基于頻譜數(shù)據(jù)分析的電磁行為識別和網(wǎng)絡結(jié)構(gòu)挖掘

第1章緒論
1．1電磁頻譜空間的戰(zhàn)略
意義
1．1．1軍事領(lǐng)域的重要
意義
1．1．2民用領(lǐng)域的重要
意義
1．1．3電磁空間主權(quán)的
激烈爭奪
1．2電磁頻譜數(shù)據(jù)分析的重要
作用
1．2．1電磁頻譜資源的管理
地位日益凸顯
1．2．2電磁頻譜空間的安全
問題日益突出
1．2．3電磁頻譜空間的態(tài)勢
獲取日益重要
1．3電磁行為分析的應用需求
日益迫切
1．3．1軍事領(lǐng)域的需要
1．3．2反恐維穩(wěn)的需要
1．3．3維護電磁秩序的
需要
1．4基于非內(nèi)容獲取的電磁行為
分析
1．4．1電磁行為分析面臨
的挑戰(zhàn)
1．4．2電磁行為分析的新
思路
1．4．3本書研究的技術(shù)
途徑
參考文獻
第2章電磁頻譜數(shù)據(jù)分析技術(shù)基礎(chǔ)
與研究現(xiàn)狀
2．1研究現(xiàn)狀簡介
2．1．1電磁頻譜感知
研究
2．1．2電磁信號監(jiān)測
處理研究
2．1．3電磁輻射源定
位研究
2．1．4網(wǎng)絡結(jié)構(gòu)分析
研究
2．1．5電磁通聯(lián)行為
分析研究
2．1．6頻譜分析中的
機器學習
2．2本書相關(guān)技術(shù)基礎(chǔ)
2．2．1頻譜感知技術(shù)
2．2．2聚類算法簡介
2．2．3定位技術(shù)
2．2．4基于搜索的優(yōu)化
算法簡介
2．2．5深度學習簡介
參考文獻
第3章基于頻譜數(shù)據(jù)分析的通聯(lián)
行為識別
3．1引言
3．1．1概述
3．1．2本章主要內(nèi)容
3．2理想頻譜數(shù)據(jù)條件下的
通聯(lián)行為識別
 
 
3．2．1問題引入
3．2．2模型建立
3．2．3基于規(guī)則的通聯(lián)
關(guān)系識別方法
3．2．4實驗結(jié)果及分析
3．2．5小結(jié)
3．3頻譜數(shù)據(jù)缺失條件下的通
聯(lián)行為識別
3．3．1問題引入
3．3．2數(shù)據(jù)分析與處理
3．3．3基于頻譜數(shù)據(jù)聚類分析
的通聯(lián)行為識別
3．3．4實驗結(jié)果及分析
3．3．5小結(jié)
3．4基于頻譜特征信息提取的
通聯(lián)行為識別
3．4．1問題引入
3．4．2數(shù)據(jù)分析與處理
3．4．3基于頻譜數(shù)據(jù)特征
分析的通聯(lián)行為
識別
3．4．4仿真結(jié)果和討論
3．4．5小結(jié)
3．5開放性討論
3．6相關(guān)算法代碼
3．6．1實驗監(jiān)測數(shù)據(jù)部分
代碼
3.6.2密度聚類算法部分
代碼
參考文獻
第4章基于分布式頻譜監(jiān)測的電磁
輻射源無源定位
4．1引言
4．1．1概述
4．1．2本章主要內(nèi)容
4．2電磁輻射源無源定位技術(shù)
分析
4．2．1基本原理
4．2．2基于優(yōu)化理論的時
差定位所面臨的
挑戰(zhàn)
4．2．3機器學習輔助的機遇
與挑戰(zhàn)
4．2．4小結(jié)
4．3基于接收信號強度的電磁輻
射源定位
4．3．1簡述
4．3．2無線電波傳播
基礎(chǔ)
4．3．3接收信號強度的干擾
處理
4．3．4接收信號強度的差分
處理
4．3．5基于分布式頻譜監(jiān)測
數(shù)據(jù)的遺傳算法
定位
4．3．6仿真結(jié)果與分析
4．3．7小結(jié)
4．4基于頻譜指紋的電磁輻射源
定位
4．4．1問題引入
4．4．2模型建立
4．4．3頻譜指紋被動定位
架構(gòu)
4．4．4基于相關(guān)指紋的定
位計算
4．4．5實驗結(jié)果及分析
4．4．6小結(jié)
4．5頻譜監(jiān)測數(shù)據(jù)缺失條件下的
輻射源定位
4．5．1問題引入
4．5．2模型建立
4．5．3稀疏貝葉斯模型
4．5．4基于稀疏貝葉斯的
指紋定位方法
4．5．5實驗結(jié)果及分析
