電子信息前沿技術叢書：壓縮感知理論及其在無綫網絡中的應用 [Compressive Sensing for Wireless Networks] pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

[美] Zhu Han，Husheng Li，Wotao Yin 著，戴淩龍，王昭誠，李雲洲 譯

齣版社： 清華大學齣版社

ISBN：9787302468745

版次：1

商品編碼：12316758

包裝：平裝

叢書名： 電子信息前沿技術叢書

外文名稱：Compressive Sensing for Wireless Networks

開本：16開

齣版時間：2018-02-01

用紙：膠版紙

頁數：224

字數：259000#

編輯推薦

　　壓縮感知理論是信號處理領域中一種利用遠低於經典奈奎斯特采樣頻率的方法對稀疏信號進行編碼的全新理論。該理論可對大量信號集進行高效而精確的采集、存儲、融閤和處理。壓縮感知理論有效融閤瞭數據采集、壓縮、降維和優化等多項理論和技術，已引起多個領域的科研人員和工程師的高度關注。
　　美國無綫通信領域國際知名學者Zhu Han、Husheng Li和Wotao Yin在劍橋大學齣版社齣版的Compressive Sensing for Wireless Networks一書，是世界上*本關於如何將壓縮感知這一革命性理論應用於無綫網絡的專著。該書從統一的框架齣發，從無綫網絡的角度全麵闡述瞭如何將*新的壓縮感知理論有效地與信道估計、超寬帶係統、無綫定位、多址接入、認知無綫電等典型的無綫網絡相結閤，從而更高效和準確地解決無綫網絡中麵臨的各種問題。
　　《壓縮感知理論及其在無綫網絡中的應用》將有助於不同水平的讀者在瞭解壓縮感知理論的數學背景的基礎上，建立起對壓縮感知理論的深入認識和理解，培養讀者利用壓縮感知理論更有效地解決無綫網絡中各種問題的能力。

內容簡介

　　壓縮感知理論是信號處理領域中一種旨在利用遠低於經典奈奎斯特采樣頻率的方法對稀疏信號進行編碼的全新理論。該理論可對大量信號集進行高效而精確的采集、存儲、融閤和處理。壓縮感知理論有效融閤瞭數據采集、壓縮、降維和優化等多項理論和技術，已引起多個領域的科研人員和工程師的高度關注。本書的主要目的是為如何在各種無綫網絡的應用場景中有效地融入壓縮感知理論提供一個全麵而統一的視角，並從信號處理、*優化、信息論、通信與網絡等領域的基本概念齣發，從工程的角度來探討上述問題。本書有助於學生、科研人員、通信工程師對壓縮感知理論建立起一個係統的、麵嚮工程實現的認識，理解壓縮感知理論的背景和基礎，把握壓縮感知理論的技術優勢和局限性，並掌握在無綫網絡中如何利用壓縮感知理論所需要的主要技能和知識。

作者簡介

　　作者簡介
　　Zhu Han（韓竹），美國德剋薩斯州休斯敦大學電氣與計算機工程係、計算機科學係教授，IEEE Fellow，IEEE通信協會傑齣講師。1997年在清華大學電子工程係獲得學士學位，1999年和2003年在美國馬裏蘭大學獲得碩士和博士學位。2000—2002年在馬裏蘭州日耳曼敦捷迪訊通信（JDSU）公司擔任研發工程師，2003—2006年在馬裏蘭大學擔任助理研究員，2006—2008年在愛達荷州博伊西州立大學任助理教授。研究領域包括無綫資源分配與管理、無綫通信與網絡、博弈論、大數據分析、安全、智能電網等。2010年獲美國國傢科學基金會（NSF）傑齣青年奬，2011年獲IEEE通信協會Fred W. Ellersick奬，2015年獲EURASIP Journal on Advances in Signal Processing*佳論文奬，2016年獲IEEE通信係統領域Leonard G. Abraham奬，多次在IEEE學術會議中獲得*佳論文奬。

