一、无线数据业务用户行为模型研究（论文文献综述）
邵颖霞[1]（2021）在《基于LTE-M和5G混合组网的城市轨道交通通信系统无线资源管理研究》文中提出近年来,城市轨道交通全自动无人驾驶线路呈现加速增长的态势,这对城市轨道交通车地通信系统提出了更高的要求,并且由于新时代反恐和安全的需要,车地通信系统需要承载更多的视频监控等高带宽业务。目前具备抗干扰能力强、支持快速移动、资源调度灵活等优点的地铁长期演进（Long Term Evolution for Metro,LTEM）车地通信系统已经成为城市轨道交通无线通信系统的首选。同时,第五代移动通信系统（5th Generation Wireless Systems,5G）完成了标准化,在公网已经大规模商用,如何将5G技术引入城市轨道交通系统已经成为了相关行业和企业研究的热点。本文结合城市轨道交通车地无线通信场景,分析现在以及未来列车各承载业务的特点,研究如何设计未来的城市轨道交通车地通信系统,改进LTE-M系统的软频率复用方法,并将5G核心网切片编排技术引入城轨车地通信系统,提高系统性能。论文的主要工作总结如下:（1）分别描述了基于LTE-M和5G的城市轨道交通车地通信系统的网络架构,介绍了移动蜂窝网络特别是基于软频率复用的无线资源管理研究现状,以及5G网络的无线接入网（Radio Access Network,RAN）切片和核心网切片管理的研究现状。（2）针对城市轨道交通车地通信系统和5G的发展现状,提出LTE-M承载基于通信的列车控制（Communication based Train Control,CBTC）等安全相关业务,5G通信系统承载视频监控业务的未来城市轨道交通车地通信架构。（3）对LTE-M车地通信系统,针对小区用户数较少、列车定位可获得的特点,提出基于位置和软频率复用的上行功率控制算法和无线资源调度方案。仿真结果表明该方法能有效提高小区中列车接入单元（Train Access Unit,TAU）的吞吐量。（4）针对地铁5G终端和公网终端共存于同一系统的场景,基于网络切片这一关键技术,设计了一个切片接纳控制算法来解决不同类型租户间的资源分配问题。仿真结果表明该算法在保证满足业务传输要求的同时,能够自主地学习最佳接纳策略。以最大化资源利用率为目标,结合接纳控制算法结果,提出基于深度确定性策略梯度算法（Deep Deterministic Policy Gradient,DDPG）的自适应资源管理算法,并从吞吐量等四个指标仿真验证了该算法的有效性。图40幅,表11个,参考文献107篇。
李雪靖[2]（2021）在《智慧标识网络中边缘计算服务的任务卸载和资源适配研究》文中研究表明随着互联网技术的发展,网络服务和网络应用已渗透到各个领域。网络数据流量和计算任务的迅猛攀升,导致传统网络体系难以满足高效、可靠、海量、泛在等服务需求。智慧标识网络从解决传统互联网三重绑定问题出发,提出了“三层两域”的体系架构,为实现网络的可管、可控、开放、灵活提供了新的思路。针对智慧标识网络中的计算服务,边缘计算可以利用网络边缘计算资源为其提供更好的服务质量。然而,边缘网络的服务复杂性和资源有限性给不同场景下计算服务的动态灵活管控带来了新的挑战。本文分别针对边缘网络中的终端复杂计算服务、终端流式计算服务、多终端竞争计算服务和边缘汇聚计算服务,依据不同服务的需求特征,融合网络通信资源和计算资源,分析了具有特定优化目标的服务管控问题,研究了基于智慧标识网络的任务卸载和资源适配策略。本论文主要工作和创新点如下:（1）针对边缘网络中终端复杂计算服务的任务卸载和资源适配问题,提出了一种复杂服务分割和部分任务卸载的联合管控优化策略。本文以复杂计算服务的处理开销最小化为优化目标,通过综合考虑服务模型特征、任务依赖关系、节点设备能力和无线信道状况等因素,提出了基于智慧标识网络和边缘计算的终端复杂计算服务系统架构和管控机制,构建了服务模型分割和部分任务卸载的联合优化模型;基于深度学习方法构建了针对视频流进行人体姿态估计的服务计算模型,通过分析所构建模型的计算负载和数据流,采用神经层分组和流水线处理方法,设计了基于阈值粒子群优化的协同分割卸载TP-CPO算法,并通过仿真实验进行了性能评估。仿真结果表明,在不同的信道带宽和服务器负载下,所提策略有效地降低了服务响应时间和终端能量消耗。