基于图论算法的无线信道特征提取与场景识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-14页 |
| 1.1.1 图论简史 | 第9-12页 |
| 1.1.2 无线通信 | 第12-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 论文研究工作 | 第16页 |
| 1.4 全文组织结构 | 第16-18页 |
| 2 无线信道的特征 | 第18-30页 |
| 2.1 引言 | 第18-19页 |
| 2.2 理论依据 | 第19-22页 |
| 2.2.1 图论知识 | 第19页 |
| 2.2.2 着色原理 | 第19-20页 |
| 2.2.3 匈牙利算法 | 第20页 |
| 2.2.4 图的连通性与可分性 | 第20-21页 |
| 2.2.5 无线通信 | 第21-22页 |
| 2.3 模型建立 | 第22-29页 |
| 2.3.1 图论算法:信道特征 | 第22-26页 |
| 2.3.2 着色算法:可区分信道分配 | 第26-28页 |
| 2.3.3 设计实验:匈牙利算法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 场景建模及特征提取 | 第30-41页 |
| 3.1 引言 | 第30-31页 |
| 3.2 基本假设及理论依据 | 第31-33页 |
| 3.2.1 基本假设 | 第31页 |
| 3.2.2 多径信道参数 | 第31-32页 |
| 3.2.3 主成分分析 | 第32-33页 |
| 3.3 模型建立 | 第33-39页 |
| 3.3.1 DSP:信道参数及特征提取 | 第34-37页 |
| 3.3.2 PCA:信道建模 | 第37-39页 |
| 3.4 性能分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 场景指纹识别 | 第41-52页 |
| 4.1 引言 | 第41-43页 |
| 4.1.1 神经网络发展简史 | 第41-42页 |
| 4.1.2 主成分分析 | 第42-43页 |
| 4.2 理论依据 | 第43-45页 |
| 4.2.1 神经网络 | 第43-45页 |
| 4.2.2 主成分分析 | 第45页 |
| 4.3 模型建立 | 第45-51页 |
| 4.3.1 RBFNN:场景识别 | 第45-49页 |
| 4.3.2 PCA:场景识别验证 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 场景复合指纹识别 | 第52-58页 |
| 5.1 引言 | 第52-53页 |
| 5.2 理论基础 | 第53-54页 |
| 5.2.1 聚类分析 | 第53页 |
| 5.2.2 快速聚类法 | 第53-54页 |
| 5.3 模型建立 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 区域识别与匹配 | 第58-68页 |
| 6.1 引言 | 第58-59页 |
| 6.2 理论依据 | 第59-61页 |
| 6.2.1 时间序列模型 | 第59-60页 |
| 6.2.2 决策树模型 | 第60-61页 |
| 6.3 模型建立 | 第61-67页 |
| 6.3.1 时间序列分析 | 第61-62页 |
| 6.3.2 决策树模型 | 第62-67页 |
| 6.4 本章小结 | 第67-68页 |
| 7 拓展研究 | 第68-71页 |
| 8 总结与展望 | 第71-72页 |
| 8.1 全文总结 | 第71页 |
| 8.2 未来研究展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 缩略字表 | 第76-77页 |
| 附录 | 第77-79页 |
| 插图/表目录 | 第79-81页 |
| 攻读硕士学位期间的科研成果 | 第81-84页 |
| 致谢 | 第84页 |
