电磁频谱数据挖掘丨天地一体频谱认知智能领域研究前沿

天地一体化网络是发达国家国民经济和国家安全的重大基础设施，具有战略性、基础性、带动性和不可替代性的重要意义。电磁频谱作为支持天地一体化网络的理想媒介，其资源稀缺问题日益突出，已经成为天地一体化网络发展的瓶颈。电磁频谱空间也是继陆、海、空、天、网之后的第六维作战空间，电磁频谱领域的研究关乎国家信息化发展战略和信息化战争优势的确立。

“天地一体频谱认知智能丛书”即围绕“一个核心、两个飞翼”展开天地一体频谱认知智能领域的研究。“一个核心”是以认知智能为核心，“两个飞翼”是指电磁频谱空间与天地一体化网络领域，认知智能与这两大领域相结合，将为我国天地一体化网络的自主创新和跨越式发展提供有力支持。

天地一体频谱认知示意图

《电磁频谱数据挖掘理论与应用》作为“天地一体频谱认知智能丛书”的开篇之作，针对电磁频谱领域面临的频谱资源日益紧缺、频谱秩序日趋严峻、频谱战对抗日渐激烈等重大挑战，紧紧围绕“电磁频谱数据日益丰富而知识十分贫乏”这一瓶颈问题，结合数据挖掘、机器学习、认知科学的理论方法与电磁频谱的时-空-频-能等多维属性特征，系统地介绍了电磁频谱数据挖掘理论及应用的代表性研究成果。

不同业务频段上任意两个频点质检的相关性分布

《电磁频谱数据挖掘理论与应用》一书注重理论联系实践，旨在为广大的科研工作者、工程技术人员在电磁频谱领域研究中提供参考，吸引更多的优秀专业人才加入电磁频谱领域的研究中来。

全书共分为10章。

第1章为绪论，主要介绍本书的研究背景、选题依据和研究工作。

第2章介绍电磁频谱数据挖掘的基础，依次从以下4个方面展开：电磁频谱数据挖掘的基本概念、电磁频谱数据挖掘的数据源、电磁频谱数据挖掘常用的理论方法以及电磁频谱数据挖掘的国内外研究动态。

第3章针对利用个人便携设备进行稳健的协同频谱感知这一主题，研究面向频谱数据净化的稀疏矩阵统计学习理论与方法。

4 章针对异构频谱环境下的空时频谱感知这一主题，研究面向二维异构频谱数据融合的统计学习理论与方法。

第5章从分析实测频谱状态演化数据内在的时频相关性及可预测性出发，研究面向多维频谱联合预测的低秩矩阵统计学习理论方法。

第6章针对现有线性协同频谱感知研究中存在的检测结果不准确这个技术挑战，研究面向频谱数据非线性统计处理的核学习理论方法。

第7章从分析频谱空间复用中阴影衰落的双刃剑效应出发，研究面向地理频谱数据库的群智频谱数据统计挖掘理论方法。

第8章从图像化的理念出发，介绍了两个频谱数据挖掘案例：面向频域关系网络的多频点间相似性分析和面向时频二维长期频谱预测的图像推理。

第9章阐述了未来无线网络中频谱共享的新特征，提出了频联网的概念和基于云架构的频联网，并介绍了频联网的关键使能技术之一：无线频谱大数据挖掘。

第10 章提出电磁频谱大数据的概念，分析了电磁频谱大数据的5V特性，介绍了面向电磁频谱大数据的机器学习方法，畅想了电磁频谱大数据挖掘的应用前景。

作者简介

吴启晖

南京航空航天大学特聘教授，博士生导师，教育部长江学者特聘教授，国家百千万人才工程入选者，国家有突出贡献中青年专家，国务院政府特殊津贴获得者，IET Fellow；工信部通信科技委委员、工信部电磁频谱空间认知动态系统重点实验室主任、中国通信学会云计算与大数据专业委员会副主任；发表高水平学术论文100余篇，IEEE期刊论文70余篇，ESI高被引论文7篇，获IEEE信号处理协会最佳青年作者论文奖、IEEE车载技术协会旗舰会议VTC2014-Fall最佳论文奖和IEEE WCSP2009最佳论文奖；获日内瓦国际发明展金奖1项、授权美国发明专利2项、国家或国防发明专利24项，提交并被采纳国际标准提案5项；获国家科技进步奖二等奖1项、省部级科技进步一等奖3项、二等奖2项、三等奖7项，有多项成果被应用于国防工程。主要围绕认知信息论、电磁空间频谱智能管控、天地一体化信息网络、无人机频谱认知展开研究，具体研究方向包括：认知无线电、大规模阵列信号处理、大数据分析、博弈理论方法、凸优化理论方法、机器学习(博弈学习、深度学习、强化学习、在线学习、统计学习、迁移学习)、认知抗干扰协议、认知波束通信、无人机认知通信、认知雷达通信一体等方向。

丁国如

副教授，博士生导师。2008年本科毕业于西安电子科技大学，2014年博士毕业于原中国人民解放军理工大学，2015~2018年在东南大学移动通信国家重点实验室从事博士后研究工作。2016年先后获江苏省和全国信息通信领域优秀博士学位论文奖，2017年入选德国“洪堡学者”和中国科协“青年人才托举工程”，2018年获第八届吴文俊人工智能优秀青年奖，2019年获江苏省杰出青年基金资助，同年荣获第十四届IEEE通信学会亚太地区杰出青年学者奖。主持国家自然科学基金、中国博士后基金等项目，获国家科技进步奖一等奖1项、江苏省科学技术奖二等奖1项。曾受邀担任IEEE Journal on SelectedAreas in Communications 客座编委，Journal of Communications and Information Networks编委， 目前担任IEEE Transactions onCognitive Communications and Networking、China Communications和《数据采集与处理》等国内外期刊编委。

本文摘编自《电磁频谱数据挖掘理论与应用》（吴启晖, 丁国如, 孙佳琛 著，北京：科学出版社, 2020.6） 一书，标题为编者所加。

电磁频谱数据挖掘理论与应用

（天地一体频谱认知智能丛书）

ISBN 978-7-03-065368-0

责任编辑: 惠 雪 曾佳佳

《电磁频谱数据挖掘理论与应用》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。本书可供信息与通信工程、计算机科学与技术、数据挖掘、人工智能等领域的科研人员和工程技术人员使用，也可作为高等学校相关专业本科生、研究生的教材或教学参考书。

向上滑动阅览

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

（本文编辑：王芳）

一起阅读科学!

科学出版社│微信ID：sciencepress-cspm

专业品质 学术价值

原创好读 科学品味