导读:本文包含了网络统计量论文开题报告文献综述及选题提纲参考文献，主要关键词:认知无线电,频频感知,二阶统计量,异构网络
网络统计量论文文献综述
杨超[1]（2018）在《异构无线网络中基于二阶统计量的频谱感知策略》一文中研究指出对提高频谱资源利用率,缓解无线频谱资源紧张这一问题的最佳解决方案是认知无线电技术。作为认知无线电技术的基础,频谱感知技术的性能直接关系着系统的总体性能,因此开展此课题的研究具有重要的意义。频谱感知在实际环境中,易受噪声功率波动、低信噪比等条件影响,且在宽带频谱感知中,由于通信带宽不断增加,模数转换过程中采样速率过高问题凸显,对感知设备的要求越来越高。由于采样率过高、计算复杂度大、宽带压缩感知下要求频段是稀疏的频谱感知问题,本文对感知算法及策略进行了深入学习研究,主要内容如下:首先,对于认知无线电技术来说,重要的不是精确的重建出信号本身,而是精确的检测出空闲频段和被占用频段的位置。根据此思路,可利用有损压缩去精确重建信号的二阶统计信息而不再重建信号的本身来判断频谱的使用情况,因此不必假设信号在频段上是稀疏的,只需盲重建信号的功率值,降低了计算复杂度。此外,由于信号二阶统计量的结构具有拓普利兹、埃尔米特的特征,根据渐进一致性理论通过修正用来替换原始的样本协方差矩阵的大小并不随样本数量的增加而增加,而是保持一定的维度来满足似然函数的计算的便捷性和准确性,并保证修正矩阵的非奇异性,由此可大幅度的降低计算复杂度,减轻对硬件的要求;其次,为了解决现有异构网络频谱感知算法要求频段是稀疏的问题,提出了一种基于二阶统计量检测的协作式频谱感知算法。该算法利用授权频段上各类信号之间不存在相关性这一特点,首先选择感知用户中瞬时信道条件最好的几个用户作为感知用户,然后利用它们去检测各类信号在授权频段上的占用情况。在判断某类信号在授权频段上的使用情况时,可利用本文算法将它类信号的影响去除,即保证检测的准确性和可靠性又不增加检测复杂度。理论分析和仿真结果表明,所提算法保证了检测的有效性和可靠性。(本文来源于《南京邮电大学》期刊2018-11-14）
葛伟伦[2]（2016）在《小世界网络统计量属性分析》一文中研究指出该文首先阐述了复杂网络最短路径平均距离、度值和集聚系数属性意义,并推导出相应的计算公式。概况了随机化加边优于随机化重连构造小世界网络模型的合理性。通过MATLAB设计仿真实验,通过得到的统计图分析了小世界网络的特征和变化规律,为理解实际网络的运行机理及监督、维护和控制网络运行提供参考数据。(本文来源于《电脑知识与技术》期刊2016年16期）
师雪姣,常春起,胡南,孙兵[3]（2015）在《基于序统计量相关分析的静息态大脑语言功能连接网络的时间可靠性及偏侧化研究》一文中研究指出目的基于MRI技术,采用基于序统计量相关系数法的脑功能连接网络分析方法研究静息态下语言网络活动情况,并探讨其时间可靠性和功能偏侧化,为静息态语言网络的临床研究提供理论基础。资料与方法对25例正常志愿者进行3次静息态功能MRI扫描,32位Matlab 7.11.0及DPARSF软件进行数据处理,选取大脑左半球Broca和Wernicke两个语言脑功能区域为感兴趣区,采用序统计量相关系数法分析受试者的语言网络功能连接性。结果基于种子分析方法的功能连接图,得到受试者的不对称指数图和组内相关系数图。采用序统计量相关系数法分析静息态语言网络的功能连接情况与传统相关系数法分析的结果相似度极高,该方法可用于类似网络功能连接情况的研究。结论静息态大脑语言功能网络的时间可靠性为语言疾病的临床研究提供一定的参考价值,因语言网络功能偏侧化异常而引起的语言疾病或精神性疾病的临床诊疗,可借鉴静息态语言网络的功能偏侧化及其时间可靠性情况。(本文来源于《中国医学影像学杂志》期刊2015年08期）
姚尊强,尚可可,许小可[4]（2012）在《加权网络的常用统计量》一文中研究指出加权网络是复杂网络研究的一个重要分支,连边权重的异质性有助于刻画复杂系统的各种特性.但长期以来,由于加权网络上各种统计量的定义不统一、物理意义不明确,很多学者直接抛弃交互作用的强度,使用门限值将加权网络变为二值无权网络后再进行研究.本文综述了加权网络上常用的统计量,并简要介绍了这些统计量在实际复杂系统分析中的应用.本研究有助于相关研究人员明确各种加权网络统计量的物理意义,使用加权网络对复杂系统进行分析和刻画.同时,理解各种常用统计量的内在联系和应用背景是构造更有效加权网络统计量的基础.最后介绍了各种权重网络的随机化置乱方法,为分析和理解实际加权网络统计量的绝对值提供了参考和比较.(本文来源于《上海理工大学学报》期刊2012年01期）