（2）针对边缘网络中终端流式计算服务的任务卸载和资源适配问题,提出了一种任务卸载调度和终端功率控制的联合管控优化策略。本文以流式计算服务的任务处理效用最大化为优化目标,通过综合考虑到达任务特征、终端能量状态、无线信道状况和计算服务器负载等因素,提出了基于智慧标识网络和边缘计算的终端流式计算服务系统架构和管控机制,构建了任务卸载调度和终端功率控制的联合优化模型;根据终端等待计算任务的马尔可夫性,分析了卸载调度决策和功率控制决策的约束条件,设计了状态、动作和奖惩函数,将系统时间分层划分为决策周期和事件回合,实现了基于分层深度强化学习的自适应调度控制HDRL-ASC算法,并通过仿真实验进行了算法参数调优和性能评估。仿真结果表明,在不同的任务到达率、无线信道状况和服务器计算性能下,所提策略有效地提高了任务处理效率,降低了终端功率消耗。（3）针对边缘网络中多终端竞争计算服务的任务卸载和资源适配问题,提出了一种终端卸载选择和通信资源编排的联合管控优化策略。本文以多终端竞争计算服务的综合计算效用最大化为优化目标,通过综合考虑终端接入数目、终端设备状态、终端需求优先级、无线信道状况和计算服务器负载等因素,提出了基于智慧标识网络和边缘计算的多终端竞争计算服务系统架构和管控机制,构建了终端卸载选择和通信资源编排的联合优化模型;提出了融合多种方法的算法框架,包括利用神经网络和阈值判断方法估计多终端任务卸载的优先级,利用一维优化搜索方法编排无线通信的资源块,利用经验回放和梯度下降方法构建神经网络模型的更新机制,利用分布式采样训练方法实现高效的神经网络训练模型,设计了基于纵向联邦学习的灵活卸载编排VFL-FOO算法,并通过仿真实验进行了算法参数调优和性能评估。仿真结果表明,算法具有较好的收敛性和较低的复杂度,在不同终端数目和动态环境状况下,所提策略有效地提高了多终端综合计算能力。（4）针对边缘网络中边缘汇聚计算服务的任务卸载和资源适配问题,提出了一种流量鲁棒分类和资源感知转发的联合管控优化策略。本文以边缘汇聚计算服务的综合处理开销最小化为优化目标,通过综合考虑单位时间请求交易量、服务数据量到达速度、单位比特计算负载、服务流量类型、服务器计算资源和传输路径通信资源等因素,提出了基于智慧标识网络和边缘计算的边缘汇聚计算服务系统架构和管控架构,构建了流量鲁棒分类和资源感知转发的联合优化模型;设计了包含异常需求检测、流量特征分类和任务卸载转发的算法框架,实现了基于遗传进化算法的快速分类转发GE-RCF算法,并通过仿真实验进行了参数调优和性能评估。仿真结果表明,在流量动态变化、不同边缘服务器性能和不同传输路径带宽下,所提策略有效地提升了流量分类效率,降低了多流量综合处理开销。
陈琪[3]（2021）在《数据-模型联合驱动的无线边缘网络内容缓存技术》文中研究指明智能移动设备的快速普及和多元化移动业务的迅速扩展极大程度地促进了社会的发展与变革。与此同时,无线网络中的数据传输任务和计算任务呈指数型增多,为现有无线通信系统带来了沉重的负担和巨大的挑战。现有的无线网络架构亟待升级与变革,无线边缘网络内容缓存技术应运而生。通过探究无线边缘网络缓存资源的利用潜力,将云服务器的部分数据、计算任务等卸载到无线边缘网络的设备中,可以有效缓解核心网络负载,同时为用户提供短距离的高效服务。然而,无线边缘网络中通信资源和缓存资源严重受限。在优化缓存技术方面,不准确的缓存内容难以匹配用户需求,往往难以得到理想的缓存效益;在利用内容缓存辅助任务方面,如何利用有限资源挖掘内容缓存价值,为边缘网络开展如数据卸载、边缘学习等任务提供助力,也需要深入探讨。本文基于数据-模型联合驱动的无线边缘网络内容缓存技术,分别就面向内容缓存进行流行度预测、边缘节点开展内容缓存合作、内容缓存辅助数据推送和内容缓存辅助边缘学习四个方面展开研究,旨在全面提升无线边缘网络的内容缓存收益。具体工作包括:1、通过用户聚类的内容流行度预测技术提升缓存精准度。本文针对无线边缘网络内容缓存系统中的流行度预测技术,提出了一种基于加权用户聚类的内容流行度预测算法。综合考虑了缓存容量、传输容量、用户移动性和用户兴趣时变性等多个关键因素,通过引入缓存阈值,给出了内容缓存效益与内容流行度预测误差之间的闭式关系。同时,基于这一闭式表达发掘了内容流行度预测准确性和用户聚类策略之间的关联性,由此设计出基于加权聚类的内容流行度预测算法。