基于神經(jīng)網(wǎng)絡(luò)的含水土壤近場(chǎng)散射模型

田 博，李 鐵，李 偉，候亞麗

(機(jī)電動(dòng)態(tài)控制重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710065)

0 引言

現(xiàn)代毫米波引信設(shè)計(jì)要求具備良好的戰(zhàn)場(chǎng)環(huán)境適應(yīng)性，能夠克服地面雜波和雨雪環(huán)境對(duì)引信的干擾，實(shí)現(xiàn)目標(biāo)/背景信號(hào)自適應(yīng)探測(cè)與處理[1]。引信在低空工作時(shí)受到地表回波干擾嚴(yán)重，尤其是天氣變化導(dǎo)致地表環(huán)境散射特性產(chǎn)生變化，目標(biāo)信號(hào)淹沒(méi)在大幅增加的背景信號(hào)中導(dǎo)致毫米波引信無(wú)法正常區(qū)分目標(biāo)與背景。比如降雨時(shí)土壤散射系數(shù)往往比干燥時(shí)高出幾個(gè)分貝，可能會(huì)導(dǎo)致毫米波引信出現(xiàn)早炸或誤炸現(xiàn)象。提高引信抗地物背景雜波影響的最有效辦法是對(duì)引信工作的典型背景如土壤、砂礫、植被等進(jìn)行測(cè)試建模，對(duì)引信距離截止門(mén)進(jìn)行自適應(yīng)調(diào)整以降低地雜波對(duì)引信信號(hào)通道的干擾[2]。因此不同濕度土壤的后向散射特性研究是提升毫米波引信抗地雜波干擾能力的基礎(chǔ)技術(shù)之一。

近年來(lái)，國(guó)內(nèi)外學(xué)者開(kāi)展了大量研究工作建立了多種地物背景后向電磁散射模型。李青華等人對(duì)不同類型地面的電磁散射特性和地表回波的測(cè)量和建模方法進(jìn)行了研究[3]，利用ZMNL或者SIRP方法產(chǎn)生一個(gè)具有一定概率分布的相關(guān)隨機(jī)序列來(lái)模擬地雜波隨機(jī)分布。這種模型只能描述特定背景的散射統(tǒng)計(jì)特性，無(wú)法描述降雨導(dǎo)致地物背景物理、化學(xué)特性發(fā)生變化引起的散射系數(shù)變化規(guī)律。王軍戰(zhàn)[4]等人利用改進(jìn)積分方程模型(AIEM)模擬分析了土地粗糙度、含水量對(duì)遙感衛(wèi)星雷達(dá)P、L波段土壤后向散射系數(shù)的影響關(guān)系半經(jīng)驗(yàn)?zāi)Ｐ?。但這類模型基礎(chǔ)數(shù)據(jù)來(lái)源于衛(wèi)星遙感遠(yuǎn)場(chǎng)散射數(shù)據(jù)，其優(yōu)化的半經(jīng)驗(yàn)?zāi)Ｐ椭饕糜诘乇眍愋偷姆囱荩?jì)算毫米波引信近場(chǎng)探測(cè)背景回波時(shí)誤差較大。針對(duì)降雨時(shí)土壤含水量變化導(dǎo)致傳統(tǒng)土壤近場(chǎng)散射模型誤差較大的問(wèn)題，本文提出了基于神經(jīng)網(wǎng)絡(luò)的含水土壤近場(chǎng)散射模型。

1 影響土壤近場(chǎng)散射特性的因素

在研究地物背景的散射特性時(shí)，常常將自然界背景看作均勻或非均勻伸展的面目標(biāo)進(jìn)行分析。其散射特性常常用散射系數(shù)來(lái)描述。散射系數(shù)表征了背景區(qū)域散射能力的大小，它是探測(cè)器系統(tǒng)參數(shù)(波長(zhǎng)、極化、分辨率、入射角等參數(shù))和散射體介質(zhì)物理特性(幾何參數(shù)、表面粗糙度、介電參數(shù)等)的綜合函數(shù)。因此在引信探測(cè)系統(tǒng)參數(shù)一定的前提下，必須研究含水量變化情況下土壤粗糙度、介電特性變化時(shí)對(duì)近場(chǎng)散射特性的影響，最終獲取毫米波引信對(duì)不同含水量土壤的回波信號(hào)，分析雨水等天氣情況是否會(huì)對(duì)毫米波引信探測(cè)產(chǎn)生影響，提高毫米波引信抗干擾能力。

