| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 缩略语表 | 第9-14页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 认知无线电技术 | 第15-22页 |
| 1.2.1 基本知识 | 第15-17页 |
| 1.2.2 网络结构 | 第17-18页 |
| 1.2.3 频谱共享方式 | 第18-20页 |
| 1.2.4 基本网络模型 | 第20-22页 |
| 1.3 论文主要工作 | 第22-24页 |
| 1.3.1 研究目标 | 第22-23页 |
| 1.3.2 研究内容 | 第23页 |
| 1.3.3 主要贡献 | 第23-24页 |
| 1.4 论文章节安排 | 第24-26页 |
| 第2章 数学基础 | 第26-40页 |
| 2.1 凸优化理论 | 第26-29页 |
| 2.1.1 引言 | 第26页 |
| 2.1.2 凸集合与凸函数 | 第26-27页 |
| 2.1.3 拉格朗日对偶原理 | 第27-29页 |
| 2.2 鲁棒优化理论 | 第29-35页 |
| 2.2.1 引言 | 第29页 |
| 2.2.2 不确定性描述 | 第29页 |
| 2.2.3 鲁棒优化处理方法 | 第29-35页 |
| 2.3 随机优化理论 | 第35-37页 |
| 2.3.1 引言 | 第35页 |
| 2.3.2 不确定性描述 | 第35页 |
| 2.3.3 随机优化处理方法 | 第35-37页 |
| 2.4 不确定性评价 | 第37-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第3章 基于精确参数的认知无线电分布式资源分配算法 | 第40-62页 |
| 3.1 引言 | 第40页 |
| 3.2 认知无线电分布式资源分配算法 | 第40-53页 |
| 3.2.1 系统模型 | 第41-44页 |
| 3.2.2 优化数学模型 | 第44-45页 |
| 3.2.3 功率分配 | 第45-49页 |
| 3.2.4 仿真结果与分析 | 第49-53页 |
| 3.3 认知无线电混合资源分配策略 | 第53-60页 |
| 3.3.1 系统模型 | 第53-54页 |
| 3.3.2 优化数学模型 | 第54-55页 |
| 3.3.3 功率分配 | 第55-57页 |
| 3.3.4 仿真结果与分析 | 第57-60页 |
| 3.4 本章小结 | 第60-62页 |
| 第4章 基于有界不确定性的认知无线电鲁棒资源分配算法 | 第62-82页 |
| 4.1 引言 | 第62-63页 |
| 4.2 基于吞吐量最大的认知无线电鲁棒资源分配算法 | 第63-73页 |
| 4.2.1 系统模型 | 第64-65页 |
| 4.2.2 优化数学模型 | 第65-67页 |
| 4.2.3 功率分配 | 第67-69页 |
| 4.2.4 仿真结果与分析 | 第69-73页 |
| 4.3 基于功率消耗最小的认知无线电鲁棒资源分配算法 | 第73-81页 |
| 4.3.1 系统模型 | 第74-75页 |
| 4.3.2 优化数学模型 | 第75-76页 |
| 4.3.3 功率分配 | 第76-78页 |
| 4.3.4 仿真结果与分析 | 第78-81页 |
| 4.4 本章小结 | 第81-82页 |
| 第5章 基于概率约束的认知无线电鲁棒资源分配算法 | 第82-100页 |
| 5.1 引言 | 第82页 |
| 5.2 基于已知概率分布信息的认知无线电鲁棒资源分配算法 | 第82-90页 |
| 5.2.1 系统模型 | 第83-84页 |
| 5.2.2 优化数学模型 | 第84-86页 |
| 5.2.3 功率分配 | 第86-87页 |
| 5.2.4 仿真结果与分析 | 第87-90页 |
| 5.3 基于未知概率分布信息的认知无线电鲁棒资源分配算法 | 第90-99页 |
| 5.3.1 系统模型 | 第91页 |
| 5.3.2 优化数学模型 | 第91-92页 |
| 5.3.3 自适应估计算法 | 第92-94页 |
| 5.3.4 仿真结果与分析 | 第94-99页 |
| 5.4 本章小结 | 第99-100页 |
| 第6章 总结与展望 | 第100-104页 |
| 6.1 全文总结 | 第100-101页 |
| 6.2 工作展望 | 第101-104页 |
| 参考文献 | 第104-112页 |
| 作者简介及在学期间的科研成果 | 第112-114页 |
| 致谢 | 第114-115页 |
