Data-Driven Wireless Networks: A Compressive Spectrum Approach

ویرایش: 1st ed. 
نویسندگان: Yue Gao. Zhijin Qin  
سری: SpringerBriefs in Electrical and Computer Engineering 
ISBN (شابک) : 9783030002893, 9783030002909 
ناشر: Springer International Publishing 
سال نشر: 2019 
تعداد صفحات: 104 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 34,000



این SpringerBrief کاربردهای بازنمایی یدکی در ارتباطات بی سیم را با تمرکز ویژه بر روی جدیدترین رویکردهای فعال سنجش فشرده (CS) مورد بحث قرار می دهد. با کمک ویژگی sparsity، نمونه برداری زیر Nyquist را می توان در شبکه های رادیویی شناختی باند پهن با استفاده از سنجش فشاری، که در این مختصر نشان داده شده است، به دست آورد و با مروری جامع از اصول سنجش فشاری شروع می شود. متعاقباً، نویسندگان یک چارچوب کامل برای سنجش طیف فشرده‌ای مبتنی بر داده در شبکه‌های رادیویی شناختی ارائه می‌دهند که استحکام، پیچیدگی کم و امنیت را تضمین می‌کند.

به‌ویژه، سنجش طیف فشرده‌ای قوی، سنجش طیف فشاری کم پیچیدگی، و تشخیص کاربر مخرب مبتنی بر سنجش فشرده ای ایمن برای رسیدگی به مسائل مختلف در شبکه های رادیویی شناختی باند پهن پیشنهاد شده است. به همین ترتیب، سیگنال‌های دنیای واقعی و داده‌های جمع‌آوری‌شده توسط آزمایش‌های انجام‌شده در آزمایش آزمایشی فضای سفید تلویزیون، سنجش طیف فشرده‌ای مبتنی بر داده‌ها را قادر می‌سازد. داده‌های جمع‌آوری‌شده برای تأیید طرح‌های ما تحلیل و مورد استفاده قرار می‌گیرند و بینش‌های قابل‌توجهی در مورد پتانسیل اعمال سنجش فشاری برای سنجش طیف باند پهن ارائه می‌کنند.این SpringerBrief تصویر روشنی در مورد نحوه بهره‌برداری از سنجش فشاری برای پردازش در اختیار خوانندگان قرار می‌دهد. سیگنال های بی سیم در شبکه های رادیویی شناختی باند پهن دانشجویان، اساتید، محققان، دانشمندان، پزشکان و مهندسان شاغل در زمینه‌های سنجش فشاری در ارتباطات بی‌سیم، این SpringerBrief را به عنوان یک مرجع کوتاه یا کتاب راهنمای مطالعه بسیار مفید خواهند یافت. مدیران صنعت و کارمندان آژانس تحقیقاتی دولتی نیز که در زمینه‌های سنجش فشار در ارتباطات بی‌سیم کار می‌کنند، این SpringerBrief را نیز مفید خواهند یافت.</ p>

This SpringerBrief discusses the applications of spare representation in wireless communications, with a particular focus on the most recent developed compressive sensing (CS) enabled approaches. With the help of sparsity property, sub-Nyquist sampling can be achieved in wideband cognitive radio networks by adopting compressive sensing, which is illustrated in this brief, and it starts with a comprehensive overview of compressive sensing principles. Subsequently, the authors present a complete framework for data-driven compressive spectrum sensing in cognitive radio networks, which guarantees robustness, low-complexity, and security.

Particularly, robust compressive spectrum sensing, low-complexity compressive spectrum sensing, and secure compressive sensing based malicious user detection are proposed to address the various issues in wideband cognitive radio networks. Correspondingly, the real-world signals and data collected by experiments carried out during TV white space pilot trial enables data-driven compressive spectrum sensing. The collected data are analysed and used to verify our designs and provide significant insights on the potential of applying compressive sensing to wideband spectrum sensing.This SpringerBrief provides readers a clear picture on how to exploit the compressive sensing to process wireless signals in wideband cognitive radio networks. Students, professors, researchers, scientists, practitioners, and engineers working in the fields of compressive sensing in wireless communications will find this SpringerBrief very useful as a short reference or study guide book. Industry managers, and government research agency employees also working in the fields of compressive sensing in wireless communications will find this SpringerBrief useful as well.

Front Matter ....Pages i-xix
Front Matter ....Pages 1-1
 Introduction  (Yue Gao, Zhijin Qin)....Pages 3-8
 Sparse Representation in Wireless Networks  (Yue Gao, Zhijin Qin)....Pages 9-20
Front Matter ....Pages 21-21
 Data-Driven Compressive Spectrum Sensing  (Yue Gao, Zhijin Qin)....Pages 23-41
 Robust Compressive Spectrum Sensing  (Yue Gao, Zhijin Qin)....Pages 43-64
 Secure Compressive Spectrum Sensing  (Yue Gao, Zhijin Qin)....Pages 65-88
Front Matter ....Pages 89-89
 Conclusions and Future Work  (Yue Gao, Zhijin Qin)....Pages 91-93