| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 Femtocell研究现状及发展前景 | 第11-12页 |
| 1.2.1 Femtocell研究现状 | 第11-12页 |
| 1.2.2 Femtocell发展前景 | 第12页 |
| 1.3 研究内容及主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 Femtocell简介 | 第14-25页 |
| 2.1 Femtocell的定义 | 第14页 |
| 2.2 Femtocell产生的技术背景 | 第14-18页 |
| 2.2.1 室外宏小区基站 | 第14-15页 |
| 2.2.2 中继站 | 第15-16页 |
| 2.2.3 分布式天线系统 | 第16-17页 |
| 2.2.4 辐射电缆 | 第17页 |
| 2.2.5 WiFi技术 | 第17页 |
| 2.2.6 Femtocell技术的产生 | 第17-18页 |
| 2.3 Femtocell的部署 | 第18-19页 |
| 2.4 Femtocell的工作原理 | 第19-21页 |
| 2.5 Femtocell系统中存在的干扰 | 第21-22页 |
| 2.5.1 共层干扰 | 第21页 |
| 2.5.2 跨层干扰 | 第21-22页 |
| 2.6 Femtocell在移动通信系统中的关键技术 | 第22-24页 |
| 2.6.1 基于 2G网络的Femtocell技术 | 第22页 |
| 2.6.2 基于 3G网络的Femtocell技术 | 第22-23页 |
| 2.6.3 基于 4G网络的Femtocell技术 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 机器学习简介 | 第25-32页 |
| 3.1 机器学习的概念 | 第25页 |
| 3.2 机器学习的发展历程 | 第25-26页 |
| 3.3 机器学习的主要策略 | 第26-30页 |
| 3.3.1 人工神经网络 | 第26-28页 |
| 3.3.2 遗传算法 | 第28页 |
| 3.3.3 强化学习算法 | 第28-30页 |
| 3.4 机器学习在现代社会中的应用 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于机器学习的频谱与功率分配 | 第32-72页 |
| 4.1 Femtocell二层网络系统模型 | 第32-34页 |
| 4.2 一种新型的基于蚁群优化算法的频谱分配技术 | 第34-53页 |
| 4.2.1 蚁群优化算法简介 | 第34-35页 |
| 4.2.2 基于双桥实验的蚁群优化算法基本原理 | 第35-38页 |
| 4.2.3 信息素蒸发对蚁群优化过程的影响 | 第38-39页 |
| 4.2.4 人工蚁群优化算法的模型 | 第39-42页 |
| 4.2.5 算法的收敛性 | 第42-43页 |
| 4.2.6 蚁群优化算法系统模型 | 第43-48页 |
| 4.2.7 蚁群优化算法应用的仿真结果及分析 | 第48-53页 |
| 4.3 一种改进的基于Q学习算法的功率资源控制技术 | 第53-70页 |
| 4.3.1 Q-learning算法原理 | 第53-56页 |
| 4.3.2 Q函数的定义 | 第56-59页 |
| 4.3.3 Q函数收敛性的证明 | 第59-60页 |
| 4.3.4 Q-learning算法系统模型 | 第60-65页 |
| 4.3.5 Q-learning算法仿真结果及分析 | 第65-70页 |
| 4.4 ACO方法与Q-learning方法的对比与联合使用 | 第70-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 总结和展望 | 第72-73页 |
| 5.1 全文总结 | 第72页 |
| 5.2 未来展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 附录1程序清单 | 第75-76页 |
| 附录2攻读硕士学位期间撰写的论文 | 第76-77页 |
| 附录3攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 致谢 | 第78页 |
