| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 术语表 | 第14-18页 |
| 1 绪论 | 第18-31页 |
| 1.1 研究背景和意义 | 第18-22页 |
| 1.1.1 无线传感器网络中的信息传播 | 第19-20页 |
| 1.1.2 无线传感器网络中的信息获取 | 第20-22页 |
| 1.2 研究现状与面临的问题和挑战 | 第22-27页 |
| 1.3 本文拟解决的科学问题与研究思路 | 第27-29页 |
| 1.3.1 基于虚拟多天线的快速信息传播方法 | 第27-28页 |
| 1.3.2 基于元学习的主动信息获取方法 | 第28-29页 |
| 1.4 本文的主要贡献和章节安排 | 第29-31页 |
| 2 无线传感器网络中的基于虚拟多天线的快速信息传播方法 | 第31-61页 |
| 2.1 引言 | 第31页 |
| 2.2 无线传感器网络中的信息传播效率 | 第31-33页 |
| 2.2.1 静止传导率 | 第31-32页 |
| 2.2.2 移动传导率 | 第32-33页 |
| 2.3 利用分布式虚拟多天线技术增强网络信息传播效率 | 第33-60页 |
| 2.3.1 研究动机与方法 | 第33-36页 |
| 2.3.2 应用一:一维场景下基于簇的协作型信息传播 | 第36-48页 |
| 2.3.3 应用二:一维场景下基于多路信号贪婪式合并的信息传播 | 第48-60页 |
| 2.4 本章小结 | 第60-61页 |
| 3 无线传感器网络中基于元学习的主动信息获取方法 | 第61-78页 |
| 3.1 引言 | 第61页 |
| 3.2 问题建模 | 第61-63页 |
| 3.2.1 通信任务模型 | 第61-62页 |
| 3.2.2 计算任务模型 | 第62-63页 |
| 3.3 通信-计算融合算法框架 | 第63-70页 |
| 3.3.1 基于强化学习的“模型学习-元学习”双层学习机体系 | 第66-68页 |
| 3.3.2 策略空间参数化模型 | 第68-70页 |
| 3.4 数值仿真 | 第70-74页 |
| 3.4.1 场量重建任务 | 第70-71页 |
| 3.4.2 采样策略训练 | 第71-72页 |
| 3.4.3 策略评估 | 第72-74页 |
| 3.5 本章小结 | 第74-78页 |
| 4 总结与展望 | 第78-81页 |
| 4.1 本文的主要工作和结论 | 第78-79页 |
| 4.2 未来研究工作的设想 | 第79-81页 |
| 5 附录 | 第81-90页 |
| 5.1 引理2-3的证明 | 第81页 |
| 5.2 引理2-4及引理2-5的证明 | 第81-82页 |
| 5.3 引理2-6的证明 | 第82页 |
| 5.4 引理2-7的证明 | 第82-83页 |
| 5.5 定理2-1的证明 | 第83-84页 |
| 5.6 引理2-8的证明 | 第84-85页 |
| 5.7 引理2-9的证明 | 第85页 |
| 5.8 引理2-10的证明 | 第85-86页 |
| 5.9 引理2-11的证明 | 第86页 |
| 5.10 引理2-12的证明 | 第86-88页 |
| 5.11 定理2-2的证明 | 第88页 |
| 5.12 推论2-1的证明 | 第88-89页 |
| 5.13 推论2-2的证明 | 第89页 |
| 5.14 推论2-4的证明 | 第89-90页 |
| 著作情况 | 第90-91页 |
| 参考文献 | 第91-95页 |
