| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究目的与意义 | 第15页 |
| 1.4 主要研究内容及组织结构 | 第15-18页 |
| 第2章 ZigBee技术及信道选择机制 | 第18-29页 |
| 2.1 ZigBee技术简介 | 第18-19页 |
| 2.2 ZigBee标准协议栈 | 第19-27页 |
| 2.2.1 ZigBee应用层(APL) | 第20-21页 |
| 2.2.2 ZigBee网络层(NWK) | 第21-22页 |
| 2.2.3 ZigBee媒体访问控制层(MAC) | 第22-25页 |
| 2.2.4 ZigBee物理层(PHY) | 第25-27页 |
| 2.3 ZigBee信道选择机制 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 2.4GHz频段时频相关性的验证 | 第29-35页 |
| 3.1 2.4GHz频段频谱数据的实测工作 | 第29-30页 |
| 3.2 频谱数据的量化及相关性分析 | 第30-31页 |
| 3.3 2.4GHz频段时频相关性结论 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于时频二维LMBP神经网络的频谱预测 | 第35-58页 |
| 4.1 现有频谱预测方法研究 | 第35-42页 |
| 4.1.1 基于马尔科夫的频谱预测方法 | 第35-38页 |
| 4.1.2 基于回归分析的频谱预测方法 | 第38页 |
| 4.1.3 基于神经网络的频谱预测方法 | 第38-42页 |
| 4.2 神经网络训练算法研究 | 第42-47页 |
| 4.2.1 基于梯度下降法的BP神经网络 | 第43-44页 |
| 4.2.2 基于LM算法的BP神经网络 | 第44-47页 |
| 4.3 基于时频二维LMBP神经网络的频谱预测 | 第47-57页 |
| 4.3.1 时频二维LMBP神经网络模型 | 第47-51页 |
| 4.3.2 基于时频二维LMBP神经网络模型的频谱预测 | 第51-53页 |
| 4.3.3 仿真结论及分析 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 预测模型在ZigBee信道选择机制中的应用研究 | 第58-80页 |
| 5.1 仿真环境搭建 | 第58-63页 |
| 5.1.1 OPNET仿真软件简介 | 第58-60页 |
| 5.1.2 无线信道建模 | 第60-61页 |
| 5.1.3 ZigBee网络的搭建 | 第61-63页 |
| 5.2 时频二维LMBP神经网络在ZigBee中的实现 | 第63-70页 |
| 5.2.1 预测模型的仿真设计 | 第63-65页 |
| 5.2.2 加入预测模型的ZigBee网络仿真实现流程 | 第65-70页 |
| 5.3 不同网络结构下ZigBee网络仿真性能分析 | 第70-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 本文研究总结 | 第80-81页 |
| 6.2 后续研究工作 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第87页 |