1.1 粗糙度對(duì)土壤后向散射的影響

當(dāng)電磁波照射到地面時(shí)，如果地面可視為光滑平面，入射波將產(chǎn)生鏡面反射，其入射角等于反射角且極化方式與入射波相同；如果地面十分粗糙時(shí)，入射波將產(chǎn)生漫反射且各方向散射分量強(qiáng)度近似平均；如果地面中等粗糙時(shí)，其反射電磁波包含以上兩種情況既有鏡面反射方向的相干電磁波，也含有其他方向的非相干散射分量[5]。對(duì)于毫米波引信來(lái)說(shuō)，探測(cè)器接收到的背景回波往往是地表對(duì)入射電磁波的后向散射信號(hào)。如果地表較為光滑，只有在照射方向與地表接近垂直的方向信號(hào)才會(huì)很強(qiáng)而其他方向較弱。反之，粗糙的地表可以將入射波束較為均勻的向各個(gè)方向散射，引信各個(gè)方向接收到的信號(hào)強(qiáng)度相當(dāng)。因此，分析土壤散射對(duì)引信探測(cè)的影響，必須對(duì)土壤的表面粗糙度進(jìn)行定義。目前判斷物體表面是否“粗糙”的準(zhǔn)則主要有三種，本文的粗糙度認(rèn)定準(zhǔn)則采取了第三種：1971年由Peake和Oliver修訂的粗糙準(zhǔn)則[5]，認(rèn)為當(dāng)?shù)孛嫔蟽牲c(diǎn)的高度差Sr<λ/(25sinθ)時(shí)物體表面是“光滑”的(如圖1，λ為入射波長(zhǎng)；θ為入射余角)，Sr>λ/(4.4sinθ)時(shí)物體表面是“極度粗糙”的，介于兩者之間λ/(25sinθ)1.88 mm即可認(rèn)為其極度粗糙。顯然，對(duì)于毫米波引信大多數(shù)的土壤表面都可以認(rèn)為是粗糙的，散射能量向各個(gè)方向分布，各種交會(huì)姿態(tài)引信探測(cè)器都會(huì)受到散射地雜波的影響。

土壤的粗糙度不同，其對(duì)毫米波引信回波的影響也不同。土壤表面“光滑”時(shí)，回波可以認(rèn)為是入射毫米波的鏡像反射，稱為相干反射分量。土壤表面“輕微粗糙”時(shí)，回波既包含鏡像反射的相干分量又包含其他方向漫反射的非相干分量。土壤表面“極度粗糙”時(shí)，可以被認(rèn)為是一個(gè)漫反射體，回波為漫反射的非相干分量。

1.2 介電特性對(duì)土壤后向散射的影響

土壤組分物質(zhì)的電學(xué)性質(zhì)對(duì)入射電磁波散射影響很大，這種性質(zhì)一般用復(fù)介電常數(shù)ε來(lái)表示。通過(guò)大量測(cè)試發(fā)現(xiàn)，對(duì)于自然界中包括土壤在內(nèi)的大多數(shù)地物背景來(lái)說(shuō)，引起復(fù)介電常數(shù)變化的原因主要是含水量的變化。當(dāng)背景材料中含水量較大時(shí)，對(duì)電磁波的吸收和穿透能力大大降低，而反射和散射部分較大。相反，當(dāng)背景材料含水量降低時(shí)，電磁波穿透性強(qiáng)，反射散射變?nèi)?。?duì)于毫米波來(lái)說(shuō)，水的復(fù)介電常數(shù)數(shù)值最高可達(dá)到80。而地表上的大多數(shù)干燥物質(zhì)如巖石、干燥土地、砂礫等，其復(fù)介電常數(shù)的數(shù)值較小介于2～8之間。當(dāng)土壤含水量發(fā)生變化時(shí)，其介電常數(shù)與含水量幾乎成線性關(guān)系增長(zhǎng), 并且與水的介電常數(shù)特性相同。因此，具有一定濕度土壤的后向散射系數(shù)要大于干燥土壤。未完全被雨水浸泡土壤或植被層在雨后的引信回波信號(hào)往往比下雨前強(qiáng)，某些情況下回波信號(hào)的增幅甚至能達(dá)到5～7 dB。如果土壤表面完全被雨水浸泡，原本極度粗糙的土壤表面可能變成平滑表面，散射場(chǎng)的相干散射部分顯著增強(qiáng)，導(dǎo)致非垂直入射的情況下其回波信號(hào)反而變小。

