热门搜索: 中考 高考 考试 开卷17
服务电话 024-96192/23945006
 

认知无线电通信与组网

编号:
wx1200789295
销售价:
¥87.12
(市场价: ¥99.00)
赠送积分:
87
数量:
   
商品介绍

本书紧紧围绕认知无线电发展过程中的热点问题,以认知无线电理论、技术与应用为核心,比较全面和系统地介绍了认知无线电技术的基本原理和应用实践的*新成果。全书共分为12章,分为理论、技术与应用3个部分。理论部分包括大维随机矩阵、凸优化、机器学习、博弈论等内容;技术部分包括频谱感知(基础技术、经典检测、非交换随机矩阵的假设检验)、多输入多输出(MIMO)和正交频分复用(OFDM)等内容;应用部分包括认知无线电网络和认知无线电传感器网络等内容。本书全面介绍了与认知无线电有关的基本数学工具,描述了认知无线电的基础知识,演示了从理论到实践的诸多实例,并列出了可供课外阅读的大量参考文献。本书材料非常不错丰富,体系科学完整,内容新颖翔实,知识系统全面,行文通俗易懂,兼备知识性、系统性、可读性、实用性和指导性。
本书可作为无线通信运营商、网络运营商、应用开发人员、技术经理和电信管理人员的技术参考书或培训教材,也可作为高等院校通信与信息系统专业的高年级本科生或研究生的教材。

