说,泄漏系数可以被视为新的信息输入保护SFBF操作从noninformative行为引起的非线性在盲目的模式。

从实现的角度来看,一个过滤器系数漏水的技术是一个简单的人。杰姆算法的复杂性是相对较低的几乎一样CMA-2算法。准确地说,杰姆误差的复杂性在递归(3CMA的)是一样的错误;是统计常数(2]。同时,应该注意的是,JEM-L(之间的差异8)和JEM-W (4)算法,因为只有通过漏项,几乎是无关紧要的。

5。漏水和斜率选择64 - qam

在本节杰姆的优化算法进行64 - qam信号使用类似的方法发明了16 -和32-QAM信号。的选择给出的参数是基于峰度统计(6),而斜率不同达到最小收敛时间阈值MSE-TL1和MSE-TL2之间。阈值之间的收敛时间的测量,MSE的过渡时间(MSE-TT),比测量实际SER(用于16 -和32-QAM信号)因为高值的SER(通常高于0.5)严重的渠道。因此,在软过渡模式是有效的均方误差收敛时间作为衡量误差传播的恢复时间。

图5介绍了峰态曲线对比获得一组选择适当的泄漏的因素和Mp-E频道。可以看到,通过增加泄漏(对应于JEM-W (4)),峰度统计数据被调整的比率提高第二和四阶的时刻。支持的改进是一个结果二阶统计复苏,迫使漏水的美白,在四阶FSE-CMA人强迫。这种行为的特点是峰度曲线饱和去除相对广泛的斜坡。因此,基于峭度曲线,所得的选择参数决定如下:首先,大致选择范围最大的斜坡上=(0.85 - -0.9)的曲线,峰度范围=(0.61 - -0.62)被选中,然后另一个对选择达到大约相同的峰度值呈现在图5。更准确地说,下一个JEM-L参数的范围选择:,,,。

选择最优的斜率JEM-D, MSE-TT测量是激励的观察的范围从0.5到4.0。图6介绍了MSE-TT间隔与象征议员给定类的频道。独立的通道,顺利hyperbolic-like MSE-TT曲线表明,其独特的最小值收敛到一个相对广泛的从1.75到2.25。此外,检查JEM-L算法的影响,也就是说,它的参数Soft-DFE收敛structure-criterion切换后,重复以上实验之前所选对。我们可以看到在图7的影响在MSE-TT最小值是可以忽略不计的位置使提出的参数优化SFBF比乍一看似乎简单。,最重要的是,通过改变参数可以加快均衡器收敛。因此,JEM-L提高均衡器的收敛估计增白剂质量系数增加。

6。Soft-DFE绩效评估

在这一节中描述的QAM系统模拟器是和最后的表演Soft-DFE 64 - QAM信号的评估。模拟器包括非时变频率选择性(three-ray模型(1930 dB)通道的信噪比。渠道参与发射机过滤器设计碾轧系数0.12。图8描述了Mp信道衰减和传播的衰减响应参数选择逐步逐步提高ISI的水平。均衡器的长度和在其TE分别和WT部分。盲人的更新TE开始为其初始向量与零组件除了集中引用。随机梯度算法的适应性措施作为一个- 2的幂。的步骤大小在三个操作模式,,,分别。

公关开始载波相位估计使用减少64 - qam星座,包括十二个角落符号最大的能量,按照下列规则:震级阶段歧视是活跃的象征令人满意的而对于一个相位误差设置为零。有效,在盲人模式公关运作4-QAM信号的载波相位估计量。此外,星座的足够了,也就是说,MSEMSE-TL3、载波相位跟踪继续满64 - qam星座。

的选择开关阈值水平MSE-TL是基于最坏的情况下传输场景迫使议员——(C, E)通道。MSE-TL1的阈值= 6.25 (8.0 dB)和MSE-TL2 = 0.610 (−2.1 dB)选择提供最好的妥协和收敛速度之间的均衡成功应急服务国际公司在50000年的时间持久的符号间隔。均衡成功MSE < MSE-TL3 = 0.165 (−7.8 dB)。图9提出了一种序列64 - qam信号采样的输出Soft-DFE Mp-C频道如下:开始时的均衡,通过阈值的时候MSE-TL1 MSE-TL2,最后的观察一段时间。注意收集的数据符号,几乎均匀分布在信号星座帧结束时盲目的模式(b)和软过渡模式(c)。

