基于頻譜數據分析的電磁行為識別和網絡結構挖掘

第1章緒論
1．1電磁頻譜空間的戰(zhàn)略
意義
1．1．1軍事領域的重要
意義
1．1．2民用領域的重要
意義
1．1．3電磁空間主權的
激烈爭奪
1．2電磁頻譜數據分析的重要
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
途徑
參考文獻
第2章電磁頻譜數據分析技術基礎
與研究現狀
2．1研究現狀簡介
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網絡結構分析
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本書相關技術基礎
2．2．1頻譜感知技術
2．2．2聚類算法簡介
2．2．3定位技術
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章基于頻譜數據分析的通聯(lián)
行為識別
3．1引言
3．1．1概述
3．1．2本章主要內容
3．2理想頻譜數據條件下的
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)
關系識別方法
3．2．4實驗結果及分析
3．2．5小結
3．3頻譜數據缺失條件下的通
聯(lián)行為識別
3．3．1問題引入
3．3．2數據分析與處理
3．3．3基于頻譜數據聚類分析
的通聯(lián)行為識別
3．3．4實驗結果及分析
3．3．5小結
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數據分析與處理
3．4．3基于頻譜數據特征
分析的通聯(lián)行為
識別
3．4．4仿真結果和討論
3．4．5小結
3．5開放性討論
3．6相關算法代碼
3．6．1實驗監(jiān)測數據部分
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本章主要內容
4．2電磁輻射源無源定位技術
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
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
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
數據的遺傳算法
定位
4．3．6仿真結果與分析
4．3．7小結
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
4．4．4基于相關指紋的定
位計算
4．4．5實驗結果及分析
4．4．6小結
4．5頻譜監(jiān)測數據缺失條件下的
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實驗結果及分析
4．6基于缺失數據補全的被動
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
關性分析
4．6．4基于數據補全的被
動定位方法
4．6．5仿真分析
4．6．6小結
4．7基于異常數據濾除的被動
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
數據建模
4．7．4基于數據濾除的穩(wěn)
健定位方法
4．7．5仿真分析
4．7．6小結
4．7．7本節(jié)附錄
4．8開放性討論
4.9相關算法代碼
4.9.1稀疏數據定位部分
代碼
4.9.2異常數據濾除定位
部分代碼
參考文獻
第5章基于頻譜數據分析的網絡拓
撲挖掘
5．1引言
5．2基于頻譜信號統(tǒng)計規(guī)律的網
絡拓撲挖掘
5．2．1問題分析
5．2．2模型建立
5．2．3網絡通聯(lián)拓撲
挖掘
5．2．4實驗結果及分析
5．2．5小結
5．3基于頻譜數據聚類分析的網
絡拓撲挖掘
5．3．1問題分析
5．3．2通信網絡拓撲結構
挖掘算法
5．3．3通信網絡拓撲結構
分析
5．3．4實驗結果及分析
5．3．5小結
5．4開放性討論
參考文獻
第6章非理想環(huán)境下的網絡拓撲
挖掘
6．1引言
6．2復雜地形條件下的網絡拓撲
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)
關系發(fā)現
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實驗結果及分析
6．2．6小結
6．3電磁輻射源動態(tài)移動條件下的
網絡拓撲挖掘
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實驗結果及分析
6．3．5小結
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算法設計
7．2．4神經網絡模型
設計
7．2．5實驗結果及分析
7．2．6小結
7．3基于VGG網絡的時間序列
分類與識別
7．3．1概述
7．3．2模型建立
7．3．3算法設計
7．3．4神經網絡模型
設計
7．3．5實驗結果及分析
7．3．6小結
7．4開放性討論
7.5相關算法代碼
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網絡模型
壓縮優(yōu)化
8．2．1卷積核的優(yōu)化
設計
8．2．2批歸一化算法
8．2．3全局平均池化優(yōu)化
設計
8．2．4Inception結構網絡
具體實現
8．2．5殘差結構網絡的具
體實現
8．3基于知識蒸餾方法的模型訓練
算法
8．3．1Teacherstudent模型
設計
8．3．2知識蒸餾訓練方法
實現
8．4實驗結果及分析
8．4．1仿真設置
8．4．2網絡模型參數數量
對比分析
8．4．3教師網絡實驗對比
分析
8．4．4知識蒸餾訓練方法
對比分析
8．5本章小結
8．6開放性討論
參考文獻