摘要 | 第5-8页 |
ABSTRACT | 第8-11页 |
第一章 绪论 | 第18-34页 |
1.1 车联网的兴起 | 第19-22页 |
1.1.1 车联网的概念与内在特征 | 第19-20页 |
1.1.2 车联网的发展历程 | 第20-22页 |
1.2 车联网的研究现状与存在的问题 | 第22-30页 |
1.2.1 车联网系统的主要研究方向 | 第22-23页 |
1.2.2 国内外研究现状 | 第23-29页 |
1.2.3 当前研究存在的问题 | 第29-30页 |
1.3 论文主要贡献及组织结构 | 第30-34页 |
1.3.1 论文的主要工作及创新 | 第30-31页 |
1.3.2 论文结构与内容 | 第31-34页 |
第二章 车联网智能网络架构设计 | 第34-48页 |
2.1 引言 | 第34-35页 |
2.2 车联网业务的多样性需求 | 第35-36页 |
2.3 面向车联网业务需求的智能网络架构 | 第36-46页 |
2.3.1 网络切片的概念以及原理 | 第37页 |
2.3.2 智能网络架构的设计 | 第37-42页 |
2.3.3 智能车联网网络架构所面临的技术挑战 | 第42-46页 |
2.4 本章小结 | 第46-48页 |
第三章 面向强时延要求业务的无线资源分配算法研究 | 第48-66页 |
3.1 引言 | 第48-49页 |
3.2 系统模型 | 第49-52页 |
3.2.1 信号模型 | 第49-51页 |
3.2.2 数据包时延模型 | 第51页 |
3.2.3 目标问题的建立 | 第51-52页 |
3.3 动态无线分配算法 | 第52-59页 |
3.3.1 目标问题的转化 | 第52-54页 |
3.3.2 目标问题的拉格朗日对偶分解 | 第54-57页 |
3.3.3 利用梯度下降求解目标问题的对偶子问题 | 第57-58页 |
3.3.4 所提出算法总结 | 第58-59页 |
3.3.5 算法复杂度分析 | 第59页 |
3.4 仿真与分析 | 第59-65页 |
3.4.1 仿真场景与参数设置 | 第59-61页 |
3.4.2 结果比较与分析 | 第61-65页 |
3.5 本章小结 | 第65-66页 |
第四章 无人驾驶车队的协作通信与控制机制研究 | 第66-88页 |
4.1 引言 | 第66-67页 |
4.2 系统模型 | 第67-73页 |
4.2.1 无人驾驶车队的动力学模型 | 第67-69页 |
4.2.2 车队系统中的V2V通信流程设计 | 第69-71页 |
4.2.3 车队控制与车队稳定性 | 第71-72页 |
4.2.4 问题的建立 | 第72-73页 |
4.3 车队的协作控制机制 | 第73-80页 |
4.4 仿真与分析 | 第80-86页 |
4.4.1 仿真场景与参数设置 | 第80-82页 |
4.4.2 仿真结果分析 | 第82-86页 |
4.5 本章小结 | 第86-88页 |
第五章 基于深度强化学习的切片无线资源配置算法研究 | 第88-108页 |
5.1 引言 | 第88-89页 |
5.2 系统模型 | 第89-95页 |
5.2.1 V2V通信模式 | 第89-90页 |
5.2.2 场景描述 | 第90-91页 |
5.2.3 VUE的通信行为模型 | 第91-94页 |
5.2.4 网络切片资源配置策略的设计 | 第94-95页 |
5.3 问题建模 | 第95-97页 |
5.3.1 系统效用函数 | 第95-96页 |
5.3.2 部分可观的马尔可夫决策问题 | 第96-97页 |
5.4 基于深度强化学习的网络切片配置策略 | 第97-103页 |
5.4.1 基于策略梯度方法求解目标问题 | 第98-101页 |
5.4.2 深度神经网络的设计 | 第101-103页 |
5.4.3 深度神经网络的训练 | 第103页 |
5.5 仿真与分析 | 第103-107页 |
5.5.1 仿真场景与参数设置 | 第103-104页 |
5.5.2 结果比较与分析 | 第104-107页 |
5.6 本章小结 | 第107-108页 |
第六章 结束语 | 第108-112页 |
6.1 论文主要工作总结 | 第108-110页 |
6.2 全文展望 | 第110-112页 |
参考文献 | 第112-122页 |
附录A 缩略语表 | 第122-126页 |
致谢 | 第126-128页 |
攻读学位期间取得的研究成果 | 第128-129页 |