分析结果显示,通过利用面向缓存的内容流行度预测技术,可以聚合稀疏的用户请求并挖掘多样化的用户请求特性,在有限通信缓存资源下显着提高缓存内容的点击命中率,提升缓存内容在用户之间的流行度。2、通过用户聚类的合作缓存技术增强无线边缘网络的缓存效率。本文针对用户聚类合作缓存技术,提出了一种基于分段兴趣相似度的用户聚类合作缓存策略。综合考虑了缓存容量、传输时延、用户动态特性等多个关键因素,通过预估两两用户之间的合作缓存效益,建立用户对之间的分段缓存兴趣相似度,并基于近邻传播模型对用户进行聚类。以此为基础,考虑用户动态特性,建立合作缓存效益的生存进程模型并预估了合作缓存有效时间,由此得到用户重聚类方案。分析结果显示,通过引入用户聚类合作缓存技术可充分利用边缘网络中离散的缓存资源,显着降低用户获取内容的平均传输时延。3、通过内容缓存辅助数据推送,提升内容推送效益。本文针对缓存内容推送技术,提出了一种基于结构化卷积神经网络的多播内容推送策略。综合考虑了传输容量、缓存开销等关键因素,通过分析内容推送决策之间的时空耦合特性,设计了一种结构化神经网络进行多播内容推送决策。为了应对训练标签缺失问题,设计了传输约束松弛场景下基于动态规划的最优单内容推送算法和最优总体推送数量分配算法,为网络训练提供有效的性能上界。分析结果显示,通过利用内容缓存辅助数据推送技术可有效权衡数据卸载与缓存开销,灵活利用传输资源,减少网络峰时负载,从而提高内容推送效益。4、通过内容缓存辅助分布式知识融合边缘学习技术,提升边缘网络学习性能,促进边缘网络智能化。本文针对内容缓存辅助分布式知识融合边缘学习技术,提出了一种面向不同本地知识库缓存模式下的传输调度算法。综合考虑了传输容量、本地知识库缓存模式、学习状态等多个关键因素,通过联合边缘学习和知识融合学习的特性,探究了传输调度决策对学习性能的影响。同时,分析不同本地知识库缓存模式的物理特性并分别提出了基于学习状态信息和信道状态信息的最优与渐近最优传输调度算法。分析结果显示,通过利用内容缓存辅助边缘学习技术,可以将知识融合学习部署在边缘网络中,构建全新的分布式知识融合边缘学习框架,有效提升边缘学习性能。
史建超[4]（2021）在《面向电力物联网信息感知的电力线与无线通信融合关键技术研究》文中提出电力物联网技术对保障电网的正常运行具有重要作用,由于我国配用电网络拓扑结构复杂,配用电设备种类多且数量大、覆盖范围广,配用电设备安装场所电磁环境复杂,任何单一通信方式都难以胜任智能配用电网信息感知的需求。为了提高配用电网信息感知通信的可靠性,论文研究了电力线与无线通信融合关键技术,使两种通信方式优势互补,提高了配用电网数据传输的可靠性及通信覆盖率,并通过正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）资源分配方法优化资源配置,增强网络性能。本文的主要工作及研究成果如下:（1）提出一种基于深度学习的电力线信道传输特性识别方法,通过构建基准样本、训练识别模型、构建噪声样本、自编码去噪处理和去噪样本识别的过程,完成对电力线信道传输特性的识别,以便于后续深入研究计及OFDM资源分配的电力线与无线通信融合方法。（2）针对启发式算法易于陷入局部最优解的特点,提出迭代激励机制和迭代激励因子的概念,增强算法的全局搜索能力及收敛速度,仿真结果验证了迭代激励机制能增强启发式算法的寻优性能。结合迭代激励因子动态控制系统参数和Levy飞行双蚁群竞争择优,提出了改进蚁群服务质量参数感知路由算法。通过与其他算法的仿真对比,验证了所提算法收敛速度较快且不易陷入局部最优解,使通信节点快速寻找到最优通信路径。（3）以改进蚁群算法为基础,设计相应的通信协议、组网方法和路由重构策略,构成基于改进蚁群算法的电力线通信服务质量（Quality of Service,QoS）约束组网方法。采用直接路由重构方式与间接路由重构方式相结合的路由重构策略,对电力线通信网络进行动态维护以增强其稳定性和可靠性。仿真结果表明,该组网方法能针对不同的电力线通信服务类型选择相应的最优通信路径,保障数据的高效可靠传输。（4）提出一种低压电力线与微功率无线通信融合方法,通过在电力线与无线混合通信网络的介质访问控制层建立统一的通信协议、网络层实现最优通信路径组网、业务层基于误码率需求因子的子业务流分配,实现低压电力线通信与微功率无线通信的跨层融合。仿真结果表明,混合通信网络的性能优于其他对比网络。提出多跳中继电力线通信网络中的OFDM跨层资源分配算法和计及OFDM资源分配的电力线与无线通信融合方法。仿真结果表明,所提资源分配算法具有较高的系统吞吐量和较好的时延特性,所提通信融合方法能满足电力物联网感知层和网络层对通信接入的需求。（5）结合理论研究,提出基于PLC-LoRa（Long Range）的多模通信融合技术和基于低压PLC-中压PLC-4G/2G桥接中继多模通信融合技术。研制配用电网智能感知终端,并应用于企业能效及安全用电监控系统和农村偏远地区集中抄表的实际工程项目中,服务企业数千家,安装各类终端数万套。
冯一诺[5]（2021）在《基于模糊神经网络理论的异构无线网络接入选择研究》文中研究指明随着智能手机通信已经普及到老、中、青这三代人,庞大的网络需求驱使无线网络更加快速的发展。但这些用户的业务需求纷繁复杂,能够满足不同需求的无线网络的各项性能指标存在一定的差异,凭借单一的无线网络无法达到使所有用户满意的效果,所以逐渐形成了异构无线网络融合发展的态势。接入选择技术是使用户随时随地获得高质量服务的关键,这也使得异构无线网络接入选择技术成为异构无线网络领域的研究热点。本文全面地梳理了现有的异构无线网络接入选择算法,介绍了各算法的基本思想理论,并分析各算法的优缺点,然后提出了基于DA-FNN的异构无线网络接入选择算法和基于BDT-GWO-FNN的异构无线网络接入选择算法。针对现有的异构无线网络接入选择算法虽能够同时兼顾用户和网络,但仍存在无法定量化处理模糊信息、不具备自适应学习能力等问题,本文提出了基于DA-FNN的异构无线网络接入选择算法。该算法将模糊逻辑理论与神经网络相结合,使得算法在处理模糊的网络属性信息的同时还能自适应调整参数,并利用蜻蜓算法优化模糊神经网络隶属函数的参数,令网络评价结果更加准确,进而提升系统性能。此外,在选择网络时,考虑到业务类型对网络接入选择结果的影响,本文将业务类型分为实时业务和非实时业务,并设置产生两类业务的用户对各个备选网络的偏好值,再利用偏好值对模糊神经网络输出的备选网络评分进行加权处理,最终使用加权值作为选择依据。仿真结果表明,该算法能够为用户选择最适合的网络,在保证吞吐量的同时降低阻塞率。针对终端用户快速移动时的异构无线网络接入选择问题,本文提出一种基于BDT-GWO-FNN的异构无线网络接入选择算法。在每个决策时刻,利用多条件贝叶斯算法对备选网络进行筛选,得到满足切换条件的网络,然后建立切换目标网络集的更新规则,并判断其是否更新,更新则启动切换判决,反之则不启动切换判决。在启动切换判决后,利用灰狼优化模糊神经网络的网络选择算法对更新后的切换目标网络集中的备选网络进行选择。由于灰狼算法和蜻蜓算法均是群智能优化算法,所以灰狼优化模糊神经网络和蜻蜓优化模糊神经网络的思想类似,均是先构建模糊神经网络模型,再用优化算法优化模糊神经网络隶属函数的参数,进而提升系统性能。仿真结果表明,该算法能够提高吞吐量、降低阻塞率、减少切换次数。
史栋[6]（2021）在《主动式无线网络接入管理考勤系统的设计与实现》文中研究说明随着我国高等教育进入普及化发展的新阶段,学生人数的增长对高校的考勤管理工作提出了新的要求。目前高校考勤普遍采用的人工点名方式存在效率低、易出错等问题,很难满足当今高校考勤的需求。因此,研究一款适用于教学、会议等场景的小型便携自组网考勤系统,实现准确、快速考勤,对节约课堂时间、提升管理效率具有一定的实用价值。本文利用无线网络接入认证技术,构建了一种基于RADIUS协议的主动式无线网络接入模型。该模型有效回避了单一无线接入点无法满足考勤场景下的高并发连接需求的不足,保证了系统在大批量、高密集用户场景下的考勤数据传输稳定性。在此基础上,设计实现了一款主动式无线网络接入管理考勤系统。该系统选用小型ARM嵌入式开发板作为硬件运行环境,具备完整的独立无线局域网络组网和数据处理能力。用户通过手机等无线设备连接系统自身组建的考勤网络即可参与考勤,无需使用额外的数据流量。为了提升信道有效使用率,针对考勤过程中用户数量远大于系统自身无线接入点的信道限制问题,使用Portal技术将考勤网络的接入认证与考勤系统的签到步骤进行了有效整合,实现了用户在网络接入认证的同时完成考勤签到,以达到缩短用户占用网络信道时间的目的。为了释放已完成考勤用户占用的无线信道资源,使用主动式无线网络接入模型对考勤网络中的无线客户端进行管理。当用户成功考勤后,系统立即关闭已完成考勤用户的连接,杜绝了空闲客户端占用信道的问题。该系统可在不借助任何外部设备的情况下完成组建无线局域网络、接收和处理考勤数据等功能,具有自组网、易携带、使用方便快捷的特点。测试结果表明,相较于现有的考勤方式,基于主动式无线网络接入模型所设计的考勤系统有效缩短了考勤时间,显着提高了并发考勤数据的承载能力,达到了准确、快速考勤的目的。
