本书系统地介绍了电磁频谱数据挖掘理论与应用，主要介绍作者在电磁频谱数据挖掘领域已公开发表的系列研究工作，内容包括：稳健的时域频谱数据挖掘、异构的空时频谱数据挖掘、多维的主动频谱数据挖掘、非线性协同频谱数据挖掘、群智的地理频谱数据挖掘和图像化的频谱数据挖掘等。
更多科学出版社服务，请扫码获取。
目录
“天地一体频谱认知智能丛书”序
前言
主要符号说明
第1章 绪论 1
1.1 电磁频谱数据挖掘的由来 1
1.2 电磁频谱数据挖掘的价值 3
1.2.1 未来移动通信系统中的动态频谱共享 3
1.2.2 下一代短波通信系统中的频率优选 3
1.2.3 电磁频谱资源智能管理 4
1.2.4 Super WiFi频谱态势信息获取 4
1.2.5 频谱监控与频谱执法 5
1.3 本书的主要内容安排 5
第2章 电磁频谱数据挖掘基础 8
2.1 基本概念 8
2.2 常用的机器学习方法 10
2.2.1 面向频谱数据分析的机器学习方法 11
2.2.2 面向频谱数据利用的机器学习方法 12
2.3 国内外相关研究动态 13
2.3.1 频谱感知的研究动态与技术挑战 14
2.3.2 频谱预测的研究动态与技术挑战 16
2.3.3 频谱数据库的研究动态与技术挑战 18
第3章 稳健的时域频谱数据挖掘 22
3.1 系统模型 23
3.1.1 网络场景与信号模型 23
3.1.2 数据融合与性能度量 25
3.2 数学建模与性能分析 27
3.2.1 异常数据的统一建模 27
3.2.2 异常数据对感知性能的影响 30
3.3 稀疏矩阵统计学习算法设计 34
3.3.1 异常数据净化的稀疏矩阵表征 35
3.3.2 基于数据净化的稳健频谱感知 36
3.4 结果与分析 39
3.4.1 仿真参数设置 39
3.4.2 算法性能分析 40
3.5 本章小结 48
第4章 异构的空时频谱数据挖掘 49
4.1 系统模型 51
4.1.1 授权用户的频谱占用模型 51
4.1.2 认知用户的异构频谱模型 52
4.2 数学建模与性能分析 53
4.2.1 空时二维频谱机会建模 53
4.2.2 二维检测性能指标设计 55
4.2.3 新的指标体系下传统方案的性能分析 56
4.3 异构数据统计学习算法设计 61
4.3.1 异构空时频谱感知的数据融合思路 61
4.3.2 空时二维异构数据融合 62
4.4 分布式功率控制 64
4.4.1 基准对照方案 64
4.4.2 基于不完美感知的分布式功率控制算法 65
4.5 结果与分析 67
4.5.1 仿真参数设置 67
4.5.2 算法性能分析 67
4.6 空时虚警和检测概率推导 70
4.7 本章小结 71
第5章 多维的主动频谱数据挖掘 73
5.1 实测频谱数据的统计处理 74
5.1.1 实测频谱数据集描述 74
5.1.2 频谱数据统计预处理 75
5.2 实测频谱数据的特性分析 78
5.2.1 实测频谱数据的可预测性 78
5.2.2 实测频谱数据的时频相关性 82
5.3 联合多维频谱预测的数学建模 87
5.4 低秩矩阵统计学习算法设计 89
5.5 实验结果与分析 90
5.6 可预测性理论推导 90
5.7 本章小结 93
第6章 非线性协同频谱数据挖掘 95
6.1 系统模型 95
6.1.1 协同频谱感知场景一：授权用户网络检测 95
6.1.2 协同频谱感知场景二：频谱攻击用户检测 97
6.2 核学习理论基础 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 面向授权用户网络检测的统计核学习算法设计 100
6.3.1 最优似然比检测器 100
6.3.2 基于线性费希尔判别分析的协同频谱感知 101
6.3.3 基于核费希尔判别分析的协同频谱感知 102
6.4 面向频谱攻击用户检测的统计核学习算法设计 103
6.4.1 基于K均值聚类的协同频谱感知 104
6.4.2 基于核K均值聚类的协同频谱感知 105
6.5 结果与分析 107
6.5.1 授权用户网络检测的仿真参数设置 107
6.5.2 授权用户网络检测的算法性能分析 108
6.5.3 频谱攻击用户检测的仿真参数设置 109
6.5.4 频谱攻击用户检测的算法性能分析 109
6.6 开放性研究方向 110
6.6.1 面向稳健信号分类识别的核学习理论方法 111
6.6.2 面向在线频谱状态预测的核学习理论方法 111
6.7 本章小结 111
第7章 群智的地理频谱数据挖掘 112
7.1 系统模型 114
7.1.1 网络场景与信号模型 114
7.1.2 授权用户信号覆盖模型 116
7.1.3 群智设备信号干扰模型 117
7.2 数学建模与问题分析 118
7.2.1 异构网络共存问题建模 118
7.2.2 技术挑战分析 120
7.3 群智数据统计学习算法设计 120
7.3.1 移动群智感知驱动的地理频谱数据库 120
7.3.2 群智频谱大数据挖掘 122
7.4 仿真结果与分析 131
7.4.1 仿真参数设置 131
7.4.2 算法性能分析 132
7.5 矩阵缩放因子的定义 139
7.6 本章小结 140
第8章 图像化的频谱数据挖掘 141
8.1 面向频域关系网络的多频点间相似性分析 142
8.1.1 频谱演化的相似性指标 142
8.1.2 复杂网络理论概述 142
8.1.3 频域关系网络的建立 144
8.1.4 实验结果与分析 145
8.2 面向时频二维长期频谱预测的图像推理方法 149
8.2.1 系统模型和问题描述 150
8.2.2 长期频谱预测方法设计 152
8.2.3 实验与结果 158
8.3 相似性指标计算 163
8.4 HaLRTC算法介绍 165
8.5 本章小结 166
第9章 云化频联网 167
9.1 频谱共享新特征 167
9.2 频联网的概念 168
9.3 频联网的体系架构 169
9.4 面向云化频联网的频谱大数据挖掘 171
9.4.1 群智频谱感知 172
9.4.2 主动频谱推理 172
9.4.3 综合频谱数据库 172
9.5 本章小结 174
第10章 电磁频谱大数据挖掘展望 175
10.1 电磁频谱大数据概念 175
10.2 电磁频谱大数据的5V特性 177
10.2.1 频谱大数据的规模特性 177
10.2.2 频谱大数据的多样化特性 177
10.2.3 频谱大数据的高速特性 178
10.2.4 频谱大数据的真实特性 179
10.2.5 频谱大数据的价值特性 180
10.3 电磁频谱大数据挖掘的研究趋势 181
10.4 本章小结 183
参考文献 184
英文缩略语 200
索引 204
彩图
书单推荐
