本書在介紹機(jī)器學(xué)習(xí)和通信輻射源個(gè)體識(shí)別的基本概念與研究現(xiàn)狀的基礎(chǔ)上,用機(jī)器學(xué)習(xí)領(lǐng)域最新的理論成果去解決通信輻射源個(gè)體識(shí)別存在的具體問題,系統(tǒng)闡述了流形學(xué)習(xí)、稀疏表示、深度學(xué)習(xí)、淺層學(xué)習(xí)等機(jī)器學(xué)習(xí)方法在通信輻射源個(gè)體識(shí)別中應(yīng)用的最新研究成果。
第1章 緒論
1.1 引言
1.2 通信輻射源個(gè)體識(shí)別概述
1.2.1 通信輻射源“指紋
1.2.2 通信輻射源個(gè)體識(shí)別及其地位
1.3 基于機(jī)器學(xué)習(xí)的通信輻射源個(gè)體識(shí)別
1.4 國內(nèi)外研究現(xiàn)狀
1.4.1 特征提取
1.4.2 分類器設(shè)計(jì)
1.4.3 深度學(xué)習(xí)理論在通信輻射源個(gè)體識(shí)別中的應(yīng)用現(xiàn)狀
1.5 通信輻射源個(gè)體識(shí)別面臨的挑戰(zhàn)
1.6 專用數(shù)據(jù)集
1.6.1 kenwood數(shù)據(jù)集
1.6.2 krisun數(shù)據(jù)集
1.6.3 USW數(shù)據(jù)集
1.6.4 SW數(shù)據(jù)集
第2章 通信輻射源個(gè)體識(shí)別基礎(chǔ)
2.1 引言
2.2 通信輻射源個(gè)體指紋特征產(chǎn)生機(jī)理分析
2.2.1 通信輻射源個(gè)體指紋特征概述
2.2.2 通信輻射源個(gè)體指紋特征產(chǎn)生機(jī)理
2.2.3 傳輸信道對(duì)個(gè)體指紋特征的影響分析
2.3 通信輻射源個(gè)體識(shí)別處理過程
2.3.1 信號(hào)截獲與參數(shù)測(cè)量
2.3.2 信號(hào)分選
2.3.3 個(gè)體指紋特征提取
2.3.4 個(gè)體分類識(shí)別
2.4 通信輻射源個(gè)體識(shí)別方法分類
2.4.1 基于非機(jī)器學(xué)習(xí)體制個(gè)體識(shí)別方法
2.4.2 基于機(jī)器學(xué)習(xí)體制個(gè)體識(shí)別方法
第3章 機(jī)器學(xué)習(xí)理論基礎(chǔ)
3.1 引言
3.2 機(jī)器學(xué)習(xí)的定義
3.3 機(jī)器學(xué)習(xí)的方法
3.3.1 監(jiān)督學(xué)習(xí)方法
3.3.2 無監(jiān)督學(xué)習(xí)方法
3.3.3 半監(jiān)督學(xué)習(xí)方法
3.4 機(jī)器學(xué)習(xí)理論與應(yīng)用研究
3.4.1 機(jī)器學(xué)習(xí)理論研究
3.4.2 機(jī)器學(xué)習(xí)的分類
3.4.3 機(jī)器學(xué)習(xí)在輻射源個(gè)體識(shí)別中的應(yīng)用
3.5 機(jī)器學(xué)習(xí)理論發(fā)展趨勢(shì)
第4章 基于流形學(xué)習(xí)的通信輻射源個(gè)體識(shí)別
4.1 引言
4.2 流形學(xué)習(xí)
4.3 流形學(xué)習(xí)的典型算法
4.3.1 ISOMAP
4.3.2 LE
4.3.3 LLE
4.3.4 流形學(xué)習(xí)算法比較
4.4 基于流形學(xué)習(xí)的通信輻射源個(gè)體識(shí)別可行性分析
4.5 基于正交局部樣條判別嵌入的通信輻射源個(gè)體細(xì)微特征提取
4.5.1 局部樣條嵌入
4.5.2 正交局部樣條判別嵌入
4.5.3 基于正交局部樣條判別嵌入的通信輻射源個(gè)體細(xì)微特征提取方法
4.5.4 實(shí)驗(yàn)結(jié)果與分析
4.6 基于流形正則化半監(jiān)督判別分析的通信輻射源個(gè)體細(xì)微特征提取
4.6.1 基于局部近鄰保持正則化半監(jiān)督判別分析的通信輻射源個(gè)體細(xì)微特征提取
4.6.2 實(shí)驗(yàn)結(jié)果分析
第5章 基于稀疏表示的通信輻射個(gè)體識(shí)別
5.1 引言
5.2 基于潛在低秩表示的通信輻射源細(xì)微特征提取方法
5.2.1 稀疏表示與低秩表示
5.2.2 基于潛在低秩表示的通信輻射源細(xì)微特征提取
5.2.3 實(shí)驗(yàn)結(jié)果與分析
5.3 基于協(xié)作表示的通信輻射源個(gè)體識(shí)別方法
5.3.1 基于協(xié)作表示的通信輻射源個(gè)體識(shí)別
5.3.2 實(shí)驗(yàn)結(jié)果與分析
5.4 基于相關(guān)熵協(xié)作表示的通信輻射源個(gè)體識(shí)別方法
5.4.1 基于相關(guān)熵協(xié)作表示的通信輻射源個(gè)體識(shí)別
5.4.2 實(shí)驗(yàn)結(jié)果與分析
第6章 基于淺層學(xué)習(xí)的通信輻射源個(gè)體識(shí)別
6.1 引言
6.2 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的通信輻射源個(gè)體識(shí)別
6.2.1 徑向基函數(shù)及網(wǎng)絡(luò)模型
6.2.2 RBFNN的學(xué)習(xí)算法
6.2.3 RBFNN的陣列網(wǎng)絡(luò)結(jié)構(gòu)
6.2.4 RBFNN泛化能力優(yōu)化方法
6.2.5 實(shí)驗(yàn)結(jié)果與分析
6.3 基于支持向量機(jī)的輻射源個(gè)體識(shí)別
6.3.1 拉普拉斯支持向量機(jī)
6.3.2 基于局部行為相似性的拉普拉斯支持向量機(jī)
6.3.3 實(shí)驗(yàn)結(jié)果與分析
……
第7章 基于深度學(xué)習(xí)的通信輻射源個(gè)體識(shí)別
第8章 基于聚類的通信輻射源個(gè)體識(shí)別
參考文獻(xiàn)