Video
Đăng bởi Ban biên tập OpenER ·
Tác giả giữ toàn bộ bản quyền (All Rights Reserved) — không phải giấy phép mở. Bạn vẫn xem và học miễn phí trên OpenER; muốn tái sử dụng cần xin phép tác giả.
[SIDE CONVERSATION] GIREEJA RANADE: Okay, let's get started with lecture.
[TRÒ CHUYỆN RIÊNG] GIREEJA RANADE: Được rồi, chúng ta bắt đầu bài giảng nhé.
Welcome back from Thanksgiving break. I hope you all took the time to rest up, and relax, and get some sleep in.
Chào mừng các em trở lại sau kỳ nghỉ Lễ Tạ ơn. Hy vọng các em đã dành thời gian để nghỉ ngơi, thư giãn và ngủ bù.
So we're now at lecture six for module 3. And today's lecture is going to be building on what we talked about last time.
Giờ chúng ta đang ở bài giảng thứ sáu của mô-đun 3. Và bài hôm nay sẽ tiếp nối những gì chúng ta đã nói ở buổi trước.
We're going to be continuing our discussion of the orthogonal matching pursuit algorithm.
Chúng ta sẽ tiếp tục thảo luận về thuật toán orthogonal matching pursuit.
And this is basically allowing us to touch upon different concepts from machine learning that you'll be able to explore if you take upper division classes in the department.
Và về cơ bản, nó giúp chúng ta chạm đến các khái niệm khác nhau của machine learning mà các em có thể khám phá thêm nếu học các môn chuyên ngành ở các lớp trên của khoa.
The next lecture will continue to build on and introduce you to some different ideas from machine learning.
Bài sau sẽ tiếp tục phát triển và giới thiệu cho các em một số ý tưởng khác của machine learning.
And you should really think about these last three lectures as kind of bringing together everything we've been talking about from the entire semester.
Và các em nên xem ba bài giảng cuối này như là sự kết hợp mọi thứ chúng ta đã nói trong suốt cả học kỳ.
OMP and these kinds of algorithms really are thinking about, well, let's take a real world problem, let's model it mathematically, let's understand how that mathematization brings out the properties of the real world problem that we're trying to solve.
OMP và các thuật toán kiểu này thực sự bắt đầu từ việc: hãy lấy một bài toán thực tế, mô hình hóa nó bằng toán học, và hiểu cách toán học hóa làm lộ ra những tính chất của bài toán thực tế mà ta đang cố giải quyết.
Then, let's put our design caps on and let's think about how we can design algorithms using these mathematical models to actually achieve the outcome that we want to do.
Sau đó, hãy đội chiếc mũ thiết kế lên và nghĩ xem ta có thể thiết kế thuật toán như thế nào, dùng các mô hình toán học này để thực sự đạt được kết quả mà ta muốn.
And now, once you have algorithms, once you have data, this final bit of machine learning is saying, well, if I have a bunch of data that I've somehow collected from the real world, how do I understand what is the right model for it?
Và khi đã có thuật toán, đã có dữ liệu, phần cuối cùng này của machine learning đặt câu hỏi: nếu tôi có một đống dữ liệu thu thập từ thế giới thực, làm sao biết đâu là mô hình đúng cho nó?
How do I understand how to process this data? And OMP is kind of right in the middle of this, right?
Làm sao biết cách xử lý dữ liệu này? Và OMP nằm ngay giữa quá trình này, đúng không?
It's thinking about, how can we design a system that will actually allow me to identify what are the devices that are transmitting?
Nó nghĩ về việc làm sao ta thiết kế một hệ thống thực sự cho phép tôi xác định những thiết bị nào đang truyền tín hiệu?
So today, we're going to talk — continue talking — about orthogonal matching pursuit, or OMP.
Vì vậy hôm nay chúng ta sẽ nói — tiếp tục nói — về orthogonal matching pursuit, hay OMP.
And just as a reminder, the last homework was released today. So you're basically done. This homework will be due in exactly a week.
Và xin nhắc, bài tập về nhà cuối cùng đã được đăng hôm nay. Vậy là các em gần xong rồi. Bài tập này hạn nộp đúng một tuần nữa.
So you have a week to do it, not just four days. It'll cover primarily OMP as well as some — touching upon some more machine learning ideas.
Nên các em có một tuần để làm, chứ không chỉ bốn ngày. Nó chủ yếu bao gồm OMP, cùng với một số — chạm đến thêm vài ý tưởng khác của machine learning.
The problems have a lot of description to them because they're trying to give you some context around what's going on.
Các bài có phần mô tả khá dài vì chúng cố cung cấp bối cảnh cho các em về những gì đang diễn ra.
But a lot of it involves really understanding how some of these algorithms are actually implemented and run. So there's a heavy IPython component to some of the problems.
Nhưng phần lớn là để các em thực sự hiểu các thuật toán này được cài đặt và chạy như thế nào. Vì vậy một số bài có phần IPython khá nặng. Vì vậy một số bài có phần IPython khá nặng.
And hopefully that will give you a sense of how all of the mathematical tools that we are developing can actually be used and implemented in real algorithms. So hope you enjoy the homework.
Hy vọng điều đó sẽ cho các em thấy tất cả các công cụ toán học mà ta đang xây dựng có thể được dùng và cài đặt trong các thuật toán thực tế ra sao. Chúc các em làm bài vui.
There's some — quite a few fun problems on it. There's a last problem that we're doing some final tweaks on and it'll be released today.
Có khá nhiều bài thú vị trong đó. Còn một bài cuối mà chúng tôi đang tinh chỉnh lần cuối và nó sẽ được đăng hôm nay.
Okay, so with that, let's get into the rest of the lecture. So what was our setup for OMP? We were talking about the internet of things, right?
Được rồi, vậy ta vào phần còn lại của bài giảng. Thiết lập của OMP là gì nhỉ? Chúng ta đã nói về Internet vạn vật, đúng không?
And we were thinking about how we could identify, or how we can build a device that could identify different devices in your home that might be on and transmitting.
Và nghĩ về cách xác định, hay cách xây dựng một thiết bị có thể xác định các thiết bị khác nhau trong nhà em đang bật và đang truyền tín hiệu.
So let's say you wanted to build a smart home and you wanted to have a Home Box or a device that would collect and understand which devices are transmitting and which devices are on.
Giả sử em muốn xây một ngôi nhà thông minh và muốn có một Home Box, một thiết bị thu thập và hiểu thiết bị nào đang truyền và thiết bị nào đang bật.
So you want your TV to talk to your Home Box, you want your light switch to talk to your Home Box, you want your light bulb to talk to your Home Box, you want your refrigerator, your toaster, your pen, your computer, whatever else.
Em muốn TV nói chuyện với Home Box, muốn công tắc đèn nói chuyện với Home Box, muốn bóng đèn nói chuyện với Home Box, muốn tủ lạnh, máy nướng bánh, cây bút, máy tính, và bất cứ thứ gì khác.
Every single device you want to be able to get a status update on what is happening, what is the situation in each of these devices?
Mọi thiết bị em đều muốn nhận được cập nhật trạng thái về những gì đang xảy ra, tình hình của từng thiết bị này ra sao?
And so presumably, there's going to be millions, if not billions of these devices that might want to communicate.
Và có lẽ sẽ có hàng triệu, nếu không muốn nói là hàng tỷ thiết bị này muốn giao tiếp.
In the home situation it might not be billions, but if you're thinking about this exact setup in the case of a smart city, where you have — you're trying to detect a number of different vehicles that are driving around, and you want to have — excuse me — further coordination with the traffic lights, the different sensors, maybe there's environmental sensors in the picture.
Trong một ngôi nhà thì có thể không đến hàng tỷ, nhưng nếu nghĩ đến đúng thiết lập này trong một thành phố thông minh, nơi em có — em cố phát hiện nhiều phương tiện khác nhau đang chạy xung quanh, và em muốn có — xin lỗi — sự phối hợp thêm với đèn giao thông, các cảm biến khác nhau, có thể có cả cảm biến môi trường nữa.
So we're really thinking about a situation where you have many hundreds of thousands, millions, billions of devices that are actually trying to transmit, and you're trying to identify what they're saying and what's going on.
Vậy ta đang nghĩ đến tình huống có hàng trăm nghìn, hàng triệu, hàng tỷ thiết bị thực sự đang cố truyền tín hiệu, và em cố xác định chúng đang nói gì và chuyện gì đang diễn ra.
Of course, even though there might be these many, many devices around, at any given time, probably not all of them are trying to say something.
Dĩ nhiên, dù có thể có rất nhiều thiết bị xung quanh, tại một thời điểm bất kỳ, có lẽ không phải tất cả đều đang muốn nói gì đó.
They're only trying to say something when something interesting is happening around them. So at any given time, we want to work under the assumption that, well, maybe there's a smaller number of devices.
Chúng chỉ muốn nói khi có điều gì thú vị xảy ra quanh chúng. Vì vậy tại một thời điểm bất kỳ, ta muốn làm việc với giả định rằng có thể chỉ có một số ít thiết bị.
Maybe we have a sparse signal. Sparse means that if I have, let's say, a signal, and it's zeros and ones, sparse means that the number of ones is small.
Có thể ta có một tín hiệu thưa (sparse). Thưa nghĩa là, giả sử tôi có một tín hiệu gồm các số không và một, thưa nghĩa là số lượng số một là nhỏ.
So in this case, if I have a large number of devices that are potentially transmitting, if I'm saying that my problem is sparse, or my received signal is sparse, it means that it only has inputs from a few devices.
Vậy trong trường hợp này, nếu có rất nhiều thiết bị có khả năng đang truyền, nếu tôi nói bài toán của tôi là thưa, hay tín hiệu nhận được là thưa, thì nghĩa là nó chỉ có đầu vào từ vài thiết bị.
Is everyone clear about the set up of the problem? Okay.
Mọi người đã rõ thiết lập của bài toán chưa? Được.
And we want to be able to basically use what we understand about gold codes and our different signatures to be able to solve this problem, right?
Và về cơ bản ta muốn dùng những gì đã biết về gold code và các chữ ký khác nhau để giải bài toán này, đúng không?
So let's say every device uses the gold code. And a gold code has a finite length, right? It has some length.
Giả sử mỗi thiết bị dùng gold code. Và gold code có độ dài hữu hạn, đúng không? Nó có một độ dài nhất định.
In the problems that we've been talking about, our gold codes have had length 1023.
Trong các bài toán chúng ta đang bàn, các gold code có độ dài 1023.
And so let's say every device, whenever it's transmitting, whenever it's on, tries to send out its signature. So let's say you have some device, s1.
Giả sử mỗi thiết bị, bất cứ khi nào nó phát, bất cứ khi nào nó bật, đều cố gửi ra chữ ký của mình. Giả sử bạn có một thiết bị, s1.
Maybe this is your TV. And it has some gold code of length of 1023 that is some long signal like this, right?
Có thể đây là TV của bạn. Và nó có một gold code độ dài 1023 là một tín hiệu dài như thế này, đúng không?
It's really long. I'm not going to draw out all of this. And maybe your other device, you have a light bulb, and this is — let me call this s1, S2.
Nó thực sự rất dài. Tôi sẽ không vẽ hết ra đâu. Và thiết bị khác, giả sử bạn có một bóng đèn, và đây là — tôi gọi đây là s1, S2.
And this has some other — these are the different gold codes of the different devices.
Và cái này có một — đây là các gold code khác nhau của các thiết bị khác nhau.
And so on and so forth for maybe all devices that I have. I think last lecture we use the sample number 10,000. So let's say we have 10,000 different devices.
Cứ như vậy cho tất cả các thiết bị tôi có. Tôi nhớ bài giảng trước ta dùng con số 10,000. Vậy giả sử ta có 10,000 thiết bị khác nhau.
Maybe this is your flower pot or your flower that's transmitting or something. You have all these different devices and they're transmitting.
Có thể đây là chậu hoa hay bông hoa của bạn đang phát hay gì đó. Bạn có tất cả các thiết bị khác nhau này và chúng đang phát.
We want to now figure out which ones are transmitting, and let's say, at what amplitude? So if I go here, can you see this?
Giờ ta muốn xác định thiết bị nào đang phát, và giả sử, với biên độ bao nhiêu? Nếu tôi đứng đây, các em thấy được không?
Can people see this? Yes? Okay.
Mọi người thấy chứ? Được không? Được.
Okay.
Được rồi.
We, our Home Box — let's call this Home Box. How you draw Home Box? Home Box is receiving a signal.
Home Box của chúng ta — ta gọi đây là Home Box. Vẽ Home Box thế nào nhỉ? Home Box đang nhận một tín hiệu.
This received signal is basically, let's say, alpha 1 times s1, plus alpha 2 times S2, plus alpha 10,000 times s10,000.
