基于VANET的认知无线电算法仿真研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-15页 |
| 1.1 论文研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究的主要内容 | 第14-15页 |
| 2 面向车载自组网的认知无线电技术 | 第15-33页 |
| 2.1 认知无线电技术 | 第15-16页 |
| 2.2 基于CRS的车载自组织网 | 第16-19页 |
| 2.2.1 车载自组网 | 第17-18页 |
| 2.2.2 认知车载自组网 | 第18-19页 |
| 2.3 认知无线电关键技术：频谱感知 | 第19-31页 |
| 2.3.1 频谱空穴 | 第20-21页 |
| 2.3.2 感知算法类别 | 第21-22页 |
| 2.3.3 单点感知算法 | 第22-28页 |
| 2.3.4 协作感知算法 | 第28-29页 |
| 2.3.5 频谱检测机制 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 VANET场景静态协作感知算法研究 | 第33-51页 |
| 3.1 VANET场景模型 | 第33-38页 |
| 3.1.1 道路和车辆运动模型 | 第33-34页 |
| 3.1.2 通信模型 | 第34-36页 |
| 3.1.3 协作感知范围约束 | 第36-37页 |
| 3.1.4 决策变量 | 第37-38页 |
| 3.2 仿真分析 | 第38-50页 |
| 3.2.1 硬判决数据融合算法 | 第39-41页 |
| 3.2.2 软判决数据融合算法 | 第41-44页 |
| 3.2.3 协作感知算法 | 第44-50页 |
| 3.3 本章小结 | 第50-51页 |
| 4 VANET场景动态协作感知算法研究 | 第51-68页 |
| 4.1 经典算法描述 | 第51-62页 |
| 4.1.1 粒子群算法优化权重值 | 第51-56页 |
| 4.1.2 基于分簇的协同感知算法 | 第56-57页 |
| 4.1.3 粒子群分簇协作感知算法 | 第57-62页 |
| 4.2 仿真分析：一种改进的粒子群分簇算法 | 第62-67页 |
| 4.3 本章小结 | 第67-68页 |
| 5 总结和展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |
