| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 论文背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 黑广播定位研究现状 | 第11-14页 |
| 1.2.2 无人机定位导航研究现状 | 第14-15页 |
| 1.2.3 强化学习研究现状 | 第15-16页 |
| 1.2.4 割平面算法研究现状 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的内容安排 | 第18-20页 |
| 第二章 基于无人机平台的黑广播定位模型 | 第20-31页 |
| 2.1 定位模型及问题描述 | 第20-25页 |
| 2.1.1 无人机定位黑广播模型 | 第20-21页 |
| 2.1.2 路径损耗模型 | 第21-23页 |
| 2.1.3 Q-Learning 模型 | 第23-25页 |
| 2.2 Q-Learning 定位黑广播模型设计 | 第25-28页 |
| 2.2.1 状态及行为空间划分 | 第25-27页 |
| 2.2.2 奖惩值设计 | 第27页 |
| 2.2.3 行为选择策略 | 第27-28页 |
| 2.2.4 算法流程 | 第28页 |
| 2.3 仿真结果 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于定向天线的黑广播定位追踪 | 第31-41页 |
| 3.1 定位模型及问题描述 | 第31-35页 |
| 3.1.1 方向天线模型 | 第31-33页 |
| 3.1.2 Double Q-Learning 模型 | 第33-34页 |
| 3.1.3 方向Q学习模型 | 第34-35页 |
| 3.2 方向Q学习模型设计 | 第35-37页 |
| 3.2.1 状态及行为空间划分 | 第35页 |
| 3.2.2 奖惩值设计 | 第35页 |
| 3.2.3 行为选择策略 | 第35-36页 |
| 3.2.4 算法流程 | 第36-37页 |
| 3.3 仿真结果 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于割平面算法的黑广播定位模型 | 第41-54页 |
| 4.1 定位模型及问题描述 | 第41-45页 |
| 4.1.1 基于割平面思想的黑广播定位模型 | 第42-43页 |
| 4.1.2 生成约束区域 | 第43-44页 |
| 4.1.3 寻找约束区域定位中心点 | 第44-45页 |
| 4.1.4 无约束目标问题 | 第45页 |
| 4.2 割平面算法求解析中心 | 第45-49页 |
| 4.2.1 无约束目标问题转化 | 第45-46页 |
| 4.2.2 最小化原始-对偶残差 | 第46-47页 |
| 4.2.3 线搜索确定学习步长 | 第47页 |
| 4.2.4 生成割平面 | 第47-49页 |
| 4.3 算法流程 | 第49页 |
| 4.4 仿真结果 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文研究工作总结 | 第54-55页 |
| 5.2 本文存在的不足和未来研究展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间的研究成果 | 第63页 |