译者序
原书前言
第1章  引言
1.1  愿景:“大数据”
1.2  认知无线电:系统概念
1.3  频谱感知接口和数据结构
1.4  数学工具
1.4.1  凸优化
1.4.2  博弈论
1.4.3  将“大数据”建模为高维随机矩阵
1.5  样本协方差矩阵
1.6  尖峰总体模型的高维样本协方差矩阵
1.7  随机矩阵和非交换随机变量
1.8  主成分分析
1.9  广义似然比检验
1.10  针对矩阵最佳逼近的布雷格曼发散
第2章  频谱感知:基础技术
2.1  挑战
2.2  能量检测:不存在确定或随机信号的先验信息
2.2.1  白噪声检测:低通情况
2.2.2  决策统计的时域表示
2.2.3  决策统计的谱表示
2.2.4  AWGN信道上的检测和虚警概率
2.2.5  具备不相关系数的正交序列中随机过程的扩展形式:Karhunen?Loeve扩展
2.3  使用二阶统计量的频谱感知
2.3.1  信号检测描述
2.3.2  广义稳态随机过程:连续时间
2.3.3  非平稳随机过程:连续时间
2.3.4  针对WSS随机信号的、基于谱相关的频谱感知:启发式方法
2.3.5  离散时间WSS随机信号的似然比检验
2.3.6  频谱相关性和似然比检验之间的渐近等价关系
2.3.7  噪声中连续时间随机信号的似然比检验:塞林提出的方法
2.4  统计模式识别:通过机器学习利用信号的先验信息
2.4.1  连续时间随机信号的Karhunen?Loeve分解
2.5  特征模板匹配
2.6  循环平稳检测
第3章  经典检测
3.1  量子信息描述
3.2  协同感知的假设检验
3.3  样本协方差矩阵
3.3.1  数据矩阵
3.4  具有独立行的随机矩阵
3.5  多元正态分布
3.6  样本协方差矩阵估计与矩阵压缩感知
3.6.1  最大似然估计
3.6.2  多重采样假设的似然比检验(维尔克斯检验)
3.7  似然比检验
3.7.1  广义高斯检测和估计器?相关器结构
3.7.2  采用重复观测进行检验
3.7.3  采用样本协方差矩阵进行检测
3.7.4  多随机向量的广义似然比检验
3.7.5  线性判别函数
3.7.6  复随机向量的相关结构检测
第4章  非交换随机矩阵的假设检验
4.1  为什么采用非交换随机矩阵
4.2  协方差矩阵的偏序:A4.3  完全正映射的偏序:Φ(A)<Φ(B)
4.4  利用优化的矩阵偏序关系:A?B
4.5  酉不变范数的偏序:|||A|||<|||B|||
4.6  多副本正定矩阵的偏序:∑Kk=1Ak≤∑Kk=1Bk
4.7  正算子值随机变量的偏序:Prob(A≤X≤B)
4.8  使用随机序的偏序:A≤stB
4.9  量子假设检测
4.10  多副本量子假设检验
第5章  大维随机矩阵
5.1  大维随机矩阵:矩量法、斯蒂尔切斯变换和自由概率
5.2  使用大维随机矩阵的频谱感知
5.2.1  系统模型
5.2.2  马尔琴科?帕斯图尔定律
5.3  矩量法
5.3.1  谱分布极限
5.3.2  极特征值极限
5.3.3  谱分布的收敛速度
5.3.4  标准向量输入向量输出模型
5.3.5  广义密度
5.4  斯蒂尔切斯变换
5.4.1  基本定理
5.4.2  大维随机汉克尔、马尔可夫和托普利兹矩阵
5.4.3  随机矩阵的信息加噪声模型
5.4.4  使用大维随机矩阵的广义似然比检验
5.4.5  白噪声中的大维信号检测
5.4.6  (A+B)-1B的特征值及其应用
5.4.7  典型相关分析
5.4.8  子空间之间的角度和距离
5.4.9  多元线性模型
5.4.1  0协方差矩阵的相等性
5.4.1  1多元判别分析
5.5  案例研究与应用
5.5.1  使用大维随机矩阵的基本实例
5.5.2  斯蒂尔切斯变换
5.5.3  自由解卷积
5.5.4  MIMO系统的最优预编码
5.5.5  马尔琴科和帕斯图尔概率分布
5.5.6  极特征值的收敛性与波动
5.5.7  信息加噪声模型和尖峰模型
5.5.8  假设检验和频谱感知
5.5.9  无线网络中的能量估计
5.5.1  0多源功率推理
5.5.1  1目标检测、定位与重构
5.5.1  2智能电网中的状态估计和恶意攻击者
5.5.1  3协方差矩阵估计
5.5.1  4确定性等价式
5.5.1  5局部故障检测与诊断
5.6  大维协方差矩阵的正则估计
5.6.1  协方差正则估计
5.6.2  联合逆矩阵
5.6.3  通过阈值选取实现协方差正则化
5.6.4  正则样本协方差矩阵
5.6.5  协方差矩阵估计的最佳收敛速率
5.6.6  联合平稳过程的样本自协方差矩阵
5.7  自由概率
5.7.1  大维随机矩阵和自由卷积
5.7.2  范德蒙矩阵
5.7.3  采用范德蒙矩阵的卷积和解卷积
5.7.4  有限维统计推断
第6章  凸优化
6.1  线性规划
6.2  二次规划
6.3  半定规划
6.4  几何规划
6.5  拉格朗日对偶性
6.6  优化算法
6.6.1  内点法
6.6.2  随机算法
6.7  鲁棒优化
6.8  多目标优化
6.9  无线资源管理优化
6.10  实例与应用
6.10.1  多输入多输出超宽带通信系统的频谱效率