Tín hiệu nhận được này, giả sử, về cơ bản là alpha 1 nhân s1, cộng alpha 2 nhân S2, cộng alpha 10,000 nhân s10,000.
Every device, whenever we receive a signal, every device could be transmitting, right? We know most of them aren't, but every device could be transmitting.
Mỗi lần ta nhận tín hiệu, thiết bị nào cũng có thể đang phát, đúng không? Ta biết phần lớn không phát, nhưng thiết bị nào cũng có thể đang phát.
So if a device isn't transmitting, how can we model that in this setup? Well, alpha value would be choosed for a device that isn't transmitting.
Vậy nếu một thiết bị không phát, ta mô hình hóa điều đó thế nào trong thiết lập này? Giá trị alpha sẽ được chọn thế nào cho thiết bị không phát?
STUDENT
[INAUDIBLE] GIREEJA RANADE: 0, right? Alpha 0 would represent that a device isn't transmitting. So if most of the devices are not transmitting, that means that most of these alphas are 0, right?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Bằng 0, đúng không? Alpha bằng 0 nghĩa là thiết bị không phát. Vậy nếu phần lớn thiết bị không phát, thì phần lớn các alpha này bằng 0, đúng không?
Great. We know this, but if we look at the problem generally, how many unknowns are there in this? I know the gold codes of every single one of these devices.
Tốt. Ta biết điều này, nhưng nhìn bài toán một cách tổng quát, có bao nhiêu ẩn số ở đây? Tôi biết gold code của từng thiết bị một.
I have my received signal r, and I want to basically figure out these alphas, right? I want to figure out which device is transmitting, and maybe what's the amplitude.
Tôi có tín hiệu nhận được r, và tôi muốn tìm các alpha này, đúng không? Tôi muốn biết thiết bị nào đang phát, và có thể là biên độ bao nhiêu.
How loudly is it transmitting? What is the modulation on top of that?
Nó phát to cỡ nào? Điều chế bên trên đó là gì?
So my unknowns here are alpha 1, alpha 2, all the way up to alpha 10,000. Right? So I have 10,000 unknowns.
Vậy các ẩn số của tôi là alpha 1, alpha 2, cho đến alpha 10,000. Đúng không? Vậy tôi có 10,000 ẩn số.
So typically, if we wanted to use techniques from module 1 to solve this problem, how many equations would we need to be able to figure this out?
Thông thường, nếu muốn dùng các kỹ thuật của module 1 để giải bài toán này, ta cần bao nhiêu phương trình để tìm ra được?
STUDENT
10,000, right?
10,000, đúng không?
GIREEJA RANADE
10,000, right? There's 10,000 unknowns. We need at least 10,000 equations. Do we really want to be able to — we want to be in a situation where we have to collect 10,000 equations?
10,000, đúng. Có 10,000 ẩn số. Ta cần ít nhất 10,000 phương trình. Ta có thật sự muốn — ta có muốn rơi vào tình huống phải thu thập 10,000 phương trình không?
Probably not, right?
Chắc là không, đúng không?
So what we want to try and do is we want to use the structure, use the structure of the signals to reduce number of measurements.
Vậy ta muốn tận dụng cấu trúc, tận dụng cấu trúc của các tín hiệu để giảm số phép đo.
And we've already started to introduce structure into this problem, right? We're not having the transmitted vectors the arbitrary things. They're actually transmitting these structured gold codes, right?
Và ta đã bắt đầu đưa cấu trúc vào bài toán này rồi, đúng không? Các vectơ được phát không phải là những thứ tùy ý. Chúng thực sự phát các gold code có cấu trúc này, đúng không?
And so we know that basically these gold codes have these properties, that the inner product of a gold code with itself is very large, but the inner product of a gold code with the gold code of a different gold code, or a gold code of a different device is very low.
Và ta biết các gold code này có những tính chất sau: tích vô hướng của một gold code với chính nó rất lớn, nhưng tích vô hướng của gold code đó với gold code khác, tức gold code của thiết bị khác, thì rất thấp.
Right? So we are putting this structure in. So that's one aspect the structure that we're putting into this system.
Đúng không? Vậy ta đang đưa cấu trúc này vào. Đó là một khía cạnh của cấu trúc mà ta đưa vào hệ thống này.
A second aspect of structure is the fact that we know that most of the alphas are 0. Right? We know that we only need to figure out a few of the alphas.
Khía cạnh thứ hai của cấu trúc là việc ta biết phần lớn các alpha bằng 0. Đúng không? Ta biết chỉ cần tìm một vài alpha.
Everything else is going to be 0. And we want to try and use this to build up our problem.
Còn lại đều bằng 0. Và ta muốn dùng điều này để xây dựng bài toán.
So if we write this out, what we have, basically, is I have — I can just write this as a matrix equation where my matrix has the columns s1, S2, this is a column, this is a column.
Nếu viết ra, về cơ bản tôi có — tôi có thể viết thành một phương trình ma trận trong đó ma trận có các cột s1, S2, đây là một cột, đây là một cột.
And let me call 10,000 is capital N. So this is a matrix. What are the dimensions of this matrix?
Gọi 10,000 là N viết hoa. Vậy đây là một ma trận. Kích thước của ma trận này là bao nhiêu?
How many rows are there in this matrix?
Ma trận này có bao nhiêu hàng?
Okay, take a minute and figure out what the dimensions of this matrix are if the gold codes that are being transmitted are of length 1023 and we have 10,000 devices.
Được rồi, các em dành một phút để xác định kích thước của ma trận này nếu các gold code được phát có độ dài 1023 và ta có 10,000 thiết bị.
Talk to your neighbors and make sure you're on the same page.
Trao đổi với bạn bên cạnh để chắc là hiểu giống nhau.
[SIDE CONVERSATION] Okay, so what are the dimensions of this matrix?
[TRÒ CHUYỆN RIÊNG] Được rồi, vậy kích thước của ma trận này là bao nhiêu?
How many rows are there?
Có bao nhiêu hàng?
STUDENT
[INAUDIBLE] GIREEJA RANADE: 1023, right? What is the length of the vector, s1? 1023, right?
[KHÔNG NGHE RÕ] GIREEJA RANADE: 1023, đúng không? Độ dài của vectơ s1 là bao nhiêu? 1023, đúng không?
Is everyone on the same page? Like, this is important that you see why this is true. How many columns are there? There's one column for every device.
Mọi người theo kịp chưa? Điều này quan trọng, các em cần hiểu vì sao nó đúng. Có bao nhiêu cột? Mỗi thiết bị có một cột.
Right? So there is 10,000 columns. Okay, now, let's put our unknowns.
Đúng không? Vậy có 10,000 cột. Được rồi, giờ ta viết các ẩn số.
Our unknowns are alpha 1, alpha 2, alpha 10,000. How many unknowns are there? 10,000 unknowns. Right?
Các ẩn số là alpha 1, alpha 2, đến alpha 10,000. Có bao nhiêu ẩn số? 10,000 ẩn số. Đúng không?
What is going to be the length of our received vector?
Vectơ nhận được sẽ có độ dài bao nhiêu?
STUDENT
[INAUDIBLE] GIREEJA RANADE: 1023, right? So we have our received vector, r.
[KHÔNG NGHE RÕ] GIREEJA RANADE: 1023, đúng không? Vậy ta có vectơ nhận được r.
This, again, is of length 1023 because we're adding all of these signals of the same size.
Vectơ này cũng có độ dài 1023, vì ta cộng tất cả các tín hiệu có cùng kích thước.
So we have the number of equations is 1023.
Vậy số phương trình là 1023.
Number of unknowns 10,000.
Số ẩn số là 10,000.
So I can write this, basically, as this s, this matrix, s let me call this matrix s [INAUDIBLE] times vector alpha is equal to vector r.
Nên về cơ bản ta có thể viết ma trận này là s, tạm gọi ma trận này là s, s [KHÔNG NGHE RÕ] nhân vectơ alpha bằng vectơ r.
But s is not a square matrix. So it can we invert x? Can we invert s? No, right?
Nhưng s không phải là ma trận vuông. Vậy ta có thể nghịch đảo x không? Ta có thể nghịch đảo s không? Không, đúng không?
Cannot invert s. So now what do we do?
Không thể nghịch đảo s. Vậy giờ ta làm gì?
Right, we have this received signal. We know that this structure exists in this received vector, r. But we can't invert it. It's not a square matrix.
Ta có tín hiệu nhận được này. Ta biết có một cấu trúc nào đó nằm trong vectơ nhận được r. Nhưng ta không thể nghịch đảo nó. Nó không phải ma trận vuông.
So what do we do in this situation?
Vậy trong tình huống này ta làm gì?
Any thoughts? Any ideas on how we could go about doing this? Yeah?
Em nào có ý kiến không? Có ý tưởng nào để giải quyết việc này không? Em nói đi?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Can you speak up a little?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Em nói to hơn một chút được không?
STUDENT
[INAUDIBLE] and like, we assume that they're [INAUDIBLE].
[KHÔNG NGHE RÕ] và giả sử rằng chúng [KHÔNG NGHE RÕ].
GIREEJA RANADE
So can we reduce the number of signals so that it becomes a square matrix? That's an interesting idea, except we wouldn't know how to reduce them, right?
Vậy ta có thể giảm số tín hiệu để nó thành ma trận vuông không? Ý tưởng thú vị đấy, nhưng ta sẽ không biết nên bỏ cái nào, đúng không?
Because we might remove some of these signals, but that device might actually be the device that's transmitting.
Vì ta có thể loại một vài tín hiệu, mà thiết bị đó lại chính là thiết bị đang truyền.
So if we could do that, ideally, we want to somehow stay one-by-one by the process of elimination that, well, this device is more likely to transmit, and this device is less likely to transmit.
Nên nếu làm được, lý tưởng là ta muốn loại dần từng cái một, theo cách loại trừ, rằng thiết bị này nhiều khả năng đang truyền, còn thiết bị kia ít khả năng hơn.
And in that way, we're going to build exactly on that idea in spirit.
Và ta sẽ xây dựng đúng trên tinh thần của ý tưởng đó.
STUDENT
This is just an idea, but I know that if you did s transpose s you would get a square matrix.
Đây chỉ là một ý tưởng thôi, nhưng em biết nếu lấy s transpose nhân s thì sẽ được một ma trận vuông.
GIREEJA RANADE
If you did s transpose s you would get a square matrix. That's an interesting idea. We could try and do at least squares approach here.
Nếu lấy s transpose nhân s thì sẽ được một ma trận vuông. Ý tưởng thú vị đấy. Ta có thể thử dùng cách bình phương tối thiểu ở đây.
But what you'll find out is that s transpose s will not be invertible. It will have a non-trivial null space.
Nhưng em sẽ thấy s transpose s không khả nghịch. Nó sẽ có không gian không (null space) khác tầm thường.
So it's something that's worth doing out, but what you'll see is that you basically have a lot more empty dimensions than you have full dimensions.
Nên cũng đáng để làm thử, nhưng em sẽ thấy là số chiều "rỗng" nhiều hơn rất nhiều so với số chiều "đầy".
So even though the matrix is square, it turns out to be not invertible. And that's why the least squares technique does not work.
Vì vậy dù ma trận là vuông, hóa ra nó vẫn không khả nghịch. Và đó là lý do phương pháp bình phương tối thiểu không dùng được.
But it's a good idea, and this idea is used in other algorithms that you might come across in the future. We're just not going to use it right now.
Nhưng đó là ý tưởng hay, và ý tưởng này được dùng trong các thuật toán khác mà em có thể gặp trong tương lai. Chỉ là bây giờ ta không dùng nó.
Yeah?
Em nói đi?
STUDENT
[INAUDIBLE] column of, like, your s matrix with the the r [INAUDIBLE] wanted to know which one is [INAUDIBLE]..
[KHÔNG NGHE RÕ] cột của ma trận s với r [KHÔNG NGHE RÕ] để biết cái nào là [KHÔNG NGHE RÕ].
GIREEJA RANADE
Great idea. This is the idea that we want to really use, which the idea is saying, well, if, let's say s1 is present in r.
Ý tưởng hay. Đây chính là ý tưởng mà ta muốn dùng, ý tưởng này nói rằng, giả sử s1 có mặt trong r.
If this alpha 1 is equal to 1, what's going to happen when I take the inner product of s1 and r?
Nếu alpha 1 bằng 1, thì điều gì xảy ra khi tính tích vô hướng của s1 và r?
If alpha 1 is equal to 0, what is this going to be?
Nếu alpha 1 bằng 0 thì nó sẽ ra sao?
This is going to be, basically, this s1 is going to disappear because alpha 1 is 0. And what are the inner products of s1 and s2, s1 and s3, s1 and s10,000?
Về cơ bản s1 sẽ biến mất vì alpha 1 bằng 0. Và các tích vô hướng của s1 với s2, s1 với s3, s1 với s10,000 thì sao?