并给出了最终结果的均方误差收敛性和均衡成功ESI。的模拟进行了四个不同的双参数,,,,,固定。所选的组合参数提供应急服务国际公司的最大价值和影响力的最好的方式展示JEM-L Soft-DFE的有效融合。图10介绍了均方误差收敛特征获得了100个独立运行。可以看到,适度的通道Mp-A,性能改进通过JEM-L ()可以忽略不计,但对于严重的议员——(C, E)渠道改善明显;Mp-B MSE收敛和Mp-D渠道几乎是一样Mp-C Mp-E,分别。同时,为了比较,自优化DFE的收敛特性,名叫Hard-DFE,给出图10。的唯一区别Soft-DFE和Hard-DFE适应方法应用递归部分。递归的一部分Hard-DFE改编榆树和DD-LMS算法通过盲和跟踪模式,分别。

此外,有趣的是如何Soft-DFE优化参数,,响应信道条件的突然变化。图11说明了Soft-DFE行为情况当议员渠道引入强相位抖动干扰时对应于24500 T间隔后信号传输的开始。显然,突然均衡后失败,Soft-DFE演示了快速和稳定的复苏。

对应的均衡结果成功Soft-DFE JEM-L呈现在图3 (c)。基于前面的结果,ESI尤其固定漏水的评估和斜率不同在一个相对广泛从0.5到0.9旨在验证平衡鲁棒性对JEM-L算法。这是证明Soft-DFE范围从0.70到0.75到达高ESI指数为99.6%,99.5%,和98.2%,Mp-A Mp-C, Mp-E,分别;应急服务国际公司的测试是基于2000个独立运行。

7所示。结论

在本文中,我们表明,Soft-DFE盲均衡器,已设计为4 - 16 -,和32-QAM信号,可以扩展到64 - qam信号星座通过使用相同的计算效率CMA和杰姆算法。它是通过改善SFBF均衡器性能的增加接收信号方差的范围。使用模拟,我们验证,简单系数漏项,引入杰姆美白算法,扩展了算法的操作范围向更高的山坡上应用的非线性映射。实际上,杰姆美白算法相结合与相应系数更高的山坡漏水的因素是更有效率和无副作用Soft-DE structure-criterion切换稳定。达到的性能改进SFBF均衡器对应的快速均衡的初始收敛,后跟一个高水平的成功概率。参数选择引导线,之前发明了16 - 32-QAM信号,很容易扩展到64 - qam信号与一个相对较小的点球的复杂性。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作得到了科学技术部塞尔维亚共和国的发展,技术发展TR 32037的项目,2011 - 2015。作者要感谢雅罗斯瓦夫Porzucek,学生来自波兰,他的贡献升级QAM系统的模拟器。同时,作者要感谢匿名评论者对他们有帮助和建设性的意见。