6.10.2  采用非相干接收机的单输入单输出通信系统的宽带波形设计
6.10.3  多输入单输出认知无线电的宽带波形设计
6.10.4  宽带波束形成设计
6.10.5  用于认知无线电网络优化分解的分层
6.11  小结
第7章  机器学习
7.1  无监督学习
7.1.1  基于质心的聚类
7.1.2  k?最近邻居算法
7.1.3  主成分分析
7.1.4  独立成分分析
7.1.5  非负矩阵分解
7.1.6  自组织映射
7.2  监督学习
7.2.1  线性回归
7.2.2  Logistic回归
7.2.3  人工神经网络
7.2.4  决策树学习
7.2.5  朴素贝叶斯分类器
7.2.6  支持向量机
7.3  半监督学习
7.3.1  约束聚类
7.3.2  联合训练
7.3.3  基于图形的方法
7.4  直推式学习
7.5  迁移学习
7.6  主动学习
7.7  强化学习
7.7.1  Q?学习
7.7.2  马尔可夫决策过程
7.7.3  部分可观测MDP
7.8  基于核的学习
7.9  降维
7.9.1  核主成分分析
7.9.2  多维标度
7.9.3  ISOMAP算法
7.9.4  局部线性嵌入
7.9.5  拉普拉斯特征映射
7.9.6  半定嵌入
7.1  0集合学习
7.1  1马尔可夫链蒙特卡罗
7.1  2滤波技术
7.1  2.1  卡尔曼滤波
7.1  2.2  粒子滤波
7.1  2.3  协同滤波
7.1  3贝叶斯网络
7.1  4小结
第8章  敏捷传输技术(I):多输入多输出
8.1  MIMO的优点
8.1.1  阵列增益
8.1.2  分集增益
8.1.3  复用增益
8.2  空时编码
8.2.1  空时分组编码
8.2.2  空时网格编码
8.2.3  分层空时编码
8.3  多用户MIMO
8.3.1  空分多址接入
8.3.2  MIMO广播信道
8.3.3  MIMO多址信道
8.3.4  MIMO干扰信道
8.4  MIMO网络
8.5  MIMO认知无线电网络
8.6  小结
第9章  敏捷传输技术(Ⅱ):正交频分复用
9.1  OFDM的实现
9.2  同步
9.3  信道估计
9.4  峰值功率问题
9.5  自适应传输
9.6  频谱成形
9.7  正交频分多址接入
9.8  MIMO OFDM
9.9  OFDM认知无线电网络
9.1  0小结
第10章  博弈论
10.1  博弈的基本概念
10.1.1  博弈元素
10.1.2  纳什均衡:定义与存在
10.1.3  纳什均衡:计算
10.1.4  纳什均衡:零和博弈
10.1.5  纳什均衡:贝叶斯情形
10.1.6  纳什均衡:随机博弈
10.2  主用户模拟攻击博弈
10.2.1  PUE攻击
10.2.2  两个玩家的情形:战略式博弈
10.2.3  队列动态特性中的博弈:随机博弈
10.3  信道同步中的博弈
10.3.1  博弈背景
10.3.2  系统模型
10.3.3  博弈描述
10.3.4  贝叶斯均衡
10.3.5  数值结果
10.4  协同频谱感知中的博弈
目录ⅩⅦ
10.4.1  虚报攻击
10.4.2  博弈描述
10.4.3  博弈元素
10.4.4  贝叶斯均衡
10.4.5  数值结果
第11章  认知无线电网络
11.1  网络的基本概念
11.1.1  网络架构
11.1.2  网络层
11.1.3  跨层设计
11.1.4  认知无线电网络面临的主要挑战
11.1.5  复杂网络
11.2  MAC层的信道分配
11.2.1  问题描述
11.2.2  调度算法
11.2.3  解决方案
11.2.4  讨论
11.3  MAC层中的调度问题
11.3.1  网络模型
11.3.2  调度目标
11.3.3  调度算法
11.3.4  CNC算法性能
11.3.5  分布式调度算法
11.4  网络层中的路由问题
11.4.1  认知无线电中路由面临的挑战
11.4.2  静态路由
11.4.3  动态路由
11.5  传输层中的拥塞控制
11.5.1  互联网中的拥塞控制
11.5.2  认知无线电中拥塞控制面临的挑战
11.5.3  TP?CRAHN
11.5.4  早期启动方案
11.6  认知无线电中的复杂网络
11.6.1  复杂网络简介
11.6.2  认知无线电网络的连通性
11.6.3  认知无线电网络中的行为传播
第12章  认知无线电传感器网络
12.1  采用机器学习的入侵检测
12.2  联合频谱感知和定位
12.3  分布式方位合成孔径雷达
12.4  无线层析成像
12.5  移动群体传感
12.6  3S集成
12.7  信息物理系统
12.8  计算
12.8.1  图形处理器单元
12.8.2  任务分配和负载均衡
12.9  安全和隐私
12.10  小结
附录
附录A  矩阵分析
A.1  向量空间和希尔伯特空间
A.2  变换
A.3  迹
A.4  C*代数基础
A.5  非交换矩阵值随机变量
A.6  距离和投影
A.6.1  矩阵不等式
A.6.2  半正定矩阵的偏序
A.6.3  厄米特矩阵的偏序
ⅩⅧ目录
附录B  缩略语中英文对照

