| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 课题背景及研究的目的和意义 | 第7-9页 |
| 1.1.1 课题研究背景 | 第7-8页 |
| 1.1.2 课题研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-14页 |
| 1.2.1 小区区域扩展技术研究现状 | 第9-11页 |
| 1.2.2 小区间干扰协调技术研究现状 | 第11-13页 |
| 1.2.3 人工智能算法在异构网络中应用研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 LTE-A异构网络关键技术 | 第16-35页 |
| 2.1 LTE-A异构网络概述 | 第16-24页 |
| 2.1.1 LTE-A网络架构 | 第16-18页 |
| 2.1.2 异构网络节点 | 第18-19页 |
| 2.1.3 帧结构和帧格式 | 第19-21页 |
| 2.1.4 链路自适应技术 | 第21-23页 |
| 2.1.5 资源调度算法 | 第23-24页 |
| 2.2 MACRO-PICO异构网络小区间干扰协调技术 | 第24-29页 |
| 2.2.1 Macro-Pico异构网络干扰 | 第24-27页 |
| 2.2.2 时域小区间干扰协调算法 | 第27页 |
| 2.2.3 频域小区间干扰协调算法 | 第27-28页 |
| 2.2.4 功率控制小区间干扰协调算法 | 第28-29页 |
| 2.3 人工智能算法理论基础 | 第29-34页 |
| 2.3.1 粒子群算法概述 | 第29-32页 |
| 2.3.2 Q学习算法概述 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于粒子群算法的CRE选择策略 | 第35-46页 |
| 3.1 小区区域扩展技术介绍 | 第35-38页 |
| 3.2 基于粒子群算法的CRE值选择算法设计 | 第38-41页 |
| 3.2.1 用户SINR与系统容量分析 | 第38-40页 |
| 3.2.2 问题建模与算法流程 | 第40-41页 |
| 3.3 系统性能仿真与分析 | 第41-44页 |
| 3.3.1 仿真场景及参数设置 | 第42页 |
| 3.3.2 仿真结果分析 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 Q学习异构网络干扰协调算法研究 | 第46-63页 |
| 4.1 ABS子帧技术与RP-ABS子帧技术 | 第46-52页 |
| 4.1.1 ABS子帧技术 | 第46-50页 |
| 4.1.2 RP-ABS子帧技术 | 第50-52页 |
| 4.2 基于Q学习的干扰协调算法设计 | 第52-58页 |
| 4.2.1 基于ABS帧的子帧改进 | 第52-55页 |
| 4.2.2 问题建模与算法流程 | 第55-58页 |
| 4.3 仿真结果对比分析 | 第58-62页 |
| 4.3.1 仿真参数设定 | 第58-59页 |
| 4.3.2 性能对比分析 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71页 |