首页--工业技术论文--无线电电子学、电信技术论文--无线通信论文

基于价格理论的无线网络资源分配算法研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第12-13页
缩略语对照表第13-17页
第一章 绪论第17-41页
    1.1 无线通信中的资源分配问题第17-19页
    1.2 协作通信技术第19-24页
        1.2.1 协作通信技术的发展历程第19-21页
        1.2.2 协作通信的基本原理与协议第21-23页
        1.2.3 协作通信中资源分配第23-24页
    1.3 价格理论与拍卖理论第24-27页
        1.3.1 价格理论第24-25页
        1.3.2 拍卖理论第25-27页
    1.4 凸优化理论第27-32页
        1.4.1 基本概念第27-28页
        1.4.2 凸优化问题以及最优化问题求解方法第28-32页
    1.5 Hungarian算法第32-38页
        1.5.1 简单分配问题第33页
        1.5.2 广义分配问题第33-34页
        1.5.3 Hungarian算法第34-38页
    1.6 论文的研究内容和结构安排第38-41页
第二章 基于能量价格的协作AF蜂窝小区上行链路资源联合分配算法第41-59页
    2.1 研究背景第41-43页
    2.2 系统模型第43-45页
    2.3 协作网络中网络寿命及能量价格定义第45-46页
        2.3.1 网络寿命第45页
        2.3.2 能量价格定义第45-46页
    2.4 问题归纳与求解第46-52页
        2.4.1 问题归纳第46页
        2.4.2 拉格朗日乘子法求解法第46-47页
        2.4.3 基于贪婪算法的联合资源分配算法第47-52页
    2.5 仿真验证第52-57页
    2.6 本章小结第57-59页
第三章 基于寿命最大化的协作OFDM系统资源联合分配算法第59-81页
    3.1 研究背景第59-60页
    3.2 系统模型第60-62页
    3.3 和功率限制下的资源联合分配算法第62-70页
        3.3.1 对偶问题与最优求解方案第63-64页
        3.3.2 基于贪婪算法的资源联合分配算法第64-68页
        3.3.3 复杂性分析第68页
        3.3.4 仿真分析第68-70页
    3.4 单独功率限制下的资源联合分配算法第70-80页
        3.4.1 对偶问题与最优求解方案第70-72页
        3.4.2 基于修正hungarian算法的联合资源分配算法第72-78页
        3.4.3 复杂性分析第78页
        3.4.4 仿真分析第78-80页
    3.5 本章小结第80-81页
第四章 基于拍卖理论的自私多径多跳网络的资源联合分配算法第81-95页
    4.1 研究背景第81-82页
    4.2 系统模型与分析第82-84页
        4.2.1 系统模型第82-83页
        4.2.2 机制设计第83-84页
    4.3 基于凸优化的带宽与路由联合分配算法第84-85页
        4.3.1 确定系统的参数第84页
        4.3.2 求解系统模型第84-85页
    4.4 基于LCP的带宽与路由联合分配算法第85-90页
        4.4.1 算法提出第85-87页
        4.4.2 仿真与分析第87-90页
    4.5 基于混合注水算法的带宽与路由联合分配算法第90-94页
        4.5.1 算法提出第90-91页
        4.5.2 仿真与分析第91-94页
    4.6 本章小结第94-95页
第五章 基于修正Hungarian算法的蜂窝网中D2D通信的多用户资源联合分配算法第95-103页
    5.1 研究背景第95-96页
    5.2 系统模型第96-98页
    5.3 基于修正Hungarian算法的联合用户配对和功率控制算法第98-100页
        5.3.1 最优功率分配第98-99页
        5.3.2 基于修正Hungarian算法的用户设备配对算法第99-100页
    5.4 数据结果第100-101页
    5.5 本章小结第101-103页
第六章 总结与展望第103-105页
参考文献第105-117页
致谢第117-119页
作者简介第119-121页

论文共121页,点击 下载论文
上一篇:量子密码协议设计和分析
下一篇:进化多目标稀疏重构和集成学习