| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 引言 | 第11-12页 |
| 1.2 国内外研究现状及研究意义 | 第12-17页 |
| 1.2.1 基于感知的动态频谱接入研究现状 | 第12-13页 |
| 1.2.2 基于预测的动态频谱接入研究现状 | 第13-17页 |
| 1.3 本文章节安排 | 第17-18页 |
| 第2章 基于预测的动态频谱接入技术研究 | 第18-30页 |
| 2.1 认知无线电系统中现有频谱预测方法 | 第18-22页 |
| 2.1.1 基于回归分析的频谱预测方法 | 第18-20页 |
| 2.1.2 基于BP神经网络的频谱预测方法 | 第20页 |
| 2.1.3 基于马尔可夫链的预测方法 | 第20-22页 |
| 2.2 认知无线电频谱接入技术 | 第22-26页 |
| 2.2.1 动态频谱接入技术 | 第23-24页 |
| 2.2.2 机会频谱接入技术 | 第24-26页 |
| 2.3 认知无线电多信道MAC协议 | 第26-29页 |
| 2.3.1 认知无线网络中基于CSMA多信道MAC协议 | 第26-28页 |
| 2.3.2 动态开放式频谱共享协议 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于HMM预测的动态频谱接入研究 | 第30-53页 |
| 3.1 HMM模型 | 第30-33页 |
| 3.1.1 HMM的定义 | 第30-31页 |
| 3.1.2 基于HMM的信道模型 | 第31-33页 |
| 3.1.3 HMM的三个问题 | 第33页 |
| 3.2 HMM模型的参数估计 | 第33-42页 |
| 3.2.1 基于Baum-Welch算法的HMM的参数训练 | 第34-38页 |
| 3.2.2 基于Viterbi算法的HMM解码 | 第38-41页 |
| 3.2.3 基于前向算法的信道状态预测 | 第41-42页 |
| 3.3 基于HMM的信道环境参数估计 | 第42-45页 |
| 3.3.1 主用户和次用户模型 | 第42-43页 |
| 3.3.2 基于HMM的信道环境参数估计 | 第43-45页 |
| 3.4 基于HMM预测的频谱接入仿真 | 第45-52页 |
| 3.4.1 HMM模型的参数估计仿真分析 | 第46-48页 |
| 3.4.2 基于Viterbi的HMM解码仿真 | 第48-49页 |
| 3.4.3 基于前向算法的信道状态预测仿真 | 第49-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 根据信道质量差异性的动态频谱接入研究 | 第53-64页 |
| 4.1 多信道频谱接入仿真环境的搭建 | 第53-54页 |
| 4.2 基于HMM模型多信道状态预测 | 第54-58页 |
| 4.2.1 HMM模型的参数估计 | 第54-56页 |
| 4.2.2 基于HMM模型的信道状态预测仿真 | 第56-57页 |
| 4.2.3 基于HMM模型的信道参数估计 | 第57-58页 |
| 4.3 基于信道质量优劣的信道接入 | 第58-63页 |
| 4.3.1 质量因子的定义 | 第58-59页 |
| 4.3.2 系统信道切换率的分析 | 第59-60页 |
| 4.3.3 基于信道质量的信道选择仿真 | 第60-61页 |
| 4.3.4 次用户的信道接入率分析 | 第61-63页 |
| 4.4 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |