| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 缩写、符号清单、术语表 | 第14-19页 |
| 1 绪论 | 第19-35页 |
| 1.1 研究背景 | 第19-20页 |
| 1.2 移动通信系统基础简介 | 第20-22页 |
| 1.3 国内外研究现状 | 第22-26页 |
| 1.4 论文研究的框架、内容以及结构安排 | 第26-35页 |
| 1.4.1 基于软件定义蜂窝网的研究框架 | 第26-30页 |
| 1.4.2 研究内容、思路 | 第30-33页 |
| 1.4.3 论文结构安排 | 第33-35页 |
| 2 蜂窝网流量特性分析 | 第35-53页 |
| 2.1 蜂窝网流量可预测性研究 | 第35-41页 |
| 2.1.1 可预测性使用的数据集及分析机理 | 第35-37页 |
| 2.1.2 基于条件熵的蜂窝网流量预测分析 | 第37-41页 |
| 2.2 移动互联网常见业务流量的时域分析建模 | 第41-49页 |
| 2.2.1 移动互联网中微信业务的时域业务特点及统计规律 | 第41-45页 |
| 2.2.2 移动互联网中常见业务流量在基站层面的α-稳定模型分析建模 | 第45-49页 |
| 2.3 移动互联网常见业务流量的稀疏性分析 | 第49-51页 |
| 2.3.1 移动互联网常见业务流量稀疏性相关的讨论 | 第49-51页 |
| 2.4 本章小结 | 第51-53页 |
| 3 蜂窝网流量预测算法研究 | 第53-69页 |
| 3.1 基于空、时压缩感知算法的蜂窝网流量预测 | 第53-58页 |
| 3.1.1 空、时压缩感知算法 | 第53-56页 |
| 3.1.2 仿真结果与性能分析 | 第56-58页 |
| 3.2 面向移动互联网常见业务的流量预测算法 | 第58-67页 |
| 3.2.1 基于α-稳定模型的线性预测算法分析 | 第58-60页 |
| 3.2.2 基于α-稳定模型和字典学习的交替方向法 | 第60-64页 |
| 3.2.3 仿真结果与性能分析 | 第64-67页 |
| 3.3 本章小结 | 第67-69页 |
| 4 流量感知的绿色蜂窝网基站动态管理算法研究 | 第69-93页 |
| 4.1 流量已知情况下动态基站管理算法能效增益分析 | 第70-75页 |
| 4.1.1 格状基站动态管理算法 | 第70-73页 |
| 4.1.2 仿真结果与性能分析 | 第73-75页 |
| 4.2 流量未知情况下基于学习算法的基站管理方法能效增益分析 | 第75-91页 |
| 4.2.1 系统模型和问题描述 | 第75-77页 |
| 4.2.2 基于Actor-Critic强化学习算法的基站动态管理框架 | 第77-81页 |
| 4.2.3 针对基站动态管理的转移Actor-critic算法 | 第81-86页 |
| 4.2.4 仿真结果与性能分析 | 第86-91页 |
| 4.3 本章小结 | 第91-93页 |
| 5 总结与展望 | 第93-97页 |
| 5.1 本文主要工作 | 第93-94页 |
| 5.2 未来工作展望 | 第94-97页 |
| 附录A | 第97-105页 |
| A.1 重尾分布背景介绍 | 第97-99页 |
| A.2 α-稳定模型介绍 | 第99-100页 |
| A.3 稀疏性思想介绍 | 第100-101页 |
| A.4 强化学习算法思想 | 第101-105页 |
| 附录B | 第105-111页 |
| B.1 算法3.1暨基于α-稳定模型和字典学习的交替方向法的推导 | 第105-106页 |
| B.2 定理4.2暨转移Actor-critic算法策略更新方式渐近地趋近常微分方程解的证明 | 第106-111页 |
| 参考文献 | 第111-121页 |
| 攻读博士学位期间主要研究成果 | 第121-125页 |
| 简历 | 第125-126页 |
