摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
缩略词表 | 第14-15页 |
符号表 | 第15-16页 |
第1章 绪论 | 第16-19页 |
1.1 引言 | 第16页 |
1.2 研究意义及内容 | 第16-17页 |
1.2.1 研究意义 | 第16-17页 |
1.2.2 研究内容和贡献 | 第17页 |
1.3 论文结构安排 | 第17-19页 |
第2章 隐马尔可夫模型及协同感知技术介绍 | 第19-31页 |
2.1 隐马尔可夫模型简介 | 第19-23页 |
2.1.1 马尔可夫过程 | 第19-20页 |
2.1.2 隐马尔可夫模型 | 第20-23页 |
2.2 隐马尔可夫模型三个问题的解决方案 | 第23-27页 |
2.2.1 概率 (ο|λ)的计算 | 第23-25页 |
2.2.2 最优状态链的确定 | 第25-26页 |
2.2.3 HMM 中的参数估计 | 第26-27页 |
2.3 协同感知技术介绍 | 第27-30页 |
2.3.1 决策融合算法 | 第28-29页 |
2.3.2 数据融合算法 | 第29-30页 |
2.4 本章小结 | 第30-31页 |
第3章 基于隐马尔可夫模型的信道参数估计 | 第31-45页 |
3.1 动态频谱共享系统构架 | 第31-36页 |
3.1.1 信道参数估计 | 第31-34页 |
3.1.2 信道状态估计与预测 | 第34-35页 |
3.1.3 信道接入策略 | 第35-36页 |
3.2 利用统计学方法对信道参数估计 | 第36-37页 |
3.2.1 信道测量 | 第36页 |
3.2.2 统计估计 | 第36-37页 |
3.3 测量结果及系统性能分析 | 第37-43页 |
3.3.1 实际测量数据 | 第37-40页 |
3.3.2 统计学方式估计信道参数 | 第40-41页 |
3.3.3 利用 HMM 进行信道参数估计与状态预测 | 第41-43页 |
3.4 本章小结 | 第43-45页 |
第4章 基于隐马尔可夫模型的序列检测算法 | 第45-59页 |
4.1 信道观测模型 | 第45-46页 |
4.2 加权序列检测算法 | 第46-52页 |
4.2.1 冲激序列代价的维特比算法 | 第47-48页 |
4.2.2 加性序列代价的前后算法 | 第48-50页 |
4.2.3 滑动感知与非滑动感知规则 | 第50-52页 |
4.3 序列算法与能量检测算法的对比 | 第52-54页 |
4.3.1 能量检测算法 | 第52-53页 |
4.3.2 能量检测算法的风险门限 | 第53-54页 |
4.4 数值仿真结果 | 第54-58页 |
4.4.1 序列检测和能量检测的对比 | 第54-56页 |
4.4.2 完全前向算法和完全前向部分后向算法的对比 | 第56-57页 |
4.4.3 能量检测的风险门限 | 第57-58页 |
4.5 本章小结 | 第58-59页 |
第5章 基于隐马尔可夫模型的主用户状态转移参数估计 | 第59-81页 |
5.1 主用户状态转移参数估计模型 | 第59-63页 |
5.1.1 主用户信道利用模型 | 第59-60页 |
5.1.2 次用户感知模型 | 第60-62页 |
5.1.3 次用户感知方式和接入方法 | 第62-63页 |
5.2 主用户状态转移参数估计 | 第63-66页 |
5.2.1 信道学习子帧中 HMM 建模 | 第63-65页 |
5.2.2 梯度算法 | 第65-66页 |
5.3 协同感知主用户状态转移参数 | 第66-69页 |
5.3.1 基于决策融合的协同感知算法 | 第66-67页 |
5.3.2 基于数据融合的协同感知算法 | 第67-68页 |
5.3.3 结合数据与决策融合的协同感知算法 | 第68页 |
5.3.4 基于权值的协同感知算法 | 第68-69页 |
5.4 性能分析 | 第69-80页 |
5.4.1 主用户状态转移参数估计算法验证 | 第69-70页 |
5.4.2 协同感知仿真场景设计 | 第70-71页 |
5.4.3 协同感知算法性能仿真分析 | 第71-80页 |
5.5 本章小结 | 第80-81页 |
第6章 结束语 | 第81-83页 |
6.1 本文工作及贡献 | 第81-82页 |
6.2 下一步工作建议和研究方向 | 第82-83页 |
致谢 | 第83-84页 |
参考文献 | 第84-89页 |
个人简历 | 第89-90页 |
攻读硕士学位期间研究成果 | 第90-91页 |