認知無綫電通信與組網：原理與應用 機械工業齣版社 下載 mobi epub pdf 電子書 2024

基本信息

書名：認知無綫電通信與組網：原理與應用

定價：99.00元

作者：(美)李虎生 ,郎為民

齣版社：機械工業齣版社

齣版日期：2013-11-01

ISBN：9787111437413

字數：

頁碼：

版次：1

裝幀：平裝

開本：16開

商品重量：0.522kg

編輯推薦

點擊查看：　　《認知無綫電通信與組網：原理與應用》可作為無綫通信運營商、網絡運營商、應用開發人員、技術經理和電信管理人員的技術參考書或培訓教材，也可作為高等院校通信與信息係統專業的高年級本科生或研究生的教材。

內容提要

　　《認知無綫電通信與組網：原理與應用》緊緊圍繞認知無綫電發展過程中的熱點問題，以認知無綫電理論、技術與應用為核心，比較全麵和係統地介紹瞭認知無綫電技術的基本原理和應用實踐的*成果。全書共分為12章，分為理論、技術與應用3個部分。理論部分包括大維*矩陣、凸優化、機器學習、博弈論等內容；技術部分包括頻譜感知（基礎技術、經典檢測、非交換*矩陣的假設檢驗）、多輸入多輸齣（MIMO）和正交頻分復用（OFDM）等內容；應用部分包括認知無綫電網絡和認知無綫電傳感器網絡等內容。本書全麵介紹瞭與認知無綫電有關的基本數學工具，描述瞭認知無綫電的基礎知識，演示瞭從理論到實踐的諸多實例，並列齣瞭可供課外閱讀的大量參考文獻。本書材料豐富，體係科學完整，內容新穎翔實，知識係統全麵，行文通俗易懂，兼備知識性、係統性、可讀性、實用性和指導性。

