| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-15页 |
| 1.1 课题研究的背景 | 第11-13页 |
| 1.1.1 OFDM系统原理介绍 | 第11页 |
| 1.1.2 OFDM系统的优点与扩展 | 第11-13页 |
| 1.1.3 多用户OFDM系统资源分配 | 第13页 |
| 1.2 论文主要工作及结构 | 第13-15页 |
| 2 OFDM系统资源分配算法研究现状 | 第15-24页 |
| 2.1 单用户OFDM系统资源分配 | 第15-16页 |
| 2.1.1 贪婪算法 | 第15页 |
| 2.1.2 注水算法 | 第15-16页 |
| 2.2 多用户OFDM网络资源分配 | 第16-17页 |
| 2.3 多用户OFDM资源公平 | 第17-19页 |
| 2.3.1 多用户资源最大最小公平 | 第17-18页 |
| 2.3.2 多用户资源比例公平 | 第18-19页 |
| 2.4 多用户的QoS保证 | 第19-21页 |
| 2.4.1 三种QoS业务标准 | 第20页 |
| 2.4.2 机会主义调度下的QoS保证 | 第20-21页 |
| 2.5 静态信道与各态尽历信道 | 第21-22页 |
| 2.6 多用户无线资源分配的扩展 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 3 多用户OFDM资源分配的新型注水方法 | 第24-38页 |
| 3.1 多用户OFDM功率分配的凹性 | 第24-25页 |
| 3.2 多用户OFDM资源分配的尽力而为模型 | 第25-26页 |
| 3.3 最优联合功率与子载波分配策略 | 第26-29页 |
| 3.3.1 最优功率分配策略 | 第27-28页 |
| 3.3.2 最优子载波分配策略 | 第28-29页 |
| 3.4 新型注水方法 | 第29-32页 |
| 3.4.1 新型注水方法的提出与证明 | 第30-32页 |
| 3.4.2 新型注水方法流程 | 第32页 |
| 3.5 新型注水方法与粒子群结合算法 | 第32-36页 |
| 3.5.1 多用户OFDM资源分配的非实时模型 | 第32-33页 |
| 3.5.2 速率阀值乘子的KKT最优性条件 | 第33-34页 |
| 3.5.3 粒子群搜索速率阀值乘子 | 第34-35页 |
| 3.5.4 随机对偶梯度算法的原理比较 | 第35-36页 |
| 3.6 仿真实验 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 4 结合新型注水方法与差分进化的多用户OFDM资源分配 | 第38-47页 |
| 4.1 效用公平多用户OFDM非实时模型 | 第38-39页 |
| 4.2 效用公平非实时问题转换模型 | 第39-40页 |
| 4.3 基于新型注水的第一步模型求解 | 第40-41页 |
| 4.4 基于CMODE的第二步模型 | 第41-44页 |
| 4.4.1 第二步优化模型 | 第41页 |
| 4.4.2 结合多目标与差分进化算法 | 第41-44页 |
| 4.5 仿真实验 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 5 结合新型注水方法与混沌神经网络的多用户OFDM资源分配 | 第47-56页 |
| 5.1 静态衰落信道的尽力而为服务问题模型 | 第47-49页 |
| 5.2 混沌神经网络 | 第49-51页 |
| 5.2.1 暂态混沌神经网络 | 第49页 |
| 5.2.2 噪声混沌神经网络 | 第49-50页 |
| 5.2.3 迟滞噪声混沌神经网络 | 第50-51页 |
| 5.3 广义新型注水方法 | 第51-52页 |
| 5.4 基于广义新型注水方法的模型转换 | 第52-53页 |
| 5.5 基于转换模型的混沌神经网络 | 第53-54页 |
| 5.6 仿真实验 | 第54-55页 |
| 5.7 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |