智能電網(wǎng)與大數(shù)據(jù)分析—— 隨機矩陣理論方法
定 價：139 元
- 作者：（美）Robert C. Qiu（邱才明）, Paul Antonik（保羅?安東尼克）
- 出版時間：2021/7/1
- ISBN：9787121405471
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TM76-39
- 頁碼：484
- 紙張：
- 版次：01
- 開本：16開
本書主要分為三部分：大數(shù)據(jù)基礎、智能電網(wǎng)，以及大數(shù)據(jù)在通信與傳感技術方面的應用，其中隨機矩陣理論方法是其理論基礎。第一部分主要討論大數(shù)據(jù)建模和大數(shù)據(jù)分析兩個方面，首先是大數(shù)據(jù)的數(shù)學基礎（隨機矩陣理論方法），接著是實際應用的研究。第二部分討論智能電網(wǎng)的應用與需求、技術挑戰(zhàn)、大數(shù)據(jù)的應用、電網(wǎng)監(jiān)控與狀態(tài)估計、虛假數(shù)據(jù)注入攻擊與狀態(tài)估計、需求響應等。第三部分討論大數(shù)據(jù)在通信新技術（5G，MIMO）和傳感技術（分布式檢測與估計）方面的應用。本書將大數(shù)據(jù)視為信息科學和數(shù)據(jù)科學的結合，而智能電網(wǎng)、通信新技術和傳感技術是大數(shù)據(jù)應用領域特別有前景的三個方面。
Robert C. Qiu（邱才明）教授，IEEE Fellow，上海交通大學大數(shù)據(jù)工程技術研究中心主任，上海交通大學講席教授，美國田納西理工大學終身教授。Qiu教授于1987年在西安電子科技大學獲得理學學士學位，1990年在電子科技大學獲得碩士學位，1995年在美國紐約大學理工學院獲得博士學位。1995?1997年擔任威訊（GTE）實驗室技術研究員；1997?2000年擔任朗訊科技有限公司貝爾實驗室技術研究員；2000?2003年擔任Wiscom（無線通信）科技有限公司共同發(fā)起人、CEO及總裁。Qiu教授的主要研究方向為：智能電網(wǎng)、大數(shù)據(jù)、無線網(wǎng)絡與無線定位、雷達等領域。
趙生捷，博士，同濟大學電子與信息工程學院教授，博士生導師。擁有中國科學技術大學學士學位和中國航空航天部第二研究院碩士學位，美國得克薩斯州A＆M大學（Texas A＆M University）電子與計算機工程學博士學位。曾供職于美國朗訊科技公司貝爾實驗室和中國航天科工集團有限公司，是美國阿爾卡特朗訊（Alcatel-Lucent）技術學院院士，新一代寬帶無線通信產(chǎn)品系統(tǒng)專家，美國電氣電子工程師學會（IEEE）高級會員。趙生捷博士在大數(shù)據(jù)、無線通信、智能視頻處理、數(shù)字信號處理領域有20多年國際國內行業(yè)經(jīng)驗，領導和參加過多項計算機、電子與通信領域的研究和開發(fā)項目。在國際電子信息領域的頂級雜志IEEE期刊、美國貝爾實驗室技術期刊（Bell Labs Technical Journal）和IEEE國際會議共發(fā)表30多篇論文，持有20多項美國和中國發(fā)明專利或專利申請。目前的研究領域為大數(shù)據(jù)、無線通信、信號處理、多媒體處理和車聯(lián)網(wǎng)。
目錄
第1章 緒論
1.1 大數(shù)據(jù)： 基本概念
1.1.1 大數(shù)據(jù)： 總覽
1.1.2 DARPA的XDATA項目
1.1.3 美國國家自然科學基金
1.1.4 大數(shù)據(jù)的機遇和挑戰(zhàn)
1.1.5 大數(shù)據(jù)的信號處理與系統(tǒng)工程
1.1.6 大數(shù)據(jù)的大型隨機矩陣
1.1.7 美國聯(lián)邦政府的大數(shù)據(jù)
1.2 大數(shù)據(jù)挖掘
1.3 大數(shù)據(jù)的數(shù)學介紹
1.4 大數(shù)據(jù)的數(shù)學理論
1.4.1 玻耳茲曼熵和H理論
1.4.2 香農(nóng)定理和經(jīng)典信息論
1.4.3 Dan-Virgil Voiculescu和自由中心極限定理
1.4.4 自由熵
1.4.5 Jean Ginibre和他的非厄米隨機矩陣
1.4.6 復數(shù)Ginibre集合的圓形定律
1.5 智能電網(wǎng)
1.6 大數(shù)據(jù)和智能電網(wǎng)
1.7 閱讀指南
文獻備注
第一部分 大數(shù)據(jù)基礎
第2章 大數(shù)據(jù)系統(tǒng)的數(shù)學基礎
2.1 大數(shù)據(jù)分析
2.2 大數(shù)據(jù)： 傳感、 收集、 存儲和分析
2.2.1 數(shù)據(jù)收集
2.2.2 數(shù)據(jù)清理
2.2.3 數(shù)據(jù)表示和建模
2.2.4 數(shù)據(jù)分析
2.2.5 數(shù)據(jù)存儲
2.3 智能算法
2.4 智能電網(wǎng)的信號處理
2.5 電網(wǎng)能效的監(jiān)測與優(yōu)化
2.6 電網(wǎng)的分布式傳感和測量
2.7 流數(shù)據(jù)的實時分析
2.8 大數(shù)據(jù)的顯著特點
2.8.1 奇異值分解和隨機矩陣理論
2.8.2 異質性
2.8.3 噪聲積累
2.8.4 偽相關
2.8.5 偶然內生性
2.8.6 對計算方法的影響
2.9 量子系統(tǒng)的大數(shù)據(jù)
2.10 金融系統(tǒng)的大數(shù)據(jù)
2.10.1 方法論
2.10.2 等時相關性Marchenko-Pastur定律
2.10.3 對稱時滯相關矩陣
2.10.4 不對稱時滯相關矩陣
2.10.5 降噪
2.10.6 冪律尾
2.10.7 自由隨機變量
2.10.8 輸入和輸出變量之間的互相關
2.11 大氣系統(tǒng)的大數(shù)據(jù)
2.12 大數(shù)據(jù)下的傳感網(wǎng)絡
2.13 大數(shù)據(jù)下的無線網(wǎng)絡
2.13.1 Marchenko-Pastur定律
2.13.2 單“環(huán)”定律
2.13.3 實驗結果
2.14 大數(shù)據(jù)下的交通運輸
文獻備注
第3章 大型隨機矩陣簡介
3.1 將高維數(shù)據(jù)以隨機矩陣形式建模
3.2 隨機矩陣理論簡介
3.3 改變觀點： 從向量到測度
3.4 測度的Stieltjes變換
3.5 一個基本的結果： Marchenko-Pastur方程
3.6 線性特征值統(tǒng)計與極限定律
3.7 線性特征值統(tǒng)計量的中心極限定理
3.8 隨機矩陣S-1T的中心極限定理
3.9 隨機矩陣的獨立性
3.10 矩陣值高斯分布
3.11 矩陣值的Wishart分布
3.12 矩量法
3.13 Stieltjes變換法
3.14 大型隨機矩陣譜測度的集中
3.15 未來的方向
文獻備注
第4章 樣本協(xié)方差矩陣的線性譜統(tǒng)計
4.1 線性譜統(tǒng)計
4.2 廣義Marchenko-Pastur分布
4.2.1 中心極限定理
4.2.2 尖峰總體模型
4.2.3 廣義尖峰總體模型
4.3 譜密度函數(shù)的估計
4.3.1 估算方法
4.3.2 極限譜分布的核估計量
4.3.3 核估計的中心極限定理
4.3.4 噪聲方差的估計
4.4 限制時間序列的譜分布
4.4.1 矢量自回歸移動平均（VARMA）模型
4.4.2 通用線性過程
4.4.3 線性過程的大樣本協(xié)方差矩陣
4.4.4 固定過程
4.4.5 對稱自交叉協(xié)方差矩陣
4.4.6 具有重尾的大樣本協(xié)方差矩陣
文獻備注
第5章 大型厄米隨機矩陣與自由度隨機變量
5.1 大型經(jīng)濟/金融體系
5.2 矩陣值的概率
5.2.1 協(xié)方差矩陣的特征值譜及其估計
5.3 Wishart-Levy自由穩(wěn)定的隨機矩陣
5.4 自由隨機變量的基本概念
5.5 Wishart-Levy隨機矩陣的譜分析
5.6 Stieltjes變換的基本性質
5.7 Stieltjes變換的基本定理
5.8 厄米隨機矩陣中的自由概率
5.8.1 隨機矩陣理論
5.8.2 厄米隨機矩陣的自由概率理論
5.8.3 增強自由卷積
5.8.4 隨機矩陣的壓縮
5.8.5 乘法自由卷積
5.9 隨機范德蒙矩陣
5.10 狀態(tài)估計的非漸近分析
文獻備注