目錄

譯者序
原書前言
章 引言
1.1 願景：“大數據”
1.2 認知無綫電：係統概念
1.3 頻譜感知接口和數據結構
1.4 數學工具
1.4.1 凸優化
1.4.2 博弈論
1.4.3 將“大數據”建模為高維矩陣
1.5 樣本協方差矩陣
1.6 尖峰總體模型的高維樣本協方差矩陣
1.7 矩陣和非交換變量
1.8 主成分分析
1.9 廣義似然比檢驗
1.10 針對矩陣佳逼近的布雷格曼發散
第2章 頻譜感知：基礎技術
2.1 挑戰
2.2 能量檢測：不存在確定或信號的先驗信息
2.2.1 白噪聲檢測：低通情況
2.2.2 決策統計的時域錶示
2.2.3 決策統計的譜錶示
2.2.4 AWGN信道上的檢測和虛警概率
2.2.5 具備不相關係數的正交序列中過程的擴展形式：KarhunenLoeve擴展
2.3 使用二階統計量的頻譜感知
2.3.1 信號檢測描述
2.3.2 廣義穩態過程：連續時間
2.3.3 非平穩過程：連續時間
2.3.4 針對WSS信號的、基於譜相關的頻譜感知：啓發式方法
2.3.5 離散時間WSS信號的似然比檢驗
2.3.6 頻譜相關性和似然比檢驗之間的漸近等價關係
2.3.7 噪聲中連續時間信號的似然比檢驗：塞林提齣的方法
2.4 統計模式識彆：通過機器學習利用信號的先驗信息
2.4.1 連續時間信號的KarhunenLoeve分解
2.5 特徵模闆匹配
2.6 循環平穩檢測
第3章 經典檢測
3.1 量子信息描述
3.2 協同感知的假設檢驗
3.3 樣本協方差矩陣
3.3.1 數據矩陣
3.4 具有獨立行的矩陣
3.5 多元正態分布
3.6 樣本協方差矩陣估計與矩陣壓縮感知
3.6.1 大似然估計
3.6.2 多重采樣假設的似然比檢驗（維爾剋斯檢驗）
3.7 似然比檢驗
3.7.1 廣義高斯檢測和估計器相關器結構
3.7.2 采用重復觀測進行檢驗
3.7.3 采用樣本協方差矩陣進行檢測
3.7.4 多嚮量的廣義似然比檢驗
3.7.5 綫性判彆函數
3.7.6 復嚮量的相關結構檢測
第4章 非交換矩陣的假設檢驗
4.1 為什麼采用非交換矩陣
4.2 協方差矩陣的偏序：A4.3 完全正映射的偏序：Φ（A）<Φ（B）
4.4 利用優化的矩陣偏序關係：AB
4.5 酉不變範數的偏序：|||A|||<|||B|||
4.6 多副本正定矩陣的偏序：∑Kk=1Ak≤∑Kk=1Bk
4.7 正算子值變量的偏序：Prob（A≤X≤B）
4.8 使用序的偏序：A≤stB
4.9 量子假設檢測
4.10 多副本量子假設檢驗
第5章 大維矩陣
5.1 大維矩陣：矩量法、斯蒂爾切斯變換和自由概率
5.2 使用大維矩陣的頻譜感知
5.2.1 係統模型
5.2.2 馬爾琴科帕斯圖爾定律
5.3 矩量法
5.3.1 譜分布極限
5.3.2 極特徵值極限
5.3.3 譜分布的收斂速度
5.3.4 標準嚮量輸入嚮量輸齣模型
5.3.5 廣義密度
5.4 斯蒂爾切斯變換
5.4.1 基本定理
5.4.2 大維漢剋爾、馬爾可夫和托普利茲矩陣
5.4.3 矩陣的信息加噪聲模型
5.4.4 使用大維矩陣的廣義似然比檢驗
5.4.5 白噪聲中的大維信號檢測
5.4.6 （A B）-1B的特徵值及其應用
5.4.7 典型相關分析
5.4.8 子空間之間的角度和距離
5.4.9 多元綫性模型
5.4.1 0協方差矩陣的相等性
5.4.1 1多元判彆分析
5.5 案例研究與應用
5.5.1 使用大維矩陣的基本實例
5.5.2 斯蒂爾切斯變換
5.5.3 自由解捲積
5.5.4 MIMO係統的優預編碼
5.5.5 馬爾琴科和帕斯圖爾概率分布
5.5.6 極特徵值的收斂性與波動
5.5.7 信息加噪聲模型和尖峰模型
5.5.8 假設檢驗和頻譜感知
5.5.9 無綫網絡中的能量估計
5.5.1 0多源功率推理
5.5.1 1目標檢測、定位與重構
5.5.1 2智能電網中的狀態估計和惡意攻擊者
5.5.1 3協方差矩陣估計
5.5.1 4確定性等價式
5.5.1 5局部故障檢測與診斷
5.6 大維協方差矩陣的正則估計
5.6.1 協方差正則估計
5.6.2 聯閤逆矩陣
5.6.3 通過閾值選取實現協方差正則化
5.6.4 正則樣本協方差矩陣
5.6.5 協方差矩陣估計的佳收斂速率
5.6.6 聯閤平穩過程的樣本自協方差矩陣
5.7 自由概率
5.7.1 大維矩陣和自由捲積
5.7.2 範德濛矩陣
5.7.3 采用範德濛矩陣的捲積和解捲積
5.7.4 有限維統計推斷
第6章 凸優化
6.1 綫性規劃
6.2 二次規劃
6.3 半定規劃
6.4 幾何規劃
6.5 拉格朗日對偶性
6.6 優化算法
6.6.1 內點法
6.6.2 算法
6.7 魯棒優化
6.8 多目標優化
6.9 無綫資源管理優化
6.10 實例與應用
6.10.1 多輸入多輸齣超寬帶通信係統的頻譜效率
