認知無線電通信與組網：原理與應用（簡體書）

第1章　引言 1
1.1 愿景：“大數據” 1
1.2 認知無線電：系統概念 1
1.3 頻譜感知接口和數據結構 2
1.4 數學工具 3
1.4.1 凸優化 3
1.4.2 博弈論 4
1.4.3 將“大數據”建模為高維隨機矩陣 5
1.5 樣本協方差矩陣 7
1.6 尖峰總體模型的高維樣本協方差矩陣 9
1.7 隨機矩陣和非交換隨機變量 9
1.8 主成分分析 10
1.9 廣義似然比檢驗（GLRT） 10
1.10 針對矩陣最佳逼近的布雷格曼發散 10
第2章　頻譜感知：基礎技術 12
2.1 挑戰 12
2.2 能量檢測：不存在確定或隨機信號的先驗信息 12
2.2.1 白噪聲檢測：低通情況 12
2.2.2 決策統計的時域表示 15
2.2.3 決策統計的譜表示 15
2.2.4 AWGN信道上的檢測和虛警概率 16
2.2.5 具備不相關系數的正交序列中隨機過程的擴展形式：Karhunen-Loeve擴展 17
2.3 使用二階統計量的頻譜感知 19
2.3.1 信號檢測描述 19
2.3.2 廣義穩態隨機過程：連續時間 19
2.3.3 非平穩隨機過程：連續時間 20
2.3.4 針對WSS隨機信號的、基于譜相關的頻譜感知：啟發式方法 24
2.3.5 離散時間WSS隨機信號的似然比檢驗 27
2.3.6 頻譜相關性和似然比檢驗之間的漸近等價關系 29
2.3.7 噪聲中連續時間隨機信號的似然比檢驗：塞林提出的方法 30
2.4 統計模式識別：通過機器學習利用信號的先驗信息 33
2.4.1 連續時間隨機信號的Karhunen-Loeve分解 33
2.5 特征模板匹配 36
2.6 循環平穩檢測 41
第3章 經典檢測 44
3.1 量子信息描述 44
3.2 協同感知的假設檢驗 44
3.3 樣本協方差矩陣 48
3.3.1 數據矩陣 48
3.4 具有獨立行的隨機矩陣 55
3.5 多元正態分布 60
3.6 樣本協方差矩陣估計與矩陣壓縮感知 69
3.6.1 最大似然估計 73
3.6.2 多重采樣假設的似然比檢驗（維爾克斯檢驗） 75
3.7 似然比檢驗 77
3.7.1 廣義高斯檢測和估計器-相關器結構 77
3.7.2 采用重復觀測進行檢驗 83
3.7.3 采用樣本協方差矩陣進行檢測 86
3.7.4 多隨機向量的廣義似然比檢驗（GLRT） 87
3.7.5 線性判別函數 89
3.7.6 復隨機向量的相關結構檢測 90
第4章　非交換隨機矩陣的假設檢驗 93
4.1 為什么采用非交換隨機矩陣？ 93
4.2 協方差矩陣的偏序： 93
4.3 完全正映射的偏序： 95
4.4 利用優化的矩陣偏序關系： 97
4.5 酉不變范數的偏序： 100
4.6 多副本正定矩陣的偏序： 101
4.7 正算子值隨機變量的偏序： 101
4.8 使用隨機序的偏序： 106
4.9 量子假設檢測 106
4.10 多副本量子假設檢驗 109
第5章　大維隨機矩陣 110
5.1 大維隨機矩陣：矩量法、斯蒂爾切斯變換和自由概率 110
5.2 使用大維隨機矩陣的頻譜感知 112
5.2.1 系統模型 112
5.2.2 馬爾琴科-帕斯圖爾定律 114
5.3 矩量法 119
5.3.1 譜分布極限 120
5.3.2 極特征值極限 123
5.3.3 譜分布的收斂速度 125
5.3.4 標準向量輸入向量輸出模型 126
5.3.5 廣義密度 127
5.4 斯蒂爾切斯變換 128
5.4.1 基本定理 132
5.4.2 大維隨機漢克爾、馬爾可夫和托普利茲矩陣 139
5.4.3 隨機矩陣的信息加噪聲模型 141
5.4.4 使用大維隨機矩陣的廣義似然比檢驗 147
5.4.5 白噪聲中的大維信號檢測 154
5.4.6 的特征值及其應用 159
5.4.7 典型相關分析 161
5.4.8 子空間之間的角度和距離 163
5.4.9 多元線性模型 163
5.4.10 協方差矩陣的相等性 164
5.4.11 多元判別分析 164