房荣成[7]（2021）在《基于QoE的无线网络切换算法研究》文中研究说明随着无线网络技术的进步和智能手机与电脑的普及,用户对移动服务的期望呈指数提升,运营商在无线网络优化的重点已从网络的服务质量（Quality of Service,QoS）开始转移到用户的体验质量（Quality of Experience,QoE）。此前基于QoS的网络优化研究并不能完全满足用户QoE的要求,因此本课题针对无线网络使用的切换算法展开研究,以提升用户移动时的QoE。本文提出了动态粒子群优化（Dynamic Particle Swarm Optimization,DPSO）切换算法和最速QoE搜索切换算法,分别在理想蜂窝网络和实际的无线环境对两种切换算法进行研究,最终优化了用户QoE。与固定参数的切换算法相比,本文提出的切换算法能同时提高和平衡用户的QoE,在提高用户QoE同时保证不同用户之间的QoE平衡性。首先本文通过对切换算法进行研究,提出了 DPSO切换算法。该算法在中央控制器中运行DPSO算法来控制切换参数,最终优化总体用户的QoE,并降低了 QoE极差的用户比例。仿真结果表明,DPSO算法动态改变算法的加速度和惯性权重,保证了解的精度,与标准粒子群优化算法（Standard Particle Swarm Optimization,SPSO）相比将收敛速度提高了近一倍。与固定切换参数为0的立即切换算法和固定切换参数为4的传统切换算法对比,采用DPSO切换算法后,用户的总体QoE分别提高了6.22%和4.59%,而用户的QoE的方差分别降低了14.2%和22.6%。所提出的DPSO切换算法将QoE小于1.9的用户数量降为0。其次,DPSO算法在基站数目增大时,可能会出现迭代时间过长的问题,因此本文提出了最速QoE搜索切换算法,该算法分别对切换参数增大和减小3dB,根据对应的QoE变化得到切换参数的变化。之后,本文使用某地区的7天无线测量报告数据通过最小二乘法对3GPP的TS36.942协议中提出的TS36942路径损耗模型和标准传播模型（Standard Propagation Model,SPM）模型进行对比,最终选择TS36942校正模型完成了对某地区的无线环境模拟。基于某地区的无线环境仿真可得,DPSO切换算法相比固定所有小区切换参数全部为0的立即切换算法将QoE方差降低了 10.14%,整体QoE提高了 10.8%;相比固定所有小区切换参数全部为4的传统切换算法将QoE方差降低了 8.17%,将整体QoE提高了9.19%。最速QoE搜索切换算法相较于立即切换算法,将QoE方差降低了 9.18%,整体QoE提高了10.25%;与传统切换算法对比将QoE方差降低了 7.18%,整体QoE提高了 8.62%。最速QoE搜索优化算法相较于DPSO算法,降低了算法的时间和空间复杂度,其迭代次数相比于DPSO算法减少了近一半。最后本文改变了用户的速度,经过仿真可知,在不同的用户速度下,本文提出的两种切换算法均能很好地优化用户的QoE。本文提出了 DPSO切换算法和最速QoE搜索切换算法。DPSO切换算法中算法的精度较高,最速QoE搜索切换算法迭代次数较少。两种算法的QoE优化结果相差不大,均可以在用户移动时完成QoE的优化。