They're all pretty small, right? They're not very large values. So the inner product of s1 and r, if alpha 1 is 0, is going to be pretty small.
Chúng đều khá nhỏ, đúng không? Không phải các giá trị lớn. Vậy tích vô hướng của s1 và r, nếu alpha 1 bằng 0, sẽ khá nhỏ.
On the other hand, if alpha 1 is not equal to 0, we're going to have all these small numbers because of these guys. Whoops.
Ngược lại, nếu alpha 1 khác 0, ta sẽ có tất cả những số nhỏ này là do các thành phần này. Ôi.
We're going to have all these small numbers because of these guys, but we're going to have this non-0, big non-0, because of s1.
Ta sẽ có tất cả những số nhỏ này là do các thành phần này, nhưng ta cũng sẽ có một số lớn khác 0 do s1.
If we do this out we're going to have s1 in our product.
Nếu khai triển ra, ta sẽ có s1 trong tích.
Let's say, alpha 1, s1, alpha 2, s2, alpha 10,000, s10,000.
Giả sử là alpha 1, s1, alpha 2, s2, đến alpha 10,000, s10,000.
And this is equal to basically — this is equal to alpha 1, s1, inner product s1 plus alpha 2, s1, inner product s2, plus all this other stuff.
Và biểu thức này về cơ bản bằng alpha 1, s1, tích vô hướng s1, cộng alpha 2, s1, tích vô hướng s2, cộng tất cả các số hạng còn lại.
And all of this stuff is going to be small, but this is going to be very large.
Và tất cả các số hạng đó đều nhỏ, nhưng số hạng này thì rất lớn.
And as a result, this inner product is going to be large.
Do đó tích vô hướng này sẽ lớn.
Yes, question.
Vâng, em hỏi đi.
STUDENT
Is this reliant on having a lot of the devices off?
SINH VIÊN
Because if they're all on, won't the small gold codes add up to [INAUDIBLE]?
Cách này có phụ thuộc vào việc nhiều thiết bị đang tắt không? Vì nếu tất cả đều bật, các gold code nhỏ có cộng dồn lại thành [KHÔNG NGHE RÕ] không? cộng lại thành [KHÔNG NGHE RÕ]?
GIREEJA RANADE
Good question. The question was, does this rely on a lot of the devices being off? Because if they weren't off, would all of these small things add up to something big?
Câu hỏi hay. Câu hỏi là cách này có dựa vào việc nhiều thiết bị đang tắt không? Vì nếu không tắt, liệu tất cả những giá trị nhỏ này có cộng lại thành một giá trị lớn không?
It turns out that gold codes are designed strategically enough that even if you had a lot of the devices on, it still wouldn't be so much that it would overpower the correlation, or the inner product of s1 with itself.
Hóa ra gold code được thiết kế đủ khéo để dù có nhiều thiết bị đang bật, tổng đó vẫn không đủ lớn để lấn át tương quan, hay tích vô hướng của s1 với chính nó.
But it's exactly important to design signature so that this does not happen.
Nhưng chính vì thế mà việc thiết kế tín hiệu nhận dạng (signature) rất quan trọng để điều này không xảy ra.
So in a generic case, you might indeed end up with this problem, which is why it's important to have these signals be well-designed. Yep. Good question. Other question, yeah.
Trong trường hợp tổng quát, đúng là em có thể gặp phải vấn đề này, và đó là lý do các tín hiệu cần được thiết kế tốt. Được. Câu hỏi hay. Còn câu hỏi nào khác không, mời em.
STUDENT
Why is it that we're taking the inner product instead of circularly correlating the other vectors?
Tại sao ta lấy tích vô hướng mà không dùng tương quan vòng với các vectơ khác ạ?
GIREEJA RANADE
Why is it that we're taking the inner product instead of circularly correlating the other vectors? Circular correlation is not in scope for the semester.
Tại sao ta lấy tích vô hướng mà không dùng tương quan vòng với các vectơ khác? Tương quan vòng không nằm trong phạm vi của học kỳ này.
And so there are many different ways to solve this problem. We will talk a little bit about how we can connect this to circular correlation later in the lecture.
Có nhiều cách khác nhau để giải bài toán này. Lát nữa trong buổi học, ta sẽ nói sơ qua về cách liên hệ nó với tương quan vòng. .
But effectively, they're doing the same thing. If you want to read about circular correlation you can in the notes, but you don't need to worry about it.
Nhưng về bản chất, chúng làm cùng một việc. Nếu muốn đọc về tương quan vòng thì có trong tài liệu, nhưng các em không cần lo về nó.
STUDENT
So are we assuming that the rest are small because they're all 0s?
Vậy ta giả sử các thành phần còn lại nhỏ vì chúng đều bằng 0 ạ?
GIREEJA RANADE
Are we assuming that the rest are small? No, we're not assuming that the rest are small because they're all 0s. We're not assuming anything about the alphas. What do we know about gold codes?
Ta có giả sử các thành phần còn lại nhỏ không? Không, ta không giả sử chúng nhỏ vì chúng bằng 0. Ta không giả sử gì về các alpha cả. Ta biết gì về gold code?
We know about gold codes — this is true for any gold codes — that inner product of s1, s1 is large, and inner product of s1 with s2 is small.
Ta biết về gold code — điều này đúng với mọi gold code — rằng tích vô hướng của s1 với s1 thì lớn, còn tích vô hướng của s1 với s2 thì nhỏ.
Right? This is exactly what you saw in the homework where you did the GPS receivers, right? Do you remember that from that homework problem? So we're relying on that property.
Đúng không? Đây chính xác là điều các em đã thấy trong bài tập về nhà về bộ thu GPS, đúng không? Các em còn nhớ bài tập đó không? Vậy ta đang dựa vào tính chất đó.
Yeah.
Được.
Yes?
Mời em?
STUDENT
Why is the first one small again? The alpha 1 is 0?
Tại sao số hạng đầu lại nhỏ ạ? Có phải alpha 1 bằng 0 không ạ?
GIREEJA RANADE
If alpha 1 is 0, we basically have inner product of s1r is equal to alpha 2, s2, plus is equal to inner product of s2 with alpha 2, s2 and so on.
Nếu alpha 1 bằng 0, thì về cơ bản ta có tích vô hướng của s1 với r bằng alpha 2, s2, cộng với tích vô hướng của s2 với alpha 2, s2 và cứ thế.
There is no s1 component for something large to pop up because alpha 1 is 0.
Không có thành phần s1 nào để một giá trị lớn xuất hiện, vì alpha 1 bằng 0.
Okay. Everyone with me here?
Được rồi. Mọi người theo kịp chứ?
Other questions? These are all good questions. Okay.
Còn câu hỏi nào không? Đều là những câu hỏi hay. Được rồi.
So the idea that was proposed and that we're implementing, is saying that, well, let's see which of the signals are present by doing this inner product. Right?
Ý tưởng được đề xuất và ta đang thực hiện là: hãy xem tín hiệu nào có mặt bằng cách lấy tích vô hướng này. Đúng không?
And by doing this, we will see that if we get these large correlation peaks like in the GPS homework, then we can identify that that device is transmitting.
Làm vậy, ta sẽ thấy rằng nếu ta có các đỉnh tương quan lớn như trong bài tập GPS, thì ta có thể xác định thiết bị đó đang truyền.
If everything's kind of at the noise level, then we're going to say that the device isn't transmitting. So great. Let's say we did this, right? We do the following.
Nếu mọi thứ chỉ ở mức nhiễu, thì ta kết luận thiết bị đó không truyền. Tốt. Giả sử ta đã làm vậy. Ta làm như sau.
We take our received signal r and we consider all of the inner products.
Ta lấy tín hiệu thu được r và xét tất cả các tích vô hướng.
rs1, rs2, all the way up to rs10,000.
rs1, rs2, cho đến rs10,000.
Okay? So some of these will be large and some of these will be small. What should we do now?
Được chứ? Một số sẽ lớn và một số sẽ nhỏ. Bây giờ ta nên làm gì?
What we want to do to be able to pick out, now, which device is transmitting, is we're going to say, well, maybe let's see which of these is the largest.
Để chọn ra được thiết bị nào đang truyền, ta sẽ nói rằng, có lẽ hãy xem giá trị nào lớn nhất.
And the one that has the largest absolute value — remember the alphas can be positive or negative. So the inner products can be large but have positive or negative sign.
Và giá trị có trị tuyệt đối lớn nhất — nhớ rằng các alpha có thể dương hoặc âm. Nên các tích vô hướng có thể lớn nhưng mang dấu dương hoặc âm.
And we want to say, well, we'll find the one that is the largest. And say I declare that this signal is present.
Và ta muốn tìm giá trị lớn nhất. Rồi tuyên bố rằng tín hiệu này có mặt.
One-by-one, our strategy is to say, one-by-one, let's kind of say which devices we think are there and rule out the others.
Chiến lược của ta là từng cái một, xác định thiết bị nào ta cho là có mặt và loại trừ các thiết bị còn lại.
So if we say, let's look at, now, find that signature with max inner product.
Vậy ta xét, bây giờ, tìm signature có tích vô hướng lớn nhất.
Declare the device is present.
Tuyên bố thiết bị đó có mặt.
So let's pretend that we actually computed all of these for sum r, and we got that inner product of rs2 was the largest.
Giả sử ta thật sự tính tất cả những giá trị này cho r, và được tích vô hướng rs2 là lớn nhất.
Okay?
Được chứ?
Let's say we did this. We now declare that device 2 is present. Right?
Giả sử ta làm vậy. Giờ ta tuyên bố thiết bị 2 có mặt. Đúng không?
If we see this, we declare device 2 is present.
Nếu thấy vậy, ta tuyên bố thiết bị 2 có mặt.
Because we got this large correlation, the only way for this large correlation to show up is if there was something, some transmission from this device 2. Otherwise, everything's going to be really, really small.
Vì ta có tương quan lớn này, cách duy nhất để tương quan lớn này xuất hiện là có một tín hiệu nào đó được truyền từ thiết bị 2. Nếu không, mọi thứ sẽ rất rất nhỏ.
So great. We're very happy. What do we do next? We have one device.
Tốt. Ta rất hài lòng. Tiếp theo ta làm gì? Ta có một thiết bị.
Are we happy? Do we go home? There might be just one device transmitting, but there might be a few more, right? We might want to figure out, what are the other devices transmitting?
Vậy đã xong chưa? Ta có về nhà được chưa? Có thể chỉ có một thiết bị đang truyền, nhưng cũng có thể có thêm vài thiết bị nữa, đúng không? Ta có thể muốn tìm xem các thiết bị khác nào đang truyền?
Let's say you were told that at any given time, four devices are transmitting. You want to find four devices that are the most likely to be transmitting. Okay?
Giả sử em được cho biết rằng tại mỗi thời điểm, có bốn thiết bị đang truyền. Em muốn tìm bốn thiết bị có khả năng đang truyền nhất. Được chứ?
So I want to now try and understand the relationship between r and s2.
Giờ tôi muốn thử hiểu mối quan hệ giữa r và s2.
The question I want to ask is, how much of r is explained by s2?
Câu hỏi tôi muốn đặt ra là: bao nhiêu phần của r được s2 giải thích?
Right, you've seen that one device is present and you're saying, well, how do I find the next one?
Vậy là bạn đã thấy một thiết bị đang có mặt và bạn hỏi: làm sao tìm thiết bị tiếp theo?
If you think about it, let's say you have a lot of people talking in the room and there is one really loud voice.
Hãy nghĩ thế này, giả sử trong phòng có rất nhiều người đang nói chuyện và có một giọng rất to.
There's one person who's talking really loudly and there's another person who's trying to say something but is whispering something really, really quietly.
Có một người đang nói rất lớn và có một người khác đang cố nói điều gì đó nhưng chỉ thì thầm rất, rất nhỏ.
Both of the people are talking to you, but if this one person is talking really loudly, can you always hear the other person who's talking quietly? You can't, right?
Cả hai người đều đang nói với bạn, nhưng nếu một người nói rất to, liệu bạn có luôn nghe được người kia đang nói nhỏ không? Không được, đúng không?
So if you wanted to somehow figure out what the quiet person was saying, what could you do? You would want to somehow have this other device stop, right?
Vậy nếu muốn biết bằng cách nào đó người nói nhỏ đang nói gì thì bạn làm gì? Bạn sẽ muốn bằng cách nào đó cho thiết bị kia dừng lại, đúng không?
So let's try and do that. Let's try and remove the contribution in your received signal off this loudest device that you've just identified.
Vậy ta thử làm điều đó. Ta thử loại bỏ phần đóng góp của thiết bị to nhất này trong tín hiệu thu được, thiết bị mà ta vừa xác định.
Does everyone see how we're trying to think through what the next step might be? This is exactly the kind of — this is a design thinking process for an algorithm.
Mọi người có thấy ta đang suy nghĩ về bước tiếp theo như thế nào không? Đây chính là kiểu, đây là quá trình design thinking cho một thuật toán.
We're not designing a circuit here, or a device here. But we are thinking step-by-step. We have a goal.
Ở đây ta không thiết kế một mạch hay một thiết bị. Nhưng ta đang suy nghĩ từng bước. Ta có một mục tiêu.
What are the tools that are at our disposal and how can we use them to progress forward in our task? So how much of r is explained by s2?
Ta có những công cụ nào trong tay và dùng chúng thế nào để tiến tới trong bài toán? Vậy bao nhiêu phần của r được giải thích bởi s2?
We want to understand this. And if we think about it in a vector perspective, well, let's say I have my vector s2 here. I have my vector r here.
Ta muốn hiểu điều này. Và nếu nhìn theo góc độ vectơ, giả sử đây là vectơ s2. Đây là vectơ r.
This is the same question as saying, well what component of r is along s2? How much, how close can I get to r by walking along s2?
Câu hỏi này giống như hỏi thành phần của r dọc theo s2 là bao nhiêu? Đi dọc theo s2 thì tôi tới gần r được đến mức nào?
Basically, I want to figure out if I have r, r I want to say is approximately equal to alpha 2 times s2.
Về cơ bản, tôi muốn nói r xấp xỉ bằng alpha 2 nhân s2.
And there's plus some other stuff, right? That's why I'm writing this approximately equal to sign here.
Và còn cộng thêm những thứ khác nữa. Vì thế tôi viết dấu xấp xỉ ở đây.
How do I figure out how close I can get to r by using just s2? This is a problem we've solved before, right? What's the answer here?
Làm sao biết chỉ dùng s2 thì tới gần r được đến đâu? Đây là bài toán ta đã giải trước đây rồi. Đáp án ở đây là gì?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Projections, right?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Phép chiếu, đúng rồi.
So we project r onto s2. This gives us alpha 2 hat, which is our estimate of this constant alpha 2.
Ta chiếu r lên s2. Ta được alpha 2 mũ, là ước lượng của hằng số alpha 2.
And this is basically, we know from our derivations in the earlier lecture, that this is r2s2 divided by s2 squared.
Và từ phần chứng minh ở bài giảng trước, ta biết giá trị này là r2s2 chia s2 bình phương.
Right? This is basically this point where, how much do I walk along s2? This is alpha s2.
Đúng không? Đây chính là điểm mà tôi đi dọc theo s2 bao xa. Đây là alpha s2.
So we know that we can explain this component of r by s2. What remains to be explained?
Vậy ta biết s2 giải thích được thành phần này của r. Còn lại gì chưa được giải thích?
Is there a vector in this drawing that is the error or the remainder part?
Trong hình có vectơ nào là phần sai số hay phần dư không?
It's the vertical line, right? This vector plus this vector gives me r.
Là đoạn thẳng đứng, đúng không? Vectơ này cộng vectơ này cho ra r.
So if I think about this vector here, and I call this vector vector e, then alpha 2 s2 plus e gives me r.
Nếu tôi xét vectơ này, gọi nó là vectơ e, thì alpha 2 s2 cộng e bằng r.
So now I want to say, well, let me look at this error. Let me look at this residual. Let me look at e and say, well, what are the other devices present in e?
Bây giờ tôi muốn xem phần sai số này. Xem phần dư này. Xem e và hỏi: trong e còn có những thiết bị nào khác?
Right, I've already figured out the devices that are, like, I figured out the one device that made the loudest noise. I put that away. Let me look at the next one.
Tôi đã tìm ra những thiết bị rồi, tôi đã tìm ra thiết bị gây ra tiếng ồn lớn nhất. Tôi cất nó qua một bên. Giờ xét thiết bị tiếp theo.
So now you say what's left?
Vậy còn lại gì?
What's left is e, which is basically r minus alpha 2 hat, s2.
Còn lại e, chính là r trừ alpha 2 mũ nhân s2.
Now, what do you want to do? Once you have this residual, this error — we call this the error, or the residual.
Giờ bạn muốn làm gì? Khi đã có phần dư, phần sai số này, ta gọi nó là sai số, hay phần dư.
You, again, have this library of devices and their signatures. How are you going to figure out what is the next loudest device?
Bạn lại có thư viện các thiết bị và chữ ký của chúng. Làm sao tìm ra thiết bị to nhất kế tiếp là cái nào?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Rinse and repeat, right? Do the exact same thing.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Lặp lại quy trình, đúng rồi. Làm y hệt như vậy.
We can, again, now say, okay, let's consider the inner products of, again, do we want to consider inner products of r and s1, r and s2?
Giờ ta lại xét các tích vô hướng, ta có xét tích vô hướng của r với s1, r với s2 không? Ta có xét tích vô hướng của r với s1, r với s2 không?
STUDENT
[INAUDIBLE] GIREEJA RANADE: No. We want to now consider e and s1, e and s2, e and s10,000, right?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Không. Giờ ta xét e với s1, e với s2, e với s10,000, đúng không?
So now consider inner products.
Vậy giờ hãy xét các tích vô hướng.
Okay? I'm going to pause here. Questions?
Được chứ? Tôi dừng ở đây. Có câu hỏi nào không?
STUDENT
So when we do inner product of e and s2 again, don't we already know that s2 is present?
Khi ta lấy tích vô hướng của e và s2 lần nữa, chẳng phải ta đã biết s2 có mặt rồi sao?
Is there — GIREEJA RANADE: Yes, we will know that e and s2, that the inner product of e and s2 is present. I'll get to that in just a second.
Có phải là — GIREEJA RANADE: Đúng, ta sẽ biết rằng e và s2, tích vô hướng của e và s2 có mặt. Tôi sẽ nói về điều đó ngay sau đây.
Yes?
Bạn nói đi?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Yes. The question is about the minimum threshold that we want to look at for these inner products. And I'm guessing you're getting to how to stop.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Đúng vậy. Câu hỏi là về ngưỡng tối thiểu mà ta muốn xét cho các tích vô hướng này. Tôi đoán bạn đang hỏi về cách dừng lại.
We'll talk about that in just a minute. Good questions.
Ta sẽ nói về điều đó trong chốc lát. Câu hỏi hay.
But before we get to these kind of next step questions, I want to make sure everyone's with me on the steps that we've done so far.
Nhưng trước khi sang những câu hỏi của bước tiếp theo, tôi muốn chắc là mọi người theo kịp các bước ta đã làm cho đến giờ.
Does everyone understand how we've arrived at where we've gotten to? We're good to move on? Yes? No?
Mọi người có hiểu ta đã đi đến chỗ này như thế nào không? Ta có thể đi tiếp chưa? Rồi chứ? Chưa?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Okay, ask your neighbor a question. I feel like there are people who are confused, potentially. So I'll pause. Ask your neighbors questions.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Được rồi, các em hỏi bạn bên cạnh một câu đi. Cô thấy có thể có những bạn đang còn bối rối. Nên cô sẽ dừng một chút. Hãy hỏi bạn bên cạnh nhé.
[SIDE CONVERSATION] Okay, any questions for me?
[NÓI CHUYỆN RIÊNG] Được rồi, có ai muốn hỏi cô không?
Yes?
Em nào?
Sorry, speak up. Everyone, I can't hear.
Xin lỗi, em nói to lên. Cả lớp ơi, cô không nghe được.
STUDENT
[INAUDIBLE] GIREEJA RANADE: Great question. Can you explain why least squares doesn't work in this situation? So let's look at this matrix s, right?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Câu hỏi hay. Em hỏi tại sao bình phương tối thiểu không dùng được trong tình huống này? Hãy nhìn ma trận s này nhé.
s is basically what we call a wide matrix. There's lots of unknowns and very few observations. Very few equations, right?
s về cơ bản là một ma trận "rộng". Có rất nhiều ẩn nhưng rất ít quan sát. Rất ít phương trình, đúng không?
Least squares we typically use in a situation where we have lots of equations and very few unknowns.
Ta thường dùng bình phương tối thiểu trong trường hợp có rất nhiều phương trình và rất ít ẩn.
So if I have many, many equations and maybe there's some noise in them and I want to get rid of the impact of noise, I can use least squares in a setup like that.
Nếu có rất nhiều phương trình và trong đó có thể có nhiễu mà ta muốn loại bỏ ảnh hưởng của nhiễu, thì ta dùng bình phương tối thiểu trong thiết lập như vậy.
In this case, I have these very few equations. And so my matrix is not the right shape for least squares.
Còn ở đây, ta có rất ít phương trình. Nên ma trận của ta không có dạng phù hợp cho bình phương tối thiểu.
And as a result, if I try to take s transpose s, this matrix, this will not be invertible because it will have a non-trivial null space.
Do đó, nếu ta tính s transpose s, ma trận này sẽ không khả nghịch vì nó có không gian không (null space) khác tầm thường.
Yes. Question?
Vâng. Em hỏi đi?
STUDENT
As a follow-up to that, does that have to do [INAUDIBLE]?
Tiếp theo ý đó, có phải điều này liên quan đến [KHÔNG NGHE RÕ] không ạ?
GIREEJA RANADE
Yes. You can prove that basically by showing that if you have lots more columns than you have rows, you're going to have linear dependence. And so that is not going to be invertible.
Đúng. Về cơ bản có thể chứng minh bằng cách chỉ ra nếu số cột nhiều hơn số hàng rất nhiều, thì sẽ có phụ thuộc tuyến tính. Và vì vậy ma trận đó sẽ không khả nghịch.
Exactly the right track.
Em nghĩ đúng hướng rồi.
Yes?
Em nào?
STUDENT
Say there were three signals present in r, and then that first space when you pick out the strongest one, wouldn't there still be a peak when you take the first inner product of the second signal?
Giả sử có ba tín hiệu trong r, và ở không gian đầu tiên đó khi chọn ra tín hiệu mạnh nhất, thì chẳng phải vẫn còn một đỉnh khi lấy tích vô hướng đầu tiên với tín hiệu thứ hai sao?
GIREEJA RANADE
What do you mean by second signal?
Ý em tín hiệu thứ hai là gì?
STUDENT
[INAUDIBLE] say like you take the largest peak, right? But wouldn't there still be a peak present?
[KHÔNG NGHE RÕ] giả sử ta lấy đỉnh lớn nhất, đúng không? Nhưng chẳng phải vẫn còn một đỉnh sao?
GIREEJA RANADE
Yes. The question is, aren't there going to — if you have two devices that are transmitting, aren't you going to have two peaks? Yes, you will.
Đúng. Câu hỏi là: nếu có hai thiết bị đang phát, thì chẳng phải sẽ có hai đỉnh sao? Đúng, sẽ có hai đỉnh.
You will pick out the largest peak first, then you'll pick out the second peak the next time.
Ta chọn đỉnh lớn nhất trước, rồi lần sau chọn đỉnh thứ hai. Một lát nữa ta sẽ thấy ví dụ.
SINH VIÊN
And we'll see that an example in just a minute.
Vậy sao ta không chọn hết các đỉnh ngay từ tích vô hướng đầu tiên?
STUDENT
So why can't we just pick out all the peaks from the first inner product?
Câu hỏi hay.
GIREEJA RANADE
Great question. Why can't we just pick out all of the peaks from the first inner product. The reason is, sometimes you can get spurious peaks.
Tại sao không chọn hết các đỉnh từ tích vô hướng đầu tiên? Lý do là đôi khi có thể xuất hiện các đỉnh giả. Nhiễu có thể làm méo tín hiệu và tạo ra các đỉnh giả.
Sometimes you can have — noise can distort things that will give you spurious peaks.
And doing this one-by-one allows you to make sure that you're explaining away the maximum component.
Làm từng bước một giúp ta loại bỏ thành phần lớn nhất đã giải thích được. Làm cách kia cũng không sai, nhưng em cũng sẽ thấy trong một số ví dụ, dù có hai thiết bị đang phát, đỉnh thứ hai nhỏ đến mức không thấy được.
It's not wrong to do that, but you will see, also, in some examples, that sometimes even when there's two devices transmitting, the second peak is so small that you won't see it at all.
Không thể phân biệt đỉnh thứ hai với nhiễu. Hy vọng ví dụ sẽ làm rõ điều này. Một lát nữa ta sẽ làm.
You won't be able to distinguish the second peak from the noise. So an example will clear that up, hopefully. We'll do it in just a minute.
Được rồi, ta đã hiểu phần này, giờ xét các tích vô hướng của e với s1, e với s2, và cứ thế tiếp tục.
Okay, so now we're on to — we've understood this part, we're now considering these inner products with e with s1, e with s2, so on and so forth.
Có câu hỏi là: có thật sự cần tính lại tích vô hướng của e và s2 không? e là gì? Nhớ là e bằng r trừ alpha 2 hat nhân s2.
And there was a question of, well, do we really need to compute this inner product of e and s2 again? What is e? e is, remember, equal to r minus alpha 2 hat, s2.
Vậy tích vô hướng của e và s2 bằng tích vô hướng của r trừ alpha 2 hat s2 với s2. Em chỉ thay e vào thôi. Nó bằng tích vô hướng của r và s2 trừ alpha 2 nhân tích vô hướng của s2 với s2.
So if I consider the inner product of e and s2, this is equal to the inner product of r minus alpha 2 hat, s2 and s2.
Mọi người theo kịp chứ? Chỉ là đại số thôi.
I'm just substituting what e is. This is equal to the inner product of r and s2 minus alpha 2 times the inner product of s2 with s2.
Nhưng alpha 2 hat này là gì? Ta biết nó là hệ số vô hướng có từ phép chiếu. Nếu thay vào — trừ r s2 chia chuẩn của s2 bình phương.
Everyone following me here? Just algebra. But what is this alpha 2 hat?
Tích vô hướng của s2 với chính nó là gì?
SINH VIÊN
This alpha 2 hat, we know is the projection, right? We know it is the scalar that comes from the projection.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Chuẩn bình phương, đúng không? Vậy kết quả bằng bao nhiêu?
SINH VIÊN
So if I substitute that in — minus r s2, s2 squared.
0. 0.
What is the inner product of s2 with itself?
STUDENT
[INAUDIBLE] GIREEJA RANADE: The norm squared, right?
Vậy về lý thuyết ta chỉ cần tính 9.999 tích vô hướng thay vì 10.000 nếu muốn, vì ta đã biết đáp án của một cái.
What is this equal to?
Đúng không?
STUDENT
0.
GIREEJA RANADE
0. So we can technically do 9,999 inner products instead of doing 10,000 inner products if we really wanted to because we know the answer to 1.
Vì ta vừa trừ phần này đi, nên tích vô hướng của e với s2 luôn bằng đúng 0. Vậy có trả lời câu hỏi của em không? Được rồi. Ta tính tất cả các tích vô hướng này, và thấy rằng thành phần s2 sẽ bằng 0.
Right? We know that because we just subtracted this part out, that the inner product of e with s2 will always be exactly 0. Does that answer your question?
Nhưng còn nhiều cái khác, đúng không? Có thể còn một đỉnh khác, có thể không. Giả sử đỉnh tiếp theo, các em muốn là thiết bị nào?
Okay. So we do this, we find all these inner products, and we see that, basically, s2 is going to be 0. But there is a bunch of others, right?
Số 4? Cái nào đó. Được, giả sử đỉnh lớn nhất tiếp theo là s4. Câu hỏi là giờ ta làm gì?
Maybe there there's another peak, maybe there isn't. So let's say the next peak, what device you want it to be?
Có một câu hỏi ở hàng đầu. Em nào?
4? Something. Okay, say peak, next max was s4.
4 hả? Một giá trị nào đó. Okay, giả sử đỉnh (peak) tiếp theo lớn nhất là s4.
The question is, what do we do now? There was a question in the front row. Yeah?
Câu hỏi là, bây giờ ta làm gì? Có một câu hỏi ở hàng ghế đầu. Vâng, bạn hỏi đi?
STUDENT
We might be getting this eventually anyway, but I was going to ask, so after we do a couple iterations of this, like the next couple of [INAUDIBLE],, will the new error with s2 inner products, they'll be 0 every time?
Có thể sau này mình cũng sẽ biết điều này, nhưng em muốn hỏi, sau khi lặp vài lần như vậy, ở vài bước tiếp theo [KHÔNG NGHE RÕ], thì sai số mới với tích vô hướng của s2 sẽ luôn bằng 0 phải không ạ?
GIREEJA RANADE
Yes.
Đúng vậy.
You'll see as this works up. Yep. Okay. So now let's say the next max was s4.
Các em sẽ thấy khi thuật toán chạy tiếp. Ừ. Được rồi. Giờ giả sử giá trị lớn nhất tiếp theo là s4.
And this is where stuff starts to get even more interesting. Now what do we do? So what seems like the right next step here?
Và đây là lúc mọi thứ bắt đầu thú vị hơn. Bây giờ ta làm gì? Bước tiếp theo hợp lý ở đây là gì?
We now know that r has some component of s2, and we are also declaring that it has some component of s4.
Ta đã biết r có một thành phần theo s2, và ta cũng khẳng định nó có một thành phần theo s4.
Right? Both of these are now present.
Đúng không? Cả hai đều có mặt.
So I know that basically r is equal to sum alpha 2 times s2, plus sum alpha 4 times s4, plus some other stuff.
Vậy ta biết r bằng alpha 2 nhân s2, cộng alpha 4 nhân s4, cộng thêm những thành phần khác.
I've already projected r along s2. And I removed that contribution.
Ta đã chiếu r lên s2. Và đã loại bỏ phần đóng góp đó.
One choice I have would be to say, well, let me now project — do the exact same thing. Project e onto s4.
Một lựa chọn là nói: giờ ta chiếu — làm y hệt như vậy. Chiếu e lên s4.
And that would be just basically doing exactly what I did here. But let's think about this a little bit.
Về cơ bản đó chính là lặp lại những gì ta đã làm ở đây. Nhưng hãy nghĩ kỹ một chút.
Let's say I have, now, my vectors s2, and s4.
Giả sử giờ ta có các vectơ s2 và s4.
Okay? And let's say that plane is the column space of s2 and s4. Okay?
Được chứ? Và giả sử mặt phẳng đó là không gian cột của s2 và s4. Được chứ?
And I want to figure out how much of this r — how much of r is explained by a combination of s2 s4.
Ta muốn biết bao nhiêu phần của r được giải thích bởi tổ hợp của s2 và s4.
I could project r onto s2 and project r onto s4. But does that seem like the right thing to do given everything we've learned so far?
Ta có thể chiếu r lên s2 và chiếu r lên s4. Nhưng với mọi thứ đã học đến giờ, làm vậy có hợp lý không?
Linear combinations of s2 and s4, where do they allow me to go? Do they allow me to just be on this line and this line? No.
Các tổ hợp tuyến tính của s2 và s4 cho phép ta đi đến đâu? Có phải chỉ nằm trên đường này và đường này không? Không.
In fact, I can go anywhere in the plane, right? So by using combinations of s2 and s4, I can actually be anywhere here.
Thực ra ta có thể đến bất kỳ đâu trong mặt phẳng, đúng không? Nên dùng các tổ hợp của s2 và s4, ta thực sự có thể ở bất kỳ đâu ở đây.
So saying that I'm restricted to only measuring r in terms of being exactly along this line and exactly along this line, seems suboptimal, right?
Vì vậy, bắt buộc chỉ đo r theo đúng đường này và đúng đường này thì không tối ưu, đúng không?
And in fact, it is suboptimal. Does everyone remember the discussion problem where we talked about orthogonal columns of the a matrix?
Và thực tế là nó không tối ưu. Các em còn nhớ bài thảo luận về các cột trực giao của ma trận a không?
And what you saw there in that discussion problem — if you don't remember it, it's an important discussion. Please go back and review it.
Và những gì các em thấy trong bài đó — nếu không nhớ thì đó là bài quan trọng. Hãy quay lại ôn.
And what it says was that basically if you want to recover a two-dimensional projection from a one-dimensional projection, you can only add two one-dimensional projections together if the columns of a are underlying orthogonal.
Nội dung của nó là về cơ bản nếu muốn khôi phục một phép chiếu hai chiều từ các phép chiếu một chiều, ta chỉ có thể cộng hai phép chiếu một chiều nếu các cột của a vốn trực giao.
But we don't know that s2 and s4 are exactly orthogonal. We know that they're close to orthogonal.
Nhưng ta không biết s2 và s4 có trực giao chính xác hay không. Ta chỉ biết chúng gần trực giao.
So what we want to do given that we know that we can be anywhere in this plane, is we don't want to project e onto s4.
Vì ta biết có thể ở bất kỳ đâu trong mặt phẳng này, nên ta không muốn chiếu e lên s4.
If we projected r onto s2, we have this e here. Like, this is really complex — I don't know, this is the plane. This is r, this is s2, this would be e, right?
Nếu ta chiếu r lên s2, ta có e ở đây. Hình này khá phức tạp — thôi, đây là mặt phẳng. Đây là r, đây là s2, đây sẽ là e, đúng không?
Does everyone see that?
Mọi người thấy không?
And then, if I had some s4 over here, I could project this e onto that s4, but it would make more sense to just project this r onto this plane here.
Rồi nếu ta có s4 ở đây, ta có thể chiếu e này lên s4 đó, nhưng hợp lý hơn là chiếu r này lên mặt phẳng ở đây.
Hopefully people can visualize that. But what we're trying to do is basically do exactly a projection. How close can we get to r while moving in this plane?
Hy vọng mọi người hình dung được. Điều ta đang cố làm về cơ bản chính là một phép chiếu. Ta tiến gần r đến mức nào khi di chuyển trong mặt phẳng này?
this is a problem that we've, again, solved. So we're going to say project r on to column space defined by s2 and s4.
Đây là bài toán mà ta đã giải rồi. Vậy ta sẽ chiếu r lên không gian cột xác định bởi s2 và s4.
So this, again, if I say, let me call this matrix s, let me call s. Make one column of it s2, make the other column s4.
Nên, một lần nữa, ta gọi ma trận này là s. Một cột là s2, cột kia là s4.
I can write this equation, again, in terms of this matrix, s, right? I can say s times alpha 2, alpha 4 is equal to approximately r.
Ta lại có thể viết phương trình này theo ma trận s, đúng không? Ta có s nhân (alpha 2, alpha 4) xấp xỉ bằng r.
Right? Does everyone see how I got here?
Đúng không? Mọi người thấy ta đến đây thế nào chứ?
And now, we can use a projection, or essentially a least squares, right?
Và giờ ta có thể dùng phép chiếu, hay nói cách khác là bình phương tối thiểu, đúng không?
Now, we basically have a situation where we're not — we don't have fewer unknowns and we don't have too many unknowns and few equations.
Giờ ta ở tình huống mà ta không — không có quá ít ẩn số, và cũng không có quá nhiều ẩn số mà ít phương trình.
We actually have reduced it to saying, well, let's pick out the two devices that we think are most likely to be there.
Ta đã rút gọn bài toán thành: hãy chọn ra hai thiết bị mà ta nghĩ nhiều khả năng có mặt nhất.
How much of the signal can we explain using the signatures of just these two devices?
Ta giải thích được bao nhiêu tín hiệu chỉ bằng dấu hiệu của hai thiết bị này?
This is now a least squares problem. This we can solve. And so we can say that — we can write — let's say we write this as s vector alpha is equal to r.
Đây giờ là bài toán bình phương tối thiểu. Cái này ta giải được. Vậy ta có thể nói rằng — ta viết s nhân vectơ alpha bằng r.
We can use least squares or projection to solve this and say that our best estimate of the vector alpha is basically this matrix s transpose s, inverse, s
Ta dùng bình phương tối thiểu hay phép chiếu để giải, và ước lượng tốt nhất của vectơ alpha là nghịch đảo của s chuyển vị nhân s, rồi nhân
transpose times r. Right? So it's important to remember that, here, we're not projecting the error vector e. We're projecting r.
s chuyển vị nhân r. Đúng không? Cần nhớ là ở đây ta không chiếu vectơ sai số e. Ta chiếu r.
Okay? Question? Yeah?
Được chứ? Có câu hỏi không? Bạn nào?
SINH VIÊN
STUDENT: so I have a question about if you could maybe eliminate the component of s2 from s4 and then project it?
Em hỏi là liệu có thể loại bỏ thành phần s2 khỏi s4 rồi mới chiếu không ạ?
GIREEJA RANADE
Yes. The question is, could you eliminate the component of s2 from s4 and then project it? This type of — this modification in the OMP algorithm is possible.
Có. Câu hỏi là có thể loại bỏ thành phần s2 khỏi s4 rồi mới chiếu không? Cải tiến này của thuật toán OMP là khả thi.
It requires a slightly more advanced technique than we're covering in the class, but you will learn how this works in 16B. So just hang on. This is doable.
Nó đòi hỏi kỹ thuật cao hơn một chút so với những gì ta học trong lớp, nhưng các em sẽ học cách làm trong 16B. Cứ chờ nhé. Việc này làm được.
We're just not going to do it right this moment. Good question. Yes, at the back?
Chỉ là bây giờ chúng ta chưa làm thôi. Câu hỏi hay. Vâng, bạn ở cuối lớp?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Volume, volume.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Nói to lên, to lên.
STUDENT
Sorry. [INAUDIBLE] take the products of s transpose s if you have [INAUDIBLE]?
Xin lỗi. [KHÔNG NGHE RÕ] lấy tích của s transpose s nếu có [KHÔNG NGHE RÕ]?
GIREEJA RANADE
The question is, how do you know that when you take the inner product of s transpose and s that you're going to be able to invert this?
Câu hỏi là, làm sao biết rằng khi lấy tích vô hướng của s transpose và s thì sẽ nghịch đảo được?
Remember, now, s transpose has 1023, s has 1023 rows and 2 columns. So it's a tall matrix.
Nhớ nhé, s transpose có 1023, s có 1023 hàng và 2 cột. Vậy đó là ma trận cao.
Which is why you know that it's invertible. And we're designing the gold code so we know that these columns are not linearly dependent.
Vì thế ta biết nó khả nghịch. Và ta thiết kế mã Gold nên biết các cột này không phụ thuộc tuyến tính.
Yes?
Còn bạn?
STUDENT
So [INAUDIBLE] s4 [INAUDIBLE] error left over after taking out [INAUDIBLE] And then from that you go back to your original r and do the compilations that you just did there?
Vậy [KHÔNG NGHE RÕ] s4 [KHÔNG NGHE RÕ] sai số còn lại sau khi loại bỏ [KHÔNG NGHE RÕ] Rồi từ đó quay lại r ban đầu và làm các phép tính như vừa rồi ạ?
GIREEJA RANADE
Uh-huh.
Ừ.
STUDENT
Okay.
Vâng.
GIREEJA RANADE
Yep. Perfect. Okay, so now people get a sense of this, right? What are you going to do next?
Đúng. Tuyệt. Vậy mọi người đã hình dung được rồi chứ? Bước tiếp theo là gì?
You're going to identify a third vector. you're going to now compute another error vector. You're going to do the inner product again.
Xác định vectơ thứ ba. Tính một vectơ sai số mới. Lại lấy tích vô hướng.
You're going to identify the third vector, so on and so forth, right? So let's look at this in an example, which I think will also help clarify a bunch of people's questions.
Xác định vectơ thứ ba, cứ thế tiếp tục. Ta xem một ví dụ, tôi nghĩ nó cũng sẽ giải đáp nhiều thắc mắc.
Could I — perfect. Thank you.
Cho tôi... được rồi. Cảm ơn.
Do I need to press something to have my laptop screen show?
Tôi có cần bấm gì để màn hình laptop hiện lên không?
Okay, I'll take a question while this is being figured out, if there is one.
Tôi nhận một câu hỏi trong lúc chỉnh, nếu có.
Yeah?
Vâng?
STUDENT
If we took the gold code 39, so that the columns will be linearly independent?
Nếu lấy mã Gold 39 thì các cột sẽ độc lập tuyến tính ạ?
GIREEJA RANADE
The gold?
Mã Gold?
STUDENT
Like at the — GIREEJA RANADE: Yes, the gold codes are not multiples of each other.
Như ở — GIREEJA RANADE: Đúng, các mã Gold không phải bội của nhau.
STUDENT
So is that like any, like, [INAUDIBLE] GIREEJA RANADE: Yes, all the gold codes are linearly independent of each other. Okay, let me try something. Does this work?
Vậy bất kỳ, kiểu như [KHÔNG NGHE RÕ] GIREEJA RANADE: Đúng, mọi mã Gold đều độc lập tuyến tính với nhau. Để tôi thử cách khác. Được chưa?
Lecture [INAUDIBLE]. Nope, [INAUDIBLE] in HDMI1. Does this work? No.
Bài giảng [KHÔNG NGHE RÕ]. Không, [KHÔNG NGHE RÕ] ở HDMI1. Được chưa? Chưa.
Nope.
Không.
STUDENT
[INAUDIBLE] GIREEJA RANADE: Okay, could I have at least one of the dock cams back in the meanwhile?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Trong lúc này, cho tôi lại ít nhất một camera tài liệu được không?
Okay, thank you. Okay, let's move on to something else while this is getting figured out.
Cảm ơn. Ta chuyển sang việc khác trong lúc chờ xử lý.
Could you try to figure out the — Jason, could you try to figure out this thing? Okay, thank you. I'm fine if I can just have the full screen as the computer as well.
Em có thể xử lý giúp... Jason, em xử lý giúp cái này được không? Cảm ơn em. Tôi chỉ cần màn hình máy tính toàn màn hình cũng được.
I'd prefer to have it split, but if not, I'll make do with the full screen. Okay. So we've talked about this algorithm assuming — yes?
Tôi muốn chia đôi màn hình hơn, nhưng nếu không được thì tôi dùng toàn màn hình. Được rồi. Ta đã nói về thuật toán này với giả định — vâng?
STUDENT
[INAUDIBLE] Okay, so for the first section we have [INAUDIBLE]?
[KHÔNG NGHE RÕ] Vậy ở phần đầu ta có [KHÔNG NGHE RÕ]?
GIREEJA RANADE
Yes, but — the question was for the first method, do we have — for the first vector do we have to use projection and for the rest, we can use least squares?
Đúng, nhưng — câu hỏi là với phương pháp đầu tiên, với vectơ đầu tiên ta có phải dùng phép chiếu còn các vectơ sau thì dùng bình phương tối thiểu không?
The answer is that projection and least squares are exactly the same thing. So even if you did least squares in just the one-dimensional case, you would get the right answer.
Câu trả lời là phép chiếu và bình phương tối thiểu hoàn toàn là một. Kể cả khi dùng bình phương tối thiểu trong trường hợp một chiều, em vẫn ra đáp án đúng.
You can use least squares every single time.
Lần nào cũng có thể dùng bình phương tối thiểu.
STUDENT
But [INAUDIBLE]?
Nhưng [KHÔNG NGHE RÕ]?
GIREEJA RANADE
Sorry, there was a different s. There were two different s's. I was using the word — I overloaded s. This s is different from the s that I'm constructing.
Xin lỗi, có một s khác. Có hai s khác nhau. Tôi đã dùng từ — tôi dùng s cho hai thứ. s này khác với s mà tôi đang xây dựng.
This — let's call this — yeah, this was a different s. Sorry, let's call this matrix a.
Cái này, ta gọi là — vâng, đây là một s khác. Xin lỗi, ta gọi ma trận này là a.
This has all of the signals here. That one just has 2 or 1. Does that help? Okay.
Nó chứa tất cả các tín hiệu ở đây. Còn cái kia chỉ có 2 hoặc 1. Vậy rõ chưa? Được rồi.
Okay, so we have this — okay.
Vậy ta có cái này — được rồi.
STUDENT
So I got slightly lost when you said rinse and repeat, and then you came up with a slightly different process to do the same thing.
Em hơi lạc khi thầy nói rinse and repeat, rồi thầy đưa ra một quy trình hơi khác để làm cùng một việc.
GIREEJA RANADE
It was not slightly different. Okay, okay, okay, so when I said rinse and repeat, what did I say? Good. So you have s2.
Nó không hề hơi khác. Được rồi, khi tôi nói rinse and repeat, tôi đã nói gì? Tốt. Ta có s2.
And like you projected r onto s2.
Và em chiếu r lên s2.
STUDENT
[INAUDIBLE] GIREEJA RANADE: So projection onto s2 is exactly the same as doing the least squares.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Chiếu lên s2 hoàn toàn giống như làm bình phương tối thiểu.
Basically, you can think of this, again, as — this is also a least squares set up, right?
Về cơ bản, em có thể xem đây, một lần nữa, như — đây cũng là một bài toán bình phương tối thiểu, đúng không?
You can rewrite this as s2 times alpha 2 is equal to r, approximately. ax approximately b.
Em có thể viết lại là s2 nhân alpha 2 xấp xỉ bằng r. ax xấp xỉ b.
So this is also at least squares. So I basically take this r and I project it onto s2. I say, how much of r can be explained by s2?
Vậy đây cũng là một bài bình phương tối thiểu. Về cơ bản, ta chiếu r lên s2. Ta hỏi: s2 giải thích được bao nhiêu phần của r?
Then, I have two candidates. So I say this. Now, I have come to a case where I have two candidates.
Rồi, ta có hai ứng viên. Nên ta nói thế này. Bây giờ ta đến trường hợp có hai ứng viên.
So now I say, how much of r can be explained, not by just s1 or just s2, but by the combination of s1 and s2.
Nên giờ ta hỏi: giải thích được bao nhiêu phần của r, không chỉ bằng riêng s1 hay riêng s2, mà bằng tổ hợp của s1 và s2.
STUDENT
But weren't we going to stop at the first peak [INAUDIBLE]?
Nhưng chẳng phải ta sẽ dừng ở đỉnh đầu tiên sao [KHÔNG NGHE RÕ]?
GIREEJA RANADE
So we took the first peak, we removed this impact, and now we're looking at a second peak. So now we're saying we have two devices.
Ta lấy đỉnh đầu tiên, loại bỏ ảnh hưởng của nó, và giờ ta xét đỉnh thứ hai. Vậy giờ ta có hai thiết bị.
I wish this thing would work, in which case we could actually show this.
Ước gì cái này chạy được, khi đó ta có thể cho các em thấy.
STUDENT
And now we have another device. If we stop that, how did we end up with two devices now that we stopped that?
Và giờ ta có thêm một thiết bị. Nếu đã dừng rồi, sao giờ lại có hai thiết bị trong khi ta đã dừng?
GIREEJA RANADE
We picked one device, we put it in our pocket. Then we looked at all of the other devices and we said, okay, what's the next loudest one?
Ta chọn một thiết bị, bỏ nó vào túi. Rồi ta xét tất cả các thiết bị còn lại và hỏi: thiết bị nào lớn nhất tiếp theo?
We picked that and we also put it. Now these two, s2 and s4, we're trying to use in a combination to explain r. So we're picking them one-by-one.
Ta chọn nó và cũng bỏ vào túi. Giờ ta dùng tổ hợp của hai cái này, s2 và s4, để giải thích r. Vậy ta chọn từng cái một.
We're collecting devices one-by-one. We're not saying, let's look at all the peaks and let's collect all of the devices.
Ta thu thập thiết bị từng cái một. Ta không nói là xét tất cả các đỉnh rồi thu thập hết các thiết bị.
Question here?
Có câu hỏi ở đây không?
STUDENT
So we're saying that the gold codes are designed to [INAUDIBLE]?
Vậy các gold code được thiết kế để [KHÔNG NGHE RÕ] phải không?
GIREEJA RANADE
Yes, you will have to design — there's a limit on the number of devices you can have based on the length of the gold code.
Đúng, các em phải thiết kế — số thiết bị tối đa bị giới hạn bởi độ dài của gold code.
If you want more devices, you need longer gold codes.
Muốn nhiều thiết bị hơn thì cần gold code dài hơn.
STUDENT
[INAUDIBLE] problem you were trying to address originally, why [INAUDIBLE]?
[KHÔNG NGHE RÕ] bài toán ban đầu em muốn giải quyết, tại sao [KHÔNG NGHE RÕ]?
GIREEJA RANADE
Not really. Let's take that offline. Yeah.
Không hẳn. Mình trao đổi riêng sau nhé. Vâng.
At the back?
Bạn ở phía sau?
STUDENT
If e has no component on s2, why don't we project e on s4?
Nếu e không có thành phần nào trên s2, sao ta không chiếu e lên s4?
GIREEJA RANADE
If e has no component on s2, why don't we project e onto s4?
Nếu e không có thành phần nào trên s2, sao ta không chiếu e lên s4?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Right.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Đúng.
Because we want to have — because that would still — like, you can do the math out on that and you will see that the right thing to do is actually just project r onto the combination.
Vì ta muốn — vì như thế vẫn — các em có thể tự tính ra và sẽ thấy cách đúng là chiếu r lên tổ hợp.
So you don't want to just have things explained one-by-one because you might see a change in how much the component on s1 is when you have two explanations.
Nên ta không muốn giải thích từng cái một vì thành phần trên s1 có thể thay đổi khi ta có hai lời giải thích.
So I hope this will work. This will answer your question.
Hy vọng cái này chạy được. Nó sẽ trả lời câu hỏi của em.
STUDENT
[INAUDIBLE] GIREEJA RANADE: So when you say — when I say I know r is equal to alpha 2, s2, right? I only have an estimate on alpha 2.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Khi em nói — khi tôi nói r bằng alpha 2 nhân s2, đúng không? Tôi chỉ có một ước lượng của alpha 2.
It's not exact. So when I say that, actually, r is a combination of two things. The original alpha 2 that I had a calculated might not be the right alpha 2.
Nó không chính xác. Nên khi nói r thực ra là tổ hợp của hai thứ, thì alpha 2 ban đầu mà tôi đã tính có thể không phải alpha 2 đúng.
It might actually change. That's why you don't want to project e onto s4.
Nó có thể thay đổi. Vì vậy ta không chiếu e lên s4.
Thank you. [APPLAUSE] Yay.
Cảm ơn em. [VỖ TAY] Yay.
Okay. So what do I have here?
Được rồi. Vậy ở đây có gì?
This is basically a bunch of code that is not important to understand, but what I wanted to go to and show was here. So can people see this?
Đây về cơ bản là một đoạn code không cần hiểu chi tiết, nhưng chỗ tôi muốn cho xem là ở đây. Các em thấy được chứ?
So what I have here, is I have three gold codes, okay? And this is my received signal.
Ở đây tôi có ba gold code, được chứ? Và đây là tín hiệu nhận được.
And my three gold codes are — my received signal is basically these weights are telling me I'm taking 100 times the first gold code, 10 times the second gold code, and 1 times the third gold code.
Ba gold code này — tín hiệu nhận được có các trọng số cho biết ta lấy 100 lần gold code thứ nhất, 10 lần gold code thứ hai, và 1 lần gold code thứ ba.
And that's giving me my y. So what are the values of my y? My y is 91, and then minus 111, minus 89.
Và đó là y của tôi. Vậy các giá trị của y là gì? y là 91, rồi trừ 111, trừ 89.
So that's basically the values of this y. So when I look at this y — if you had to just guess by looking which gold code was present, what guess would you make?
Đó là các giá trị của y này. Khi nhìn y này — nếu chỉ đoán bằng mắt thì gold code nào có mặt, các em sẽ đoán là gì?
STUDENT
1.
1.
GIREEJA RANADE
1, right? Would you guess that there were other codes that were also transmitting?
1, đúng không? Các em có đoán là còn những code khác cũng đang truyền không?
STUDENT
[INAUDIBLE] GIREEJA RANADE: No, right? So just by pattern matching, it seems like the right answer is 1.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Không, đúng không? Chỉ bằng so khớp mẫu, có vẻ đáp án đúng là 1.
So let's actually go through and take cross-correlations and taking inner products and see.
Giờ ta hãy tính tương quan chéo và tích vô hướng để kiểm tra.
Okay, so here, what this plot is saying is this is the inner product of gold code 1 with the received signal.
Được rồi, đồ thị này cho thấy tích vô hướng của gold code 1 với tín hiệu nhận được.
Inner product of gold code 2 with the received signal, and inner product of gold code 3 with the received signal. Which is the largest inner product? 1.
Tích vô hướng của gold code 2 với tín hiệu nhận được, và của gold code 3 với tín hiệu nhận được. Tích vô hướng nào lớn nhất? 1.
So which device are we going to say is transmitting?
Vậy ta sẽ nói thiết bị nào đang truyền?
STUDENT
1.
1.
GIREEJA RANADE
Great.
Tốt.
So what we're going to do now, is we're going to do what we did before, and we're going to project the received signal onto the gold code of device 1, and we're going to say, well, how much can we explain of the received signal
Giờ ta sẽ làm như trước, tức là chiếu tín hiệu nhận được lên gold code của thiết bị 1, và hỏi: chỉ dùng gold code của thiết bị 1 thì giải thích được bao nhiêu phần
by looking at just the gold code of device 1?
của tín hiệu nhận được?
And what we see is that when we do this projection, we see that we basically have these orange peaks are what our reconstruction says.
Và khi chiếu như vậy, ta thấy các đỉnh màu cam chính là phần tái tạo của ta.
So this is the alpha 2, this is the alpha times the signature. And the blue is the actual received signature. So here, this alpha calculation — I'm doing the projection calculation.
Đây là alpha 2, tức alpha nhân với signature. Còn màu xanh là signature nhận được thực tế. Vậy ở đây, phép tính alpha này — Tôi đang tính phép chiếu.
And remember, our original weight was 100, right, on the first signal. But what do we get as the actual weight? What is our best guess? We get 98.2.
Và nhớ là trọng số ban đầu của tín hiệu thứ nhất là 100, đúng không? Nhưng trọng số thực sự ta tính được là bao nhiêu? Ước lượng tốt nhất của ta là gì? Ta được 98,2.
So it's not perfect. There's this error, because there are these other signals that are mixed in. Okay?
Vậy là chưa hoàn hảo. Có sai số này, vì có những tín hiệu khác bị trộn vào. Được chứ?
So we're going to say, okay, well, we'll take everything that we can explain about the first signal and about the received signal from the first signal and remove that.
Nên ta sẽ lấy mọi thứ mà ta giải thích được về tín hiệu thứ nhất và về phần tín hiệu thu được từ tín hiệu thứ nhất rồi loại bỏ nó đi.
And this is now the error vector. I look at this error vector and I'm going to compare it now to my three gold codes.
Và đây giờ là vectơ sai số. Tôi nhìn vectơ sai số này và giờ sẽ so sánh nó với ba gold code của tôi.
What do you think is the next loudest device that's transmitting?
Theo các em, thiết bị đang phát to nhất tiếp theo là thiết bị nào?
STUDENT
2.
2.
GIREEJA RANADE
2. Okay, so let's again do this. And let's look at the actual inner products. This is the inner product with device 1.
2. Được, ta làm lại một lần nữa. Và hãy xem các tích vô hướng thực tế. Đây là tích vô hướng với thiết bị 1.
As predicted, it's exactly 0. Inner product with device 2 is very large. Inner product to device 3 is fairly small, but it's not 0, right? It's not 0.
Đúng như dự đoán, nó bằng đúng 0. Tích vô hướng với thiết bị 2 rất lớn. Tích vô hướng với thiết bị 3 khá nhỏ, nhưng không bằng 0, đúng không? Không bằng 0.
Okay, so let's now try and explain the received signal. This blue is, again, the original received signal.
Giờ ta thử giải thích tín hiệu thu được. Màu xanh này vẫn là tín hiệu thu được ban đầu.
What the orange is doing is it saying, let me now use combinations of the first two gold codes to explain. I'm not saying, let me just explain one-by-one.
Còn màu cam đang nói rằng, giờ hãy dùng tổ hợp của hai gold code đầu tiên để giải thích. Tôi không giải thích từng cái một nữa.
And now if you look at the least squares weights that I'm getting, what am I getting? I'm getting 100.1 and 9.8.
Và giờ nhìn các trọng số bình phương tối thiểu mà tôi nhận được, ta được gì? Ta được 100,1 và 9,8.
So I've improved my estimates on the weights of these different alphas is actually better because I'm doing a simultaneous projection onto the column space of both of these vectors as opposed to just one.
Vậy ước lượng các trọng số alpha khác nhau này đã tốt hơn, vì tôi chiếu đồng thời lên không gian cột của cả hai vectơ này chứ không chỉ một.
And now if I looked at my area vector, it's much, much smaller.
Và giờ nếu nhìn vectơ sai số, nó nhỏ hơn rất nhiều.
Is everyone with me here? And now, again, I do my cross-correlation — I do my inner products, and I get, basically, 0 here, 0 here, because I've removed those components.
Mọi người theo kịp chứ? Và giờ lại tính tương quan chéo — tính các tích vô hướng, và ta được 0 ở đây, 0 ở đây, vì đã loại các thành phần đó.
I expect 0s there. But now I see this 1. I see a high peak here. Okay, let me look at what's remaining.
Tôi kỳ vọng ở đó bằng 0. Nhưng giờ ta thấy số 1 này. Có một đỉnh cao ở đây. Hãy xem phần còn lại.
And I basically get a perfect reconstruction. I rigged this up so that there's no noise added in the system. In reality, you would get some noise remaining afterwards, right?
Và ta gần như tái tạo hoàn hảo. Tôi đã dựng sao cho hệ thống không có nhiễu cộng thêm. Thực tế, sau đó vẫn còn lại ít nhiều nhiễu, đúng không?
Which now comes the question of, like, how do you decide when to stop in this algorithm? And basically, there's a couple of different ways.
Từ đó nảy ra câu hỏi: khi nào thì dừng thuật toán này? Có vài cách khác nhau.
One is you can say that I know, let's say, the sparsity level of a signal.
Một là, giả sử ta biết mức thưa của tín hiệu.
I know the sparsity level of a signal, and as a result, I can use the sparsity level and say, if I know how many devices are transmitting, once I've collected those many devices, I'm going to stop.
Biết mức thưa của tín hiệu, nên ta dùng mức thưa đó và nói, nếu biết có bao nhiêu thiết bị đang phát, thì khi đã chọn đủ số thiết bị đó, ta dừng.
Alternatively, you can say, well, I know what the level of ambient thermal noise around it. I know it what kind of the noise is.
Hoặc, ta có thể nói, tôi biết mức nhiễu nhiệt xung quanh. Tôi biết loại nhiễu là gì.
So I say, like, I keep looking at the norm of the error vector e.
Nên tôi cứ theo dõi chuẩn của vectơ sai số e.
And if the norm of this e vector — every time I kind of remove parts, once it gets small enough that it's smaller than the noise level, then I can stop.
Và nếu chuẩn của vectơ e này, mỗi lần ta loại bớt một phần, khi nó đủ nhỏ và nhỏ hơn mức nhiễu, thì ta có thể dừng.
So when to stop is really this kind of engineering design decision that depends on the specific application and the specific noises that may or may not be present in your particular system.
Vậy khi nào dừng thực chất là một quyết định thiết kế kỹ thuật, tùy vào ứng dụng cụ thể và những loại nhiễu cụ thể có thể có hay không trong hệ thống của bạn.
But does this demo help answer some of the questions that people had? So this is why you want to project onto both of the signals at once.
Nhưng phần demo này có giúp trả lời một số câu hỏi của các em không? Đây là lý do ta muốn chiếu lên cả hai tín hiệu cùng lúc.
And this is why it doesn't really make sense to say, well, let's just look at all of the peaks at the first time, right?
Và đây là lý do không hợp lý nếu nói, cứ lấy hết các đỉnh ngay lần đầu, đúng không? Đúng không?
If we took just all of the peaks, how do we decide what is and isn't a peak? Sometimes it's really not clear what is and isn't a peak.
Nếu ta lấy hết các đỉnh, làm sao quyết định đâu là đỉnh, đâu không? Đôi khi thật sự không rõ đâu là đỉnh.
In this case, it's clear that this is a peak, but it's hard to tell which of these two is a peak or isn't a peak.
Trong trường hợp này, rõ ràng đây là đỉnh, nhưng khó biết trong hai cái này cái nào là đỉnh và cái nào không.
In fact, here, this is actually smaller than the correlation with device 3, but 2 is actually the louder device. So that's why we have to do this peeling off one-by-one.
Thực ra ở đây, cái này nhỏ hơn tương quan với thiết bị 3, nhưng thiết bị 2 mới là thiết bị to hơn. Vì vậy ta phải bóc tách từng cái một.
Yes, red jacket?
Bạn áo khoác đỏ?
STUDENT
Why was it necessary for us to do this with the loudest device [INAUDIBLE] Wouldn't it have done the same thing if [INAUDIBLE] GIREEJA RANADE: The question was, why did we do this with the loudest device each time?
Tại sao ta cần làm vậy với thiết bị to nhất [KHÔNG NGHE RÕ] Nếu làm với [KHÔNG NGHE RÕ] thì có giống nhau không? Câu hỏi là, tại sao mỗi lần ta làm với thiết bị to nhất?
So when we had — we did the correlations — we had this correlation with device 1, this correlation with device 2, this correlation with device 3.
Khi ta tính các tương quan, ta có tương quan với thiết bị 1, với thiết bị 2, với thiết bị 3.
If we had chosen to subtract off a different signal, we wouldn't have, like, basically, if you have — think about the analogy with the two people talking.
Nếu ta chọn trừ đi một tín hiệu khác, thì sẽ không được, về cơ bản, hãy nghĩ đến phép so sánh với hai người đang nói chuyện.
There's one person that's really loud and one person that's really quiet. Let's say there's two people that are really quiet and one person that's really loud.
Có một người nói rất to và một người nói rất nhỏ. Giả sử có hai người nói rất nhỏ và một người nói rất to.
Even if you remove one the quiet people, and you kept the one loud person and the one quiet person, you still wouldn't be able to hear the second quiet person.
Dù bạn loại bỏ một người nói nhỏ, và giữ lại người nói to và một người nói nhỏ, bạn vẫn không nghe được người nói nhỏ còn lại.
So to be able to hear the quieter voices, you need to take the biggest one out first. That's why you start with the loudest. Yep?
Để nghe được những giọng nhỏ hơn, bạn cần loại cái lớn nhất ra trước. Đó là lý do ta bắt đầu từ cái to nhất. Còn câu nào nữa không?
STUDENT
Wouldn't that just take out [INAUDIBLE] GIREEJA RANADE: You would not get the right answers if you didn't do this. Yeah.
Như vậy có phải là chỉ loại bỏ [KHÔNG NGHE RÕ] GIREEJA RANADE: Bạn sẽ không có được kết quả đúng nếu không làm như vậy. Vâng.