第6章 大型非厄米隨機矩陣與四元離子自由概率論
6.1 四元自由概率理論
6.1.1 Stieltjes變換
6.1.2 加法自由卷積
6.1.3 乘法自由卷積
6.1.4 厄米矩陣的四元數(shù)值函數(shù)
6.2 R對角矩陣
6.2.1 R對角矩陣的種類
6.2.2 加法自由卷積
6.2.3 乘法自由卷積
6.2.4 各向同性隨機矩陣
6.3 非厄米隨機矩陣的和
6.4 非厄米隨機矩陣的乘積
6.5 奇異值等價模型
6.6 非厄米隨機矩陣的冪
6.6.1 矩陣的冪
6.6.2 譜
6.6.3 內積
6.7 大型非厄米隨機矩陣的冪級數(shù)
6.7.1 幾何級數(shù)
6.7.2 冪級數(shù)
6.8 隨機Ginibre矩陣的乘積
6.9 矩形高斯隨機矩陣的乘積
6.10 復雜Wishart矩陣的乘積
6.11 乘積和冪之間的關系
6.12 有限規(guī)模的獨立同分布高斯隨機矩陣的乘積
6.13 復合高斯隨機矩陣乘積的Lyapunov指數(shù)
6.14 歐氏隨機矩陣
6.15 具有獨立項和圓形定律的隨機矩陣
6.16 圓形定律與離群值
6.17 隨機奇異值分解、 單環(huán)定律和離群值
6.17.1 有限秩擾動的離群值： 定理6.17.3的證明
6.17.2 內圓內的特征值： 定理6.17.4的證明
6.18 橢圓定律和離群值
文獻備注
第7章 數(shù)據(jù)收集的數(shù)學基礎
7.1 大數(shù)據(jù)的結構和應用
7.2 協(xié)方差矩陣估計
7.3 大型隨機矩陣的譜估計
7.3.1 奇異值閾值
7.3.2 Stein無偏風險估計（SURE）
7.3.3 擴展譜函數(shù)
7.3.4 正則化的主成分分析
7.4 矩陣重建的漸近框架
7.4.1 帶損失函數(shù)的矩陣估計
7.4.2 與大型隨機矩陣的聯(lián)系
7.4.3 漸近矩陣重構
7.4.4 噪聲方差的估計
7.4.5 矩陣去噪的最優(yōu)硬閾值
7.5 最佳收縮
7.6 大規(guī)模協(xié)方差矩陣估計的收縮方法
7.7 大樣本協(xié)方差矩陣集合的特征向量
7.7.1 Stieltjes變換
7.7.2 樣本特征向量與總體特征向量的對比
7.7.3 樣本特征值的漸近最優(yōu)偏差校正
7.7.4 矩陣估計的精度
7.8 一般的隨機矩陣
7.8.1 大規(guī)模MIMO系統(tǒng)
文獻備注
第8章 矩陣假設檢驗使用大規(guī)模隨機矩陣
8.1 激勵示例
8.2 兩個隨機矩陣的假設檢驗
8.3 期望和方差的特征值界限
8.3.1 特征值的理論位置
8.3.2 Wasserstein距離
8.3.3 樣本協(xié)方差矩陣——具有指數(shù)衰減的元素
8.3.4 高斯協(xié)方差矩陣
8.4 經(jīng)驗分布函數(shù)的集中度
8.4.1 龐加萊型不等式
8.4.2 經(jīng)驗龐加萊型不等式
8.4.3 隨機矩陣的集中度
8.5 隨機二次型
8.6 隨機矩陣的對數(shù)行列式
8.7 一般MANOVA矩陣
8.8 大型隨機矩陣的有限秩擾動
8.8.1 非漸近有限樣本理論
8.9 高維數(shù)據(jù)集的假設檢驗
8.9.1 似然比檢驗（LRT）和協(xié)方差矩陣檢驗的動機
8.9.2 使用損失函數(shù)估計協(xié)方差矩陣
8.9.3 協(xié)方差矩陣檢驗
8.9.4 高維協(xié)方差矩陣的最優(yōu)假設檢驗
8.9.5 球形檢驗
8.9.6 檢驗正態(tài)分布的多個協(xié)方差矩陣的等式
8.9.7 檢驗正態(tài)分布組分的獨立性
8.9.8 相互依賴檢驗
8.9.9 尖峰特征值的存在性檢驗
8.9.10 大維度和小樣本量
8.10 Roy最大根檢驗
8.11 大型隨機矩陣假設的最優(yōu)檢驗
8.12 矩陣橢球等高分布
8.13 矩陣橢球等高分布的假設檢驗
8.13.1 一般結果
8.13.2 兩類模型
8.13.3 檢驗準則
文獻備注
第二部分 智 能 電 網(wǎng)
第9章 智能電網(wǎng)的應用和需求
9.1 歷史
9.2 概念和愿景
9.3 當今的電網(wǎng)
9.4 未來智能電力系統(tǒng)
第10章 智能電網(wǎng)的技術挑戰(zhàn)
10.1 自愈式電力系統(tǒng)的概念基礎
