電磁頻譜數(shù)據(jù)挖掘理論與應(yīng)用

目錄
“天地一體頻譜認(rèn)知智能叢書(shū)”序
前言
主要符號(hào)說(shuō)明
第1章 緒論 1
1.1 電磁頻譜數(shù)據(jù)挖掘的由來(lái) 1
1.2 電磁頻譜數(shù)據(jù)挖掘的價(jià)值 3
1.2.1 未來(lái)移動(dòng)通信系統(tǒng)中的動(dòng)態(tài)頻譜共享 3
1.2.2 下一代短波通信系統(tǒng)中的頻率優(yōu)選 3
1.2.3 電磁頻譜資源智能管理 4
1.2.4 Super WiFi頻譜態(tài)勢(shì)信息獲取 4
1.2.5 頻譜監(jiān)控與頻譜執(zhí)法 5
1.3 本書(shū)的主要內(nèi)容安排 5
第2章 電磁頻譜數(shù)據(jù)挖掘基礎(chǔ) 8
2.1 基本概念 8
2.2 常用的機(jī)器學(xué)習(xí)方法 10
2.2.1 面向頻譜數(shù)據(jù)分析的機(jī)器學(xué)習(xí)方法 11
2.2.2 面向頻譜數(shù)據(jù)利用的機(jī)器學(xué)習(xí)方法 12
2.3 國(guó)內(nèi)外相關(guān)研究動(dòng)態(tài) 13
2.3.1 頻譜感知的研究動(dòng)態(tài)與技術(shù)挑戰(zhàn) 14
2.3.2 頻譜預(yù)測(cè)的研究動(dòng)態(tài)與技術(shù)挑戰(zhàn) 16
2.3.3 頻譜數(shù)據(jù)庫(kù)的研究動(dòng)態(tài)與技術(shù)挑戰(zhàn) 18
第3章 穩(wěn)健的時(shí)域頻譜數(shù)據(jù)挖掘 22
3.1 系統(tǒng)模型 23
3.1.1 網(wǎng)絡(luò)場(chǎng)景與信號(hào)模型 23
3.1.2 數(shù)據(jù)融合與性能度量 25
3.2 數(shù)學(xué)建模與性能分析 27
3.2.1 異常數(shù)據(jù)的統(tǒng)一建模 27
3.2.2 異常數(shù)據(jù)對(duì)感知性能的影響 30
3.3 稀疏矩陣統(tǒng)計(jì)學(xué)習(xí)算法設(shè)計(jì) 34
3.3.1 異常數(shù)據(jù)凈化的稀疏矩陣表征 35
3.3.2 基于數(shù)據(jù)凈化的穩(wěn)健頻譜感知 36
3.4 結(jié)果與分析 39
3.4.1 仿真參數(shù)設(shè)置 39
3.4.2 算法性能分析 40
3.5 本章小結(jié) 48
第4章 異構(gòu)的空時(shí)頻譜數(shù)據(jù)挖掘 49
4.1 系統(tǒng)模型 51
4.1.1 授權(quán)用戶(hù)的頻譜占用模型 51
4.1.2 認(rèn)知用戶(hù)的異構(gòu)頻譜模型 52
4.2 數(shù)學(xué)建模與性能分析 53
4.2.1 空時(shí)二維頻譜機(jī)會(huì)建模 53
4.2.2 二維檢測(cè)性能指標(biāo)設(shè)計(jì) 55
4.2.3 新的指標(biāo)體系下傳統(tǒng)方案的性能分析 56
4.3 異構(gòu)數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)算法設(shè)計(jì) 61
4.3.1 異構(gòu)空時(shí)頻譜感知的數(shù)據(jù)融合思路 61
4.3.2 空時(shí)二維異構(gòu)數(shù)據(jù)融合 62
4.4 分布式功率控制 64
4.4.1 基準(zhǔn)對(duì)照方案 64
4.4.2 基于不完美感知的分布式功率控制算法 65
4.5 結(jié)果與分析 67
4.5.1 仿真參數(shù)設(shè)置 67
4.5.2 算法性能分析 67
4.6 空時(shí)虛警和檢測(cè)概率推導(dǎo) 70
4.7 本章小結(jié) 71
第5章 多維的主動(dòng)頻譜數(shù)據(jù)挖掘 73
5.1 實(shí)測(cè)頻譜數(shù)據(jù)的統(tǒng)計(jì)處理 74
5.1.1 實(shí)測(cè)頻譜數(shù)據(jù)集描述 74
5.1.2 頻譜數(shù)據(jù)統(tǒng)計(jì)預(yù)處理 75
5.2 實(shí)測(cè)頻譜數(shù)據(jù)的特性分析 78
5.2.1 實(shí)測(cè)頻譜數(shù)據(jù)的可預(yù)測(cè)性 78
5.2.2 實(shí)測(cè)頻譜數(shù)據(jù)的時(shí)頻相關(guān)性 82
5.3 聯(lián)合多維頻譜預(yù)測(cè)的數(shù)學(xué)建模 87
5.4 低秩矩陣統(tǒng)計(jì)學(xué)習(xí)算法設(shè)計(jì) 89
5.5 實(shí)驗(yàn)結(jié)果與分析 90
5.6 可預(yù)測(cè)性理論推導(dǎo) 90
5.7 本章小結(jié) 93
第6章 非線性協(xié)同頻譜數(shù)據(jù)挖掘 95
6.1 系統(tǒng)模型 95
6.1.1 協(xié)同頻譜感知場(chǎng)景一：授權(quán)用戶(hù)網(wǎng)絡(luò)檢測(cè) 95
