| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景、目的和意义 | 第9-12页 |
| 1.3 相关领域国内外研究现状 | 第12-18页 |
| 1.3.1 认知车载网络发展现状研究 | 第12-14页 |
| 1.3.2 频谱分配算法研究 | 第14-16页 |
| 1.3.3 频谱接入退避机制研究 | 第16-18页 |
| 1.4 本文主要研究工作和组织结构 | 第18-20页 |
| 1.4.1 主要研究工作 | 第18页 |
| 1.4.2 论文组织结构 | 第18-20页 |
| 第2章 基于分解的多目标布谷鸟搜索频谱分配算法研究 | 第20-36页 |
| 2.1 研究模型分析和建立 | 第20-25页 |
| 2.1.1 认知车载网络模型 | 第20-21页 |
| 2.1.2 CVU的移动模型 | 第21-23页 |
| 2.1.3 PU的信道使用模型 | 第23-24页 |
| 2.1.4 最大化吞吐量和公平性多目标问题模型 | 第24-25页 |
| 2.2 基于分解的多目标布谷鸟算法 | 第25-29页 |
| 2.2.1 基于分解的多目标优化算法 | 第25-26页 |
| 2.2.2 改进的布谷鸟搜索算法 | 第26-27页 |
| 2.2.3 MOICS/D算法 | 第27-29页 |
| 2.3 标准函数下算法仿真及分析 | 第29-33页 |
| 2.3.1 改进布谷鸟算法性能测试 | 第29-30页 |
| 2.3.2 MOICS/D算法性能测试 | 第30-33页 |
| 2.4 基于分解的多目标布谷鸟搜索频谱分配算法仿真及分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于相对剩余时间的频谱接入退避算法研究 | 第36-54页 |
| 3.1 认知车载网络频谱接入 | 第36-41页 |
| 3.1.1 WAVE体系结构与多信道管理 | 第36-38页 |
| 3.1.2 IEEE802.11p中DCF机制 | 第38-41页 |
| 3.2 基于相对剩余时间的自适应退避算法 | 第41-46页 |
| 3.2.1 相对剩余时间 | 第41-43页 |
| 3.2.2 自适应退避算法 | 第43-46页 |
| 3.3 Markov建模分析 | 第46-49页 |
| 3.3.1 高负载网络下Markov建模 | 第46-48页 |
| 3.3.2 低负载网络下Markov建模 | 第48-49页 |
| 3.4 退避算法性能分析与测试 | 第49-53页 |
| 3.4.1 吞吐量 | 第49-50页 |
| 3.4.2 公平性 | 第50-51页 |
| 3.4.3 丢包率 | 第51-52页 |
| 3.4.4 传输时延 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于NS3的认知车载网络系统实现 | 第54-66页 |
| 4.1 NS3网络仿真软件 | 第54-55页 |
| 4.2 系统总体设计和实现 | 第55-62页 |
| 4.2.1 需求分析 | 第55页 |
| 4.2.2 仿真系统的实现 | 第55-60页 |
| 4.2.3 动态网络可视化 | 第60-62页 |
| 4.3 RRTBA算法在系统中的实现与分析 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 总结 | 第66-68页 |
| 5.1 全文工作总结 | 第66-67页 |
| 5.2 下一步研究展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间的科研成果 | 第74页 |