STUDENT
Okay, so if you had a large number, or a larger number of vectors, or [INAUDIBLE] GIREEJA RANADE: So every time — good question — every time you basically just pick out
Vậy nếu có nhiều vectơ hơn, hoặc số lượng vectơ lớn hơn, hoặc [KHÔNG NGHE RÕ] GIREEJA RANADE: Mỗi lần — câu hỏi hay — mỗi lần bạn chỉ cần chọn ra
the one next loud peak. You don't add 2, and 4 — every time you just add 1.
đỉnh lớn kế tiếp. Bạn không thêm 2 rồi 4 cùng lúc — mỗi lần chỉ thêm 1.
STUDENT
So like, so if you had, so [INAUDIBLE] GIREEJA RANADE: Onto the column space of 3.
Ví dụ nếu có, vậy [KHÔNG NGHE RÕ] GIREEJA RANADE: Lên không gian cột của 3 vectơ.
Great question. So now if I have three signals, how do I do this least squares? What is being done here?
Câu hỏi rất hay. Vậy nếu có ba tín hiệu, làm bình phương tối thiểu thế nào? Ở đây đang làm gì?
So when I do this final signal, when I'm doing the final signal, the least squares that's being done here, this least squares is now the s matrix there has three columns.
Khi tôi làm tín hiệu cuối cùng, phép bình phương tối thiểu được thực hiện ở đây, bình phương tối thiểu này có ma trận s với ba cột.
So the dimensions of s keep increasing. So you keep stacking these columns on, one after the other. There's a question here somewhere. No.
Vậy số chiều của s cứ tăng dần. Bạn cứ xếp thêm các cột này vào, cột này nối tiếp cột kia. Hình như có một câu hỏi ở đâu đó. Không.
Okay, question in the back.
Được, câu hỏi ở phía sau.
STUDENT
[INAUDIBLE] GIREEJA RANADE: 1023.
[KHÔNG NGHE RÕ] GIREEJA RANADE: 1023.
If I have a gold code of 1023, I can encode far more than 1023 devices.
Nếu có gold code độ dài 1023, tôi có thể mã hóa nhiều hơn 1023 thiết bị rất nhiều.
I can, in fact, encode approximately 2 to the 1023 devices using, not exactly to that exact calculations completely out of scope for this class, but you can actually encode far more.
Thực ra tôi có thể mã hóa xấp xỉ 2 mũ 1023 thiết bị, không chính xác con số đó, phép tính chính xác nằm hoàn toàn ngoài phạm vi môn này, nhưng bạn có thể mã hóa nhiều hơn rất nhiều.
Okay. Question?
Được rồi. Câu hỏi?
STUDENT
Does the noise vector ever [INAUDIBLE] GIREEJA RANADE: Does the noise vector — STUDENT: Can the noise vector ever be louder than, like, [INAUDIBLE]?
Vectơ nhiễu có bao giờ [KHÔNG NGHE RÕ] GIREEJA RANADE: Vectơ nhiễu — SINH VIÊN: Vectơ nhiễu có thể lớn hơn, ví dụ, [KHÔNG NGHE RÕ] không?
GIREEJA RANADE
The question was, what if the noise vector is louder? If the noise vector is much, much louder than the signals that are transmitting, your toasted. Nothing you can do.
Câu hỏi là, nếu vectơ nhiễu lớn hơn thì sao? Nếu vectơ nhiễu lớn hơn rất nhiều so với các tín hiệu đang truyền thì coi như hỏng. Không làm gì được.
The thing is, reality is that you will design your alphas so that what you're saying is actually louder than the noise vector.
Thực tế là bạn sẽ thiết kế các alpha sao cho tín hiệu bạn truyền đi thực sự lớn hơn vectơ nhiễu.
Okay, so I'm going to move on just because there's one more thing that I want to get to.
Được rồi, tôi sẽ đi tiếp vì còn một điều nữa tôi muốn nói tới.
So we've talked about, now, this OMP algorithm and the implicit assumption that we made when we were doing this was that every device wakes up and decides whether or not it's going to transmit, right?
Chúng ta đã nói về thuật toán OMP này, và giả định ngầm khi làm việc đó là mỗi thiết bị thức dậy và quyết định có truyền hay không, đúng không?
And everyone just talks at the same time. We didn't really incorporate any kind of delays in this picture. But what would happen if we did have delays in the situation?
Và mọi người cùng truyền một lúc. Ta chưa đưa độ trễ nào vào bức tranh này. Nhưng điều gì xảy ra nếu có độ trễ?
What if there was some transmission delay between my device and my receiver?
Nếu có độ trễ truyền giữa thiết bị của tôi và bộ thu thì sao?
Just like in the GPS setting, where there is a transmission delay, and this also carries some kind of information.
Giống như trong GPS, nơi có độ trễ truyền và nó cũng mang một thông tin nào đó.
If you think about it, there's actually not that much different that we need to do. So we want to think about delays in transmission.
Nếu nghĩ kỹ, thực ra ta không cần làm gì khác biệt nhiều. Vậy ta xét độ trễ trong truyền tín hiệu.
And what happens is, let's say I have some gold code s1 of n, and this is the following.
Giả sử tôi có gold code s1 của n, như sau.
Let's say it's just of length 3012, but when it arrives at the received signal, it is actually — it arrives with a delay of 1.
Giả sử nó chỉ có độ dài 3012, nhưng khi đến tín hiệu thu được, nó thực sự — đến với độ trễ là 1.
So this is now s1 of n delayed by 1. We've already seen this kind of delays in signature arrivals in the GPS setting.
Vậy đây là s1 của n trễ 1. Ta đã thấy kiểu độ trễ khi tín hiệu đến như vậy trong GPS.
This is not something new that you're seeing for the first time, the question is, if we have these delays, is there something that we can do nonetheless?
Đây không phải điều bạn thấy lần đầu, câu hỏi là, nếu có các độ trễ này, ta vẫn có thể làm được gì đó không?
In reality, what will happen is that these devices will not be just waking up transmitting just exactly one gold code and then going to sleep, right?
Thực tế, các thiết bị này sẽ không chỉ thức dậy, truyền đúng một gold code rồi đi ngủ, đúng không?
We pretended that for the development of our algorithm, but in reality, what's probably going to be the case is that your gold code is going to be constantly transmitted.
Ta giả vờ như vậy để xây dựng thuật toán, nhưng thực tế nhiều khả năng là gold code của bạn sẽ được truyền liên tục.
So it's going to be like this.
Nên nó sẽ như thế này.
0, 1, 2, 0, 3, 4, 5, minus 1, minus 2, minus 3. So on and so forth, right?
0, 1, 2, 0, 3, 4, 5, trừ 1, trừ 2, trừ 3. Cứ như vậy tiếp tục, đúng không?
The device is constantly transmitting its gold code. And maybe you received a delayed version of this.
Thiết bị liên tục truyền gold code của nó. Và có thể bạn nhận được một phiên bản bị trễ.
So you receive instead of 0, 1, 2, 3. Sorry.
Bạn nhận được thay vì 0, 1, 2, 3. Xin lỗi.
I messed that up.
Tôi viết nhầm.
So I receive this at 1, 2, 3. This is 0. 4, 5, 6. So on and so forth.
Vậy tôi nhận được cái này là 1, 2, 3. Đây là 0. 4, 5, 6. Cứ như vậy tiếp tục.
This is — okay? What if you have these kind of delayed situations?
Đây là — được chứ? Nếu có những tình huống bị trễ như vậy thì sao?
What you would do in this case is actually not that different from what you are already doing. What is the property of gold codes that you know?
Trường hợp này bạn làm thực ra không khác nhiều so với những gì đang làm. Tính chất nào của gold code mà bạn đã biết?
There's two properties of gold codes that are useful, right? One is that gold code s1 inner product with itself is large.
Có hai tính chất hữu ích của gold code, đúng không? Một là tích vô hướng của gold code s1 với chính nó là lớn.
Gold code of s1 with the gold code of a second device is small.
Tích vô hướng của gold code s1 với gold code của thiết bị thứ hai là nhỏ.
But if I take gold code s1 with delayed s1, this is also small.
Nhưng nếu lấy gold code s1 với s1 bị trễ, nó cũng nhỏ.
So now, given that we want to figure out which devices are transmitting and there might be some delays.
Vậy bây giờ, ta muốn tìm ra thiết bị nào đang truyền và có thể có độ trễ.
They might not all exactly start transmitting exactly at time 0, what might you be able to do?
Chúng có thể không bắt đầu truyền chính xác tại thời điểm 0, bạn có thể làm gì?
Any ideas? Someone who hasn't spoken yet, maybe? Yeah.
Ai có ý kiến không? Có thể là ai đó chưa phát biểu? Vâng.
STUDENT
[INAUDIBLE] GIREEJA RANADE: Could we use the same cross-correlation procedure as before? And the answer is, essentially, yes. Because let's say I have my received signal.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Ta có thể dùng lại quy trình tương quan chéo như trước không? Và câu trả lời về cơ bản là có. Vì giả sử tôi có tín hiệu thu được.
I have my received signal r, and I used to take just the inner product of the received signal with my s1, right? I would take these inner products one-by-one.
Tôi có tín hiệu thu được r, và tôi trước đây chỉ lấy tích vô hướng của tín hiệu thu được với s1, đúng không? Ta sẽ tính từng tích vô hướng một.
But instead, I can take inner product of r and s1, and I could take inner product of r and s1, let's say, delayed by 1.
Nhưng thay vào đó, ta có thể lấy tích vô hướng của r và s1, và lấy tích vô hướng của r và s1, chẳng hạn, bị trễ 1.
So this notation, s2 of 1 means s1 delayed by 1.
Ký hiệu s2 của 1 này nghĩa là s1 bị trễ 1.
And I could consider inner our product of rs2 — or s1 delayed by 2.
Và ta có thể xét tích vô hướng của r với s2... hay s1 bị trễ 2.
I could consider inner product of rs1 delayed by 3, and so on. How many delays do I need to consider if my gold code is of length 1023?
Ta có thể xét tích vô hướng của r với s1 trễ 3, và cứ thế. Ta cần xét bao nhiêu độ trễ nếu gold code có độ dài 1023?
1023, right? Because I cannot disambiguate beyond that. We already know that. So I can consider all of these delays.
1023, đúng không? Vì ta không thể phân biệt được quá mức đó. Ta đã biết điều đó rồi. Vậy ta có thể xét tất cả các độ trễ này.
So instead of considering just r1 inner product s1, I'm going to consider all of this. What else am I going to consider?
Thay vì chỉ xét tích vô hướng của r1 với s1, ta sẽ xét tất cả những cái này. Ta còn xét những gì nữa?
I'm going to consider r1 inner product s2, and r1, or r inner product s1 delayed by 1, r inner product s2 delayed by 2, and so on.
Ta sẽ xét tích vô hướng của r1 với s2, và r1, hay r, tích vô hướng với s1 trễ 1, r tích vô hướng với s2 trễ 2, và cứ thế.
So I'm going to consider inner products with all the different gold codes at all the different delays.
Vậy ta sẽ xét các tích vô hướng với tất cả các gold code khác nhau ở tất cả các độ trễ khác nhau.
Now, I'm going to say, which is the maximum? Then I'm going to say, well, whatever that maximum is, let's say that device 2, again, was the maximum.
Rồi ta sẽ hỏi: giá trị nào lớn nhất? Rồi ta nói, dù giá trị lớn nhất đó là gì, giả sử lại là thiết bị 2 cho giá trị lớn nhất.
I will say, well, what is the delay at which it is the maximum?
Ta sẽ hỏi, độ trễ nào cho giá trị lớn nhất đó?
So s2 at delay 3, let's say, was the maximum. Then I say that, well, I know now that s2 delayed by 3 is the signal that I'm going to try and remove.
Giả sử s2 ở độ trễ 3 cho giá trị lớn nhất. Vậy ta biết s2 trễ 3 là tín hiệu mà ta sẽ cố loại bỏ.
Right? So instead of now just computing 1023, I would compute a lot more inner products. But effectively, I'm doing exactly the same thing.
Đúng không? Vậy thay vì chỉ tính 1023 tích vô hướng, ta sẽ tính nhiều hơn rất nhiều. Nhưng về bản chất, ta làm đúng như cũ.
And I'm going to basically peel things off one-by-one in exactly the same way. So there is nothing really that is going to change very much.
Và về cơ bản ta sẽ bóc từng tín hiệu ra từng cái một theo đúng cách cũ. Nên không có gì thay đổi nhiều cả.
But what you can now do is you can basically incorporate the idea that, oh, in fact, there might be a little bit of delay in the system as well.
Nhưng giờ bạn có thể đưa thêm ý tưởng rằng, thực ra hệ thống cũng có thể có một chút độ trễ.
So with that, I'll end, and the last lecture is on Thursday. [APPLAUSE]
Vậy là xong, và bài giảng cuối cùng là vào thứ Năm. [VỖ TAY]
Đăng nhập để đánh giá học liệu này.
Đăng nhập để bình luận — chưa ai bình luận về học liệu này.
Không có khóa học liên quan.