同類熱銷排行榜

物聯網物理層智能認證方法研究

作者：李靖超//應雨龍//王申華|責編:王喜軍//高慧元
出版社：科學
ISBN：9787030751690

出版日期：2023/03/01
裝幀：平裝
頁數：215

人民幣：RMB 128 元售價：元

內容大鋼

本書主要涉及物聯網物理層認證方法研究，針對通信信號調製方式識別，提出了基於熵和Holder係數的通信調製信號特徵提取演算法、基於雲模型的通信調製信號二次特徵提取演算法、基於分形理論的通信調製信號特徵提取演算法；針對通信輻射源個體指紋識別，提出了基於瞬態信號的通信輻射源個體識別方法、基於積分雙譜的通信輻射源個體識別方法、基於功率譜密度的通信輻射源個體識別方法、基於射頻信號基因的物聯網物理層多級智能認證方法、基於等勢星球圖的通信輻射源個體識別方法、基於深度複數卷積神經網路的通信輻射源個體識別方法、基於深度學習的大規模現實無線電信號識別研究。
本書可作為信息通信、網路安全、物聯網等領域的高校教師、研究生和相關科研人員進行學習和科研的參考用書。

作者介紹

李靖超//應雨龍//王申華|責編:王喜軍//高慧元

前言
第1章  緒論
  1.1  物聯網物理層認證研究概述
  1.2  國內外研究及發展現狀
    1.2.1  通信信號調製方式識別研究現狀
    1.2.2  通信輻射源個體指紋識別研究現狀
  參考文獻
第2章  基於熵和Holder係數的通信調製信號特徵提取演算法
  2.1  基於熵值分析法的特徵提取演算法
    2.1.1  熵特徵基本定義
    2.1.2  熵特徵提取演算法實現步驟
    2.1.3  模擬實驗與分析
  2.2  基於Holder係數的特徵提取演算法
    2.2.1  Holder係數基本定義
    2.2.2  Holder係數特徵提取演算法實現步驟
    2.2.3  模擬實驗與分析
  2.3  分類器設計演算法
    2.3.1  灰色關聯理論基本演算法
    2.3.2  改進灰色關聯演算法
    2.3.3  神經網路分類器
    2.3.4  模擬實驗與分析
  參考文獻
第3章  基於雲模型的通信調製信號二次特徵提取演算法
  3.1  雲模型基本理論
  3.2  改進熵雲特徵的二次特徵提取演算法
    3.2.1  演算法實現基本步驟
    3.2.2  模擬結果與分析
  3.3  改進Holder係數雲特徵的二次特徵提取演算法
    3.3.1  演算法實現基本步驟
    3.3.2  模擬結果與分析
  參考文獻
第4章  基於分形理論的通信調製信號特徵提取演算法
  4.1  通信信號分形特徵數學驗證
    4.1.1  二進位幅移鍵控自相似性證明
    4.1.2  二進位頻移鍵控自相似性證明
    4.1.3  二進位相移鍵控自相似性證明
    4.1.4  偏移正交相移鍵控自相似性證明
    4.1.5  正交振幅調製信號自相似性證明
    4.1.6  Hurst指數分形特徵驗證
  4.2  傳統一維分形維數特徵提取演算法
    4.2.1  分形盒維數
    4.2.2  Higuchi分形維數
    4.2.3  Petrosian分形維數
    4.2.4  Katz分形維數
    4.2.5  Sevcik分形維數
    4.2.6  模擬結果與分析
  4.3  改進分形盒維數特徵提取演算法
    4.3.1  演算法實現基本步驟
    4.3.2  模擬結果與分析
  4.4  多重分形維數的特徵提取演算法

    4.4.1  多重分形維數基本定義
    4.4.2  系統識別模型
    4.4.3  演算法實現基本步驟
    4.4.4  模擬結果與分析
  參考文獻
第5章  基於瞬態信號的通信輻射源個體識別方法
  5.1  基於Hilbert變換與多重分形維數特徵提取的射頻指紋識別方法
    5.1.1  演算法實現基本步驟
    5.1.2  實驗結果與分析
  5.2  基於Hilbert變換與Holder係數特徵提取的射頻指紋識別方法
    5.2.1  演算法實現基本步驟
    5.2.2  實驗結果與分析
  5.3  基於Hilbert變換與熵特徵提取的射頻指紋識別方法
    5.3.1  演算法實現基本步驟
    5.3.2  實驗結果與分析
  參考文獻
第6章  基於積分雙譜的通信輻射源個體識別方法
  6.1  積分雙譜基本理論
  6.2  基於積分雙譜特徵提取的射頻指紋識別方法
  6.3  應用與分析
    6.3.1  基於積分雙譜特徵與灰色關聯分類器的通信輻射源個體識別
    6.3.2  基於積分雙譜與支持向量機分類器的通信輻射源個體識別
  參考文獻
第7章  基於功率譜密度的通信輻射源個體識別方法
  7.1  現有方法的問題描述
  7.2  功率譜密度基本理論
  7.3  基於功率譜密度特徵提取的射頻指紋識別方法
    7.3.1  演算法實現基本步驟
    7.3.2  應用與分析
  7.4  基於差分功率譜密度特徵提取的射頻指紋識別方法
    7.4.1  演算法實現基本步驟
    7.4.2  應用與分析
  參考文獻
第8章  基於射頻信號基因的物聯網物理層多級智能認證方法
  8.1  射頻信號基因認知
  8.2  基於射頻信號基因特性的物聯網物理層認證方法研究目標
    8.2.1  基於射頻信號基因認知分析的多級數學建模
    8.2.2  基於射頻信號精細畫像的多級特徵提取
    8.2.3  基於知識和數據聯合驅動的多粒度智能分類器設計
  8.3  基於射頻信號基因特性的物聯網物理層認證方法亟待解決的關鍵問題
  8.4  基於射頻信號基因特性的物聯網物理層認證方法技術路線
    8.4.1  基於射頻信號基因認知的電磁波散射特性數學建模
    8.4.2  多層次、多維度、多信度的射頻基因精細畫像的建立
    8.4.3  多粒度智能分類器的物理層認證系統的構建
  參考文獻
第9章  基於等勢星球圖的通信輻射源個體識別方法
  9.1  基於傳統調製信號統計圖域的射頻指紋識別方法
  9.2  基於等勢星球圖的射頻指紋識別方法
    9.2.1  演算法實現基本步驟
    9.2.2  實驗結果與分析

  9.3  基於差分等勢星球圖的射頻指紋識別方法
    9.3.1  演算法實現基本步驟
    9.3.2  實驗結果與分析
  參考文獻
第10章  基於深度複數卷積神經網路的通信輻射源個體識別方法
  10.1  基於複數卷積神經網路的通信輻射源個體識別
  10.2  基於差分深度複數卷積神經網路的通信輻射源個體識別方法
    10.2.1  演算法實現基本步驟
    10.2.2  實驗結果與分析
  10.3  基於深度複數殘差網路的通信輻射源個體識別方法
    10.3.1  演算法實現基本步驟
    10.3.2  實驗結果與分析
  參考文獻
第11章  基於深度學習的大規模現實無線電信號識別研究
  11.1  現有方法的問題描述
  11.2  基於深度卷積神經網路的大規模無線電信號識別模型
    11.2.1  演算法實現基本步驟
    11.2.2  實驗結果與分析
  11.3  基於深度複數卷積神經網路的大規模無線電信號識別模型
    11.3.1  演算法實現基本步驟
    11.3.2  實驗結果與分析
  參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

物聯網物理層智能認證方法研究