    


    **章  引言

    1.1  愿景:“大数据”

    “大数据”是指那些规模超出典型数据库软件工具获取、存储、管理和分析能力之外的数据集。

    围绕实现某种控制目标,通信、感知和计算存在着融合趋势。尤其需要指出的是,云计算大有可为。传感器成本越来越低。网络规模越来越大。特别是受互联网协议驱动,智能电网(一种巨网络,规模远大于传统网络)正在变成一种“能源互联网”。

    对于诸多应用来说,通信正变得越来越像“骨干”。在未来的物联网中,感知是一种无缝的构成要素。尤其需要强调的是,“大数据”愿景需要以数据采集机制为支撑。计算将成为一种日常应用普通需求能负担得起的商品。

    经济正在向“数字经济”演进,这意味着工作与“软实力”的关系越来越密切。“软实力”并不一定意味着软件编程。相反,它意味着越来越多的工作职能将由智能系统来完成,该系统是由复杂的数学理论来驱动的。虽然工作职能变得越来越“软”,但是需求分析变得越来越迫切。因此,分析技巧这一容易被我们大多数人所忽略的事物,将成为典型研究生终身教育中*有用的工具。大多数情况下,如果我们的学生掌握了正确的数学方法,则他们就知道如何进行编程。这是问题的核心或困境。分析工具类似于我们的体育运动。除非我们专注于训练,否则我们不会成为很好的运动员。

    本书旨在重点关注认知无线电网络的基础知识,尤其是数学工具。我们主要涵盖了认知无线电网络的关键内容,但如果不努力学习,也是很难掌握的。

    1.2  认知无线电:系统概念

    在现代社会中,与房地产类似,无线电频谱是世界上*稀缺和*宝贵的资源之一。围绕这些稀缺资源的竞争是电信业的根本驱动力。

    从*一般的意义上说,认知无线电充分利用摩尔定律的优势,来实现半导体行业计算能力的*大程度化L2’。如果数字域中的信息是可访问的,则这种新颖无线电背后的驱动力是计算智能算法。机器学习和人工智能已经成为实现模拟机器人这一愿景的新兴前沿领域。在这一愿景中,将信息从模拟域转换到数字域发挥着核心作用:革命性压缩感知对于拓展这种新型系统的领域至关重要。根据算法执行的敏捷软件无线电是基本的构成模块。当某一节点在计算上堪称智能时,无线组网将面临一场新的革命。在系统级,诸如认知无线电、认知雷达和抗干扰性(甚至是电子战)等功能不存在本质区别,可以统一到涉及跨学科知识的单一框架中。应当将雷达和通信统一起来,因为它们都需要用到动态频谱接人(DynamicSpectrumAccess,DSA),这容易成为系统的瓶颈。频谱敏捷/认知无线电是无线通信中的一种新范式,也是上述通用无线电的一种特殊应用。

    认知无线电充分利用了波形可编程硬件平台(即所谓的软件无线电)的优势。信号处理和机器学习是整个无线电的核心,称为认知核(引擎)。究其本质,认知无线电是一种“数学密集型”无线电,它是基于策略的。可以通过认知引擎推出该策略。从某种意义上说,本书的重点围绕认知引擎的基础知识展开。这里,我们所说的无线电代表一种广义概念。无线电可用于通信网络或传感器网络。从这个意义上讲,所谓的认知雷达甚至也包含在内”’。我们可以将整本书看作是Haykin愿景的一种详细描述。与Haykin类似,我们的风格在本质上以数学为主。在编著本书时,与认知无线电有关的IEEE802.22已于2011年7月发布,可以将本书看作是诸如频谱感知(随机矩阵是统一的主题)、无线资源分配(以凸优化引擎为支撑)、博弈论(理解组网中无线节点的竞争与合作)等关键系统概念的数学证明。

