| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 论文结构及内容安排 | 第12-14页 |
| 第二章 C-RAN技术及相关理论基础 | 第14-26页 |
| 2.1 C-RAN架构与基本概念 | 第14-16页 |
| 2.2 C-RAN协作关键技术 | 第16-17页 |
| 2.2.1 先进的发射与接收技术 | 第16-17页 |
| 2.2.2 基站虚拟化技术 | 第17页 |
| 2.2.3 云计算技术 | 第17页 |
| 2.3 基于C-RAN的时延优化研究 | 第17-18页 |
| 2.4 C-RAN预编码与设计 | 第18-21页 |
| 2.4.1 线性预编码技术 | 第18-20页 |
| 2.4.2 非线性预编码技术 | 第20-21页 |
| 2.5 随机优化相关理论 | 第21-25页 |
| 2.5.1 马尔科夫过程 | 第21-22页 |
| 2.5.2 优化准则 | 第22页 |
| 2.5.3 优化问题的求解 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于云接入网络的资源分配方法 | 第26-36页 |
| 3.1 系统模型 | 第27-29页 |
| 3.1.1 网络模型 | 第27-28页 |
| 3.1.2 队列模型 | 第28页 |
| 3.1.3 功率控制策略和簇选择策略 | 第28-29页 |
| 3.2 最佳时延和功率问题 | 第29-30页 |
| 3.2.1 MDP过程动态变化 | 第29页 |
| 3.2.2 最佳时延和功率目标函数 | 第29-30页 |
| 3.3 解决方案 | 第30-32页 |
| 3.3.1 选择模式Q因子线性逼近 | 第30-31页 |
| 3.3.2 随机逼近分布式学习算法 | 第31-32页 |
| 3.4 仿真结果与分析 | 第32页 |
| 3.5 仿真结果与分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于最小化时延的预编码设计 | 第36-48页 |
| 4.1 系统模型 | 第36-38页 |
| 4.1.1 C-RAN干扰网络结构 | 第36-37页 |
| 4.1.2 物理层模型 | 第37-38页 |
| 4.1.3 移动用户队列动态性 | 第38页 |
| 4.2 随机预编码与解码控制算法 | 第38-40页 |
| 4.2.1 预编码与解码控制策略 | 第39页 |
| 4.2.2 基于时延的预编码设计 | 第39-40页 |
| 4.2.3 最优条件和近似优化 | 第40页 |
| 4.3 基于虚拟连续系统的值函数封闭形式的近似 | 第40-41页 |
| 4.3.1 多维偏微分方程 | 第40-41页 |
| 4.3.2 J(Q:L)的扰动近似 | 第41页 |
| 4.4 基于WMMSE的预编码/解码 | 第41-45页 |
| 4.4.1 最佳时延控制问题 | 第42-43页 |
| 4.4.2 低复杂度的云接入网络预编码/解码解决方案 | 第43-44页 |
| 4.4.3 动态C-RAN预编码/解码控制和性能分析 | 第44-45页 |
| 4.5 仿真结果与分析 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 5.1 本文的工作总结 | 第48页 |
| 5.2 不足之处及进一步研究工作 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的学术论文目录 | 第54页 |