| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 认知无线电关键技术 | 第12-14页 |
| 1.2.1 频谱检测 | 第12-13页 |
| 1.2.2 频谱管理 | 第13-14页 |
| 1.2.3 认知引擎 | 第14页 |
| 1.3 动态资源分配 | 第14-19页 |
| 1.3.1 中心频率 | 第14-15页 |
| 1.3.2 发射功率和传输比特 | 第15-16页 |
| 1.3.3 多目标优化 | 第16-18页 |
| 1.3.4 跨层分配 | 第18-19页 |
| 1.4 本文的主要工作及章节安排 | 第19-21页 |
| 第2章 基于 QoS 需求的动态资源分配 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 基于 OFDM 的认知无线电系统模型 | 第21-22页 |
| 2.3 数学模型和问题描述 | 第22-24页 |
| 2.4 贪婪分配算法 | 第24-26页 |
| 2.4.1 多用户 Hughes-Hartogs 算法 | 第24-25页 |
| 2.4.2 多目标优化贪婪分配算法 | 第25-26页 |
| 2.5 算法仿真与性能分析 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于案例推理技术的动态资源分配 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 案例推理技术 | 第29-32页 |
| 3.2.1 案例描述 | 第29-30页 |
| 3.2.2 案例分析与选择 | 第30页 |
| 3.2.3 案例更新 | 第30-31页 |
| 3.2.4 基于案例推理动态资源分配过程描述 | 第31-32页 |
| 3.3 基于案例推理量子遗传算法 | 第32-39页 |
| 3.3.1 算法描述 | 第32-35页 |
| 3.3.2 基于案例推理量子遗传算法的动态资源分配 | 第35-36页 |
| 3.3.3 仿真与结果分析 | 第36-39页 |
| 3.4 基于案例推理粒子群优化算法 | 第39-44页 |
| 3.4.1 算法描述 | 第39-41页 |
| 3.4.2 基于案例推理粒子群优化算法的动态资源分配 | 第41页 |
| 3.4.3 仿真及结果分析 | 第41-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于案例推理动态资源分配的软件实现 | 第46-67页 |
| 4.1 引言 | 第46页 |
| 4.2 软件组成模块 | 第46-47页 |
| 4.3 软件实现所需的工具介绍 | 第47-49页 |
| 4.3.1 Visual C++ 6.0 | 第47页 |
| 4.3.2 SQL Server | 第47-48页 |
| 4.3.3 ADO 技术 | 第48-49页 |
| 4.4 软件功能模块实现 | 第49-55页 |
| 4.4.1 数据输入模块 | 第49页 |
| 4.4.2 数据输出模块 | 第49-51页 |
| 4.4.3 多目标优化模块 | 第51-52页 |
| 4.4.4 案例推理模块 | 第52-55页 |
| 4.5 软件主控平台实现 | 第55-58页 |
| 4.5.1 主界面 | 第55-56页 |
| 4.5.2 查询案例库数据界面 | 第56-57页 |
| 4.5.3 查询决策库数据界面 | 第57-58页 |
| 4.6 软件性能测试 | 第58-66页 |
| 4.6.1 案例库为空时软件性能测试 | 第59-62页 |
| 4.6.1.1 QGA 算法性能测试 | 第59-61页 |
| 4.6.1.2 PSO 算法性能测试 | 第61-62页 |
| 4.6.2 案例库饱和时软件性能测试 | 第62-66页 |
| 4.6.2.1 QGA 算法性能测试 | 第62-64页 |
| 4.6.2.2 PSO 算法性能测试 | 第64-66页 |
| 4.7 小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 附录 | 第77页 |
