| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 认知无线传感器网络的研究现状 | 第15-16页 |
| 1.2.2 无线通信网络中频谱分配问题的研究现状 | 第16-17页 |
| 1.3 认知无线传感器网络概述 | 第17-20页 |
| 1.3.1 认知无线传感器网络节点硬件架构 | 第17-18页 |
| 1.3.2 认知无线传感器网络模型及拓扑分类 | 第18-19页 |
| 1.3.3 认知无线传感器网络的优点 | 第19-20页 |
| 1.4 认知无线传感器网络中的频谱管理和功率控制 | 第20-24页 |
| 1.4.1 认知无线传感器网络中的频谱资源管理 | 第20-22页 |
| 1.4.2 认知无线传感器网络中能耗分析和功率控制 | 第22-24页 |
| 1.5 论文研究内容和结构安排 | 第24-25页 |
| 第2章 相关理论以及关键技术 | 第25-39页 |
| 2.1 认知无线电网络的频谱分配技术 | 第25-27页 |
| 2.1.1 频谱分配的主要分类 | 第25-26页 |
| 2.1.2 频谱分配的关键技术 | 第26页 |
| 2.1.3 频谱分配的基本原则 | 第26-27页 |
| 2.2 动态频谱分配经典模型 | 第27-33页 |
| 2.2.1 图论上色模型 | 第27-28页 |
| 2.2.2 微观经济学模型 | 第28-30页 |
| 2.2.3 马尔科夫判决过程模型 | 第30-31页 |
| 2.2.4 人工智能模型 | 第31-33页 |
| 2.3 增强学习理论及其算法求解 | 第33-38页 |
| 2.3.1 增强学习的基本概念及其组成要素 | 第33-35页 |
| 2.3.2 单个智能体增强学习模型及其算法求解 | 第35-36页 |
| 2.3.3 多智能体增强学习模型及其算法求解 | 第36-38页 |
| 2.4 小结 | 第38-39页 |
| 第3章 改进的Q学习频谱分配算法 | 第39-60页 |
| 3.1 引言 | 第39-40页 |
| 3.2 系统模型 | 第40-43页 |
| 3.2.1 网络模型 | 第40-41页 |
| 3.2.2 信道模型 | 第41-42页 |
| 3.2.3 时隙结构 | 第42-43页 |
| 3.3 频谱接入协议和竞争解决 | 第43-44页 |
| 3.3.1 频谱接入协议 | 第43-44页 |
| 3.3.2 竞争解决机制 | 第44页 |
| 3.4 问题描述和分析 | 第44-49页 |
| 3.4.1 相关参数及其定义 | 第44-45页 |
| 3.4.2 目标设定及分析 | 第45-49页 |
| 3.5 增强学习和问题映射 | 第49-51页 |
| 3.5.1 增强学习模型 | 第49-50页 |
| 3.5.2 问题映射 | 第50-51页 |
| 3.5.3 收敛性分析 | 第51页 |
| 3.6 改进的Q学习频谱分配算法及其实现 | 第51-56页 |
| 3.6.1 改进的Q学习算法 | 第51-53页 |
| 3.6.2 其他参数设定 | 第53-54页 |
| 3.6.3 算法实现 | 第54-56页 |
| 3.7 实验仿真 | 第56-59页 |
| 3.8 小结 | 第59-60页 |
| 第4章 基于能效的联合频谱功率分配算法 | 第60-80页 |
| 4.1 系统模型 | 第60-62页 |
| 4.2 能量效率比分析 | 第62-65页 |
| 4.2.1 问题描述 | 第62-63页 |
| 4.2.2 参数特性分析 | 第63-65页 |
| 4.3 功率分配博弈均衡的存在条件与求解 | 第65-72页 |
| 4.3.1 功率分配博弈G_(Power):{N,P,U}的纳什均衡存在与唯一性分析 | 第65-69页 |
| 4.3.2 二分法更新最佳功率分配策略 | 第69-72页 |
| 4.4 频谱和功率联合分配算法 | 第72-75页 |
| 4.4.1 参数定义 | 第72-73页 |
| 4.4.2 信道和功率策略的更新 | 第73-74页 |
| 4.4.3 算法实现 | 第74-75页 |
| 4.5 实验仿真 | 第75-79页 |
| 4.6 小结 | 第79-80页 |
| 总结 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 附录A 攻读硕士学位期间所发表学术论文情况 | 第88页 |