| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-19页 |
| ·论文研究背景与意义 | 第11-15页 |
| ·认知无线电基本概念 | 第12-13页 |
| ·认知无线电的基本功能 | 第13-14页 |
| ·标准化进展 | 第14-15页 |
| ·研究现状 | 第15-17页 |
| ·国外研究现状 | 第15-16页 |
| ·国内研究现状 | 第16-17页 |
| ·论文研究内容 | 第17-18页 |
| ·论文结构与组织安排 | 第18-19页 |
| 2 认知无线电网络关键技术研究 | 第19-27页 |
| ·频谱分配技术 | 第19-21页 |
| ·基于图论着色模型的频谱分配算法 | 第20页 |
| ·基于干扰温度模型的频谱分配算法 | 第20-21页 |
| ·基于博弈论模型的频谱分配算法 | 第21页 |
| ·其他频谱分配算法 | 第21页 |
| ·基于拍卖竞价的频谱分配 | 第21页 |
| ·基于人工智能算法的频谱分配 | 第21页 |
| ·关于路由的跨层设计 | 第21-23页 |
| ·人工智能学习技术及跨层设计 | 第23-26页 |
| ·认知引擎模型 | 第23-24页 |
| ·认知 Ad Hoc 中的跨层设计 | 第24页 |
| ·认知 Ad Hoc 网络中跨层设计的特点 | 第24-25页 |
| ·本文的研究思路 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于 Q 学习的认知无线电跨层学习引擎设计 | 第27-37页 |
| ·引言 | 第27页 |
| ·跨层系统模型设计 | 第27-32页 |
| ·通信环境描述 | 第27-28页 |
| ·状态、动作和回报函数 | 第28-31页 |
| ·系统吞吐量模型 | 第31-32页 |
| ·支持向量机的 Q 学习 | 第32-34页 |
| ·支持向量机的 Q 学习理论 | 第32-33页 |
| ·算法步骤 | 第33-34页 |
| ·仿真结果和讨论 | 第34-36页 |
| ·网络场景描述与仿真参数设定 | 第34-35页 |
| ·仿真结果分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 CR 网络中提高 TCP 吞吐量的跨层参数配置 | 第37-51页 |
| ·引言 | 第37页 |
| ·网络模型描述 | 第37-40页 |
| ·物理层（PHY）模型 | 第38-39页 |
| ·MAC 层频谱接入及 TCP 吞吐量模型 | 第39-40页 |
| ·POMDP 模型 | 第40-42页 |
| ·状态 | 第40页 |
| ·动作 | 第40-41页 |
| ·回报函数 | 第41页 |
| ·观测历史和观测函数 | 第41页 |
| ·信念状态 | 第41-42页 |
| ·基于 BMDP 的 Q 学习 | 第42-43页 |
| ·Q-BMDP | 第42-43页 |
| ·动作探索策略 | 第43页 |
| ·基于 Q-BMDP 的系统模型方案设计 | 第43-45页 |
| ·系统目标规划 | 第44-45页 |
| ·算法实现步骤 | 第45页 |
| ·仿真及结果分析 | 第45-50页 |
| ·场景及参数设定 | 第45-47页 |
| ·功率是否受限条件下的运算次数分析 | 第47页 |
| ·功率是否受限条件下的 TCP 性能分析 | 第47-49页 |
| ·模型适应性分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第60页 |