| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 femtocell网络研究现状 | 第11-14页 |
| 1.2.1 干扰技术研究现状 | 第11-13页 |
| 1.2.2 femtocell网络频谱效率研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 femtocell技术及强化学习技术研究 | 第17-29页 |
| 2.1 femtocell技术 | 第17-21页 |
| 2.1.1 探索引入femtocell技术的目的 | 第17-18页 |
| 2.1.2 femtocell面临的挑战 | 第18-21页 |
| 2.2 强化学习技术研究 | 第21-26页 |
| 2.2.1 强化学习理论研究 | 第22-24页 |
| 2.2.2 Q-learning理论研究 | 第24-26页 |
| 2.3 本章小结 | 第26-29页 |
| 第三章 femtocell双层网络中基于Q-learning的子信道分配方案 | 第29-41页 |
| 3.1 引言 | 第29-30页 |
| 3.2 femtocell双层网络建模 | 第30-32页 |
| 3.2.1 建立femtocell双层网络模型 | 第30-31页 |
| 3.2.2 有效容量 | 第31-32页 |
| 3.2.3 问题建模 | 第32页 |
| 3.3 基于Q-learning的子信道分配算法 | 第32-35页 |
| 3.3.1 基于Q-learning的子信道分配架构 | 第32-34页 |
| 3.3.2 基于Q-learning的子信道分配算法 | 第34-35页 |
| 3.4 仿真分析 | 第35-39页 |
| 3.5 总结 | 第39-41页 |
| 第四章 femtocell双层网络中保障QoS的基于Q-learning的功率控制方案 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 femtocell双层网络模型 | 第41-43页 |
| 4.3 非合作博弈模型 | 第43-45页 |
| 4.3.1 非合作博弈 | 第43页 |
| 4.3.2 效用函数建立与分析 | 第43-44页 |
| 4.3.3 纳什均衡 | 第44页 |
| 4.3.4 基于非合作博弈的功率控制 | 第44-45页 |
| 4.4 基于Q-learning的功率控制 | 第45-49页 |
| 4.4.1 基于Q-learning的功率控制模型 | 第46-48页 |
| 4.4.2 基于Q-learning的功率控制算法步骤 | 第48-49页 |
| 4.5 仿真结果及性能分析 | 第49-52页 |
| 4.6 本章小结 | 第52-55页 |
| 第五章 总结和展望 | 第55-59页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 未来工作展望 | 第56-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 作者攻读学位期间发表的学术论文目录 | 第67页 |
