| 摘要 | 第1-5页 |
| abstract | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·论文研究背景与意义 | 第10页 |
| ·认知无线电智能学习技术面临的挑战 | 第10页 |
| ·认知无线电智能学习所需解决的关键问题 | 第10页 |
| ·认知无线电智能学习技术研究现状 | 第10-11页 |
| ·论文研究内容 | 第11-12页 |
| ·解决的关键问题 | 第11-12页 |
| ·主要研究内容 | 第12页 |
| ·论文结构与组织安排 | 第12-14页 |
| 2 智能学习技术应用于认知无线电 | 第14-19页 |
| ·认知循环 | 第14-18页 |
| ·认知引擎模型 | 第16-17页 |
| ·不同认知阶段的人工智能技术应用分析 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 CR 认知引擎设计 | 第19-34页 |
| ·引言 | 第19-20页 |
| ·系统模型 | 第20-24页 |
| ·基于 LS-SVM 的学习推理模型 | 第20-21页 |
| ·基于 RBF_NN 的 CR 学习推理模型 | 第21-23页 |
| ·参数重配置决策模型 | 第23页 |
| ·算法实现流程 | 第23-24页 |
| ·基于 LS-SVM 学习推理的仿真结果与分析 | 第24-28页 |
| ·样值规则约简 | 第24-25页 |
| ·LS-SVM 信道分类性能评价仿真 | 第25-26页 |
| ·LS-SVM 参数配置回归性能评价仿真 | 第26-27页 |
| ·LS-SVM 信道分类性能评价仿真决策重配置仿真分析 | 第27-28页 |
| ·基于 RBF-NN 学习推理的仿真结果与分析 | 第28-32页 |
| ·目标输出仿真 | 第28-29页 |
| ·网络拓扑结构仿真 | 第29页 |
| ·网络性能评价仿真 | 第29-31页 |
| ·参数重配置仿真分析 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 4 基于 OPNET 的嵌套 RBF 神经网络认知引擎设计 | 第34-43页 |
| ·引言 | 第34页 |
| ·无线通信系统模型建立 | 第34页 |
| ·基于嵌套神经网络的 CR 学习推理模型 | 第34-36页 |
| ·RBF_NN 的关键问题 | 第34-35页 |
| ·基于 NRBF_NN 的认知无线电学习推理模型 | 第35-36页 |
| ·环境参数重配置模型 | 第36页 |
| ·模型算法实现流程 | 第36-37页 |
| ·仿真结果与分析 | 第37-42页 |
| ·NRBF_NN 拓扑结构仿真 | 第37-38页 |
| ·学习推理模型性能评价仿真 | 第38-40页 |
| ·参数重配置仿真 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 用 Q 学习设计 CR 中 TCP 吞吐量跨层学习模型 | 第43-55页 |
| ·引言 | 第43页 |
| ·系统模型设计 | 第43-46页 |
| ·动态多信道的多用户 CR 网络模型 | 第43-44页 |
| ·TCP 吞吐量模型 | 第44-45页 |
| ·信道模型 | 第45-46页 |
| ·Q 学习算法模型 | 第46-47页 |
| ·基于 Q 学习系统模型实现方案设计 | 第47-50页 |
| ·状态空间和感知状态空间 | 第48页 |
| ·动作空间 | 第48-49页 |
| ·奖励和对应策略选择及 Q 值表更新 | 第49页 |
| ·表示机制 | 第49页 |
| ·具体算法实现 | 第49-50页 |
| ·仿真及结果分析 | 第50-53页 |
| ·相同用户需求仿真分析 | 第50-52页 |
| ·不同用户需求仿真分析 | 第52-53页 |
| ·不同 SNR 所获得的 TCP 吞吐量仿真分析 | 第53页 |
| ·本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果 | 第61页 |