蒋小勇,费高雷,胡光岷[5]（2012）在《网络链路时延统计量的层析成像方法》一文中研究指出传统的连续时延分布估计往往需要假设时延满足某种分布,估计精度受制于假设分布与实际时延分布的相关性。Gianni Antichi等提出了一种链路时延累积量估计的方法,无需假设时延满足某种分布,但需要内部节点的协作。针对上述问题提出一种完全依靠端到端测量的链路时延累积量估计方法,根据端到端的时延构建端到端时延累积量与链路时延累计量的方程,最终利用最优化方法计算出链路时延累积量的最优解。ns-2仿真结果验证了该方法的有效性。(本文来源于《计算机工程与应用》期刊2012年03期）
张园,李力[6]（2006）在《基于神经网络和高阶统计量的滚动轴承故障分类》一文中研究指出提出一种基于高阶统计量特征和BP神经网络相结合的滚动轴承故障分类方法。以滚动轴承的高阶统计量(双谱、叁阶累积量)以及一些常见的无量纲指标作为轴承故障特征输入,以BP神经网络作为分类器,成功地对滚动轴承4种不同的故障进行了分类。对比RBF神经网络,尽管BP神经网络的训练速度不快,但分类效果良好。研究表明,高阶统计量和BP神经网络相结合的滚动轴承分类方法是有效的。(本文来源于《轴承》期刊2006年04期）
石红雁,许纯新,瞿爱琴[7]（2003）在《液压系统故障诊断的高阶统计量-模糊神经网络法》一文中研究指出利用高阶统计量模糊神经网络方法对液压系统故障进行诊断 ,解决低信噪比故障特征信号下的故障诊断问题。介绍了高阶统计量和模糊神经网络的基本原理 ,阐述了利用高阶统计量模糊神经网络诊断液压系统故障的方法 ,给出了以阀控液压缸系统为研究对象的诊断实例。试验结果表明 ,利用该方法对液压系统进行故障诊断可以有效地提高故障特征信号的信噪比 ,提高液压系统故障诊断的准确性和诊断效率(本文来源于《农业机械学报》期刊2003年05期）
张桂才,史铁林,轩建平,杨叔子[8]（1999）在《高阶统计量与RBF网络结合用于齿轮故障分类》一文中研究指出提出一种基于高阶统计量特征提取的径向基函数网络齿轮故障分类方法。以齿轮箱振动信号的高阶统计量估计值作为齿轮故障特征，以径向基函数神经网络作为分类器，成功地对齿轮故障进行了分类。研究表明，高阶统计量和径向基函数神经网络相结合的齿轮故障分类方法是有效的(本文来源于《中国机械工程》期刊1999年11期）
克赖格L·安德森,罗纳德A·伊尔蒂斯,王俊仪[9]（1997）在《利用简化的充分统计量在分布式传感器网络中进行纯方位跟踪》一文中研究指出本文介绍一种用于具有附加高斯噪声的一般非线性量测模型的分布式参数估计算法。我们证明:当扩展为多传感器情况得出一个线性融合规则时,由Kulhavy′提出的贝叶斯-闭式估计算法与局部的后验密度的形式无关。特别是Kulhavy′算法产生一组表示局部传感器密度的简化的充分统计量(RSS),这是在全局处理机中进行简单地相加和相减而获得最优融合。我们讨论了关于贝叶斯-闭式算法的各种近似值,得到非线性量测模型的实际参数估计器,并将这种近似技术应用于纯方位跟踪问题。把分布式跟踪器的性能与基于在修正的极坐标(MPC)中实现的广义卡尔曼滤波器(EKF)的另一种算法作了比较。已经证明:从通常的EKF意义上讲,贝叶斯-闭式估计器没有发散,因此在单向和双向发送方式中都可以利用贝叶斯-闭式技术。(本文来源于《情报指挥控制系统与仿真技术》期刊1997年01期）
网络统计量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
该文首先阐述了复杂网络最短路径平均距离、度值和集聚系数属性意义,并推导出相应的计算公式。概况了随机化加边优于随机化重连构造小世界网络模型的合理性。通过MATLAB设计仿真实验,通过得到的统计图分析了小世界网络的特征和变化规律,为理解实际网络的运行机理及监督、维护和控制网络运行提供参考数据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络统计量论文参考文献
[1].杨超.异构无线网络中基于二阶统计量的频谱感知策略[D].南京邮电大学.2018
[2].葛伟伦.小世界网络统计量属性分析[J].电脑知识与技术.2016
[3].师雪姣,常春起,胡南,孙兵.基于序统计量相关分析的静息态大脑语言功能连接网络的时间可靠性及偏侧化研究[J].中国医学影像学杂志.2015
[4].姚尊强,尚可可,许小可.加权网络的常用统计量[J].上海理工大学学报.2012
[5].蒋小勇,费高雷,胡光岷.网络链路时延统计量的层析成像方法[J].计算机工程与应用.2012
[6].张园,李力.基于神经网络和高阶统计量的滚动轴承故障分类[J].轴承.2006
[7].石红雁,许纯新,瞿爱琴.液压系统故障诊断的高阶统计量-模糊神经网络法[J].农业机械学报.2003
[8].张桂才,史铁林,轩建平,杨叔子.高阶统计量与RBF网络结合用于齿轮故障分类[J].中国机械工程.1999
[9].克赖格L·安德森,罗纳德A·伊尔蒂斯,王俊仪.利用简化的充分统计量在分布式传感器网络中进行纯方位跟踪[J].情报指挥控制系统与仿真技术.1997