1.3 含水量對(duì)土壤后向散射特性的影響

后向散射系數(shù)σ°受很多因素影響，包括波長(zhǎng)λ、入射角θ、天線極化參數(shù)P、復(fù)介電常數(shù)ε、地表粗糙度Sr，表達(dá)式為：σ°=f(λ,θ,P,ε,Sr)。上述因素中，波長(zhǎng)、入射角及天線極化參數(shù)由引信探測(cè)系統(tǒng)和工作方式?jīng)Q定，不會(huì)隨著天氣狀況(降雨)的變化而改變；而復(fù)介電常數(shù)、地表粗糙度是地物背景自身固有屬性，降雨時(shí)地物背景含水量變化會(huì)引起介電特性和表面粗糙度變化，從而影響引信的探測(cè)信號(hào)。因此本文著重分析典型地物背景土壤含水量變化時(shí)復(fù)介電常數(shù)ε和地表粗糙度Sr變化對(duì)土壤散射特性的影響，為毫米波引信在雨水等天氣情況下的抗干擾設(shè)計(jì)提供數(shù)據(jù)。

在正常天氣情況下，大多數(shù)自然界背景中的土壤都可認(rèn)為是粗糙的，回波主要為非相干分量。在降雨情況下，土壤表面經(jīng)過(guò)雨水沁潤(rùn)和沖刷，土壤表層顆粒大小發(fā)生變化造成土壤的表面粗糙度隨之變化。一般情況下，降水會(huì)導(dǎo)致土壤表面粗糙度減小，與之對(duì)應(yīng)回波中相干分量與非相干分量貢獻(xiàn)也會(huì)變化，從而改變土壤的散射特性。同時(shí)，土壤中含有大量的水溶性礦物質(zhì)，如各類礦物鹽等。干燥土壤的介電特性受這些鹽分的影響較小，但在降雨情況下，土壤中的水溶性礦物質(zhì)溶解形成水土混合的電解液系統(tǒng)。隨著含水量增加，水土混合體中電解質(zhì)含量也隨之變化，直接影響了土壤電導(dǎo)率的變化，也就是土壤介電常數(shù)虛部的變化。Dobson和Ulaby研究[6]表明，用土壤含水量mv來(lái)描述土壤含水強(qiáng)弱時(shí)，更容易分析含水量變化和后向散射系數(shù)σ°的對(duì)應(yīng)關(guān)系。土壤含水量的表達(dá)式為：

mv=mg·ρb/ρw

(1)

式(1)中，ρb和ρw分別為土壤和純水的體密度，mg為水在土壤中所占的質(zhì)量百分?jǐn)?shù)。

此時(shí)，含水土壤的介電常數(shù)ε為：

(2)

式(2)中，α=0.65，ρs為含水土壤中固態(tài)物質(zhì)的體密度，不同土壤固態(tài)物質(zhì)體密度差異不大一般取ρs=2.66，εs為含水土壤中固態(tài)物質(zhì)的介電常數(shù)一般取εs=4.7，εfw為純水的介電常數(shù)，β為與土壤類型相關(guān)的復(fù)數(shù)參數(shù)，與土壤中的砂土和粘土含量相關(guān)。

由上可知，降雨時(shí)土壤含水量變化導(dǎo)致其表面粗糙度、介電常數(shù)隨之變化，從而改變了土壤對(duì)電磁波的散射能力。因此，建立土壤含水量與近場(chǎng)散射特性關(guān)系模型時(shí)波長(zhǎng)、含水量、粗糙度、復(fù)介電常數(shù)等是必須考慮的自變量。

