| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-13页 |
| 第1章 绪论 | 第13-35页 |
| ·研究背景及意义 | 第13-15页 |
| ·认知无线电概述 | 第15-28页 |
| ·认知无线电的概念 | 第16-18页 |
| ·认知无线电的研究模型 | 第18-21页 |
| ·认知无线电网络主要架构模型 | 第21-22页 |
| ·认知无线电的研究现状 | 第22-26页 |
| ·认知无线电的主要应用前景 | 第26-28页 |
| ·认知无线电技术的研究重点和方向 | 第28-30页 |
| ·论文研究对象及创新点 | 第30-31页 |
| ·论文的结构安排 | 第31-32页 |
| ·本章参考文献 | 第32-35页 |
| 第2章 认知无线电频谱检测技术 | 第35-52页 |
| ·认知无线电频谱检测技术概述 | 第35页 |
| ·发射机检测 | 第35-41页 |
| ·匹配滤波器检测(Matched Filter Detection) | 第36-37页 |
| ·能量检测(Energy Detection) | 第37-38页 |
| ·循环平稳特征检测(Cyclostationary Feature Detection) | 第38-40页 |
| ·本振泄露检测(Leakage Detection) | 第40-41页 |
| ·干扰检测(Interference Detection) | 第41-44页 |
| ·干扰温度数学模型 | 第42页 |
| ·理想干扰温度模型 | 第42-44页 |
| ·广义干扰温度模型 | 第44页 |
| ·联合检测(Cooperative Detection) | 第44-48页 |
| ·联合分集增益技术 | 第45-46页 |
| ·信道衰落环境中联合频谱感知技术 | 第46-48页 |
| ·认知无线电中频谱检测面临的主用难点 | 第48-49页 |
| ·测量法定用户端的干扰温度问题 | 第48-49页 |
| ·多用户网络中的频谱检测 | 第49页 |
| ·频谱检测能力 | 第49页 |
| ·本章小结 | 第49页 |
| ·本章参考文献 | 第49-52页 |
| 第3章 基于能量检测的双阈值联合检测模型分析 | 第52-78页 |
| ·引言 | 第52-53页 |
| ·能量检测模型 | 第53-59页 |
| ·时域能量检测模型 | 第53-56页 |
| ·频域能量检测模型 | 第56-59页 |
| ·基于双阈值能量检测算法实现 | 第59-66页 |
| ·双阈值能量检测系统模型 | 第59-62页 |
| ·改进的双阈值能量检测系统模型 | 第62-66页 |
| ·数值分析 | 第66-76页 |
| ·检测系统模型功耗分析 | 第66-68页 |
| ·双阈值与改进的双阈值能量检测模型数值分析比较 | 第68-70页 |
| ·参与系数α对系统性能影响 | 第70-71页 |
| ·综合分析模块判决阈值Γ_(TF)对系统性能影响 | 第71-72页 |
| ·信噪比对系统性能影响 | 第72-75页 |
| ·时域系统与双阈值系统检测概率与检测阈值Γ_(TD)关系比较分析 | 第75-76页 |
| ·本章小结 | 第76页 |
| ·本章参考文献 | 第76-78页 |
| 第4章 基于有向通信的干扰温度估计方法研究 | 第78-99页 |
| ·引言 | 第78-79页 |
| ·基于来波检测的宽频段带通信号干扰温度模型 | 第79-80页 |
| ·宽带信号来波方向检测分析 | 第80-88页 |
| ·宽带信号来波方向检测概述 | 第80-81页 |
| ·非相干信号源分辨的基本原理 | 第81-84页 |
| ·ISM方法在相干信号空间的应用 | 第84-85页 |
| ·相干信号源分辨的基本原理 | 第85-88页 |
| ·聚焦矩阵的选择 | 第88-92页 |
| ·非酉聚焦矩阵 | 第88-89页 |
| ·聚焦矩阵的构造原则 | 第89-90页 |
| ·聚焦频率的选择 | 第90-92页 |
| ·实验及结果分析 | 第92-96页 |
| ·本章小结 | 第96-97页 |
| ·本章参考文献 | 第97-99页 |
| 第5章 基于神经网络的多窗口频谱估计方法研究 | 第99-121页 |
| ·引言 | 第99-100页 |
| ·多窗口频谱估计结合奇异值分解算法(MTM-SVD) | 第100-108页 |
| ·DPSS序列的产生 | 第101-102页 |
| ·多窗口频谱估计结合奇异值分解算法的实现 | 第102-103页 |
| ·多窗口频谱估计结合奇异值分解算法原理仿真分析 | 第103-108页 |
| ·基于神经网络的多窗口频谱估计结合奇异值分解算法的实现 | 第108-114页 |
| ·基于神经网络的DPSS序列生成模型 | 第108-109页 |
| ·基于神经网络的多窗口频谱估计结合奇异值分解算法的实现 | 第109-114页 |
| ·仿真结果与分析 | 第114-118页 |
| ·算法复杂度分析 | 第114-115页 |
| ·神经网络训练模型仿真分析 | 第115-118页 |
| ·本章小结 | 第118页 |
| ·本章参考文献 | 第118-121页 |
| 第6章 总结与展望 | 第121-123页 |
| ·论文工作总结 | 第121-122页 |
| ·进一步工作建议 | 第122-123页 |
| 缩略词 | 第123-125页 |
| 致谢 | 第125-126页 |
| 发表或已录用的学术论文 | 第126页 |
