| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·论文的主要内容和结构安排 | 第11-13页 |
| 第二章 Femtocell 网络中资源分配机制研究关键技术 | 第13-25页 |
| ·Femtocell 网络中资源分配机制研究数学工具 | 第13-20页 |
| ·智能优化算法 | 第13-16页 |
| ·分布式 Q-学习算法 | 第16-18页 |
| ·博弈论 | 第18-20页 |
| ·Femtocell 和 macrocell 共存场景下的干扰分析 | 第20-23页 |
| ·共层干扰 | 第20-21页 |
| ·交叉层干扰 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 Femtocell网络中一种集中式的下行资源分配算法 | 第25-39页 |
| ·研究背景与理论基础 | 第25-26页 |
| ·系统模型 | 第26-27页 |
| ·问题模型建立 | 第27-29页 |
| ·BS 与 FUE 之间不完全子载波信息的处理 | 第27-28页 |
| ·问题建立 | 第28-29页 |
| ·子载波分配方案 | 第29-33页 |
| ·功率分配阶段 | 第33-34页 |
| ·求最优解 | 第33-34页 |
| ·收敛性分析 | 第34页 |
| ·仿真结果与分析 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 Femtocell网络中分布式自学习资源分配算法 | 第39-51页 |
| ·引言 | 第39页 |
| ·系统模型 | 第39-40页 |
| ·Femtocell 与 macrocell 之间的干扰避免模型 | 第40页 |
| ·Femtocell 之间的干扰避免模型 | 第40页 |
| ·分布式行为学习 | 第40-45页 |
| ·公有信息反馈 | 第41-42页 |
| ·行为和策略 | 第42页 |
| ·效用函数定义 | 第42-44页 |
| ·基于公有信息反馈的行为学习 | 第44-45页 |
| ·自适应行为学习 | 第45-47页 |
| ·强干扰区域计算 | 第45-46页 |
| ·决定哪些 HNBs 需要去反馈 | 第46-47页 |
| ·仿真结果及分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51-52页 |
| ·未来研究工作展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 作者在研究生期间的研究成果 | 第59-60页 |