6.10.2 采用非相乾接收機的單輸入單輸齣通信係統的寬帶波形設計
6.10.3 多輸入單輸齣認知無綫電的寬帶波形設計
6.10.4 寬帶波束形成設計
6.10.5 用於認知無綫電網絡優化分解的分層
6.11 小結
第7章 機器學習
7.1 無監督學習
7.1.1 基於質心的聚類
7.1.2 k近鄰居算法
7.1.3 主成分分析
7.1.4 獨立成分分析
7.1.5 非負矩陣分解
7.1.6 自組織映射
7.2 監督學習
7.2.1 綫性迴歸
7.2.2 Logistic迴歸
7.2.3 人工神經網絡
7.2.4 決策樹學習
7.2.5 樸素貝葉斯分類器
7.2.6 支持嚮量機
7.3 半監督學習
7.3.1 約束聚類
7.3.2 聯閤訓練
7.3.3 基於圖形的方法
7.4 直推式學習
7.5 遷移學習
7.6 主動學習
7.7 強化學習
7.7.1 Q學習
7.7.2 馬爾可夫決策過程
7.7.3 部分可觀測MDP
7.8 基於核的學習
7.9 降維
7.9.1 核主成分分析
7.9.2 多維標度
7.9.3 ISOMAP算法
7.9.4 局部綫性嵌入
7.9.5 拉普拉斯特徵映射
7.9.6 半定嵌入
7.1 0集閤學習
7.1 1馬爾可夫鏈濛特卡羅
7.1 2濾波技術
7.1 2.1 卡爾曼濾波
7.1 2.2 粒子濾波
7.1 2.3 協同濾波
7.1 3貝葉斯網絡
7.1 4小結
第8章 敏捷傳輸技術（I）：多輸入多輸齣
8.1 MIMO的優點
8.1.1 陣列增益
8.1.2 分集增益
8.1.3 復用增益
8.2 空時編碼
8.2.1 空時分組編碼
8.2.2 空時網格編碼
8.2.3 分層空時編碼
8.3 多用戶MIMO
8.3.1 空分多址接入
8.3.2 MIMO廣播信道
8.3.3 MIMO多址信道
8.3.4 MIMO乾擾信道
8.4 MIMO網絡
8.5 MIMO認知無綫電網絡
8.6 小結
第9章 敏捷傳輸技術（Ⅱ）：正交頻分復用
9.1 OFDM的實現
9.2 同步
9.3 信道估計
9.4 峰值功率問題
9.5 自適應傳輸
9.6 頻譜成形
9.7 正交頻分多址接入
9.8 MIMO OFDM
9.9 OFDM認知無綫電網絡
9.1 0小結
0章 博弈論
10.1 博弈的基本概念
10.1.1 博弈元素
10.1.2 納什均衡：定義與存在
10.1.3 納什均衡：計算
10.1.4 納什均衡：零和博弈
10.1.5 納什均衡：貝葉斯情形
10.1.6 納什均衡：博弈
10.2 主用戶模擬攻擊博弈
10.2.1 PUE攻擊
10.2.2 兩個玩傢的情形：戰略式博弈
10.2.3 隊列動態特性中的博弈：博弈
10.3 信道同步中的博弈
10.3.1 博弈背景
10.3.2 係統模型
10.3.3 博弈描述
10.3.4 貝葉斯均衡
10.3.5 數值結果
10.4 協同頻譜感知中的博弈
目錄ⅩⅦ
10.4.1 虛報攻擊
10.4.2 博弈描述
10.4.3 博弈元素
10.4.4 貝葉斯均衡
10.4.5 數值結果
1章 認知無綫電網絡
11.1 網絡的基本概念
11.1.1 網絡架構
11.1.2 網絡層
11.1.3 跨層設計
11.1.4 認知無綫電網絡麵臨的主要挑戰
11.1.5 復雜網絡
11.2 MAC層的信道分配
11.2.1 問題描述
11.2.2 調度算法
11.2.3 解決方案
11.2.4 討論
11.3 MAC層中的調度問題
11.3.1 網絡模型
11.3.2 調度目標
11.3.3 調度算法
11.3.4 C算法性能
11.3.5 分布式調度算法
11.4 網絡層中的路由問題
11.4.1 認知無綫電中路由麵臨的挑戰
11.4.2 靜態路由
11.4.3 動態路由
11.5 傳輸層中的擁塞控製
11.5.1 互聯網中的擁塞控製
11.5.2 認知無綫電中擁塞控製麵臨的挑戰
11.5.3 TPCRAHN
11.5.4 早期啓動方案
11.6 認知無綫電中的復雜網絡
11.6.1 復雜網絡簡介
11.6.2 認知無綫電網絡的連通性
11.6.3 認知無綫電網絡中的行為傳播
2章 認知無綫電傳感器網絡
12.1 采用機器學習的入侵檢測
12.2 聯閤頻譜感知和定位
12.3 分布式方位閤成孔徑雷達
12.4 無綫層析成像
12.5 移動群體傳感
12.6 3S集成
12.7 信息物理係統
12.8 計算
12.8.1 圖形處理器單元
12.8.2 任務分配和負載均衡
12.9 安全和隱私
12.10 小結
附錄
附錄A 矩陣分析
A.1 嚮量空間和希爾伯特空間
A.2 變換
A.3 跡
A.4 C*代數基礎
A.5 非交換矩陣值變量
A.6 距離和投影
A.6.1 矩陣不等式
A.6.2 半正定矩陣的偏序
A.6.3 厄米特矩陣的偏序
ⅩⅧ目錄
附錄B 縮略語中英文對照

作者介紹

文摘

序言