　　Husheng Li（李虎生），美國田納西大學電子工程與計算機科學係副教授。先後於1998年和2000年在清華大學電子工程係獲得學士和碩士學位，2005年在美國普林斯頓大學獲得博士學位。2005—2007年在美國加利福尼亞州聖迭戈市高通公司任高級工程師。2007年加入田納西大學電子工程與計算機科學係，擔任助理教授，2013年晉升為副教授。研究領域主要包括統計信號處理、無綫通信、網絡、智能電網、博弈論等。2005年獲EURASIP Journal of Wireless Communications and Networks*佳論文奬，2010年獲IEEE全球通信會議（GLOBECOM）*佳演示奬，2011年獲IEEE國際通信大會（ICC）*佳論文奬，2012年獲IEEE智能電網會議*佳論文奬。

　　Wotao Yin（印臥濤），美國加利福尼亞大學洛杉磯分校（UCLA）數學係教授。2001年在南京大學數學與應用數學係獲得學士學位，2003年和2006年在哥倫比亞大學工業工程與運籌學係獲得運籌學碩士和博士學位。2004—2006年在普林斯頓的西門子研究所擔任實習研究員。博士畢業後，分彆於2006—2012年和2012—2013年在美國萊斯大學計算與應用數學係擔任助理教授和副教授，2013年至今在美國加利福尼亞大學洛杉磯分校（UCLA）數學係擔任教授。研究領域包括大規模並行計算、優化理論、稀疏優化的理論、算法與應用。2008年獲得美國國傢科學基金會（NSF）傑齣青年奬，2009年獲得斯隆研究奬（Alfred P. Sloan Fellow），2016年獲第七屆世界華人數學傢大會晨興應用數學金奬。

　　譯者簡介
　　戴淩龍，重慶人，2011年博士畢業於清華大學，現為清華大學電子工程係副教授、博士生導師。研究方嚮為寬帶無綫傳輸理論與技術。目前擔任國際期刊IEEE TCOM/TVT/CL編委、IEEE JSAC/JSTSP/WCOM客座編委。已齣版英文著作1部，以第1或通訊作者發錶IEEE期刊論文60餘篇，獲國傢發明專利授權15項。先後於2013年、2014年、2017年3次獲通信領域國際會議IEEE ICC*佳論文奬，並獲2011年清華大學優秀博士畢業生、2013年全國優秀博士學位論文提名奬、2015年IEEE Transactions on Broadcasting年度論文奬、2016年中國通信學會科學技術二等奬（排名1）、2017年IEEE通信學會亞太地區傑齣青年學者奬、2017年國傢優秀青年科學基金。

　　王昭誠，江西泰和人，教授，1991年博士畢業於清華大學。研究領域涉及寬帶無綫通信、毫米波通信、可見光通信和數字電視。作為負責人承擔科技部973計劃、863計劃和自然科學基金等資助項目；獲授權歐美發明專利34項（其中23項作為第1發明人），授權中國發明專利30項；發錶SCI收錄論文130篇；齣版英文專著兩部，入選IEEE數字和移動通信係列叢書，由Wiley-IEEE Press發行。研究成果獲國傢科學技術進步奬一等奬1項、省部級或學會協會奬4項、IEEE Transactions on Broadcasting年度論文奬1項、國際會議*佳論文奬3項。

　　李雲洲，2004年7月畢業於清華大學，獲得通信與信息係統工學博士。2011年晉升為清華大學信息技術研究院研究員。長期從事無綫通信中的理論研究、新標準技術研究及原型係統實現。自2000年以來，先後參加瞭3G-WCDMA、LTE、IEEE 802.16m、LTE-Advanced、IEEE 802.11ac的標準技術研究與係統開發，工作以來作為項目負責人或主要完成人參加10餘項國傢重點項目，共發錶論文120餘篇，其中包含40餘篇SCI論文，獲得授權和受理專利30餘件，嚮3GPP LTE、IEEE 802.16m、IEEE 802.11提交提案30餘篇。近年來，入選教育部新世紀優秀人纔支持計劃，擔任通信學會的信息通信測試技術專委會、雲計算和大數據應用專委會首屆委員。當前主要研究方嚮包括無綫大數據、5G、車聯網。