10.2 如何使電力傳輸系統(tǒng)智能化
10.3 作為復雜適應系統(tǒng)的電力系統(tǒng)
10.4 使電力系統(tǒng)成為使用分布式計算機代理的自我修復網(wǎng)絡
10.5 配電網(wǎng)
10.6 網(wǎng)絡安全
10.7 智能計量網(wǎng)絡
10.8 智能電網(wǎng)通信基礎設施
10.9 無線傳感器網(wǎng)絡
文獻備注
第11章 智能電網(wǎng)的大數(shù)據(jù)
11.1 數(shù)字的力量： 大數(shù)據(jù)和電網(wǎng)基礎結構
11.2 能源的互聯(lián)網(wǎng)： 大數(shù)據(jù)的收斂和云
11.3 邊緣分析： 消費者、 電動汽車和分布式生成
11.4 橫向主題： 大數(shù)據(jù)
11.5 智能電網(wǎng)的云計算
11.6 數(shù)據(jù)存儲、 數(shù)據(jù)訪問和數(shù)據(jù)分析
11.7 大數(shù)據(jù)的最新處理技術
11.8 大數(shù)據(jù)迎合智能電網(wǎng)
11.9 大數(shù)據(jù)的4V： 容量、 類型、 值和速度
11.10 大數(shù)據(jù)的云計算
11.11 智能電網(wǎng)的大數(shù)據(jù)
11.12 智能電網(wǎng)信息平臺
文獻備注
第12章 電網(wǎng)監(jiān)控與狀態(tài)估計
12.1 相量測量單元
12.1.1 相量的傳統(tǒng)定義
12.1.2 相量測量概念
12.1.3 同步相量定義和測量
12.2 最佳的PMU布局
12.3 狀態(tài)估計
12.4 基礎狀態(tài)估計
12.5 狀態(tài)估計的演化
12.6 靜態(tài)狀態(tài)估計
12.7 預測輔助狀態(tài)估計
12.8 相量測量單元
12.9 分布式系統(tǒng)狀態(tài)估計
12.10 事件觸發(fā)的狀態(tài)估計方法
12.11 不良數(shù)據(jù)的檢驗
12.12 改進的不良數(shù)據(jù)檢驗
12.13 網(wǎng)絡攻擊
12.14 線路中斷檢測
文獻備注
第13章 虛假數(shù)據(jù)注入攻擊與狀態(tài)估計
13.1 狀態(tài)估計
13.2 虛假數(shù)據(jù)注入攻擊
13.2.1 基本原則
13.3 MMSE狀態(tài)估計與廣義似然比檢驗
13.3.1貝葉斯框架與MMSE估計
13.3.2 統(tǒng)計模型和攻擊假設
13.3.3 具有“l(fā)1范數(shù)正則化”的廣義似然比檢測器
13.3.4 具有MMSE狀態(tài)估計的經(jīng)典檢測器
13.3.5 對MMSE和GLRT檢測的最優(yōu)攻擊
13.4 非線性測量的稀疏恢復
13.4.1 線性系統(tǒng)的不良數(shù)據(jù)檢驗
13.4.2 非線性系統(tǒng)的不良數(shù)據(jù)檢驗
13.5 實時入侵檢測
文獻備注
第14章 需求響應
14.1 為什么吸引需求
14.2 最優(yōu)實時定價算法
14.3 運輸電氣化和車對電網(wǎng)應用
14.4 網(wǎng)格存儲
文獻備注
第三部分 通信與傳感技術
第15章 大數(shù)據(jù)在通信領域的應用
15.1 5G與大數(shù)據(jù)
15.2 5G無線通信網(wǎng)絡
15.3 大規(guī)模MIMO
15.3.1 多用戶MIMO系統(tǒng)模型
15.3.2 超長的隨機向量
15.3.3 良好的傳播
15.3.4 預編碼技術
15.3.5 下行鏈路系統(tǒng)模型
15.3.6 隨機矩陣理論
15.4 大規(guī)模MIMO信道容量的自由概率
15.4.1 非漸近理論： 集中不等式
15.5 認知無線電的光譜傳感
文獻備注
第16章 大數(shù)據(jù)感知
16.1 分布式檢測和估計
16.1.1 通信時計算
16.1.2 分布式檢驗
16.1.3 分布式估計
16.1.4 共識算法
16.1.5 具有歐幾里得隨機矩陣（ERM）的隨機幾何圖
16.2 歐幾里得隨機矩陣
16.3 分布式計算
附錄A 自由概率的一些基本研究結果
附錄B 矩陣值隨機變量
參考文獻
書單推薦