4．6基于缺失數(shù)據(jù)補全的被動
定位方法
4．6．1問題引入
4．6．2模型建立
4．6．3信號強度的空間相
關(guān)性分析
4．6．4基于數(shù)據(jù)補全的被
動定位方法
4．6．5仿真分析
4．6．6小結(jié)
4．7基于異常數(shù)據(jù)濾除的被動
定位方法
4．7．1問題引入
4．7．2模型建立
4．7．3定位問題中的異常
數(shù)據(jù)建模
4．7．4基于數(shù)據(jù)濾除的穩(wěn)
健定位方法
4．7．5仿真分析
4．7．6小結(jié)
4．7．7本節(jié)附錄
4．8開放性討論
4.9相關(guān)算法代碼
4.9.1稀疏數(shù)據(jù)定位部分
代碼
4.9.2異常數(shù)據(jù)濾除定位
部分代碼
參考文獻
第5章基于頻譜數(shù)據(jù)分析的網(wǎng)絡拓
撲挖掘
5．1引言
5．2基于頻譜信號統(tǒng)計規(guī)律的網(wǎng)
絡拓撲挖掘
5．2．1問題分析
5．2．2模型建立
5．2．3網(wǎng)絡通聯(lián)拓撲
挖掘
5．2．4實驗結(jié)果及分析
5．2．5小結(jié)
5．3基于頻譜數(shù)據(jù)聚類分析的網(wǎng)
絡拓撲挖掘
5．3．1問題分析
5．3．2通信網(wǎng)絡拓撲結(jié)構(gòu)
挖掘算法
5．3．3通信網(wǎng)絡拓撲結(jié)構(gòu)
分析
5．3．4實驗結(jié)果及分析
5．3．5小結(jié)
5．4開放性討論
參考文獻
第6章非理想環(huán)境下的網(wǎng)絡拓撲
挖掘
6．1引言
6．2復雜地形條件下的網(wǎng)絡拓撲
挖掘
6．2．1問題分析
6．2．2模型建立
6．2．3非理想環(huán)境下的通聯(lián)
關(guān)系發(fā)現(xiàn)
6．2．4非理想環(huán)境下電磁
信號源定位問題的
優(yōu)化求解
6．2．5實驗結(jié)果及分析
6．2．6小結(jié)
6．3電磁輻射源動態(tài)移動條件下的
網(wǎng)絡拓撲挖掘
6．3．1問題分析
6．3．2模型建立
6．3．3動態(tài)通聯(lián)拓撲和軌跡
形成
6．3．4實驗結(jié)果及分析
6．3．5小結(jié)
6．4開放性討論
參考文獻
第7章基于時間特征的深度學習電磁
通聯(lián)行為識別
7．1引言
7．2基于CNN網(wǎng)絡的時間特征
分類與識別
7．2．1概述
7．2．2模型建立
7．2．3算法設(shè)計
7．2．4神經(jīng)網(wǎng)絡模型
設(shè)計
7．2．5實驗結(jié)果及分析
7．2．6小結(jié)
7．3基于VGG網(wǎng)絡的時間序列
分類與識別
7．3．1概述
7．3．2模型建立
7．3．3算法設(shè)計
7．3．4神經(jīng)網(wǎng)絡模型
設(shè)計
7．3．5實驗結(jié)果及分析
7．3．6小結(jié)
7．4開放性討論
7.5相關(guān)算法代碼
7.5.1時間分類識別
部分代碼
7.5.2VGG識別部分
代碼
參考文獻
第8章基于模型壓縮快速學習的
電磁通聯(lián)行為識別
8．1引言
8．2面向快速學習的神經(jīng)網(wǎng)絡模型
壓縮優(yōu)化
8．2．1卷積核的優(yōu)化
設(shè)計
8．2．2批歸一化算法
8．2．3全局平均池化優(yōu)化
設(shè)計
8．2．4Inception結(jié)構(gòu)網(wǎng)絡
具體實現(xiàn)
8．2．5殘差結(jié)構(gòu)網(wǎng)絡的具
體實現(xiàn)
8．3基于知識蒸餾方法的模型訓練
算法
8．3．1Teacherstudent模型
設(shè)計
8．3．2知識蒸餾訓練方法
實現(xiàn)
8．4實驗結(jié)果及分析
8．4．1仿真設(shè)置
8．4．2網(wǎng)絡模型參數(shù)數(shù)量
對比分析
8．4．3教師網(wǎng)絡實驗對比
分析
8．4．4知識蒸餾訓練方法
對比分析
8．5本章小結(jié)
8．6開放性討論
參考文獻