| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文结构 | 第12-13页 |
| 第二章 TD-LTE系统M2M业务研究 | 第13-25页 |
| 2.1 TD-LTE系统概述 | 第13-14页 |
| 2.2 TD-LTE系统帧结构 | 第14页 |
| 2.3 TD-LTE系统随机接入过程 | 第14-18页 |
| 2.3.1 ALOHA模型 | 第15-16页 |
| 2.3.2 TD-LTE系统基于竞争的随机接入过程 | 第16-17页 |
| 2.3.3 TD-LTE系统碰撞退避的研究 | 第17-18页 |
| 2.4 M2M业务特征及建模 | 第18-24页 |
| 2.4.1 M2M业务特点 | 第18页 |
| 2.4.2 M2M业务分类及QoS设计 | 第18-22页 |
| 2.4.3 M2M业务建模 | 第22-24页 |
| 2.5 小结 | 第24-25页 |
| 第三章 TD-LTE系统M2M业务可达数仿真 | 第25-36页 |
| 3.1 仿真方法概述 | 第25-26页 |
| 3.2 OPNET仿真软件概述 | 第26页 |
| 3.3 OPNET仿真软件参数设置 | 第26-28页 |
| 3.4 OPNET仿真结果分析 | 第28-35页 |
| 3.4.1 紧急视频监控 | 第28-29页 |
| 3.4.2 紧急数据监控 | 第29-30页 |
| 3.4.3 视频监控 | 第30-31页 |
| 3.4.4 数据监控 | 第31-32页 |
| 3.4.5 智能交互 | 第32-33页 |
| 3.4.6 智能抄表 | 第33-35页 |
| 3.5 小结 | 第35-36页 |
| 第四章 M2M业务到达预测模型 | 第36-59页 |
| 4.1 深度神经网络算法 | 第36-41页 |
| 4.1.1 深度神经网络算法概述 | 第36页 |
| 4.1.2 神经网络算法推导 | 第36-41页 |
| 4.2 循环神经网络 | 第41-48页 |
| 4.2.1 循环神经网络概述 | 第41-42页 |
| 4.2.2 RNN网络算法推导 | 第42-48页 |
| 4.3 长短时记忆模型 | 第48-52页 |
| 4.3.1 长短时记忆模型概述 | 第48-49页 |
| 4.3.2 LSTM网络算法推导 | 第49-52页 |
| 4.4 M2M业务时序建模方案 | 第52-58页 |
| 4.4.1 神经网络结构设计 | 第52-53页 |
| 4.4.2 数据集构造方案 | 第53-55页 |
| 4.4.3 特征选择 | 第55-56页 |
| 4.4.4 神经网络训练方案 | 第56-57页 |
| 4.4.5 神经网络建模效果评估 | 第57-58页 |
| 4.5 小结 | 第58-59页 |
| 第五章 基于预测的分组接入控制流程设计及仿真分析 | 第59-76页 |
| 5.1 规划仿真平台简介 | 第59-62页 |
| 5.1.1 容量仿真流程 | 第59-61页 |
| 5.1.2 覆盖预测仿真 | 第61-62页 |
| 5.2 基于预测的分组接入控制流程设计 | 第62-69页 |
| 5.2.1 基于预测的上行接入流程概述 | 第62-63页 |
| 5.2.2 业务到达预测模块 | 第63页 |
| 5.2.3 前导码资源分配模块 | 第63-64页 |
| 5.2.4 RB资源分配模块 | 第64-67页 |
| 5.2.5 接入控制模块 | 第67-68页 |
| 5.2.6 吞吐量计算 | 第68-69页 |
| 5.3 无线资源分配仿真的前期准备 | 第69-70页 |
| 5.3.1 路径损耗计算 | 第69页 |
| 5.3.2 公共信道覆盖预测 | 第69-70页 |
| 5.4 仿真结果对比 | 第70-75页 |
| 5.4.1 仿真测试参数配置 | 第70-71页 |
| 5.4.2 公共信道覆盖预测 | 第71-72页 |
| 5.4.3 小区终端接入成功率对比 | 第72-75页 |
| 5.5 小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-80页 |
| 附录 | 第80-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间发表的学术论文目录 | 第83页 |