邱才明、威克斯著的《认知网络测量与大数据(信息与通信技术)》集中讨论了无线分布式计算及认知测量环境中的高维数据处理问题。书中描述了该研究领域中特有的困难与挑战，如由于节点高度移动性所导致的同步问题；在综述应用背景的基础上将本领域最新的研究成果有机地整合在一起；并讨论了软件无线电在测试平台开发与搭建方面的重要作用。此外，作者还介绍了大规模认知无线网络、硬件测试平台、分布式测量感知及分布式计算等方面的内容。

邱才明、威克斯著的《认知网络测量与大数据(信息与通信技术)》系统论述了大规模网络下认知测量的基本理论及某些应用问题，基本涵盖了认知测量在理论和实际应用中各个方面的内容。全书包括随机矩阵和的性质，随机矩阵的集中不等式性质及高维大数据矩阵特征值的集中不等式性质，随机矩阵的非渐进和局部性质及渐进和全局性质。本书还详细介绍了认知测量理论在其他学科中的具体应用，包括压缩感知、矩阵填充、低秩矩阵恢复、高维协方差矩阵估计、高维信号检测、概率条件受限的优化问题求解等。最后讨论了相关理论在大数据应用中的分析方法。

本书可作为高等院校信息工程、通信工程、雷达、计算机、电子学、信息及计算科学等相关专业的本科生、研究生的认知网络课程教材或教学参考书，也可供数学、物理、生物学、系统科学等专业研究生，以及从事认知网络和大数据理论、技术、方法研究的科研工作者和工程人员参考。

第一部分 理论

第1章 数学基础

 1.1 概率论基本知识／

1.1.1 联合界／

1.1.2 独立性／

1.1.3 二维随机变量

1.1.4 马尔可夫、切比雪夫不等式和切尔诺夫界

1.1.5 特征函数和傅里叶变换

1.1.6 概率密度函数的拉普拉斯变换

1.1.7 概率母函数

 1.2 独立的随机标量之和与中心极限定理

 1.3 独立的随机标量之和及几个典型的偏差不等式

1.3.1 由概率界到期望界的转换

1.3.2 Hoe?ding不等式／

1.3.3 伯恩斯坦不等式

 1.4 概率论与矩阵分析

1.4.1 特征值、迹以及埃尔米特矩阵之和

1.4.2 半正定矩阵

1.4.3 半正定矩阵的偏序

1.4.4 矩阵函数 f(A)的定义

1.4.5 矩阵与向量的范数

1.4.6 期望

1.4.7 矩和尾概率

1.4.8 随机向量与Jensen不等式

1.4.9 收敛

1.4.10 独立的随机标量之和：切尔诺夫不等式

1.4.11 随机矩阵的期望

1.4.12 特征值和谱范数

1.4.13 谱映射／

1.4.14 算子凸性与单调性

1.4.15 矩阵函数之迹的单调性和凸性

1.4.16 矩阵指数

1.4.17 Golden-Thompson不等式

1.4.18 矩阵对数

1.4.19 量子相对熵和布雷格曼散度

1.4.20 Lieb定理

1.4.21 矩阵扩张

1.4.22 半正定矩阵和偏序

1.4.23 期望与半定序

1.4.24 概率的矩阵表示

1.4.25 等距性／

1.4.26 特征值的Courant-Fischer性质／

 1.5 由非独立到独立的解耦

 1.6 随机矩阵的基础知识

1.6.1 傅里叶法

1.6.2 矩的方法

1.6.3 复高斯随机矩阵的期望矩

1.6.4 埃尔米特高斯随机矩阵HGRM(n, σ2)／

1.6.5 高斯随机矩阵GRM(m, n, σ2)

 1.7 亚高斯随机变量／

 1.8 亚高斯随机向量／

 1.9 亚指数随机变量／

 1.10 ε-网／

 1.11 拉德马赫均值与对称化

 1.12 作用于亚高斯随机向量的算子

 1.13 随机过程的上确界

 1.14 伯努利序列

 1.15 由随机矩阵和到随机向量和的转换／

 1.16 线性有界紧算子／

 1.17 自伴随紧算子的谱

……

第二部分 应用