| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 论文研究背景 | 第10页 |
| 1.2 MAC协议 | 第10-13页 |
| 1.2.1 ALOHA | 第10-11页 |
| 1.2.2 FDMA | 第11页 |
| 1.2.3 TDMA | 第11-12页 |
| 1.2.4 CDMA | 第12页 |
| 1.2.5 CSMA | 第12-13页 |
| 1.2.6 OFDMA | 第13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 认知MAC协议 | 第13-14页 |
| 1.3.2 MAC协议估计 | 第14-15页 |
| 1.3.3 MAC协议分类 | 第15页 |
| 1.3.4 MAC协议识别 | 第15-16页 |
| 1.3.5 MAC协议识别研究中存在的挑战 | 第16页 |
| 1.4 论文的主要内容及安排 | 第16-18页 |
| 第2章 认知无线电网络MAC协议识别技术 | 第18-27页 |
| 2.1 认知无线电网络MAC协议识别概述 | 第18页 |
| 2.2 系统模型 | 第18-19页 |
| 2.2.1 主网络传输模型 | 第18-19页 |
| 2.2.2 次级网络传输模型 | 第19页 |
| 2.3 MAC协议分类方法 | 第19-22页 |
| 2.3.1 MAC协议分类 | 第19-20页 |
| 2.3.2 基于无线电波环境监测的MAC协议分类方法 | 第20-21页 |
| 2.3.3 基于支持向量机的MAC协议分类方法 | 第21-22页 |
| 2.4 MAC协议识别流程 | 第22-23页 |
| 2.5 MAC协议识别技术的应用 | 第23-26页 |
| 2.5.1 和频谱空穴的时域-频域模型匹配 | 第23-24页 |
| 2.5.2 减少对活跃主用户的干扰 | 第24-25页 |
| 2.5.3 实现可重构的MAC协议 | 第25页 |
| 2.5.4 节约能量 | 第25-26页 |
| 2.5.5 实现异构认知网络之间的通信 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 单天线下MAC协议识别 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 支持向量机及其在认知无线电网络中的应用 | 第27-28页 |
| 3.2.1 支持向量机 | 第27-28页 |
| 3.2.2 支持向量机在认知无线电网络中的应用 | 第28页 |
| 3.3 基于能量特征的MAC协议识别 | 第28-33页 |
| 3.3.1 系统模型 | 第28-29页 |
| 3.3.2 时域特性 | 第29-30页 |
| 3.3.3 提取能量特征 | 第30-32页 |
| 3.3.4 信号模型 | 第32-33页 |
| 3.4 性能分析 | 第33-36页 |
| 3.4.1 仿真条件 | 第33页 |
| 3.4.2 特征数据分布 | 第33-34页 |
| 3.4.3 分类正确率 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 多天线下MAC协议识别 | 第37-51页 |
| 4.1 引言 | 第37页 |
| 4.2 系统模型 | 第37页 |
| 4.3 快衰落信道下基于能量特征的MAC协议识别 | 第37-42页 |
| 4.3.1 提取能量特征 | 第38-39页 |
| 4.3.2 信号模型 | 第39页 |
| 4.3.3 性能分析 | 第39-42页 |
| 4.4 块衰落信道下基于特征值的MAC协议识别 | 第42-50页 |
| 4.4.1 提取特征值 | 第42-43页 |
| 4.4.2 基于能量特征的信号模型 | 第43-44页 |
| 4.4.3 基于特征值的信号模型 | 第44-45页 |
| 4.4.4 性能分析 | 第45-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |