移动网络环境智能终端尾能耗优化研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 智能终端发展现状 | 第10页 |
| 1.1.2 移动网络能耗问题 | 第10-12页 |
| 1.2 尾能耗研究现状 | 第12-16页 |
| 1.2.1 尾能耗聚合的研究 | 第12-13页 |
| 1.2.2 尾能耗窃取的研究 | 第13页 |
| 1.2.3 尾能耗调节的研究 | 第13-15页 |
| 1.2.4 各类尾能耗优化技术的优缺点 | 第15-16页 |
| 1.3 研究内容及创新点 | 第16-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 第二章 移动网络中的RRC状态机及其尾能耗 | 第18-28页 |
| 2.1 3G网络中的RRC状态机及其尾能耗 | 第18-20页 |
| 2.1.1 RRC状态机 | 第18-19页 |
| 2.1.2 RRC状态转换及其尾能耗 | 第19-20页 |
| 2.1.3 RRC协议设计缺陷 | 第20页 |
| 2.2 4G网络中的RRC状态机及其尾能耗 | 第20-25页 |
| 2.2.1 非连续接收机制简介 | 第20-21页 |
| 2.2.2 RRC状态转换及其尾能耗 | 第21-22页 |
| 2.2.3 DRX两种模式 | 第22-25页 |
| 2.2.4 DRX设计缺陷 | 第25页 |
| 2.3 本章小结 | 第25-28页 |
| 第三章 基于时间序列的移动网络尾能耗优化方法 | 第28-44页 |
| 3.1 TAB序列介绍 | 第28-29页 |
| 3.1.1 3G数据收集 | 第28-29页 |
| 3.1.2 TAB序列定义 | 第29页 |
| 3.2 平稳性检验 | 第29-31页 |
| 3.2.1 平稳性的定义 | 第29-30页 |
| 3.2.2 平稳性检验 | 第30-31页 |
| 3.3 ARMA模型的建立 | 第31-35页 |
| 3.3.1 ARMA模型的一般形式 | 第32-33页 |
| 3.3.2 常用定阶准则 | 第33页 |
| 3.3.3 混合准则定阶法确定模型阶数 | 第33-35页 |
| 3.3.4 自回归逼近法确定模型的参数 | 第35页 |
| 3.4 TAB序列预测及其优化策略 | 第35-36页 |
| 3.5 实验验证及分析 | 第36-42页 |
| 3.5.1 获取TAB序列 | 第36-37页 |
| 3.5.2 平稳性检验 | 第37页 |
| 3.5.3 TAB序列预测 | 第37-38页 |
| 3.5.4 对比实验设计 | 第38页 |
| 3.5.5 实验结果与分析 | 第38-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于马尔科夫链的自适应DRX优化机制 | 第44-64页 |
| 4.1 DRX机制 | 第44-46页 |
| 4.1.1 非自适应的DRX | 第44页 |
| 4.1.2 自适应的DRX | 第44-46页 |
| 4.2 DRX性能分析 | 第46-51页 |
| 4.2.1 性能指标 | 第46-47页 |
| 4.2.2 性能分析 | 第47-51页 |
| 4.3 改进的自适应DRX优化机制 | 第51-56页 |
| 4.3.1 数据业务类型的分类 | 第51-52页 |
| 4.3.2 马尔科夫链的产生和理论分析 | 第52-54页 |
| 4.3.3 马尔科夫链模型预测数据业务类型 | 第54-55页 |
| 4.3.4 基于马尔科夫链的自适应DRX优化机制 | 第55-56页 |
| 4.4 实验验证及分析 | 第56-62页 |
| 4.4.1 仿真实验设计 | 第56-57页 |
| 4.4.2 实验结果及分析 | 第57-62页 |
| 4.5 本章小结 | 第62-64页 |
| 总结与展望 | 第64-66页 |
| 总结 | 第64页 |
| 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间取得的科研成果 | 第70-72页 |
| 致谢 | 第72页 |
