| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究背景与意义 | 第11-15页 |
| 1.1.1 认知无线电技术及其应用 | 第11-12页 |
| 1.1.2 认知无线电网络安全问题 | 第12-15页 |
| 1.2 PUEA问题的研究现状 | 第15-18页 |
| 1.3 论文主要工作与贡献 | 第18-19页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 研究成果 | 第19页 |
| 1.4 论文章节安排 | 第19-21页 |
| 第2章 现有认知无线电网络的PUEA检测方法 | 第21-33页 |
| 2.1 基于发射机地理位置的PUEA检测方法 | 第21-23页 |
| 2.2 基于发射机指纹特征的PUEA检测方法 | 第23-25页 |
| 2.3 基于信道特征的PUEA检测方法 | 第25-32页 |
| 2.3.1 基于接收信号能量的检测方法 | 第25-28页 |
| 2.3.2 基于接收信号能量方差的检测方法 | 第28-30页 |
| 2.3.3 基于信道冲激响应幅度的检测方法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于信道多径时延差的PUEA检测方法 | 第33-55页 |
| 3.1 系统模型 | 第33-38页 |
| 3.1.1 网络模型 | 第33-34页 |
| 3.1.2 多径衰落信道模型 | 第34-35页 |
| 3.1.3 信道多径时延估计方法 | 第35-38页 |
| 3.2 基于信道多径时延差的检测方法 | 第38-43页 |
| 3.2.1 方法介绍 | 第39-40页 |
| 3.2.2 性能分析 | 第40-43页 |
| 3.3 数值结果与分析 | 第43-54页 |
| 3.3.1 理论性能计算 | 第43-46页 |
| 3.3.2 计算机仿真验证 | 第46-50页 |
| 3.3.3 实验验证 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 基于Q-Learning的PUEA检测方法 | 第55-91页 |
| 4.1 预备知识:增强学习方法 | 第55-59页 |
| 4.1.1 增强学习的基本概念 | 第55-57页 |
| 4.1.2 增强学习算法 | 第57-58页 |
| 4.1.3 Q-Learning算法 | 第58-59页 |
| 4.2 单PU场景下基于Q-Learning的PUEA检测方法 | 第59-66页 |
| 4.2.1 单PU场景下的网络模型 | 第59-61页 |
| 4.2.2 单PU场景下的SU收益分析 | 第61-62页 |
| 4.2.3 单PU场景下的PUEA检测方法 | 第62-66页 |
| 4.3 多PU场景下基于Q-Learning的PUEA检测方法 | 第66-70页 |
| 4.3.1 多PU场景下的网络模型 | 第66-67页 |
| 4.3.2 多PU场景下的SU收益分析 | 第67-68页 |
| 4.3.3 多PU场景下的PUEA检测方法 | 第68-70页 |
| 4.4 仿真结果与分析 | 第70-90页 |
| 4.4.1 仿真场景与参数设置 | 第70-74页 |
| 4.4.2 仿真结果 | 第74-90页 |
| 4.5 本章小结 | 第90-91页 |
| 第5章 总结与展望 | 第91-93页 |
| 5.1 工作总结 | 第91-92页 |
| 5.2 研究展望 | 第92-93页 |
| 参考文献 | 第93-99页 |
| 攻读硕士学位期间的研究成果 | 第99页 |