5.5 案例研究與應用 165
5.5.1 使用大維隨機矩陣的基本實例 165
5.5.2 斯蒂爾切斯變換 167
5.5.3 自由解卷積 168
5.5.4 MIMO系統的最優預編碼 169
5.5.5 馬爾琴科和帕斯圖爾概率分布 169
5.5.6 極特征值的收斂性與波動 170
5.5.7 信息加噪聲模型和尖峰模型 171
5.5.8 假設檢驗和頻譜感知 173
5.5.9 無線網絡中的能量估計 175
5.5.10 多源功率推理 177
5.5.11 目標檢測、定位與重構 178
5.5.12 智能電網中的狀態估計和惡意攻擊者 181
5.5.13 協方差矩陣估計 183
5.5.14 確定性等價式 187
5.5.15 局部故障檢測與診斷 190
5.6 大維協方差矩陣的正則估計 190
5.6.1 協方差正則估計 191
5.6.2 聯合逆矩陣 193
5.6.3 通過閾值選取實現協方差正則化 194
5.6.4 正則樣本協方差矩陣 196
5.6.5 協方差矩陣估計的最佳收斂速率 198
5.6.6 聯合平穩過程的樣本自協方差矩陣 201
5.7 自由概率 203
5.7.1 大維隨機矩陣和自由卷積 208
5.7.2 范德蒙矩陣 210
5.7.3 采用范德蒙矩陣的卷積和解卷積 218
5.7.4 有限維統計推斷 220
第6章　凸優化 223
6.1 線性規劃 225
6.2 二次規劃 225
6.3 半定規劃 227
6.4 幾何規劃 227
6.5 拉格朗日對偶性 229
6.6 優化算法 230
6.6.1 內點法 230
6.6.2 隨機算法 230
6.7 魯棒優化 231
6.8 多目標優化 234
6.9 無線資源管理優化 235
6.10 實例與應用 235
6.10.1 多輸入多輸出超寬帶通信系統的頻譜效率 235
6.10.2 采用非相干接收機的單輸入單輸出通信系統的寬帶波形設計 240
6.10.3 多輸入單輸出認知無線電的寬帶波形設計 247
6.10.4 寬帶波束形成設計 254
6.10.5 用于認知無線電網絡優化分解的分層 258
6.11 小結 264
第7章　機器學習 265
7.1 無監督學習 268
7.1.1 基于質心的聚類 268
7.1.2 k-最近鄰居算法 269
7.1.3 主成分分析 269
7.1.4 獨立成分分析 270
7.1.5 非負矩陣分解 271
7.1.6 自組織映射 272
7.2 監督學習 272
7.2.1 線性回歸 272
7.2.2 Logistic回歸 273
7.2.3 人工神經網絡 273
7.2.4 決策樹學習 274
7.2.5 樸素貝葉斯分類器 274
7.2.6 支持向量機 274
7.3 半監督學習 277
7.3.1 約束聚類 277
7.3.2 聯合訓練 278
7.3.3 基于圖形的方法 278
7.4 直推式學習 278
7.5 遷移學習 278
7.6 主動學習 278
7.7 強化學習 279
7.7.1 Q-學習 279
7.7.2 馬爾可夫決策過程 279
7.7.3 部分可觀測MDP 281
7.8 基于核的學習 282
7.9 降維 283
7.9.1 核主成分分析 283
7.9.2 多維標度 286
7.9.3 ISOMAP算法 287
7.9.4 局部線性嵌入 287
7.9.5 拉普拉斯特征映射 287
7.9.6 半定嵌入 287
7.10 集合學習 290
7.11 馬爾可夫鏈蒙特卡羅 290
7.12 濾波技術 292
7.12.1 卡爾曼濾波 292
7.12.2 粒子濾波 295
7.12.3 協同濾波 297
7.13 貝葉斯網絡 297
7.14 小結 298
第8章　敏捷傳輸技術（I）：多輸入多輸出 299
8.1 MIMO的優點 299
8.1.1 陣列增益 299
8.1.2 分集增益 299
8.1.3 復用增益 299
8.2 空時編碼 300
8.2.1 空時分組編碼 300
8.2.2 空時網格編碼 301
