| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 认知无线电概述 | 第11-15页 |
| 1.2.1 认知无线电简介 | 第11-12页 |
| 1.2.2 认知无线电的发展及研究现状 | 第12-15页 |
| 1.3 认知无线电中的频谱感知技术概述 | 第15-19页 |
| 1.3.1 认知无线电中的频谱感知技术简介 | 第15页 |
| 1.3.2 认知无线电中的频谱感知技术分类 | 第15-17页 |
| 1.3.3 认知无线电中的频谱感知技术研究现状 | 第17-19页 |
| 1.4 论文的主要内容及结构安排 | 第19-22页 |
| 第二章 认知无线电中的频谱感知技术 | 第22-42页 |
| 2.1 频谱感知的基本理论模型 | 第22-23页 |
| 2.2 单节点频谱感知技术 | 第23-30页 |
| 2.2.1 匹配滤波检测算法 | 第24-25页 |
| 2.2.2 能量检测算法 | 第25-26页 |
| 2.2.3 基于循环谱特征的检测算法 | 第26-29页 |
| 2.2.4 基于协方差矩阵的检测算法 | 第29-30页 |
| 2.3 多节点协作频谱感知技术 | 第30-35页 |
| 2.3.1 多节点协作感知技术分类 | 第31-33页 |
| 2.3.2 多节点协作感知中的融合规则 | 第33-35页 |
| 2.4 基于机器学习的频谱感知技术 | 第35-39页 |
| 2.4.1 机器学习简介 | 第36-38页 |
| 2.4.2 基于机器学习的频谱感知技术 | 第38-39页 |
| 2.5 本章小结 | 第39-42页 |
| 第三章 基于低秩稀疏分解的循环谱特征检测算法 | 第42-58页 |
| 3.1 矩阵低秩稀疏分解算法理论 | 第42-44页 |
| 3.1.1 矩阵低秩稀疏分解问题描述 | 第42-43页 |
| 3.1.2 矩阵低秩稀疏分解问题的求解 | 第43-44页 |
| 3.2 循环谱特征检测的系统模型 | 第44-47页 |
| 3.2.1 基本认知网络模型 | 第44-45页 |
| 3.2.2 信号的循环谱特征分析 | 第45-47页 |
| 3.3 基于低秩稀疏分解的循环谱特征检测算法 | 第47-57页 |
| 3.3.1 基于低秩稀疏分解的循环谱特征检测算法概述 | 第47-49页 |
| 3.3.2 循环谱矩阵低秩稀疏分解算法实现 | 第49-51页 |
| 3.3.3 判决规则 | 第51页 |
| 3.3.4 算法仿真及性能分析 | 第51-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 基于机器学习的多节点协作频谱感知 | 第58-68页 |
| 4.1 多节点协作频谱感知系统模型 | 第58-60页 |
| 4.2 基于机器学习的多节点协作频谱感知 | 第60-63页 |
| 4.2.1 基于KNN算法的融合规则 | 第60-61页 |
| 4.2.2 基于支持向量机的融合规则 | 第61-62页 |
| 4.2.3 基于人工神经网络算法的融合规则 | 第62-63页 |
| 4.3 算法仿真及性能分析 | 第63-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结及展望 | 第68-70页 |
| 5.1 论文工作总结 | 第68-69页 |
| 5.2 后续工作展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 作者在读期间的研究成果 | 第78页 |