第1章 绪论
1.1 研究背景及意义
1.2 认知网络的发展现状
1.2.1 美国联邦通信委员会(FCC)
1.2.2 IEEE工作组
1.2.3 美国国防部先进研究项目局(DARPA)
1.2.4 欧盟框架计划FP6和FP7
1.2.5 Nautilus项目
1.3 频谱感知的发展现状
1.3.1 存在问题
1.3.2 解决方法和技术
1.4 本书的主要工作及内容安排
第2章 认知网络频谱感知技术基础
2.1 认知网络技术
2.1.1 认知网络的概念及特点
2.1.2 认知网络架构
2.1.3 认知网络关键技术
2.2 频谱感知关键技术
2.2.1 本地频谱检测算法
2.2.2 主用户接收端检测
2.2.3 协作频谱感知
2.2.4 基于机器学习的频谱感知算法
2.2.5 主用户信号类型识别算法
2.3 本章小结
第3章 低信噪比环境下基于循环谱的频谱感知算法
3.1 引言
3.2 循环谱分析
3.3 随机森林
3.4 系统模型
3.5 基于循环谱分析与随机森林的频谱感知算法
3.5.1 循环谱特征参数提取
3.5.2 随机森林的构建
3.5.3 算法描述与实现
3.5.4 仿真实验与结果分析
3.6 基于循环谱分析与随机森林的主用户信号类型识别算法
3.6.1 算法描述与实现
3.6.2 仿真实验与结果分析
3.7 本章小结
第4章 复杂低信噪比环境下基于主成分分析的频谱感知算法
4.1 引言
4.2 主成分分析
4.3 系统描述
4.4 基于主成分分析与随机森林的频谱感知算法
4.4.1 算法描述与实现
4.4.2 仿真实验与结果分析
4.5 基于主成分分析与随机森林的主用户信号类型识别算法
4.6 本章小结
第5章 复杂低信噪比环境下基于流形学习的频谱感知算法
5.1 引言
5.2 流形学习
5.3 系统描述
5.4 基于局部线性嵌人与随机森林的频谱感知算法
5.4.1 算法描述与实现
5.4.2 仿真实验与结果分析
5.5 基于局部线性嵌入与随机森林的主用户信号类型识别算法
5.5.1 算法描述与实现
5.5.2 仿真实验与结果分析
5.6 本章小结
5.6.1 基于局部线性嵌入与随机森林算法的检测率
5.6.2 基于局部线性嵌入与随机森林算法的虚警率
5.6.3 LLE-RF算法检测率与不同的样本邻近点个数间的关系
5.6.4 LLE-RF算法检测率与各输出低维嵌入向量维数间的关系
第6章 结论
参考文献