周吉喆[8]（2021）在《边缘网络资源分配与协同控制研究》文中进行了进一步梳理随着网络接入终端的急剧增加和新型业务的发展,网络中数据流量海量增加,业务需求与性能指标呈现差异化特征。云计算等集中式的数据处理中心面临了回传链路负载过大、请求传递路径长、网络资源管理不够灵活等问题,无法满足业务在实时性、高速率以及低能耗等方面的要求。面对以上情况,边缘计算将云计算的缓存资源和计算资源部署在接入网基站上,通过计算卸载帮助计算能力有限的移动设备完成计算类业务,降低计算时延与设备能耗,并通过预先在边缘计算平台上缓存内容,降低内容获取业务的下载时延。边缘计算与无线网络的结合,使边缘网络能够融合计算资源、缓存资源、无线资源等多维资源,并在与终端进行紧密交互通信的同时,充分利用分散化的移动终端资源,形成边缘网络统一的资源池。结合超密集网络的演进和终端直通技术的发展,边缘网络呈现出分布式和异构性特征,如何利用边缘网络分布式和层次性的多维资源,建立边缘网络协同高效的资源分配与控制机制是亟待解决的问题。面对以上边缘网络的新机遇与挑战,本论文考虑边缘网络的多样化业务,探讨多种通信方式的决策调度与资源分配的耦合关系,研究边缘网络多维资源分配以及网络节点协同控制问题。研究结论可以为未来支撑多业务的边缘网络资源分配和协同控制提供方法策略和理论支持。本论文的主要研究内容和创新性工作如下:1.多业务的边缘计算资源分配与协同控制研究在计算类业务和内容获取业务共存的网络场景下,考虑业务间存在的边缘计算资源竞争关系,研究边缘计算缓存资源与计算资源分配对业务时延的影响。进一步,在多小区多业务网络场景下,考虑网络小区间负载不均的情况,结合用户接入选择机制,研究以降低业务时延为目的的边缘计算资源协同管理方法。该部分工作的主要创新为:首先,在单小区网络场景下,根据计算类业务和内容获取业务两种不同业务对边缘计算资源需求的差异性,以降低业务时延为目标,建立多业务下的边缘计算缓存资源与计算资源的分配问题模型,并利用迭代求解算法得到边缘计算多维资源分配方案。其次,在多小区网络场景下,根据网络冗余资源分布、信道状态以及用户业务的空间分布情况,通过多小区网络资源的协同控制,建立了以最小化业务时延加权和为目的的边缘计算资源分配与用户接入选择联合优化问题模型,并结合凸优化的理论,提出一种基于联盟博弈的求解算法（CGBA）,相比于最近接入点接入策略（NEAS）,能够降低平均82.1%的业务总时延;数值仿真结果表明了所提算法能够通过小区间资源的协同控制,在降低业务总时延的同时,保证用户时延公平性。2.异构边缘网络资源分配与协同控制研究边缘网络不仅存在与基站的上下行通信,也存在设备之间的终端直通。在异构边缘网络中,考虑用户终端间协作,探讨终端直通对计算类业务和内容获取业务在时延、能耗性能上的影响,研究异构边缘网络协同资源管理方法。该部分工作的主要创新为:首先,针对计算类业务的任务共享特性,以用户协作进行计算卸载的方式避免冗余性任务处理,在任务最大时延要求下,建立最小化用户设备能耗的计算卸载与无线资源分配问题模型,并提出一种资源分配与计算卸载联合优化算法（JRAOA）;数值仿真结果表明了 JRAOA相比于非用户协作的资源分配与卸载（NCRAOA）策略在能耗性能上的优越性。其次,针对内容获取业务,考虑边缘网络中边缘计算平台与移动用户设备两种缓存位置,根据用户社交关系和移动行为对文件请求和文件分享方式的影响,以最小化文件传输代价为目标,建立用户移动设备的内容预存与分发问题模型;根据一段时间用户对文件的请求情况,设计激励机制鼓励用户间进行文件分享,并利用博弈论提出一种分布式文件预存算法（DPCS）;数值仿真结果表明,通过设备间协作能有效降低文件传输代价。3.缓存网络的相似性缓存与内容分发研究在分布式缓存网络中,研究分布式节点间协作的相似性缓存与内容分发策略,在保证用户对传递文件相似性要求的同时,有效降低文件传递时延。该部分工作的主要创新为:首先,针对请求文件与传递文件的差异度进行建模,获得传递相似性文件带来的请求时延减少与文件差异度引起的用户对传递文件接受度下降之间的折中关系。在网络请求到达率已知的场景下,以最小化请求时延和文件差异度加权和为目的,建立相似性缓存与内容分发的线下问题模型;通过定义拉格朗日原始对偶函数,将最小化问题转化为极小极大问题,并利用一种基于梯度下降与上升的算法（HiBSA）,获得线下相似性内容缓存与分发方案;数值仿真结果表明,在文件差异敏感度不高的情况下,所提相似性缓存算法相比于准确缓存能够获得更低的请求时延;随着文件差异敏感度变大,所提相似性缓存算法趋于获得与准确缓存一致的缓存方案。再者,针对网络请求到达率未知的场景,提出一种线上的基于随机梯度估计的梯度下降与上升的算法,根据一段时间内网络接收到的请求,更新节点缓存与文件分发方案;相比于单一节点相似性缓存策略,所提线上算法能够通过节点间协作获得更低的文件传递时延。
