| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 论文主要工作 | 第12页 |
| 1.3 论文的内容安排 | 第12-14页 |
| 第二章 相关研究概述 | 第14-24页 |
| 2.1 宽带协作频谱检测的主要方法和要求 | 第14-20页 |
| 2.1.1 认知无线电技术和频谱检测技术 | 第14-15页 |
| 2.1.2 现有窄带条件下频谱检测技术和协作频谱检测技术 | 第15-19页 |
| 2.1.3 现有宽带条件下频谱检测技术和协作频谱检测技术 | 第19-20页 |
| 2.2 压缩感知概述 | 第20-22页 |
| 2.2.1 压缩感知原理 | 第20-21页 |
| 2.2.2 宽带频谱条件下压缩感知技术原理 | 第21-22页 |
| 2.3 分布式网络协作感知介绍 | 第22-23页 |
| 2.3.1 分布式网络的概念及其优势 | 第22-23页 |
| 2.3.2 分布式网络协作频谱感知方案介绍 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于贝叶斯网络学习的协作节点选择 | 第24-35页 |
| 3.1 贝叶斯网络学习原理介绍 | 第24-28页 |
| 3.1.1 贝叶斯网络的概念与原理 | 第24-27页 |
| 3.1.2 贝叶斯网络结构学习 | 第27-28页 |
| 3.1.3 贝叶斯网络参数学习 | 第28页 |
| 3.2 SGS算法确定分布式网络拓扑 | 第28-31页 |
| 3.2.1 图的概念 | 第28-29页 |
| 3.2.2 信息理论 | 第29页 |
| 3.2.3 SGS算法简介 | 第29-31页 |
| 3.2.4 分布式网络拓扑结构的学习 | 第31页 |
| 3.3 贝叶斯估计算法学习相关性系数 | 第31-33页 |
| 3.4 仿真结果及分析 | 第33-34页 |
| 3.5 本章总结 | 第34-35页 |
| 第四章 基于改进的加权平均一致性算法的数据融合 | 第35-44页 |
| 4.1 现有的加权平均一致性算法简介 | 第35页 |
| 4.2 信号模型和可靠性先验参数交换原理 | 第35-36页 |
| 4.3 基于先验参数交换的加权平均一致性算法和收敛性分析 | 第36-39页 |
| 4.4 仿真结果及分析 | 第39-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-47页 |
| 5.1 论文工作总结 | 第44-45页 |
| 5.2 下一步工作展望 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 缩略语 | 第52-53页 |
| 致谢 | 第53-54页 |
| 作者攻读硕士学位期间的研究成果 | 第54页 |
