下一代移动通信网络中的业务特征认知及服务机制研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 缩写、符号清单、术语表 | 第15-17页 |
| 1 绪论 | 第17-31页 |
| 1.1 研究背景 | 第17-20页 |
| 1.2 移动通信系统基础简介 | 第20-23页 |
| 1.3 国内外研究现状 | 第23-26页 |
| 1.4 论文研究动机 | 第26-27页 |
| 1.5 研究思路、内容及论文结构 | 第27-31页 |
| 2 蜂窝网业务量空间分布及可预测性研究 | 第31-53页 |
| 2.1 蜂窝网业务量空间分布 | 第31-41页 |
| 2.1.1 研究背景 | 第31-32页 |
| 2.1.2 蜂窝网空间业务量的测量 | 第32-35页 |
| 2.1.3 流量密度的空间相关性建模 | 第35-37页 |
| 2.1.4 流量密度的空间建模 | 第37-38页 |
| 2.1.5 空间流量模型的应用 | 第38-41页 |
| 2.1.6 业务量空间分布建模小结 | 第41页 |
| 2.2 蜂窝网业务量可预测性研究 | 第41-53页 |
| 2.2.1 流量可预测性的背景和动机 | 第41-42页 |
| 2.2.2 预测数据集和分析机理 | 第42-43页 |
| 2.2.3 基于信息熵的蜂窝网业务量可预测性分析 | 第43-50页 |
| 2.2.4 分析参数讨论 | 第50-52页 |
| 2.2.5 蜂窝网业务量可预测性分析小结 | 第52-53页 |
| 3 蜂窝网中用户移动模型 | 第53-65页 |
| 3.1 研究背景和动机 | 第53-54页 |
| 3.2 用户到达间隔建模 | 第54-56页 |
| 3.3 用户停留时间建模 | 第56-59页 |
| 3.4 用户离开间隔建模 | 第59-62页 |
| 3.5 单位时间内到达用户数建模 | 第62-63页 |
| 3.6 蜂窝网中用户移动模型小结 | 第63-65页 |
| 4 移动端的社交即时消息业务特征及其影响 | 第65-75页 |
| 4.1 “信令风暴”的成因和研究背景 | 第65-66页 |
| 4.2 移动即时消息业务特征建模 | 第66-70页 |
| 4.3 移动即时消息业务对网络性能的影响 | 第70-72页 |
| 4.4 移动即时消息业务特征建模小结 | 第72-75页 |
| 5 基于业务特征认知的跨层服务机制 | 第75-85页 |
| 5.1 区分业务的用户体验指数建模 | 第75-77页 |
| 5.2 无线状态反馈在传输层业务管理中的应用 | 第77-81页 |
| 5.3 基于业务特征的无线自定义调度机制 | 第81-85页 |
| 6 基于云计算技术的软件定义蜂窝网 | 第85-95页 |
| 6.1 业务爆发和云计算技术的出现 | 第85-86页 |
| 6.2 蜂窝网中的业务爆发研究 | 第86-89页 |
| 6.3 云计算和软件定义网络在蜂窝网中的应用 | 第89-93页 |
| 6.4 智能的软件定义蜂窝网络 | 第93-94页 |
| 6.5 对5G技术的展望 | 第94-95页 |
| 7 攻读博士期间主要研究成果 | 第95-99页 |
| 7.1 期刊论文 | 第95-96页 |
| 7.2 国际会议论文 | 第96页 |
| 7.3 参研项目 | 第96-97页 |
| 7.4 已投稿论文 | 第97-99页 |
| 8 简历 | 第99-101页 |
| 8.1 个人经历 | 第99页 |
| 8.2 研究兴趣 | 第99页 |
| 8.3 所获荣誉 | 第99页 |
| 8.4 联系方式 | 第99-101页 |
| 参考文献 | 第101-106页 |