目錄

第1章引言
1.1動機和目標
1.2綱要
第2章無綫網絡概述
2.1無綫信道模型
2.1.1電波傳播
2.1.2乾擾信道
2.2無綫網絡分類
2.2.13G及B3G蜂窩通信網
2.2.2WiMAX網絡
2.2.3WiFi網絡
2.2.4無綫個域網
2.2.5無綫Ad hoc網
2.2.6無綫傳感網
2.3先進無綫通信技術
2.3.1OFDM技術
2.3.2多天綫係統
2.3.3認知無綫電
2.3.4調度和多址接入
2.3.5無綫定位
第3章壓縮感知理論框架
3.1背景
3.2傳統采樣與壓縮感知
3.3稀疏錶示
3.4CS編碼與解碼
3.5示例
第4章稀疏最優化算法
4.1最優化理論簡介
4.2稀疏最優化模型
4.3經典的求解方法
4.4收縮操作
4.5近似點綫性算法
4.5.1前嚮後嚮算子分裂
4.5.2示例
4.5.3收斂速率
4.6對偶算法
4.6.1對偶化
4.6.2增廣拉格朗日方法
4.6.3布拉格曼方法
4.6.4布拉格曼迭代和去噪
4.6.5綫性布拉格曼方法和增廣模型
4.6.6處理復數據和變量
4.7交替方嚮乘子法
4.7.1框架
4.7.2ADM在稀疏優化的應用
4.7.3在分布式優化中的應用
4.7.4分散最優化的應用
4.7.5收斂速率
4.8(塊)坐標最小化和梯度下降
4.9同倫算法與參數二次規劃
4.10延拓、變換步長及綫性搜索
4.11用於稀疏優化的非凸方法
4.12貪婪算法
4.12.1貪婪追蹤算法
4.12.2迭代支集檢測
4.12.3硬門限
4.13恢復低秩矩陣的算法
4.14如何選擇算法
第5章基於壓縮感知的模數轉換器
5.1傳統模數轉換器基礎
5.1.1采樣定理
5.1.2量化
5.1.3實際實現
5.2隨機解調ADC
5.2.1信號模型
5.2.2結構
5.3寬帶調製轉換器ADC
5.3.1結構
5.3.2與隨機解調器的對比
5.4Xampling
5.4.1統一子空間
5.4.2結構
5.4.3X�睞DC及硬件實現
5.4.4X�睤SP及子空間算法
5.5其他結構
5.5.1隨機采樣
5.5.2隨機濾波
5.5.3隨機延遲綫
5.5.4其他各類相關文獻
5.6小結
第6章壓縮感知信道估計
6.1引言和動機
6.2多徑信道估計
6.2.1信道模型和基於訓練的算法
6.2.2壓縮感知信道估計
6.3OFDM信道估計
6.3.1係統模型
6.3.2壓縮感知OFDM信道估計器
6.3.3數值算法
6.3.4數值仿真
6.4水聲信道估計
6.4.1信道模型
6.4.2壓縮感知算法
6.5隨機域估計
6.5.1隨機域模型
6.5.2矩陣完成算法
6.5.3仿真結果
6.6其他信道估計方法
6.6.1盲信道估計
6.6.2自適應算法
6.6.3組稀疏方法
6.7小結
第7章超寬帶係統
7.1UWB係統簡介
7.1.1UWB發展曆程及應用
7.1.2UWB特點
7.1.3UWB的數學模型
7.2UWB信號的壓縮
7.2.1發射端壓縮
7.2.2接收端壓縮
7.3UWB信號的重構
7.3.1塊重構
7.3.2Bayesian重構
7.3.3與計算有關的問題
7.4UWB通信中的直接解調
7.4.1收發機結構
7.4.2解調
7.5小結
第8章定位
8.1定位簡介
8.2壓縮感知理論的直接應用
8.2.1通用原理
8.2.2WLAN中的定位
8.2.3認知無綫電中的定位
8.2.4動態壓縮感知
8.3壓縮感知理論的非直接應用
8.3.1UWB定位係統
8.3.2空時壓縮感知
8.3.3聯閤壓縮感知和TDOA
8.4小結
第9章多址接入
9.1簡介
9.2多用戶檢測簡介
9.2.1CDMA係統模型
9.2.2多用戶檢測與壓縮感知的比較
9.2.3多用戶檢測的各種算法
9.2.4最優多用戶檢測器
9.3蜂窩係統中的多址接入
9.3.1上行
9.3.2下行
9.4傳感器網絡中的多址接入
9.4.1單跳
9.4.2多跳
9.5小結
第10章認知無綫電網絡
10.1簡介
10.2文獻綜述
10.3基於壓縮感知的協作頻譜感知
10.3.1係統模型
10.3.2CSS矩陣完成算法
10.3.3CSS聯閤稀疏重構算法
10.3.4討論
10.3.5仿真結果
10.4動態方法
10.4.1係統模型
10.4.2動態重構算法
10.4.3仿真結果
10.5與定位的結閤
10.5.1係統模型
10.5.2頻譜感知和定位的聯閤算法
10.5.3仿真結果
10.6小結
參考文獻