    1.3  频谱感知接口和数据结构

    在时域和空域,动态频谱共享是一个基本的系统构成模块。智能无线通信系统将估计或预测频谱可用性和信道容量,并自适应地对自身进行重新配置,以解决在干扰缓解的情况下,实现资源利用率*大程度。认知无线电是在该方向上的一种尝试,它充分利用了波形可编程硬件平台(即所谓的软件无线电)的优势。

    在系统概念层面,接口和数据结构具有重要意义。例如,我们采纳了如图1—1所示的IEEE1900.6视图,并定义了如下基本术语:

    1.传感器。传感器有时是独立,或者形成一个协作传感器的小型网络,通过这些传感器可以推断出可用频谱的相关信息。

    2.数据档案(DataArchive,DA)。传感器与数据档案进行通信,可以将数据档案看作是一种数据库,它可存储和提供频谱占用情况的感知信息。

    3.认知引擎(Cognitive.Engine,CE)。认知引擎是一种实体,它可利用包括意识、推理、方案选择和优化在内的认知能力,这些能力主要用于白适应无线电控制和频谱接人策略实现。这种认知引擎与人脑类似”。

    4.接口。传感器需要一种能够用来互相通信的接口,认知引擎(CE)和数据档案(DA)也是如此。有必要改变传感器、认知引擎(CE)和数据档案(DA)之间的信息,以传播频谱可用性,降低对主频谱使用者的干扰。

    5.分布式感知。在分布式场景中,认知引擎(CE)和数据档案(DA)必须通过接口与通信设备建立连接,因而需要对接口进行通用但准确的定义。

    6.IEEE1900.6。IEEE1900.6开发了接口和数据结构,它们支持各种实体之间的信息流。

    ……
    **章  引言

    1.1  愿景:“大数据”

    “大数据”是指那些规模超出典型数据库软件工具获取、存储、管理和分析能力之外的数据集。

    围绕实现某种控制目标,通信、感知和计算存在着融合趋势。尤其需要指出的是,云计算大有可为。传感器成本越来越低。网络规模越来越大。特别是受互联网协议驱动,智能电网(一种巨网络,规模远大于传统网络)正在变成一种“能源互联网”。

    对于诸多应用来说,通信正变得越来越像“骨干”。在未来的物联网中,感知是一种无缝的构成要素。尤其需要强调的是,“大数据”愿景需要以数据采集机制为支撑。计算将成为一种日常应用普通需求能负担得起的商品。

    经济正在向“数字经济”演进,这意味着工作与“软实力”的关系越来越密切。“软实力”并不一定意味着软件编程。相反,它意味着越来越多的工作职能将由智能系统来完成,该系统是由复杂的数学理论来驱动的。虽然工作职能变得越来越“软”,但是需求分析变得越来越迫切。因此,分析技巧这一容易被我们大多数人所忽略的事物,将成为典型研究生终身教育中*有用的工具。大多数情况下,如果我们的学生掌握了正确的数学方法,则他们就知道如何进行编程。这是问题的核心或困境。分析工具类似于我们的体育运动。除非我们专注于训练,否则我们不会成为很好的运动员。