8.2.3 分層空時編碼 302
8.3 多用戶MIMO 302
8.3.1 空分多址接入 302
8.3.2 MIMO廣播信道 303
8.3.3 MIMO多址信道 305
8.3.4 MIMO干擾信道 305
8.4 MIMO網絡 308
8.5 MIMO認知無線電網絡 309
8.6 小結 310
第9章　敏捷傳輸技術（II）：正交頻分復用 311
9.1 OFDM實現 311
9.2 同步 313
9.3 信道估計 314
9.4 峰值功率問題 315
9.5 自適應傳輸 316
9.6 頻譜成形 317
9.7 正交頻分多址接入 317
9.8 MIMO OFDM 319
9.9 OFDM認知無線電網絡 319
9.10 小結 320
第10章　博弈論 321
10.1 博弈的基本概念 321
10.1.1 博弈元素 321
10.1.2 納什均衡：定義與存在 322
10.1.3 納什均衡：計算 323
10.1.4 納什均衡：零和博弈 324
10.1.5 納什均衡：貝葉斯情形 324
10.1.6 納什均衡：隨機博弈 325
10.2 主用戶模擬攻擊博弈 328
10.2.1 PUE攻擊 328
10.2.2 兩個玩家的情形：戰略式博弈 329
10.2.3 隊列動態特性中的博弈：隨機博弈 332
10.3 信道同步中的博弈 336
10.3.1 博弈背景 336
10.3.2 系統模型 337
10.3.3 博弈描述 338
10.3.4 貝葉斯均衡 338
10.3.5 數值結果 339
10.4 協同頻譜感知中的博弈 340
10.4.1 虛報攻擊 341
10.4.2 博弈描述 341
10.4.3 博弈元素 341
10.4.4 貝葉斯均衡 343
10.4.5 數值結果 346
第11章　認知無線電網絡 348
11.1 網絡基本概念 348
11.1.1 網絡架構 348
11.1.2 網絡層 349
11.1.3 跨層設計 350
11.1.4 認知無線電網絡面臨的主要挑戰 350
11.1.5 復雜網絡 351
11.2 MAC層的信道分配 351
11.2.1 問題描述 351
11.2.2 調度算法 352
11.2.3 解決方案 354
11.2.4 討論 355
11.3 MAC層中的調度問題 355
11.3.1 網絡模型 355
11.3.2 調度目標 357
11.3.3 調度算法 358
11.3.4 CNC算法性能 359
11.3.5 分布式調度算法 360
11.4 網絡層中的路由問題 360
11.4.1 認知無線電中路由面臨的挑戰 360
11.4.2 靜態路由 361
11.4.3 動態路由 365
11.5 傳輸層中的擁塞控制 367
11.5.1 互聯網中的擁塞控制 367
11.5.2 認知無線電中擁塞控制面臨的挑戰 367
11.5.3 TP-CRAHN 368
11.5.4 早期啟動方案 371
11.6 認知無線電中的復雜網絡 378
11.6.1 復雜網絡簡介 378
11.6.2 認知無線電網絡的連通性 381
11.6.3 認知無線電網絡中的行為傳播 383
第12章　認知無線電傳感器網絡 386
12.1 采用機器學習的入侵檢測 387
12.2 聯合頻譜感知和定位 387
12.3 分布式方位合成孔徑雷達 387
12.4 無線層析成像 390
12.5 移動群體傳感 390
12.6 3S集成 391
12.7 信息物理系統 391
12.8 計算 392
12.8.1 圖形處理器單元 392
12.8.2 任務分配和負載均衡 393
12.9 安全和隱私 393
12.10 小結 394
附錄A　矩陣分析 395
A.1向量空間和希爾伯特空間 395
A.2變換 399
A.3跡 400
A.4 C*代數基礎 401
A.5非交換矩陣值隨機變量 401
A.6距離和投影 406
A.6.1矩陣不等式 412
A.6.2半正定矩陣的偏序 415
A.6.3 厄米特矩陣的偏序 416
附錄B　英文縮略語 420