| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-12页 |
| 1.1.1 无线频谱资源短缺问题 | 第8-11页 |
| 1.1.2 认知无线电技术的提出和发展 | 第11-12页 |
| 1.2 认知无线电频谱测量和预测研究现状 | 第12-14页 |
| 1.3 研究意义 | 第14-15页 |
| 1.4 论文的主要工作和章节安排 | 第15-16页 |
| 第2章 频谱测量数据统计分析 | 第16-26页 |
| 2.1 整体系统架构 | 第16-17页 |
| 2.2 频谱测量工作 | 第17-18页 |
| 2.3 频谱熵的引入 | 第18-19页 |
| 2.4 数据预处理 | 第19-23页 |
| 2.4.1 数据清理 | 第20-21页 |
| 2.4.2 数据变换 | 第21-23页 |
| 2.5 频谱熵相关性 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于特征向量的频谱熵预测 | 第26-50页 |
| 3.1 一种新的预测算法模型 | 第26-29页 |
| 3.1.1 特征选取阶段 | 第27-28页 |
| 3.1.2 预测器训练阶段 | 第28-29页 |
| 3.2 特征选择——基于最大相关最小冗余准则(m RMR) | 第29-36页 |
| 3.2.1 特征选择过程 | 第29-30页 |
| 3.2.2 特征搜索策略及特征选择方法 | 第30-31页 |
| 3.2.3 特征选择方法 | 第31-33页 |
| 3.2.4 最大相关最小冗余特征选择算法(m RMR) | 第33-36页 |
| 3.3 支持向量回归(SVR) | 第36-47页 |
| 3.3.1 线性支持向量回归 | 第36-40页 |
| 3.3.2 非线性支持向量回归 | 第40-41页 |
| 3.3.3 核函数 | 第41-42页 |
| 3.3.4 支持向量回归参数的选择及确定 | 第42-47页 |
| 3.4 基于m RMR -SVR的频谱熵预测 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 性能测试与对比 | 第50-59页 |
| 4.1 频谱利用率及其平稳程度分析 | 第50-54页 |
| 4.1.1 频谱利用率分析 | 第50-51页 |
| 4.1.2 频谱利用率平稳程度分析方法对比 | 第51-54页 |
| 4.2 不同的特征维度预测性能比较 | 第54-55页 |
| 4.3 与传统方法的性能对比 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第67页 |