王忠峰[9]（2021）在《中国铁路高速列车公众无线网络系统构建及关键技术研究》文中研究说明以让旅客出行更美好为目的,以“列车公众无线网络”为基础,以“旅客行程服务”和“特色车厢服务”为核心,构建中国铁路高速列车智慧出行延伸服务平台,为旅客提供高速移动场景下智能化、多样化、个性化的高质量出行服务体验。基于现阶段中国高速铁路运行环境及沿线网络覆盖情况,提出了基于运营商公网、卫星通信和超宽带无线局域网（EUHT-Enhanced Ultra High Throughput）三种车地通信备选方案,利用定性与定量相结合的综合评价方法,分别对三种备选方案的建设难度、投入成本及服务性能进行对比分析,确定了现阶段以“运营商公网”方式搭建高速列车公众无线网络。基于运营商公网实现车地通信,以不影响动车组电磁干扰与安全为前提,设计了高速列车公众无线网络组网架构,为进一步完善高速列车公众无线网络的运维管控、智能化延伸服务、网络服务性能以及系统安全性,深入研究面向动车组公众无线网络复杂设备的运管平台、高铁CDN（Content Delivery Network）流媒体智能调度、基于列车位置的接收波束成形技术和网络安全防护设计,最终为旅客提供了面向移动出行场景的行程优选、在途娱乐服务、高铁订餐、接送站等定制化延伸服务。随着5G技术已全面进入商用时代,为进一步提升旅客出行服务体验,以5G在垂直行业应用为契机,提出5G与高速列车公众无线网络融合组网方案,创新高速列车公众无线网络建设和运营新模式,论文的具体工作如下:1、深入分析当前高速移动出行场景下旅客的服务需求,调研了国内外公共交通领域公众无线网络服务模式及经营现状,提出了以实现高速列车公众无线网络服务为目的,带动铁路旅客出行服务向多样化、智能化、个性化方向发展的设计方案。在系统分析了既有条件的基础上,提出了通信技术选择、服务质量和安全保障和系统运维管理等难题。2、研究并提出了一种基于OWA（Ordered Weighted Averaging）算子与差异驱动集成赋权方法,利用基于OWA与差异驱动的组合赋权确定评价指标权重,并通过灰色综合评价方法计算各方案的灰色关联系数,得到灰色加权关联度,对三种备选方案合理性进行优势排序,最终确定了现阶段基于运营商公网为高速列车公众无线网络车地通信方案。3、基于动车组车载设备安全要求,设计了高速列车公众无线网络总体架构、逻辑架构和网络架构;基于动车组车厢间的互联互通条件,分别设计有线组网和无线组网的动车组局域网解决方案。4、基于Java基础开发框架,采用Jekins作为系统构建工具,设计面向高速列车公众无线网络的云管平台微服务架构设计。使用高可用组件和商业化的Saa S（Software-as-a-Server）基础服务,保证云端的可扩展性、高可用和高性能,解决了列车公众无线网络的远程配置及管理。5、基于传统CDN原理和部署并结合高速列车车端的线性组网物理链路的特点,提出基于高速列车组的CDN概念,简称“高铁CDN”。设计由中心服务器提共一级缓存,单车服务器提供二级缓存的高铁CDN的两级缓存方案,每个二级缓存的内容为一级缓存的一份冗余,以此进一步提升旅客使用公众无线网络的体验,同时结合DNS解析技术提升请求的响应速度并减少出口带宽及流量的占用,提供了流畅的视频娱乐和上网体验。6、基于列车高速运行场景,分析了基于位置信息的多普勒效应补偿对于提高接收信号质量的影响,通过实验模拟了接收波束成形技术对于LTE（Long Term Evolution）每个时隙下网络速率的变化,提出了350km/h高速移动场景下基于位置信息的多普勒效应补偿技术,以验证了基于位置信息的多普勒补偿技术和接收波束成形技术在高铁场景下的有效性,并通过实验证明了天线间距和天线数量对于波束成形技术的影响关系。7、针对高速列车网络环境,根据802.11系列相关协议中Beacon数据包会携带AP网络相关属性进行广播这一特点,利用协议标准未定义的224字段进行唯一性标识加密,唯一性标识加密算法是通过RC4、设备MAC地址与随机码组合,不定期更新。系统采用AP（Access Point）间歇性扫描形式检测,调整虚拟接口到过滤模式,不断轮询所有频道,实现车载非法AP的检测与阻断。8、基于列车无线公众网络,打造了车上车下一体化、全行程、链条式延伸服务生态,实现了人流、车流、物流3流合一,极大提升了旅客出行服务体验。9、针对5G应用场景及业务需求,基于现有高速列车公众无线网络运营服务系统,通过复用其基础设施,采用5G室分技术设计了列车公众无线网络与5G融合组网方案。该方案通过创新建设模式,引入车载室分设备,并结合5G大带宽、低时延、多连接等特性进行无线调优方案设计,实现车厢内部5G信号和Wi-Fi信号的双重覆盖。