2 基于神經(jīng)網(wǎng)絡(luò)的含水土壤近場(chǎng)散射模型

為分析降雨等氣象狀況對(duì)毫米波引信探測(cè)性能的影響，必須建立毫米波波段土壤后向散射和含水量的關(guān)系模型。上文已經(jīng)指出，土壤介電特性、粗糙度、含水量等影響最終散射特性的因素相互關(guān)聯(lián)且具有較強(qiáng)的非線性特征，借助顯函數(shù)和線性假設(shè)的分析方法和數(shù)學(xué)工具很難用于構(gòu)建土壤散射和含水關(guān)系模型。而人工神經(jīng)網(wǎng)絡(luò)具備部分模擬人類形象思維的能力[7]，因此，引入神經(jīng)網(wǎng)絡(luò)，以有限的毫米波(Ka)波段測(cè)試數(shù)據(jù)為輸入來(lái)訓(xùn)練模型，最終預(yù)測(cè)不同含水量土壤散射數(shù)據(jù)，是提高模型精度的有效途徑。

2.1 神經(jīng)網(wǎng)絡(luò)的概念

人工神經(jīng)網(wǎng)絡(luò)是采用物理可實(shí)現(xiàn)的軟硬件系統(tǒng)來(lái)模仿人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能的系統(tǒng)。它具有模擬人的部分形象思維的能力。它是由簡(jiǎn)單的信息處理單元(人工神經(jīng)元)互聯(lián)組成的具有一定拓?fù)浣Y(jié)構(gòu)的網(wǎng)絡(luò)，能夠接收、處理信息，通過(guò)輸入層、隱含層、輸出層單元的相互作用，將問(wèn)題表達(dá)為處理單元之間的聯(lián)接權(quán)，實(shí)現(xiàn)網(wǎng)絡(luò)的信息處理。目前，在人工神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中，絕大部分的神經(jīng)網(wǎng)絡(luò)模型是采用誤差后向傳播網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))和它的變化形式[8]。

BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力，可用于模擬絕大多數(shù)的非線性模型。因此，采用BP神經(jīng)網(wǎng)絡(luò)，建立毫米波波段土壤含水量與散射系數(shù)關(guān)系模型可以很好的預(yù)測(cè)不同降水條件下土壤背景的后向散射系數(shù)大小。設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)后向散射模型時(shí)，根據(jù)影響后向散射的各個(gè)參數(shù)之間的關(guān)系，構(gòu)建相應(yīng)拓?fù)浣Y(jié)構(gòu)，以土壤含水量等參數(shù)作為輸入層，以土壤介電常數(shù)、粗糙度等參數(shù)建立隱含層，而土壤后向散射系數(shù)為輸出層。

2.2 基于神經(jīng)網(wǎng)絡(luò)的含水土壤近場(chǎng)散射模型

要分析不同含水土壤后向散射系數(shù)變化對(duì)毫米波引信近場(chǎng)探測(cè)信號(hào)的影響，必須研究不同含水情況下土壤表面粗糙度、介電特性等固有特性變化時(shí)的近場(chǎng)散射特性模型，最終獲取毫米波引信對(duì)不同含水量土壤的回波信號(hào)，分析雨水等天氣情況是否會(huì)對(duì)毫米波引信探測(cè)產(chǎn)生影響，提高毫米波引信抗干擾能力。

基于神經(jīng)網(wǎng)絡(luò)的含水土壤近場(chǎng)散射模型第一步必須構(gòu)建一個(gè)BP神經(jīng)網(wǎng)絡(luò)，利用TrainBr算法(貝葉斯正則算法)對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)權(quán)值分布進(jìn)行優(yōu)化；然后利用實(shí)驗(yàn)室內(nèi)實(shí)測(cè)的土壤介電常數(shù)、粗糙度、含水量等數(shù)據(jù)作為自變量，后向散射系數(shù)作為因變量得到土壤含水量與后向散射系數(shù)模型，預(yù)測(cè)不同含水量條件下土壤的后向散射系數(shù)。具體步驟如下：