精彩書摘

　　第5章基於壓縮感知的模數轉換器
　　模數轉換器(ADC)是一種對連續信號進行采樣，進而離散錶示的器件。相反的操作可以用數模轉換器(DAC)實現。ADC和DAC是模擬世界與數字世界之間的橋梁。由於大多數的信號處理都是在數字域上實現的，因此ADC和DAC是數字信號處理的關鍵部件，對於係統性能有著深遠的影響。
　　在這一章中，將研究基於CS算法的ADC技術。首先介紹傳統的ADC技術和原理，然後主要研究兩種CS�睞DC的結構： 隨機解調器ADC和寬帶解調轉換器ADC。接著，再探討統一的CS�睞DC框架： Xampling，並且簡單地介紹其他結構。本章最後給齣瞭小結。
　　5.1傳統模數轉換器基礎
　　在這一節中，首先研究ADC的一些基本概念： 采樣理論、量化規則和實際的ADC裝置。
　　5.1.1采樣定理
　　如圖5.1所示，在數字信號處理中，將信號錶示成以適當間隔采樣後的數值是非常有用的。采樣後的信號通過一個理想的低通濾波器後就可還原為原始信號。就像采樣定理中所描述的，為瞭能夠得到一個可靠的恢復結果，原始信號必須以適當的速率進行采樣。
　　圖5.1模擬信號的采樣
　　定理10（采樣定理）： 帶寬限製在BHz之內的連續信號可以由不低於1/2B的間隔均勻采樣的數據精確恢復。
　　用數學語言錶示，令gδ(t)錶示理想的采樣信號為
　　gδ(t)=∑+∞n=－∞gnTsδt－nTs(5.1)
　　這裏Ts錶示采樣周期，fs=1/Ts錶示采樣率。如果采樣率正好是Nyquist采樣率，原始信號就可以毫無誤差地被重建齣來，因為有
　　g(t)=∑+∞t=－∞gnTssinct－nTsTs(5.2)
　　如果采樣率不夠，那麼如圖5.2所示，就會齣現混疊現象，原始信號會重疊在一起，不可能無失真地恢復齣來。為瞭防止齣現混疊現象，在任何ADC之前，都需要經過一個模擬的抗混疊濾波器保證ADC的輸入是帶寬受限的信號。
　　圖5.2模擬信號的采樣
　　對於帶寬為B且位於頻率f1和f2之間的帶通信號，是沒有必要用2f2的采樣速率進行采樣的。實際上，應用帶通采樣定理，采樣率fs隻要滿足
　　fs≥2f2－f11+M′N′(5.3)
　　這裏，M′=f2f2－f1－N′，N′=f2f2－f1。
　　如果一個信號以遠高於Nyquist采樣率的速率進行采樣，然後用數字濾波器將其限製在特定帶寬內，會得到諸多好處：
　　�r 數字濾波器比模擬濾波器擁有更好的性質(更快的滾降和更好的相位特性)，因此可以實現一個更加銳利的抗混疊濾波器，信號被降采樣後可以變得更好。
　　�r 通過使用2M倍的過采樣，一個N位的ADC可以當作一個N+M位的ADC，因為被采樣的信號是相關的，而被采樣的噪聲卻是獨立的。
　　�r 相比於原本整個有效帶寬都使用的情況，現在的量化SNR也會更高。通過使用這個技術，相比於隻用轉換器的情況，有可能獲取更有效的分辨率。
　　�r 每次加倍采樣頻率時，在SNR端的提高隻有3dB(等價於0.5比特)，對於很多應用來說效率太低。因此，過采樣往往和噪聲整形一起使用(查看σ－δ調製器)。通過使用噪聲整形，每次加倍采樣頻率可以獲得6Q+3dB的增益，這裏Q錶示噪聲整形中使用的循環濾波器的階數，例如，一個兩階的循環濾波器可以提供的增益為15dB/倍頻。
　　5.1.2量化
　　采樣後的信號在幅度上依然是真實的數值。為瞭能夠在數字域上錶示信號，需要如圖5.3所示的量化器。如果mk　　δ2Q=Δ212(5.4)
　　這裏Δ是量化步長。所以,一個量化器的SNR是和L2成綫性比例的。換句話說，SNR隨著ADC量化比特數的增長而以指數增長。實際上，每增加一個量化比特，SNR增加6dB。
　　……

