未来移动通信动态资源分配算法的研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 引言 | 第13-24页 |
| 1.1 研究背景 | 第13-17页 |
| 1.1.1 小区间的动态资源分配 | 第13-15页 |
| 1.1.2 小区内的动态资源分配 | 第15-17页 |
| 1.2 选题的意义 | 第17-19页 |
| 1.3 本论文研究工作的难点和主要贡献 | 第19-22页 |
| 1.3.1 小规模蜂窝网的DCA | 第20页 |
| 1.3.2 大规模蜂窝网的DCA | 第20-21页 |
| 1.3.3 认知无线电蜂窝网的DSA | 第21-22页 |
| 1.3.4 多用户OFDM系统的动态资源分配 | 第22页 |
| 1.4 本文的主要内容和结构 | 第22-24页 |
| 第二章 神经网络优化算法 | 第24-38页 |
| 2.1 神经元模型 | 第24-26页 |
| 2.2 单层前向神经网络 | 第26-27页 |
| 2.3 多层前向神经网络 | 第27-28页 |
| 2.4 递归神经网络 | 第28-33页 |
| 2.4.1 Hopfield神经网络 | 第28-31页 |
| 2.4.2 Lyapunov稳定性定理 | 第31-33页 |
| 2.5 暂态混沌神经网络 | 第33-35页 |
| 2.6 噪声混沌神经网络 | 第35-36页 |
| 2.7 能量函数设计 | 第36-37页 |
| 2.8 本章小结 | 第37-38页 |
| 第三章 小规模蜂窝网的动态信道分配 | 第38-58页 |
| 3.1 国内外研究现状 | 第38-40页 |
| 3.2 DCA的干扰约束条件 | 第40-42页 |
| 3.2.1 同场地约束(CSC) | 第41页 |
| 3.2.2 临道约束(ACC) | 第41页 |
| 3.2.3 同道约束(CCC) | 第41-42页 |
| 3.3 DCA的频率压缩 | 第42-43页 |
| 3.4 DCA的能量函数 | 第43-45页 |
| 3.5 NCNN的状态方程 | 第45-46页 |
| 3.6 应用实例及算法验证 | 第46-54页 |
| 3.6.1 能量函数验证 | 第47-49页 |
| 3.6.2 NCNN的性能分析 | 第49-51页 |
| 3.6.3 NCNN的参数设置 | 第51-54页 |
| 3.7 系统仿真及性能分析 | 第54-57页 |
| 3.7.1 系统仿真建模 | 第55-56页 |
| 3.7.2 性能分析 | 第56-57页 |
| 3.8 本章小结 | 第57-58页 |
| 第四章 大规模蜂窝网的动态信道分配 | 第58-78页 |
| 4.1 问题的提出 | 第58-60页 |
| 4.1.1 传统DCA算法存在的问题 | 第58-59页 |
| 4.1.2 解决方案 | 第59-60页 |
| 4.2 干扰信道表 | 第60-63页 |
| 4.3 DCA能量函数的改进 | 第63-64页 |
| 4.4 应用实例及算法验证 | 第64-71页 |
| 4.4.1 能量函数验证 | 第68-70页 |
| 4.4.2 NCNN的性能分析 | 第70-71页 |
| 4.4.3 NCNN的参数设置 | 第71页 |
| 4.5 系统仿真及性能分析 | 第71-77页 |
| 4.5.1 系统仿真建模 | 第72-73页 |
| 4.5.2 均匀通信负荷模型 | 第73-75页 |
| 4.5.3 热点小区通信负荷模型 | 第75-77页 |
| 4.6 本章小结 | 第77-78页 |
| 第五章 认知无线电蜂窝网的动态频率分配 | 第78-90页 |
| 5.1 研究背景 | 第78-79页 |
| 5.2 认知无线电的关键技术 | 第79-80页 |
| 5.3 认知无线电的动态频谱分配 | 第80-82页 |
| 5.3.1 DSA的分类 | 第80页 |
| 5.3.2 DSA的研究现状 | 第80-82页 |
| 5.4 CRCN的DSA算法 | 第82-84页 |
| 5.4.1 网络结构及算法实现 | 第82-83页 |
| 5.4.2 干扰频率表 | 第83-84页 |
| 5.5 仿真结果及分析 | 第84-89页 |
| 5.5.1 频率分配实例 | 第85-86页 |
| 5.5.2 公共控制信道的固定 | 第86-88页 |
| 5.5.3 NCNN的效率 | 第88-89页 |
| 5.6 本章小节 | 第89-90页 |
| 第六章 多用户OFDM系统的动态资源分配 | 第90-112页 |
| 6.1 国内外研究现状 | 第90-93页 |
| 6.1.1 概述 | 第90-91页 |
| 6.1.2 MA优化的研究现状 | 第91-92页 |
| 6.1.3 RA优化的研究现状 | 第92-93页 |
| 6.2 MA优化算法分析 | 第93-94页 |
| 6.3 基于NCNN的MA优化算法 | 第94-99页 |
| 6.3.1 MA优化的能量函数 | 第95-98页 |
| 6.3.2 NCNN的状态方程 | 第98-99页 |
| 6.4 应用实例及算法验证 | 第99-109页 |
| 6.4.1 多径衰落信道建模 | 第99-102页 |
| 6.4.2 多个OFDM子载波信道建模 | 第102-104页 |
| 6.4.3 能量函数验证 | 第104-107页 |
| 6.4.4 NCNN的参数设置 | 第107-109页 |
| 6.5 系统仿真及性能分析 | 第109-111页 |
| 6.5.1 性能分析 | 第109-110页 |
| 6.5.2 NCNN的效率 | 第110-111页 |
| 6.6 本章小结 | 第111-112页 |
| 第七章 总结与展望 | 第112-115页 |
| 7.1 本文研究工作的总结 | 第112-113页 |
| 7.2 未来研究工作的展望 | 第113-115页 |
| 参考文献 | 第115-123页 |
| 缩略词 | 第123-124页 |
| 攻读博士学位期间参加的项目和科研成果 | 第124-125页 |
| 致谢 | 第125页 |
