| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 符号说明 | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 引言 | 第13-14页 |
| 1.2 研究内容和创新点 | 第14-16页 |
| 1.3 本文组织结构 | 第16-17页 |
| 1.4 博士期间的主要工作 | 第17-19页 |
| 参考文献 | 第19-20页 |
| 第二章 自优化和自治愈技术 | 第20-34页 |
| 2.1 LTE技术 | 第20-21页 |
| 2.1.1 LTE概念和特点 | 第20页 |
| 2.1.2 LTE的网络结构 | 第20-21页 |
| 2.2 SON技术 | 第21-25页 |
| 2.2.1 SON的提出 | 第21页 |
| 2.2.2 SON的基本功能 | 第21-23页 |
| 2.2.3 SON的体系架构 | 第23-24页 |
| 2.2.4 SON的标准化 | 第24-25页 |
| 2.3 自优化技术 | 第25-28页 |
| 2.3.1 移动健壮性优化 | 第25-26页 |
| 2.3.2 邻区关系ANR | 第26-27页 |
| 2.3.3 移动负载均衡 | 第27-28页 |
| 2.4 自治愈技术 | 第28-31页 |
| 2.4.1 自治愈概述 | 第28-29页 |
| 2.4.2 自治愈用例--小区中断管理 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 参考文献 | 第32-34页 |
| 第三章 切换自优化技术研究 | 第34-62页 |
| 3.1 基于支持向量机的异常切换检测技术研究 | 第34-48页 |
| 3.1.1 LTE系统的切换流程 | 第35-37页 |
| 3.1.2 异常切换类别分析 | 第37-38页 |
| 3.1.3 支持向量机原理 | 第38-39页 |
| 3.1.4 基于支持向量机的异常切换检测方法 | 第39-40页 |
| 3.1.5 样本的获取 | 第40-44页 |
| 3.1.5.1 异常切换特征提取 | 第40-43页 |
| 3.1.5.2 异常切换特征样本数据预处理 | 第43-44页 |
| 3.1.5.3 样本集构造 | 第44页 |
| 3.1.6 仿真实验分析 | 第44-48页 |
| 3.1.6.1 仿真场景 | 第44-45页 |
| 3.1.6.2 仿真性能指标 | 第45-46页 |
| 3.1.6.3 仿真结果与分析 | 第46-48页 |
| 3.2 基于Q学习的动态移动健壮性优化技术研究 | 第48-59页 |
| 3.2.1 强化学习 | 第48-49页 |
| 3.2.2 问题分析 | 第49-51页 |
| 3.2.2.1 切换原理和控制参数 | 第49-51页 |
| 3.2.2.2 切换的问题情景 | 第51页 |
| 3.2.3 MRO中的Q学习框架设计 | 第51-54页 |
| 3.2.4 仿真实验分析 | 第54-59页 |
| 3.2.4.1 仿真场景建立 | 第54-55页 |
| 3.2.4.2 仿真性能指标 | 第55-56页 |
| 3.2.4.3 仿真结果与分析 | 第56-59页 |
| 3.3 本章小结 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 第四章 基于差分变异的BP神经网络中断检测技术研究 | 第62-82页 |
| 4.1 小区中断检测研究现状 | 第62-65页 |
| 4.2 BP神经网络 | 第65-66页 |
| 4.3 中断检测模型参数选择 | 第66-70页 |
| 4.3.1 输入参数选择 | 第67-69页 |
| 4.3.2 隐层参数选择 | 第69-70页 |
| 4.3.3 输出参数选择 | 第70页 |
| 4.4 算法优化和实施 | 第70-73页 |
| 4.4.1 BP算法优化分析 | 第70-71页 |
| 4.4.2 基于差分进化算法的BP神经网络小区中断检测算法(DEBP) | 第71-73页 |
| 4.5 仿真实验分析 | 第73-78页 |
| 4.5.1 仿真场景建立 | 第73-75页 |
| 4.5.2 仿真性能指标 | 第75页 |
| 4.5.3 仿真结果与分析 | 第75-78页 |
| 4.6 基于DEBP的小区中断检测应用方案框架 | 第78-79页 |
| 4.7 本章小结 | 第79-80页 |
| 参考文献 | 第80-82页 |
| 第五章 小区中断补偿技术研究 | 第82-98页 |
| 5.1 小区中断补偿研究现状 | 第82-84页 |
| 5.2 模糊Q学习 | 第84-85页 |
| 5.3 系统模型 | 第85-87页 |
| 5.3.1 天线下倾角 | 第85页 |
| 5.3.2 天线增益 | 第85-86页 |
| 5.3.3 SINR计算 | 第86-87页 |
| 5.4 基于模糊Q学习的小区中断补偿 | 第87-91页 |
| 5.4.1 选取参与补偿的相邻小区 | 第87-88页 |
| 5.4.2 映射关系 | 第88-90页 |
| 5.4.3 FQL算法的实现 | 第90-91页 |
| 5.5 仿真结果与分析 | 第91-94页 |
| 5.5.1 仿真场景建立 | 第91页 |
| 5.5.2 仿真性能指标 | 第91-92页 |
| 5.5.3 仿真结果与分析 | 第92-94页 |
| 5.6 本章小结 | 第94-95页 |
| 参考文献 | 第95-98页 |
| 第六章 总结与展望 | 第98-100页 |
| 6.1 论文总结 | 第98-99页 |
| 6.2 进一步的研究工作 | 第99-100页 |
| 附录一 攻读学位期间的学术成果 | 第100-101页 |
| 附录二 符号与缩略语说明 | 第101-104页 |
| 附录三 图表列表 | 第104-106页 |
| 致谢 | 第106页 |