认知无线电中基于机器学习的频谱感知技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 符号对照表 | 第9-10页 |
| 缩略词对照表 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 认知无线电的概述 | 第11-13页 |
| 1.1.3 本课题研究意义 | 第13页 |
| 1.2 认知无线电的研究现状 | 第13-14页 |
| 1.3 论文主要内容及结构安排 | 第14-17页 |
| 1.3.1 论文主要内容 | 第14-15页 |
| 1.3.2 论文结构 | 第15-17页 |
| 第二章 认知无线电中的频谱感知技术 | 第17-27页 |
| 2.1 频谱感知的概述 | 第17-18页 |
| 2.2 频谱感知的技术分类 | 第18-22页 |
| 2.2.1 窄带频谱感知 | 第19-21页 |
| 2.2.2 宽带频谱感知 | 第21-22页 |
| 2.3 基于机器学习的频谱感知 | 第22-24页 |
| 2.3.1 机器学习概述 | 第22-23页 |
| 2.3.2 机器学习与频谱感知相结合的可行性 | 第23-24页 |
| 2.3.3 基于机器学习的频谱感知研究现状 | 第24页 |
| 2.4 基于机器学习的频谱感知模型 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于KPCA与均值聚类的频谱感知 | 第27-41页 |
| 3.1 低信噪比场景下频谱感知问题概述 | 第27-28页 |
| 3.2 频谱感知系统模型 | 第28-31页 |
| 3.2.1 频谱感知信道模型 | 第28-29页 |
| 3.2.2 构造协方差矩阵 | 第29-30页 |
| 3.2.3 基于协方差矩阵的特征提取 | 第30-31页 |
| 3.3 基于KPCA与均值聚类的频谱感知 | 第31-35页 |
| 3.3.1 基于KPCA的特征提取 | 第31-32页 |
| 3.3.2 离线训练样本的积累 | 第32页 |
| 3.3.3 基于K均值聚类的阈值计算 | 第32-34页 |
| 3.3.4 基于特征相似度的在线频谱分类 | 第34-35页 |
| 3.4 仿真及性能分析 | 第35-40页 |
| 3.4.1 仿真环境 | 第35-38页 |
| 3.4.2 结果及性能分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于MSKPCA与均值聚类的协作频谱感知 | 第41-57页 |
| 4.1 多尺度特征提取 | 第41-47页 |
| 4.1.1 多尺度的概念 | 第41页 |
| 4.1.2 基于核函数的多尺度特征提取 | 第41-45页 |
| 4.1.3 基于样本数的多尺度特征提取 | 第45-47页 |
| 4.2 协作频谱感知系统模型 | 第47-48页 |
| 4.3 基于MSKPCA与均值聚类的协作频谱感知 | 第48-52页 |
| 4.3.1 离线双阈值的计算 | 第49-50页 |
| 4.3.2 在线协作序贯检测 | 第50-52页 |
| 4.4 仿真及性能分析 | 第52-56页 |
| 4.4.1 仿真环境 | 第52-54页 |
| 4.4.2 结果及性能分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 论文工作总结 | 第57-58页 |
| 5.2 后续工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 作者在读期间的研究成果 | 第65页 |