1)制作不同含水量土壤樣品，土壤粗糙度模擬自然風(fēng)化形成厚度起伏較小的土壤(5～10 mm)，依據(jù)式(1)計(jì)算土壤含水量mv；

2)依據(jù)式(2)計(jì)算樣品復(fù)介電常數(shù)ε；

3)通過(guò)數(shù)字圖像處理方法對(duì)土壤樣品圖像進(jìn)行剪裁、二值化、去噪、確定基線等處理，然后重復(fù)取點(diǎn)、測(cè)量獲取土壤樣品粗糙度Sr；

4)實(shí)驗(yàn)室內(nèi)分別測(cè)試幾組不同含水量土壤樣品Ka波段后向散射離散數(shù)據(jù)；

5)以土壤含水量mv、土壤介電常數(shù)ε、土壤粗糙度Sr為輸入，后向散射系數(shù)σ°為輸出。在[3,9]范圍內(nèi)(初值設(shè)置為輸入?yún)?shù)個(gè)數(shù)n到輸入?yún)?shù)個(gè)數(shù)的三倍3n之間)設(shè)置不同隱含層節(jié)點(diǎn)數(shù)不斷試驗(yàn)，驗(yàn)證模型預(yù)測(cè)誤差，最終選取合適的隱含層節(jié)點(diǎn)數(shù)，并確定最優(yōu)的神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)(n=7)；

6)以上述輸入?yún)?shù)為數(shù)據(jù)樣本集進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，最大迭代次數(shù)為2 000，終止誤差為10-2；

7)輸出神經(jīng)網(wǎng)絡(luò)的最優(yōu)連接權(quán)值和偏置值，最終建立不同含水量土壤后向散射參數(shù)模型。

3 模型驗(yàn)證分析

為驗(yàn)證模型的有效性，制作了含水量分別為6.7%、14.1%及29.8%的三種土壤測(cè)試樣本并在實(shí)驗(yàn)室內(nèi)進(jìn)行了不同入射角度的后項(xiàng)散射系數(shù)測(cè)試。測(cè)試波段為35 GHz，入射角0°～75°，間隔15°。受測(cè)試條件限制，入射角大于70°之后數(shù)據(jù)精度無(wú)法保證。接近水平入射時(shí)后向散射系數(shù)無(wú)法獲取，只能通過(guò)擬合數(shù)據(jù)給出。由于含水土壤近場(chǎng)散射模型本身需要測(cè)試數(shù)據(jù)作為輸入訓(xùn)練神經(jīng)網(wǎng)絡(luò)以確定最優(yōu)隱含層節(jié)點(diǎn)數(shù)，因此將樣本1及樣本3的測(cè)試數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。將樣品2測(cè)試數(shù)據(jù)作為對(duì)比數(shù)據(jù)與土壤近場(chǎng)散射模型預(yù)測(cè)數(shù)據(jù)進(jìn)行對(duì)比分析，確定模型的有效性。

表1是三種不同含水量樣本的測(cè)試數(shù)據(jù)。表2是通過(guò)樣本1和樣本3訓(xùn)練的含水土壤近場(chǎng)散射模型預(yù)測(cè)數(shù)據(jù)與樣本2實(shí)測(cè)數(shù)據(jù)的對(duì)比。預(yù)測(cè)模型可以給出任意含水量土壤任意入射角下的后向散射數(shù)據(jù)，圖2為預(yù)測(cè)模型給出的含水量為15%的土壤樣本入射角與后向散射系數(shù)曲線。為對(duì)比方便，只取入射角間隔同為15°的數(shù)據(jù)進(jìn)行對(duì)比。

表1 不同含水量樣本后向散射系數(shù)測(cè)試數(shù)據(jù)

