電磁頻譜數據挖掘理論與應用（簡體書）

本書系統地介紹了電磁頻譜數據挖掘理論與應用，主要介紹作者在電磁頻譜數據挖掘領域已公開發表的系列研究工作，內容包括：穩健的時域頻譜數據挖掘、異構的空時頻譜數據挖掘、多維的主動頻譜數據挖掘、非線性協同頻譜數據挖掘、群智的地理頻譜數據挖掘和圖像化的頻譜數據挖掘等。

目錄

“天地一體頻譜認知智能叢書”序

前言

主要符號說明

第1章 緒論 1

1.1 電磁頻譜數據挖掘的由來 1

1.2 電磁頻譜數據挖掘的價值 3

1.2.1 未來移動通信系統中的動態頻譜共享 3

1.2.2 下一代短波通信系統中的頻率優選 3

1.2.3 電磁頻譜資源智能管理 4

1.2.4 Super WiFi頻譜態勢信息獲取 4

1.2.5 頻譜監控與頻譜執法 5

1.3 本書的主要內容安排 5

第2章 電磁頻譜數據挖掘基礎 8

2.1 基本概念 8

2.2 常用的機器學習方法 10

2.2.1 面向頻譜數據分析的機器學習方法 11

2.2.2 面向頻譜數據利用的機器學習方法 12

2.3 國內外相關研究動態 13

2.3.1 頻譜感知的研究動態與技術挑戰 14

2.3.2 頻譜預測的研究動態與技術挑戰 16

2.3.3 頻譜數據庫的研究動態與技術挑戰 18

第3章 穩健的時域頻譜數據挖掘 22

3.1 系統模型 23

3.1.1 網絡場景與信號模型 23

3.1.2 數據融合與性能度量 25

3.2 數學建模與性能分析 27

3.2.1 異常數據的統一建模 27

3.2.2 異常數據對感知性能的影響 30

3.3 稀疏矩陣統計學習算法設計 34

3.3.1 異常數據淨化的稀疏矩陣表徵 35

3.3.2 基於數據淨化的穩健頻譜感知 36

3.4 結果與分析 39

3.4.1 仿真參數設置 39

3.4.2 算法性能分析 40

3.5 本章小結 48

第4章 異構的空時頻譜數據挖掘 49

4.1 系統模型 51

4.1.1 授權用戶的頻譜佔用模型 51

4.1.2 認知用戶的異構頻譜模型 52

4.2 數學建模與性能分析 53

4.2.1 空時二維頻譜機會建模 53

4.2.2 二維檢測性能指標設計 55

4.2.3 新的指標體系下傳統方案的性能分析 56

4.3 異構數據統計學習算法設計 61

4.3.1 異構空時頻譜感知的數據融合思路 61

4.3.2 空時二維異構數據融合 62

4.4 分布式功率控制 64

4.4.1 基準對照方案 64

4.4.2 基於不完美感知的分布式功率控制算法 65

4.5 結果與分析 67

4.5.1 仿真參數設置 67

4.5.2 算法性能分析 67

4.6 空時虛警和檢測概率推導 70

4.7 本章小結 71

第5章 多維的主動頻譜數據挖掘 73

5.1 實測頻譜數據的統計處理 74

5.1.1 實測頻譜數據集描述 74

5.1.2 頻譜數據統計預處理 75

5.2 實測頻譜數據的特性分析 78

5.2.1 實測頻譜數據的可預測性 78

5.2.2 實測頻譜數據的時頻相關性 82

5.3 聯合多維頻譜預測的數學建模 87

5.4 低秩矩陣統計學習算法設計 89

5.5 實驗結果與分析 90

5.6 可預測性理論推導 90

5.7 本章小結 93

第6章 非線性協同頻譜數據挖掘 95

6.1 系統模型 95

6.1.1 協同頻譜感知場景一：授權用戶網絡檢測 95

6.1.2 協同頻譜感知場景二：頻譜攻擊用戶檢測 97

6.2 核學習理論基礎 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 面向授權用戶網絡檢測的統計核學習算法設計 100

6.3.1 優似然比檢測器 100

6.3.2 基於線性費希爾判別分析的協同頻譜感知 101

6.3.3 基於核費希爾判別分析的協同頻譜感知 102

6.4 面向頻譜攻擊用戶檢測的統計核學習算法設計 103

6.4.1 基於K均值聚類的協同頻譜感知 104

6.4.2 基於核K均值聚類的協同頻譜感知 105

6.5 結果與分析 107

6.5.1 授權用戶網絡檢測的仿真參數設置 107

6.5.2 授權用戶網絡檢測的算法性能分析 108

6.5.3 頻譜攻擊用戶檢測的仿真參數設置 109

6.5.4 頻譜攻擊用戶檢測的算法性能分析 109

6.6 開放性研究方向 110

6.6.1 面向穩健信號分類識別的核學習理論方法 111

6.6.2 面向在線頻譜狀態預測的核學習理論方法 111

6.7 本章小結 111

第7章 群智的地理頻譜數據挖掘 112

7.1 系統模型 114

7.1.1 網絡場景與信號模型 114

7.1.2 授權用戶信號覆蓋模型 116

7.1.3 群智設備信號干擾模型 117

7.2 數學建模與問題分析 118

7.2.1 異構網絡共存問題建模 118

7.2.2 技術挑戰分析 120

7.3 群智數據統計學習算法設計 120

7.3.1 移動群智感知驅動的地理頻譜數據庫 120

7.3.2 群智頻譜大數據挖掘 122

7.4 仿真結果與分析 131

7.4.1 仿真參數設置 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 140

第8章 圖像化的頻譜數據挖掘 141

8.1 面向頻域關係網絡的多頻點間相似性分析 142

8.1.1 頻譜演化的相似性指標 142

8.1.2 複雜網絡理論概述 142

8.1.3 頻域關係網絡的建立 144

8.1.4 實驗結果與分析 145

8.2 面向時頻二維長期頻譜預測的圖像推理方法 149

8.2.1 系統模型和問題描述 150

8.2.2 長期頻譜預測方法設計 152

8.2.3 實驗與結果 158

8.3 相似性指標計算 163

8.4 HaLRTC算法介紹 165

8.5 本章小結 166

第9章 雲化頻聯網 167

9.1 頻譜共享新特徵 167

9.2 頻聯網的概念 168

9.3 頻聯網的體系架構 169

9.4 面向雲化頻聯網的頻譜大數據挖掘 171

9.4.1 群智頻譜感知 172

9.4.2 主動頻譜推理 172

9.4.3 綜合頻譜數據庫 172

9.5 本章小結 174

第10章 電磁頻譜大數據挖掘展望 175

10.1 電磁頻譜大數據概念 175

10.2 電磁頻譜大數據的5V特性 177

10.2.1 頻譜大數據的規模特性 177

10.2.2 頻譜大數據的多樣化特性 177

10.2.3 頻譜大數據的高速特性 178

10.2.4 頻譜大數據的真實特性 179

10.2.5 頻譜大數據的價值特性 180

10.3 電磁頻譜大數據挖掘的研究趨勢 181

10.4 本章小結 183

參考文獻 184

英文縮略語 200

索引 204

彩圖