3.3 Calibration(Калибровка/поверка)

It is not possible to know exact properties of materials in every scenario.(Невозможно знать точные свойства материалов для каждого отдельного сценария). Therefore, a calibration process is needed to adjust the properties of materials (such as conductivity).(Поэтому процесс калибровки/поверки необходим для выверения/регулировки свойств материалов (например, таких, как удельная электропроводность). The IRLA model provides the calibration process to make the simulations fit into reality.(Модель интеллектуального алгоритма образования лучей предусматривает процесс калибровки/поверки с целью приспособления имитационных моделей к реальным условиям). A first run with defaulted pa­rameters of materials is performed and the multipaths asso­ciated to each measurement locations are obtained.(Нами был проведён первый эксперимент с параметрами материалов по умолчанию, в ходе которого было достигнуто лучевое распространение, связанное с каждым положением измерения). Based on the multipaths, the calibration process can be performed.(На основе многолучевого распространения можно осуществить процесс калибровки/поверки).

The 3-D path loss matrix can also be obtained by the first run of IRLA.(В ходе первого испытания интеллектуального алгоритма образования лучей также можно получить 3-D матрицу потерь на трассе распространения). To make it even more efficient, only se­lected layers (locations) can be considered.(Для достижения большей эффективности можно учитывать/рассматривать только выбранные слои(положения). Multipaths in­formation for selected locations are computed.(Также с помощью компьютера получают информация о многолучевом распространении для выбранных положений/позиций). With this information, channel characteristics can be investigated.(При помощи этой информации можно изучить характеристики канала (связи)?) How­ever, since the IRLA model computes the rays from the emit­ter, the requirement for multipath data does not incur extra overheads since this can be easily recorded together with the path loss.(Однако поскольку модель интеллектуального алгоритма образования лучей получает лучи от излучателя, требования для данных многолучевого распространения не затрагивают дополнительные непроизводительные затраты, так как они могут быть легко зарегистрированы с помощью потерь на трассе распространения). To improve the accuracy of the model, a cali­bration of the parameters, based on an SA (Simulated An­nealing) approach, was implemented in [2] where the RMSE (Root Mean Square Error) between the simulation and the measurement is minimised.(Для повышения точности этой модели мы внедрили/применили калибровку/поверку параметров в [2], основанную на методе модельной «закалки»( Simulated An­nealing) там, где среднеквадратичная ошибка/отклонение между имитационной моделью и измерением минимизирована(о).The calibration is based on the multipaths i.e., one single IRLA simulation has to be per­formed and all the rays are stored in memory.(Калибровка/поверка основана на многолучевом распространении, например, необходимо произвести отдельно взятую имитационную модель интеллектуального алгоритма образования лучей. Все лучи сохраняются в памяти).

The material parameters to be tuned can be considered as a vector ν.(Параметры материалов, обязательные к настройке, могут быть рассмотрены как вектор ν). At each iteration of SA, ν is adjusted and the fitness is evaluated.(На каждой итерации модельной «закалки» корректируют параметры вектора ν и оценивают его пригодность). Based on a probability, the ν is ac­cepted.(Основываясь на предположении, принимают вектор ν). The SA approach converges to an sub-optimal ν fi­nally (Fig. 3).(Метод модельной «закалки» в конечном счёте стремится к/сходится в субоптимальному ν). The use of multipaths avoids rerunning the simulation at each iteration of SA, because the fitness value can be computed based on the multipath reached at each measurement location.(Использование многолучевого распространения позволяет избежать перезапуска имитационной модели на каждой итерации модельной «закалки», поскольку оценка пригодности может быть вычислена на основе многолучевого распространения на каждом положении измерения).