摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第13-18页 |
1.1 研究背景与意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-16页 |
1.2.1 最大化频谱效率 | 第14-15页 |
1.2.2 最大化能量效率 | 第15页 |
1.2.3 信道状态信息不确定 | 第15-16页 |
1.3 论文的研究内容 | 第16-17页 |
1.4 论文的组织结构 | 第17-18页 |
第二章 认知OFDM网络资源分配技术概述 | 第18-29页 |
2.1 认知无线电技术 | 第18-21页 |
2.1.1 认知无线电定义和特征 | 第18-20页 |
2.1.2 认知无线电关键技术 | 第20-21页 |
2.2 认知OFDM技术 | 第21-25页 |
2.2.1 OFDM技术原理 | 第21-23页 |
2.2.2 OFDM关键技术 | 第23-24页 |
2.2.3 认知OFDM技术的优势 | 第24-25页 |
2.3 认知OFDM网络资源分配技术 | 第25-28页 |
2.3.1 OFDM系统资源分配 | 第25-26页 |
2.3.2 认知OFDM网络资源分配 | 第26-27页 |
2.3.3 资源分配优化准则 | 第27-28页 |
2.4 本章小结 | 第28-29页 |
第三章 基于改进线性注水算法的频谱有效资源分配算法 | 第29-40页 |
3.1 问题描述 | 第29页 |
3.2 系统模型与优化问题 | 第29-31页 |
3.3 问题求解与资源分配算法设计 | 第31-37页 |
3.3.1 基于最大传输速率的子载波分配 | 第32页 |
3.3.2 基于改进线性注水算法的功率分配 | 第32-37页 |
3.4 仿真分析 | 第37-39页 |
3.5 本章小结 | 第39-40页 |
第四章 基于遗传粒子群优化的频谱有效资源分配算法 | 第40-52页 |
4.1 问题描述 | 第40页 |
4.2 系统模型与优化问题 | 第40-42页 |
4.3 问题求解与资源分配算法设计 | 第42-47页 |
4.3.1 遗传算法基本原理 | 第42-43页 |
4.3.2 基于遗传算法的子载波分配 | 第43-44页 |
4.3.3 粒子群算法基本原理 | 第44-45页 |
4.3.4 基于粒子群算法的功率分配 | 第45-47页 |
4.4 仿真分析 | 第47-51页 |
4.5 本章小结 | 第51-52页 |
第五章 基于拟牛顿内点法的能量有效资源分配算法 | 第52-68页 |
5.1 问题描述 | 第52页 |
5.2 系统模型与优化问题 | 第52-54页 |
5.2.1 能量有效的系统目标函数 | 第52-53页 |
5.2.2 能量有效的优化问题 | 第53-54页 |
5.3 概率约束的凸近似 | 第54-55页 |
5.4 优化问题最优解的上界 | 第55-57页 |
5.5 基于拟牛顿内点法的资源分配算法 | 第57-63页 |
5.5.1 子载波分配 | 第57-58页 |
5.5.2 功率分配问题及其等效形式 | 第58-59页 |
5.5.3 拟牛顿内点法求解功率分配 | 第59-63页 |
5.6 仿真分析 | 第63-67页 |
5.7 本章小结 | 第67-68页 |
第六章 总结与展望 | 第68-70页 |
6.1 论文总结 | 第68-69页 |
6.2 研究展望 | 第69-70页 |
参考文献 | 第70-75页 |
致谢 | 第75-76页 |
在学期间的研究成果及发表的学术论文 | 第76页 |