基于隐马尔可夫模型的频谱预测和感知方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 论文的研究背景及意义 | 第9-10页 |
| 1.2 认知无线电及其关键技术 | 第10-13页 |
| 1.3 认知无线电研究现状 | 第13-15页 |
| 1.3.1 频谱预测研究现状 | 第13-14页 |
| 1.3.2 频谱感知研究现状 | 第14-15页 |
| 1.4 论文的主要内容及组织结构 | 第15-18页 |
| 第二章 认知无线电频谱预测与频谱感知方法 | 第18-30页 |
| 2.1 认知无线电频谱预测技术 | 第18-24页 |
| 2.1.1 基于回归分析的频谱预测 | 第18-19页 |
| 2.1.2 基于神经网络的频谱预测 | 第19-20页 |
| 2.1.3 基于马尔可夫链的频谱预测 | 第20-24页 |
| 2.2 认知无线电频谱感知方法 | 第24-29页 |
| 2.2.1 频谱感知概述 | 第24-25页 |
| 2.2.2 本地频谱感知 | 第25-27页 |
| 2.2.3 多用户协作频谱感知 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于离散隐马尔可夫模型的频谱预测 | 第30-44页 |
| 3.1 离散隐马尔可夫模型基本理论 | 第30-36页 |
| 3.1.1 定义及模型 | 第30-32页 |
| 3.1.2 典型问题 | 第32页 |
| 3.1.3 基本算法 | 第32-35页 |
| 3.1.4 应用场景 | 第35-36页 |
| 3.2 基于HMM的本地频谱预测 | 第36-38页 |
| 3.2.1 系统模型 | 第36页 |
| 3.2.2 本地频谱预测流程 | 第36-38页 |
| 3.3 基于HMM的自适应频谱预测 | 第38-43页 |
| 3.3.1 系统模型 | 第38-39页 |
| 3.3.2 基于准确度的自适应分组融合算法 | 第39-41页 |
| 3.3.3 仿真结果与分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于连续隐马尔可夫模型的频谱感知 | 第44-58页 |
| 4.1 连续隐马尔可夫模型基本理论 | 第44-50页 |
| 4.1.1 CHMM参数表示 | 第44-45页 |
| 4.1.2 CHMM训练算法存在的问题 | 第45-47页 |
| 4.1.3 CHMM算法的改进 | 第47-49页 |
| 4.1.4 CHMM和DHMM的对比分析 | 第49-50页 |
| 4.2 基于CHMM的多用户协作频谱感知框架 | 第50-55页 |
| 4.2.1 系统模型 | 第50-51页 |
| 4.2.2 能量向量分布 | 第51-53页 |
| 4.2.3 基于CHMM的多用户协作频谱感知算法 | 第53-55页 |
| 4.3 仿真结果与分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 全文总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第63-64页 |
| 致谢 | 第64页 |
