摘要 | 第5-7页 |
abstract | 第7-8页 |
第一章 绪论 | 第17-27页 |
1.1 研究背景与意义 | 第17-21页 |
1.1.1 云无线接入网络与雾无线接入网络 | 第17-19页 |
1.1.2 海量机器类通信及其上行传输协议构建 | 第19-20页 |
1.1.3 活跃用户探测与信道估计 | 第20-21页 |
1.2 研究现状 | 第21-23页 |
1.3 论文的主要研究内容及贡献 | 第23-26页 |
1.3.1 主要内容 | 第23-25页 |
1.3.2 主要贡献 | 第25-26页 |
1.4 论文的结构安排 | 第26-27页 |
第二章 基于压缩感知的活跃用户探测与信道估计基本技术 | 第27-47页 |
2.1 压缩感知技术介绍 | 第27-37页 |
2.1.1 唯一性条件与感知矩阵的设计 | 第29-30页 |
2.1.2 基本算法介绍 | 第30-35页 |
2.1.3 多个测量矢量问题 | 第35-37页 |
2.2 蜂窝网络单小区内基于压缩感知的活跃用户探测与信道估计 | 第37-46页 |
2.2.1 系统模型及传统求解方法 | 第37-39页 |
2.2.2 使用压缩感知技术求解 | 第39-41页 |
2.2.3 系统参数对性能的影响仿真 | 第41-46页 |
2.3 本章小结 | 第46-47页 |
第三章 有线前端链路下大规模分布式天线系统中的活跃用户探测与信道估计.. | 第47-75页 |
3.1 两种大规模分布式天线系统介绍 | 第48-49页 |
3.2 系统模型 | 第49-51页 |
3.3 问题建模 | 第51-55页 |
3.3.1 单天线的特例 | 第52-53页 |
3.3.2 参数的选择 | 第53-54页 |
3.3.3 极端情况分析 | 第54-55页 |
3.4 低复杂度方法 | 第55-63页 |
3.4.1 交替方向乘子(ADMM)方法 | 第55-59页 |
3.4.2 块坐标下降(BCD)方法 | 第59-61页 |
3.4.3 混合块坐标下降(HBCD)方法 | 第61-63页 |
3.5 算法性能对比仿真 | 第63-69页 |
3.5.1 集中式计算场景 | 第63-66页 |
3.5.2 分布式计算场景 | 第66-69页 |
3.6 系统参数对性能的影响仿真 | 第69-74页 |
3.7 本章小结 | 第74-75页 |
第四章 无线前端链路下大规模分布式天线系统中的活跃用户探测与信道估计.. | 第75-86页 |
4.1 系统模型与问题建模 | 第75-77页 |
4.2 目标问题求解及其分布式部署 | 第77-80页 |
4.3 仿真结果 | 第80-85页 |
4.4 本章小结 | 第85-86页 |
第五章 基于压缩感知的跨层随机接入协议研究 | 第86-96页 |
5.1 跨层随机接入协议设计 | 第86-89页 |
5.2 数据恢复过程 | 第89-90页 |
5.3 活跃用户数的动态变化和数据包传输延迟分析 | 第90-92页 |
5.4 系统参数对性能的影响仿真 | 第92-95页 |
5.5 本章小结 | 第95-96页 |
第六章 全文总结及展望 | 第96-98页 |
6.1 论文工作总结 | 第96-97页 |
6.2 后续工作展望 | 第97-98页 |
致谢 | 第98-99页 |
参考文献 | 第99-110页 |
附录 | 第110-117页 |
附录 A 与(2-36)等价的SOCP问题 | 第110-111页 |
附录 B 求解(2-36)的交替方向乘子(ADMM)方法 | 第111-112页 |
附录 C 求解(2-36)的坐标下降(CD)方法 | 第112-113页 |
附录 D 定理3.1的证明 | 第113页 |
附录 E 复矩阵的Shrinkage运算定义及典型问题 | 第113-114页 |
附录 F 求解(3-13)的块坐标下降(BCD)方法 | 第114-116页 |
附录 G 求解(3-10)的块坐标下降(BCD)方法 | 第116-117页 |
攻读博士学位期间的研究成果 | 第117页 |