| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 图目录 | 第14-17页 |
| 表目录 | 第17-18页 |
| 第一章 绪论 | 第18-34页 |
| ·选题背景和研究意义 | 第18-24页 |
| ·频谱资源的特点 | 第18-20页 |
| ·动态频谱接入策略 | 第20页 |
| ·认知无线网络 | 第20-23页 |
| ·频谱容量 | 第23-24页 |
| ·本论文的研究意义 | 第24页 |
| ·认知无线网络的研究现状 | 第24-28页 |
| ·国外的研究现状 | 第24-27页 |
| ·国内的研究现状 | 第27-28页 |
| ·本论文的研究定位 | 第28页 |
| ·本论文的主要创新点 | 第28-30页 |
| ·主要研究内容和章节安排 | 第30-32页 |
| 参考文献 | 第32-34页 |
| 第二章 频谱测量方法研究 | 第34-60页 |
| ·频谱探测 | 第34-39页 |
| ·能量探测 | 第35-37页 |
| ·匹配滤波探测 | 第37-38页 |
| ·特征探测 | 第38-39页 |
| ·频谱测量在认知无线网络中的意义 | 第39-42页 |
| ·国内外频谱测量工作总结 | 第39-40页 |
| ·搭建频谱测量系统的意义 | 第40页 |
| ·频谱测量系统的要求 | 第40-42页 |
| ·快速傅里叶变换控制的频谱测量系统 | 第42-54页 |
| ·天线子系统 | 第42-44页 |
| ·天线切换子系统 | 第44页 |
| ·接收机子系统 | 第44-53页 |
| ·软件控制子系统 | 第53页 |
| ·数据处理、挖掘子系统 | 第53-54页 |
| ·频谱测量结果 | 第54-55页 |
| ·广州市某地24小时的频谱动态变化 | 第54-55页 |
| ·广州市两个地区的24小时频谱占空比对比 | 第55页 |
| ·未来频谱测量系统发展趋势：分布式协作频谱测量 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 第三章 数字红利容量 | 第60-92页 |
| ·研究背景 | 第60-66页 |
| ·数字红利概念 | 第60-65页 |
| ·国内外研究现状 | 第65-66页 |
| ·研究方法 | 第66-67页 |
| ·计算机仿真 | 第66-67页 |
| ·实际测量 | 第67页 |
| ·中国的电视信道分布 | 第67-68页 |
| ·频谱测量场景 | 第68-71页 |
| ·数据集1测量场景 | 第70页 |
| ·数据集2测量场景 | 第70-71页 |
| ·数字红利容量评估关键技术及发现 | 第71-82页 |
| ·空间维度的频谱测量数据研究 | 第72-79页 |
| ·时间维度的频谱测量数据研究 | 第79-82页 |
| ·政策建议 | 第82-83页 |
| ·城市地区应该率先开发数字红利 | 第82页 |
| ·农村地区应该加快DTT的转换速度 | 第82页 |
| ·全球协调的数字红利开发 | 第82-83页 |
| ·高灵敏度接收机设计 | 第83-86页 |
| ·无线电管理部门的频谱探测规定 | 第83-85页 |
| ·认知接收机探测灵敏度研究 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 第四章 基于机器学习的认知频谱行为学习和预测 | 第92-116页 |
| ·研究背景 | 第92-93页 |
| ·机器学习在认知无线网络中的应用 | 第93-96页 |
| ·信号探测 | 第93-94页 |
| ·特征提取和聚类 | 第94页 |
| ·信号分类 | 第94-95页 |
| ·学习与预测 | 第95页 |
| ·行为决策 | 第95页 |
| ·行动：认知通信 | 第95页 |
| ·性能测量 | 第95-96页 |
| ·频谱学习模型 | 第96-100页 |
| ·学习算法分类 | 第97-98页 |
| ·频谱数据收集 | 第98-100页 |
| ·机器学习中的ANN算法 | 第100-104页 |
| ·一个理想的神经元 | 第100-101页 |
| ·神经网络的学习策略 | 第101-102页 |
| ·多层感知MLP | 第102-104页 |
| ·频谱行为学习和预测 | 第104-105页 |
| ·实验结果 | 第105-113页 |
| ·同1个频谱业务(GSM900上行信号)时间交叉预测 | 第106-108页 |
| ·频率交叉预测 | 第108-109页 |
| ·频谱交叉业务预测 | 第109-112页 |
| ·ANN泛化能力 | 第112-113页 |
| ·本章小结 | 第113-114页 |
| 参考文献 | 第114-116页 |
| 第五章 REM背景下的频谱切换 | 第116-131页 |
| ·背景介绍 | 第116-117页 |
| ·REM场景构建 | 第117-119页 |
| ·系统模型 | 第119-123页 |
| ·REM框架 | 第119-121页 |
| ·路径损耗模型的计算 | 第121页 |
| ·REM系统的优点 | 第121-122页 |
| ·认知无线网络的容量 | 第122页 |
| ·CSI机制 | 第122-123页 |
| ·理论分析 | 第123-125页 |
| ·博弈论模型简介 | 第124页 |
| ·纳什均衡 | 第124页 |
| ·帕累托最优(Pareto-superiotiry) | 第124-125页 |
| ·REM背景下频谱切换博弈分析 | 第125-128页 |
| ·频谱切换耗费 | 第125-126页 |
| ·REM指导的频谱切换博弈 | 第126-127页 |
| ·数值仿真结果 | 第127-128页 |
| ·本章小结 | 第128-129页 |
| 参考文献 | 第129-131页 |
| 第六章 频谱业务建模 | 第131-154页 |
| ·背景介绍 | 第131-132页 |
| ·统一的频谱业务占用模型 | 第132-135页 |
| ·时间维度 | 第132-133页 |
| ·频率维度 | 第133页 |
| ·空间维度 | 第133-134页 |
| ·统一的频谱业务占用Beta模型 | 第134-135页 |
| ·认知家庭基站频谱业务模型 | 第135-148页 |
| ·认知家庭基站背景 | 第135-137页 |
| ·工作于GSM白色空间的认知家庭基站 | 第137-139页 |
| ·GSM频谱测量结构 | 第139-141页 |
| ·GSM频谱测量发现 | 第141-145页 |
| ·频谱业务的有效占空比(EDC)模型 | 第145-146页 |
| ·EDC模型性能评估 | 第146-148页 |
| ·认知家庭基站设计 | 第148-151页 |
| ·认知家庭基站硬件结构框图 | 第148页 |
| ·认知家庭基站原理图设计 | 第148-150页 |
| ·认知家庭基站室内环境测试 | 第150-151页 |
| ·本章小结 | 第151-152页 |
| 参考文献 | 第152-154页 |
| 第七章 总结与展望 | 第154-158页 |
| ·本论文的主要贡献 | 第154-155页 |
| ·下一步的工作和研究方向 | 第155-158页 |
| 附录 缩略语 | 第158-162页 |
| 致谢 | 第162-164页 |
| 攻读博士期间取得的科研成果 | 第164-165页 |
| 发表的论文 | 第164-165页 |
| 参加的项目 | 第165页 |
| 获得的奖励 | 第165页 |