| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 缩略词 | 第13-15页 |
| 第一章 绪论 | 第15-37页 |
| ·认知无线电概述 | 第15-26页 |
| ·认知无线电的出现与基本概念 | 第15-16页 |
| ·认知环路 | 第16-19页 |
| ·认知无线电发展现状 | 第19-26页 |
| ·认知无线电中的智能学习技术 | 第26-33页 |
| ·人工神经网络 | 第26-28页 |
| ·最小二乘支持向量机 | 第28-30页 |
| ·博弈论 | 第30-32页 |
| ·强化学习 | 第32-33页 |
| ·论文的主要工作与内容安排 | 第33-37页 |
| 第二章 基于 NN 和 LSSVM 的认知无线电离线学习 | 第37-63页 |
| ·引言 | 第37-39页 |
| ·离线学习及决策框架 | 第39-45页 |
| ·通用的 CR 学习与决策框架 | 第39-41页 |
| ·知识表示 | 第41-45页 |
| ·CR 通信场景及数据预处理 | 第45-47页 |
| ·CR 通信场景 | 第45-46页 |
| ·案例数据预处理 | 第46-47页 |
| ·基于 RBF-NN 离线学习与决策 | 第47-50页 |
| ·基于 GA-LLSVM 离线学习与决策 | 第50-55页 |
| ·训练数据集获取 | 第50-51页 |
| ·LSSVM 学习 | 第51页 |
| ·多分类 LSSVM | 第51-52页 |
| ·GA 超参数搜索 | 第52-54页 |
| ·决策模型 | 第54-55页 |
| ·仿真分析 | 第55-62页 |
| ·案例收集 | 第55页 |
| ·多分类方法评估 | 第55-57页 |
| ·GA 超参数搜索实验 | 第57-59页 |
| ·NN 和 LSSVM 学习决策性能评估 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第三章 聚类多 Agent 强化学习认知无线电资源分配 | 第63-77页 |
| ·引言 | 第63-64页 |
| ·系统模型 | 第64-70页 |
| ·网络系统模型 | 第64-67页 |
| ·信道选择 | 第67-68页 |
| ·多用户功率选择随机博弈模型 | 第68-70页 |
| ·用户聚类的可变学习速率学习 | 第70-73页 |
| ·用户聚类 | 第70-71页 |
| ·可变学习速率学习 | 第71-73页 |
| ·仿真结果与性能分析 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第四章 基于纳什议价解的认知无线电信道与功率分配 | 第77-91页 |
| ·引言 | 第77-78页 |
| ·网络系统模型 | 第78-80页 |
| ·基于纳什议价解的信道和功率分配 | 第80-85页 |
| ·纳什议价解 | 第80页 |
| ·问题描述 | 第80-82页 |
| ·效用函数设计 | 第82-83页 |
| ·功率与信道分配算法 | 第83-85页 |
| ·仿真结果与性能分析 | 第85-89页 |
| ·本章小结 | 第89-91页 |
| 第五章 基于博弈论的认知无线网络跨层资源分配 | 第91-107页 |
| ·引言 | 第91-92页 |
| ·系统模型 | 第92-94页 |
| ·博弈方法 | 第94-101页 |
| ·纳什均衡分析 | 第95-96页 |
| ·协作启发思想与方法 | 第96-97页 |
| ·协作去耦合方法 | 第97-99页 |
| ·跨层联合方法 | 第99-101页 |
| ·算法复杂度分析 | 第101页 |
| ·仿真结果 | 第101-106页 |
| ·本章小结 | 第106-107页 |
| 第六章 无信息交互 CR 自主学习动态频谱访问 | 第107-117页 |
| ·引言 | 第107-108页 |
| ·随机频谱访问模型 | 第108页 |
| ·多用户自主 Q 学习（MIQ） | 第108-112页 |
| ·仿真分析 | 第112-115页 |
| ·本章小结 | 第115-117页 |
| 第七章 总结与展望 | 第117-121页 |
| ·全文工作总结 | 第117-118页 |
| ·后续研究工作展望 | 第118-121页 |
| 致谢 | 第121-123页 |
| 参考文献 | 第123-135页 |
| 攻读博士学位期间完成的论文和工作 | 第135-137页 |