引用

1. 佐藤y”,多层次的调幅系统self-recovering均衡的方法,”IEEE通信,23卷,不。6,679 - 682年,1975页。视图:出版商的网站|谷歌学术搜索
2. d·n·戈达尔,”Self-recovering均衡和载波跟踪在二维数据通信系统中,“IEEE通信系统,28卷,不。11日,第1875 - 1867页,1980年。视图:出版商的网站|谷歌学术搜索
3. m·戈什“盲判决反馈均衡地面电视接收器。”IEEE学报》,卷86,不。10日,2070 - 2081年,1998页。视图:出版商的网站|谷歌学术搜索
4. z丁和y . g .,盲均衡和识别、信号处理和通信系列,马塞尔·德克,纽约,纽约,美国,2001年。
5. j·g . Proakis数字通信美国麦格劳-希尔,纽约,纽约,第3版,1995年版。
6. o . Macchi自适应处理:至少意味着广场在传输方法与应用约翰·威利& Sons,纽约,纽约,美国,1995年。
7. j . Labat o . Macchi, c . Laot”的自适应判决反馈均衡:你能跳过训练期吗?”IEEE通信,46卷,不。7,921 - 930年,1998页。视图:出版商的网站|谷歌学术搜索
8. 黄懿慧金姆和s . Shamsunder”与软判决反馈信道均衡的自适应算法,”IEEE在选定地区通讯》杂志上,16卷,不。9日,第1669 - 1660页,1998年。视图:出版商的网站|谷歌学术搜索
9. l . l . Szczeciński和a·基”,盲目决策反馈扳平比分,如何避免退化性的解决方案,“信号处理,卷82,不。11日,第1693 - 1675页,2002年。视图:出版商的网站|谷歌学术搜索
10. v . r . Krstić和z . Petrović复值最大的联合熵算法对盲判决反馈均衡器,”学报》第八届国际会议在现代卫星通信,有线电视和广播服务(TELSIKS ' 07)Niš,页601 - 604年,塞尔维亚,2007年9月。视图:出版商的网站|谷歌学术搜索
11. v . r . Krstić和m . l . Dukić盲DFE最大反馈,”IEEE信号处理信件,16卷,不。2009 1,页26 - 29日。视图:出版商的网站|谷歌学术搜索
12. j . Palicot和a . Goupil加权判决反馈均衡器的性能分析,“信号处理,卷88,不。2、284 - 295年,2008页。视图:出版商的网站|谷歌学术搜索
13. a . Goupil和j . Palicot”的一种有效的盲判决反馈均衡器”,IEEE通信信,14卷,不。5,462 - 464年,2010页。视图:出版商的网站|谷歌学术搜索
14. a·j·贝尔和t . j . Sejnowski“盲分离和盲反褶积的信息最大化方法。”神经计算,7卷,不。6,1129 - 1159年,1995页。视图:出版商的网站|谷歌学术搜索
15. j·杨,j·j·沃纳和g·a·杜蒙特”multimodulus盲均衡及其广义算法”,IEEE在选定地区通讯》杂志上,20卷,不。5,997 - 1015年,2002页。视图:出版商的网站|谷歌学术搜索
16. j·c·普林西比、d .徐和j·w·费舍尔,在“信息理论学习,”无监督自适应滤波,卷我盲源分离Ed,微积分,页265 - 320年,约翰·威利& Sons,纽约,纽约,美国,2000年。视图:谷歌学术搜索
17. 美国菲奥里”的一些性质Bell-Sejnowski PDF-matching神经元,”学报》第三届国际会议上独立分量分析和信号分离,页194 - 199,圣地亚哥,加利福尼亚州,美国,2001年12月。视图:谷歌学术搜索
18. o . Shalvi和e·温斯坦,”新标准非最小相位系统的盲反褶积(渠道),“IEEE信息理论,36卷,不。2、312 - 321年,1990页。视图:出版商的网站|谷歌学术搜索
19. 李y”,全局收敛性略微间隔的戈达尔(CMA)自适应均衡器,”IEEE信号处理,44卷,不。4、818 - 826年,1996页。视图:出版商的网站|谷歌学术搜索
20. l . Ljung和j . a . Sjoberg”评论“泄漏”自适应算法,“电机工程系,林雪平大学,1992年,http://www.diva-portal.org。视图:谷歌学术搜索
21. r·d·Gitlin h . c . tommeador一路,s b·温斯坦”Tap-leakage算法:一种算法稳定运行的数字化实现,略微间隔的自适应均衡器,”贝尔系统技术》杂志上,卷61,不。8,1817 - 1839年,1982页。视图:出版商的网站|谷歌学术搜索
22. g·j·雷伊,r . r . Bitmead和c·r·约翰逊Jr .)”的动态破裂与泄漏简单的自适应反馈系统,”IEEE电路和系统,38卷,不。5,476 - 488年,1991页。视图:出版商的网站|谷歌学术搜索
23. o . j . c . Pesquet Macchi, g . Tziritas”Soft-constrained LMS算法译码器稳定在落后的自适应预测系统中,“信号处理没有,卷。31日。1、1 - 15,1993页。视图:出版商的网站|谷歌学术搜索
24. t . Hastie r . Tibshirani和j·弗里德曼,统计学习的元素施普林格,纽约,纽约,美国,2009年。视图:MathSciNet

版权

版权©2014年弗拉基米尔·r·KrstićMiroslav l . Dukić。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。