| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 缩略词表 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-18页 |
| 1.2 研究动机及意义 | 第18-19页 |
| 1.3 主要研究内容及创新点 | 第19-20页 |
| 1.3.1 主要研究内容 | 第19-20页 |
| 1.3.2 创新点 | 第20页 |
| 1.4 结构及章节安排 | 第20-22页 |
| 第二章 面向海量连接的接入控制和资源分配 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 海量连接接入控制和资源分配的理论基础 | 第22-29页 |
| 2.2.1 无线随机接入过程 | 第22-26页 |
| 2.2.2 机器学习 | 第26-27页 |
| 2.2.3 蒙特卡罗规划 | 第27-29页 |
| 2.3 面向巨连接的无线接入控制和资源分配的研究现状 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于分布式组网的MTC无线接入拥塞控制 | 第34-49页 |
| 3.1 引言 | 第34页 |
| 3.2 系统模型及问题建模 | 第34-35页 |
| 3.3 无线接入拥塞控制机制 | 第35-43页 |
| 3.3.1 分布式组网MAC协议概述 | 第36-38页 |
| 3.3.2 分布式组网MAC协议的节点状态分析 | 第38-41页 |
| 3.3.3 接入拥塞控制方案时延的理论分析 | 第41-43页 |
| 3.4 仿真验证及结果分析 | 第43-48页 |
| 3.4.1 参数设置 | 第44页 |
| 3.4.2 结果分析 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于机器学习的MTC设备智能接入基站选择 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 系统模型及问题建模 | 第49-52页 |
| 4.3 基于Q学习的智能接入基站选择 | 第52-56页 |
| 4.3.1 强化学习的框架 | 第52-53页 |
| 4.3.2 强化学习算法 | 第53-54页 |
| 4.3.3 基于Q学习算法的接入基站选择 | 第54-56页 |
| 4.4 仿真验证及结果分析 | 第56-64页 |
| 4.4.1 参数设置 | 第56页 |
| 4.4.2 结果分析 | 第56-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 基于机器学习的海量连接资源分配 | 第65-78页 |
| 5.1 引言 | 第65-66页 |
| 5.2 系统模型和问题建模 | 第66-68页 |
| 5.3 基于Q学习的资源分配 | 第68-72页 |
| 5.3.1 UCT策略选择算法 | 第70-72页 |
| 5.4 仿真验证及结果分析 | 第72-77页 |
| 5.4.1 参数设置 | 第72-74页 |
| 5.4.2 结果分析 | 第74-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-80页 |
| 6.1 本文总结 | 第78-79页 |
| 6.2 未来工作展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻硕期间取得的成果 | 第86-87页 |