| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第8-10页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.3 本文的组织安排 | 第18-20页 |
| 第2章 密集网络切换管理算法研究 | 第20-43页 |
| 2.1 引言 | 第20页 |
| 2.2 密集网络概述 | 第20-25页 |
| 2.3 切换管理综述 | 第25-33页 |
| 2.3.1 切换的概念 | 第25-30页 |
| 2.3.2 切换的分类 | 第30-33页 |
| 2.4 切换算法研究 | 第33-41页 |
| 2.4.1 基于RSS的切换决策算法 | 第34-36页 |
| 2.4.2 基于Qo S感知的切换决策算法 | 第36-37页 |
| 2.4.3 基于判决函数的切换决策算法 | 第37-39页 |
| 2.4.4 基于环境感知的切换决策算法 | 第39-41页 |
| 2.4.5 算法比较 | 第41页 |
| 2.5 本章小结 | 第41-43页 |
| 第3章 密集网络中基于RSRP预测和负载的自适应切换算法 | 第43-61页 |
| 3.1 引言 | 第43-45页 |
| 3.2 网络模型 | 第45-47页 |
| 3.3 基于RSRP预测和负载的自适应切换算法 | 第47-54页 |
| 3.3.1 自适应最小二乘法 | 第47-50页 |
| 3.3.2 基于RSRP预测和负载的自适应切换算法 | 第50-54页 |
| 3.4 性能仿真与结果分析 | 第54-60页 |
| 3.4.1 仿真参数设置 | 第54-55页 |
| 3.4.2 仿真结果与分析 | 第55-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 基于学习的切换管理算法研究 | 第61-79页 |
| 4.1 引言 | 第61-62页 |
| 4.2 研究现状和主要工作 | 第62-64页 |
| 4.2.1 研究现状 | 第62-63页 |
| 4.2.2 主要工作 | 第63-64页 |
| 4.3 系统模型及数学建模 | 第64-68页 |
| 4.3.1 系统模型 | 第64-65页 |
| 4.3.2 切换流程 | 第65-66页 |
| 4.3.3 数学建模 | 第66-68页 |
| 4.4 基于学习的切换管理算法 | 第68-74页 |
| 4.4.1 基于上下文感知的调度机制 | 第68-70页 |
| 4.4.2 基于学习的切换管理算法 | 第70-74页 |
| 4.5 性能仿真与结果分析 | 第74-78页 |
| 4.5.1 仿真参数设置 | 第74-75页 |
| 4.5.2 仿真结果与分析 | 第75-78页 |
| 4.6 本章小结 | 第78-79页 |
| 第5章 结束语 | 第79-82页 |
| 5.1 主要工作与创新点 | 第79-80页 |
| 5.2 后续研究工作 | 第80-82页 |
| 参考文献 | 第82-91页 |
| 致谢 | 第91-92页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第92页 |