| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景、目的与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 认知无线电研究现状 | 第14-17页 |
| 1.2.2 轨道交通环境下的认知无线电研究现状 | 第17-18页 |
| 1.3 论文内容结构安排和创新点 | 第18-21页 |
| 1.3.1 论文的内容结构安排 | 第18-19页 |
| 1.3.2 本文的创新点 | 第19-21页 |
| 第二章 基于两步决策的认知基站Q-LEARNING频谱管理算法 | 第21-39页 |
| 2.1 认知基站模型与轨道交通链状建网 | 第21-23页 |
| 2.1.1 认知基站模型 | 第21-22页 |
| 2.1.2 轨道交通链状建网 | 第22-23页 |
| 2.2 授权用户模型 | 第23-24页 |
| 2.3 强化学习理论及应用 | 第24-28页 |
| 2.3.1 强化学习理论 | 第25页 |
| 2.3.2 强化学习模型在轨道认知基站上的应用 | 第25-28页 |
| 2.4 探索守成困境在轨道认知无线网络的解决方案 | 第28-31页 |
| 2.4.1 MAB问题的几种优化方法 | 第28-30页 |
| 2.4.2 小量贪婪算法在轨道认知无线网络中的应用 | 第30-31页 |
| 2.5 实验设计和结果分析 | 第31-38页 |
| 2.5.1 实验设计 | 第31-33页 |
| 2.5.2 参数ε_1和ε_2有效性实验 | 第33-34页 |
| 2.5.3 选取最佳的ε取值组合的实验 | 第34-35页 |
| 2.5.4 与其他两种频谱管理策略的性能比较 | 第35-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 基于贝叶斯网络的信道可接入性推测 | 第39-54页 |
| 3.1 贝叶斯决策基本方法 | 第39-42页 |
| 3.1.1 贝叶斯决策论 | 第39-40页 |
| 3.1.2 贝叶斯网络和有向无环图 | 第40-42页 |
| 3.2 贝叶斯网络在轨道无线环境中的应用 | 第42-46页 |
| 3.2.1 可行性分析 | 第42-43页 |
| 3.2.2 有向无环图建立 | 第43-46页 |
| 3.3 层次分析法 | 第46-49页 |
| 3.4 实验设计和结果分析 | 第49-52页 |
| 3.4.1 实验设计 | 第49-50页 |
| 3.4.2 贝叶斯推测的信道可接入概率 | 第50-51页 |
| 3.4.3 利用贝叶斯推测进行信道分配的结果分析 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于知识共享的多智能体合作策略 | 第54-65页 |
| 4.1 多智能体知识共享理论基础 | 第54页 |
| 4.2 基于知识共享建模 | 第54-59页 |
| 4.3 授权用户占用时间分布的参数估计 | 第59-60页 |
| 4.4 实验设计和结果分析 | 第60-64页 |
| 4.4.1 实验设计 | 第60-61页 |
| 4.4.2 最大似然估计对授权用户的参数跟随性 | 第61-62页 |
| 4.4.3 单基站内期望吞吐率与实际吞吐率 | 第62-63页 |
| 4.4.4 知识共享策略的性能 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文 | 第72-73页 |
| 附录 | 第73-76页 |
| 算法1：基于两步决策的认知基站Q-Learning频谱管理算法 | 第73-74页 |
| 算法2：基于贝叶斯网络的信道可接入性推测算法 | 第74-75页 |
| 算法3：基于知识共享的多智能体合作策略算法 | 第75-76页 |
| 致谢 | 第76-78页 |