表2 樣本2后向散射系數(shù)測(cè)試數(shù)據(jù)與模型預(yù)測(cè)數(shù)據(jù)比較

從表2及圖2可以看出，本文模型計(jì)算的15%含水量土壤后向散射系數(shù)預(yù)測(cè)數(shù)據(jù)與實(shí)驗(yàn)室實(shí)測(cè)數(shù)據(jù)的Pearson相關(guān)系數(shù)R為98.58%，預(yù)測(cè)置信系數(shù)R2達(dá)到了97.19%。而兩組數(shù)據(jù)的誤差基本在1 dB左右，入射角75°時(shí)誤差最大為-3.21 dB,此時(shí)入射方向接近水平，受實(shí)驗(yàn)條件限制測(cè)試數(shù)據(jù)本身誤差較大，因此分析預(yù)測(cè)數(shù)據(jù)置信度已無(wú)意義?？梢?jiàn)，采用人工神經(jīng)網(wǎng)絡(luò)的含水土壤近場(chǎng)散射模型精度較高，可滿足毫米波引信對(duì)不同土壤回波信號(hào)的仿真需求。圖3給出了7.2 mm粗糙度土壤不同含水量及入射角與后向散射系數(shù)的一組計(jì)算結(jié)果?？梢钥闯?，濕度從5%增加到80%左右時(shí)土壤后向散射系數(shù)變化達(dá)10 dB左右。如果引信不采取合適的抗干擾措施，急劇增大的土壤散射信號(hào)必然會(huì)干擾毫米波引信的正常探測(cè)，引起引信誤炸、早炸。

上述分析計(jì)算表明本文的含水土壤近場(chǎng)散射模型具有以下功能及特點(diǎn)：1)模型可模擬毫米波引信探測(cè)器照射各種粗糙度的土壤、不同含水量情況下回波信號(hào)的非線性變化，計(jì)算效率較高。2)模型可描述土壤-雨水混合系統(tǒng)中影響近場(chǎng)散射的多種因素的隨機(jī)關(guān)系，具有更好的持久性、適時(shí)性和較強(qiáng)的自主學(xué)習(xí)能力。當(dāng)土壤層表面粗糙度及含水量發(fā)生變化時(shí)，只需輸入新的參數(shù)模型即可迅速實(shí)現(xiàn)再學(xué)習(xí)并自動(dòng)預(yù)測(cè)粗糙度、介電特性變化對(duì)最終散射系數(shù)變化的影響趨勢(shì)。3)根據(jù)實(shí)測(cè)的Ka波段土壤背景散射數(shù)據(jù)特點(diǎn)，為BP網(wǎng)絡(luò)模型選擇適當(dāng)?shù)耐負(fù)浣Y(jié)構(gòu)，優(yōu)化輸入層、隱含層、輸出層節(jié)點(diǎn)及激勵(lì)函數(shù)，提高了Ka波段土壤含水量與后向散射系數(shù)關(guān)聯(lián)模型的擬合精度。以典型的離散實(shí)測(cè)數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)的樣本訓(xùn)練數(shù)據(jù)，散射模型置信度有了保障。4)模型從輸入訓(xùn)練數(shù)據(jù)到輸出預(yù)測(cè)結(jié)果的過(guò)程采用了“黑匣子”機(jī)制，不需要事先假定數(shù)據(jù)服從何種分布、變量之間存在何種制約關(guān)系，避免了采用不恰當(dāng)?shù)碾S機(jī)分布模型帶來(lái)的誤差。

4 結(jié)論

本文提出了基于神經(jīng)網(wǎng)絡(luò)的含水土壤近場(chǎng)后向散射模型。該模型將影響潮濕土壤近場(chǎng)散射的多種因素作為自變量，以實(shí)測(cè)數(shù)據(jù)為訓(xùn)練樣本優(yōu)化BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提高了不同含水量土壤后向散射系數(shù)預(yù)測(cè)精度。與實(shí)測(cè)數(shù)據(jù)的對(duì)比分析結(jié)果表明，小于70°入射角情況下，Ka波段不同含水量土壤后向散射模型精度較高，且具有一定的自主學(xué)習(xí)能力，可滿足毫米波引信探測(cè)不同土壤的回波信號(hào)仿真要求。必須注意的是，接近水平的大入射角情況下受試驗(yàn)條件限制很難獲取測(cè)試數(shù)據(jù)，模型精度驗(yàn)證不充分，需要改進(jìn)測(cè)試方案獲取更多數(shù)據(jù)進(jìn)行進(jìn)一步驗(yàn)證。