6.1.2 協(xié)同頻譜感知場(chǎng)景二：頻譜攻擊用戶(hù)檢測(cè) 97
6.2 核學(xué)習(xí)理論基礎(chǔ) 98
6.2.1 基本概念 98
6.2.2 常用工具 99
6.2.3 主流方法 100
6.3 面向授權(quán)用戶(hù)網(wǎng)絡(luò)檢測(cè)的統(tǒng)計(jì)核學(xué)習(xí)算法設(shè)計(jì) 100
6.3.1 優(yōu)似然比檢測(cè)器 100
6.3.2 基于線性費(fèi)希爾判別分析的協(xié)同頻譜感知 101
6.3.3 基于核費(fèi)希爾判別分析的協(xié)同頻譜感知 102
6.4 面向頻譜攻擊用戶(hù)檢測(cè)的統(tǒng)計(jì)核學(xué)習(xí)算法設(shè)計(jì) 103
6.4.1 基于K均值聚類(lèi)的協(xié)同頻譜感知 104
6.4.2 基于核K均值聚類(lèi)的協(xié)同頻譜感知 105
6.5 結(jié)果與分析 107
6.5.1 授權(quán)用戶(hù)網(wǎng)絡(luò)檢測(cè)的仿真參數(shù)設(shè)置 107
6.5.2 授權(quán)用戶(hù)網(wǎng)絡(luò)檢測(cè)的算法性能分析 108
6.5.3 頻譜攻擊用戶(hù)檢測(cè)的仿真參數(shù)設(shè)置 109
6.5.4 頻譜攻擊用戶(hù)檢測(cè)的算法性能分析 109
6.6 開(kāi)放性研究方向 110
6.6.1 面向穩(wěn)健信號(hào)分類(lèi)識(shí)別的核學(xué)習(xí)理論方法 111
6.6.2 面向在線頻譜狀態(tài)預(yù)測(cè)的核學(xué)習(xí)理論方法 111
6.7 本章小結(jié) 111
第7章 群智的地理頻譜數(shù)據(jù)挖掘 112
7.1 系統(tǒng)模型 114
7.1.1 網(wǎng)絡(luò)場(chǎng)景與信號(hào)模型 114
7.1.2 授權(quán)用戶(hù)信號(hào)覆蓋模型 116
7.1.3 群智設(shè)備信號(hào)干擾模型 117
7.2 數(shù)學(xué)建模與問(wèn)題分析 118
7.2.1 異構(gòu)網(wǎng)絡(luò)共存問(wèn)題建模 118
7.2.2 技術(shù)挑戰(zhàn)分析 120
7.3 群智數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)算法設(shè)計(jì) 120
7.3.1 移動(dòng)群智感知驅(qū)動(dòng)的地理頻譜數(shù)據(jù)庫(kù) 120
7.3.2 群智頻譜大數(shù)據(jù)挖掘 122
7.4 仿真結(jié)果與分析 131
7.4.1 仿真參數(shù)設(shè)置 131
7.4.2 算法性能分析 132
7.5 矩陣縮放因子的定義 139
7.6 本章小結(jié) 140
第8章 圖像化的頻譜數(shù)據(jù)挖掘 141
8.1 面向頻域關(guān)系網(wǎng)絡(luò)的多頻點(diǎn)間相似性分析 142
8.1.1 頻譜演化的相似性指標(biāo) 142
8.1.2 復(fù)雜網(wǎng)絡(luò)理論概述 142
8.1.3 頻域關(guān)系網(wǎng)絡(luò)的建立 144
8.1.4 實(shí)驗(yàn)結(jié)果與分析 145
8.2 面向時(shí)頻二維長(zhǎng)期頻譜預(yù)測(cè)的圖像推理方法 149
8.2.1 系統(tǒng)模型和問(wèn)題描述 150
8.2.2 長(zhǎng)期頻譜預(yù)測(cè)方法設(shè)計(jì) 152
8.2.3 實(shí)驗(yàn)與結(jié)果 158
8.3 相似性指標(biāo)計(jì)算 163
8.4 HaLRTC算法介紹 165
8.5 本章小結(jié) 166
第9章 云化頻聯(lián)網(wǎng) 167
9.1 頻譜共享新特征 167
9.2 頻聯(lián)網(wǎng)的概念 168
9.3 頻聯(lián)網(wǎng)的體系架構(gòu) 169
9.4 面向云化頻聯(lián)網(wǎng)的頻譜大數(shù)據(jù)挖掘 171
9.4.1 群智頻譜感知 172
9.4.2 主動(dòng)頻譜推理 172
9.4.3 綜合頻譜數(shù)據(jù)庫(kù) 172
9.5 本章小結(jié) 174
第10章 電磁頻譜大數(shù)據(jù)挖掘展望 175
10.1 電磁頻譜大數(shù)據(jù)概念 175
10.2 電磁頻譜大數(shù)據(jù)的5V特性 177
10.2.1 頻譜大數(shù)據(jù)的規(guī)模特性 177
10.2.2 頻譜大數(shù)據(jù)的多樣化特性 177
10.2.3 頻譜大數(shù)據(jù)的高速特性 178
10.2.4 頻譜大數(shù)據(jù)的真實(shí)特性 179
10.2.5 頻譜大數(shù)據(jù)的價(jià)值特性 180
10.3 電磁頻譜大數(shù)據(jù)挖掘的研究趨勢(shì) 181
10.4 本章小結(jié) 183
參考文獻(xiàn) 184
英文縮略語(yǔ) 200
索引 204
彩圖