频谱资源自优化分配算法的研究
致谢 | 第5-6页 |
中文摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
1 绪论 | 第13-25页 |
1.1 论文研究背景与意义 | 第13-14页 |
1.2 解决途径和研究现状 | 第14-16页 |
1.3 研究对象和研究目标 | 第16-17页 |
1.4 信道模型及研究内容 | 第17-20页 |
1.4.1 多用户干扰信道模型 | 第17-19页 |
1.4.2 OFDMA系统信道模型 | 第19页 |
1.4.3 多天线系统信道模型 | 第19-20页 |
1.5 技术路线和研究思路 | 第20-22页 |
1.5.1 技术路线 | 第20-22页 |
1.5.2 研究思路 | 第22页 |
1.6 章节安排及主要工作 | 第22-25页 |
2 基于认知的博弈新理论 | 第25-37页 |
2.1 引言 | 第25-26页 |
2.2 纳什博弈 | 第26-28页 |
2.3 斯塔克伯格博弈 | 第28-29页 |
2.4 认知纳什博弈 | 第29-36页 |
2.4.1 认知纳什博弈的定义 | 第31-35页 |
2.4.2 认知纳什博弈均衡存在性定理 | 第35-36页 |
2.5 本章小结 | 第36-37页 |
3 OFDMA系统的频谱资源分配算法 | 第37-57页 |
3.1 引言 | 第37-38页 |
3.2 系统模型和优化问题 | 第38-39页 |
3.3 纳什博弈模型 | 第39-40页 |
3.4 认知纳什博弈模型 | 第40-46页 |
3.4.1 认知纳什博弈均衡解及其性质 | 第41-43页 |
3.4.2 认知纳什博弈均衡解存在性分析 | 第43-46页 |
3.4.3 认知纳什博弈均衡解求解算法 | 第46页 |
3.5 基于认知纳什博弈的频谱资源分配算法 | 第46-53页 |
3.5.1 算法Ⅰ | 第46-47页 |
3.5.2 算法Ⅱ | 第47-49页 |
3.5.3 算法收敛性分析 | 第49-53页 |
3.6 实验结果和分析 | 第53-56页 |
3.7 本章小结 | 第56-57页 |
4 MIMO系统的频谱资源分配算法 | 第57-67页 |
4.1 引言 | 第57页 |
4.2 系统模型和优化问题 | 第57-59页 |
4.3 博弈模型及解决方案 | 第59-62页 |
4.3.1 基于认知纳什博弈的解决方案Ⅰ | 第60-61页 |
4.3.2 基于认知纳什博弈的解决方案Ⅱ | 第61-62页 |
4.4 实验结果和分析 | 第62-64页 |
4.5 本章小结 | 第64-67页 |
5 认知无线电系统的频谱资源分配算法 | 第67-75页 |
5.1 引言 | 第67页 |
5.2 系统模型和优化问题 | 第67-68页 |
5.3 博弈模型及解决方案 | 第68-71页 |
5.3.1 算法分析 | 第69页 |
5.3.2 注水线性质及其作用 | 第69-71页 |
5.4 实验结果和分析 | 第71-73页 |
5.5 本章小结 | 第73-75页 |
6 MISO系统的频谱资源分配算法 | 第75-87页 |
6.1 引言 | 第75页 |
6.2 系统模型和优化问题 | 第75-76页 |
6.3 优化解决方案 | 第76-84页 |
6.3.1 分布式迫零数学解析 | 第78-82页 |
6.3.2 分布式迫零解析算法 | 第82-83页 |
6.3.3 算法复杂度分析 | 第83-84页 |
6.4 实验结果和分析 | 第84-85页 |
6.5 本章小结 | 第85-87页 |
7 基于线性规划理论的频谱资源分配算法 | 第87-97页 |
7.1 引言 | 第87页 |
7.2 带限制条件的注水算法 | 第87-91页 |
7.2.1 注水算法的线性规划形式 | 第88-89页 |
7.2.2 带限制条件的迭代注水算法 | 第89-90页 |
7.2.3 算法应用 | 第90-91页 |
7.3 实验结果和分析 | 第91-95页 |
7.4 本章小结 | 第95-97页 |
8 结束语 | 第97-99页 |
8.1 总结 | 第97-98页 |
8.2 展望 | 第98-99页 |
参考文献 | 第99-107页 |
插图索引 | 第107-109页 |
常用略縮语 | 第109-111页 |
常用数学符号 | 第111-113页 |
攻读博士学位期间发表的学术论文 | 第113-117页 |
学位论文数据集 | 第117页 |