    本书旨在重点关注认知无线电网络的基础知识,尤其是数学工具。我们主要涵盖了认知无线电网络的关键内容,但如果不努力学习,也是很难掌握的。

    1.2  认知无线电:系统概念

    在现代社会中,与房地产类似,无线电频谱是世界上*稀缺和*宝贵的资源之一。围绕这些稀缺资源的竞争是电信业的根本驱动力。

    从*一般的意义上说,认知无线电充分利用摩尔定律的优势,来实现半导体行业计算能力的*大程度化L2’。如果数字域中的信息是可访问的,则这种新颖无线电背后的驱动力是计算智能算法。机器学习和人工智能已经成为实现模拟机器人这一愿景的新兴前沿领域。在这一愿景中,将信息从模拟域转换到数字域发挥着核心作用:革命性压缩感知对于拓展这种新型系统的领域至关重要。根据算法执行的敏捷软件无线电是基本的构成模块。当某一节点在计算上堪称智能时,无线组网将面临一场新的革命。在系统级,诸如认知无线电、认知雷达和抗干扰性(甚至是电子战)等功能不存在本质区别,可以统一到涉及跨学科知识的单一框架中。应当将雷达和通信统一起来,因为它们都需要用到动态频谱接人(DynamicSpectrumAccess,DSA),这容易成为系统的瓶颈。频谱敏捷/认知无线电是无线通信中的一种新范式,也是上述通用无线电的一种特殊应用。

    认知无线电充分利用了波形可编程硬件平台(即所谓的软件无线电)的优势。信号处理和机器学习是整个无线电的核心,称为认知核(引擎)。究其本质,认知无线电是一种“数学密集型”无线电,它是基于策略的。可以通过认知引擎推出该策略。从某种意义上说,本书的重点围绕认知引擎的基础知识展开。这里,我们所说的无线电代表一种广义概念。无线电可用于通信网络或传感器网络。从这个意义上讲,所谓的认知雷达甚至也包含在内”’。我们可以将整本书看作是Haykin愿景的一种详细描述。与Haykin类似,我们的风格在本质上以数学为主。在编著本书时,与认知无线电有关的IEEE802.22已于2011年7月发布,可以将本书看作是诸如频谱感知(随机矩阵是统一的主题)、无线资源分配(以凸优化引擎为支撑)、博弈论(理解组网中无线节点的竞争与合作)等关键系统概念的数学证明。

    1.3  频谱感知接口和数据结构

    在时域和空域,动态频谱共享是一个基本的系统构成模块。智能无线通信系统将估计或预测频谱可用性和信道容量,并自适应地对自身进行重新配置,以解决在干扰缓解的情况下,实现资源利用率*大程度。认知无线电是在该方向上的一种尝试,它充分利用了波形可编程硬件平台(即所谓的软件无线电)的优势。

    在系统概念层面,接口和数据结构具有重要意义。例如,我们采纳了如图1—1所示的IEEE1900.6视图,并定义了如下基本术语:

    1.传感器。传感器有时是独立,或者形成一个协作传感器的小型网络,通过这些传感器可以推断出可用频谱的相关信息。

    2.数据档案(DataArchive,DA)。传感器与数据档案进行通信,可以将数据档案看作是一种数据库,它可存储和提供频谱占用情况的感知信息。

    3.认知引擎(Cognitive.Engine,CE)。认知引擎是一种实体,它可利用包括意识、推理、方案选择和优化在内的认知能力,这些能力主要用于白适应无线电控制和频谱接人策略实现。这种认知引擎与人脑类似”。

    4.接口。传感器需要一种能够用来互相通信的接口,认知引擎(CE)和数据档案(DA)也是如此。有必要改变传感器、认知引擎(CE)和数据档案(DA)之间的信息,以传播频谱可用性,降低对主频谱使用者的干扰。

    5.分布式感知。在分布式场景中,认知引擎(CE)和数据档案(DA)必须通过接口与通信设备建立连接,因而需要对接口进行通用但准确的定义。

    6.IEEE1900.6。IEEE1900.6开发了接口和数据结构,它们支持各种实体之间的信息流。

    ……

商品参数
基本信息
出版社 机械工业出版社
ISBN 9787111437413
条码 9787111437413
编者 (美)李虎生 等
译者 郎为民
出版年月 2013-11-01 00:00:00.0
开本 其他
装帧 平装
页数 381
字数 558000
版次 1
印次 1
纸张
商品评论

暂无商品评论信息 [发表商品评论]

商品咨询

暂无商品咨询信息 [发表商品咨询]