前言/序言

　　譯者序
　　2006 年，信息技術領域齣現瞭一種令人矚目的革命性理論——壓縮感知（Compressive Sensing）。該理論由D. Donoho（美國科學院院士）、E. Candes（Ridgelet脊波變換和Curvelet變換創始人）及澳籍華裔科學傢陶哲軒（2006年菲爾茲奬獲得者）等人提齣，是一種建立在泛函分析、逼近論、統計概率論、拓撲幾何、優化與運籌學等基礎上的全新信息獲取與處理理論框架。與現代信息領域奠基性的“香農�材慰�斯特采樣定理”不同，壓縮感知理論可以充分利用信息在信號中的結構和內容，在遠低於奈奎斯特頻率的采樣頻率下，仍可精確地恢復原始信號，從而實現瞭信號采樣嚮信息采樣的突破，有助於更精確和更高效地獲取、處理、存儲、分析、融閤海量數據。壓縮感知理論促進瞭理論數學和工程應用的結閤，一經提齣，就在信息和信號處理等相關領域引起高度關注，並在短短幾年時間裏迅速成功應用於圖像處理、醫學成像、雷達、無綫網絡、生物傳感、信道編碼等諸多領域。
　　美國無綫通信領域國際知名學者Zhu Han、Husheng Li和Wotao Yin在英國劍橋大學齣版社齣版的Compressive Sensing for Wireless Networks一書，是世界上第一本關於如何將壓縮感知這一革命性理論應用於無綫網絡的專著。該書從統一的框架齣發，從無綫網絡的角度全麵闡述瞭如何將最新的壓縮感知理論有效地與信道估計、超寬帶係統、無綫定位、多址接入、認知無綫電等典型的無綫網絡相結閤，從而更高效和準確地解決無綫網絡中麵臨的各種問題。本書將有助於不同水平的讀者在瞭解壓縮感知理論的數學背景的基礎上，建立起對壓縮感知理論的深入認識和理解，培養讀者利用壓縮感知理論更有效地解決無綫網絡中各種問題的能力。
　　該書中譯本由清華大學齣版社齣版，是清華大學研究生課程《高等通信信號處理》的重要參考書之一。參與翻譯工作的還有清華大學電子工程係研究生高鎮、竺旭東、申文倩、馬瑞豐、丁文伯、高昕宇、王碧釵、謝天、鬍辰、譚競搏，在此深錶謝意！
　　由於時間倉促，加上譯者水平有限，文中難免有不當之處，懇請讀者批評指正。
　　戴淩龍王昭誠李雲洲2017年12月於清華園

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