崔少娜[10]（2020）在《5G业务流量分析和资源管理方法研究》文中研究指明5G通信在4G通信的基础上发展出了更加繁杂多样的应用场景:增强型移动宽带场景要求极高的数据传输速率,海量机器类型通信场景要求密集的设备互联,低时延高可靠性通信场景要求极低的延迟和极高的可靠性。为满足这三种应用场景的通信需求,软件定义网络、网络切片等技术成为了5G关键使能技术。网络切片可以根据不同业务的通信需求将物理网络划分为多个端到端网络提供服务;软件定义网络技术带来了网络可编程性,降低硬件升级成本。一直以来,业务需求和流量模型的研究都得到了研究组织和学术界的广泛关注,用来预估通信需求、进行网络规划。eV2X系统中车辆的高移动性将会导致频繁的小区切换,减少或避免业务中断的同时满足业务的通信需求是研究小区切换时的一个重要议题。然而,传统的业务模型和流量模型不再适用于业务需求千差万别、场景特性各有千秋的5G网络,根据RSSI选择目标小区的切换方法也不能满足eV2X系统所需的时延和移动性,因此,本文主要针对uRLLC的业务流量分析和eV2X的切换方法进行了研究。本文首先在绪论一章阐述了业务流量模型和eV2X系统中切换方法的研究背景和国内外研究现状,以及本文的研究基础和研究内容。uRLLC类业务的业务建模和场景流量分析将为5G网络中的流量控制和网络规划提供重要依据。本文使用两层模型分别对uRLLC类业务的会话层和分组层进行建模,针对各业务的不同特性,建立不同的业务模型,并根据所建立的业务模型推导出数据传输速率的概率密度函数和累积分布函数,与蒙特卡洛方法得出的数据传输速率统计结果进行比较,验证业务模型的正确性和有效性。进一步地,基于业务模型的研究结果,本文提出多用户多业务场景的流量卷积原则,并推导出uRLLC类场景的通用流量模型,进而根据所建立的流量模型计算数据传输速率,分析场景流量,得出单个场景的流量特性,助益学术研究中的网络仿真和实际应用中的组网铺设。eV2X系统中,具有高移动性的车辆上运行着具有低时延、高可靠性或者高数据速率的业务。因此,为保障业务连续性,研究适用于5G网络架构的移动性管理方法是非常必要的。本文考虑了eV2X网络切片架构,提出了一种基于UE行为模型参数预测的切片切换方法:AMF提前预测UE行为模型参数,为即将到来的切换决策提供参考数据,减小业务传输时延。此外,AMF和NSSF在选择目标g NB和网络切片时考虑负载、Qo S需求和移动性需求,为UE选择最合适的网络,满足业务需求。仿真该切换算法并分析其性能,可以看出,应用网络切片技术和预测的切换方法可以满足eV2X类业务的Qo S需求,相较已有切换方法获得了一定程度的性能提升。
二、无线数据业务用户行为模型研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、无线数据业务用户行为模型研究（论文提纲范文）
（1）基于LTE-M和5G混合组网的城市轨道交通通信系统无线资源管理研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 LTE-M车地通信系统 |
| 1.1.2 基于5G的车地通信系统 |
| 1.1.3 未来城市轨道交通车地通信系统的发展趋势 |
| 1.2 国内外研究现状 |
| 1.2.1 软频率复用及功率控制无线资源管理研究现状 |
| 1.2.2 RAN切片无线资源管理研究现状 |
| 1.2.3 核心网切片资源管理研究现状 |
| 1.3 论文结构及安排 |
| 2 基于5G-M的车地无线通信系统 |
| 2.1 城市轨道交通业务QOS需求分析 |
| 2.2 LTE 和 5G 混合组网车地通信系统设计 |
| 2.2.1 网络架构分析 |
| 2.2.2 5G与LTE-M系统异同分析 |
| 2.3 城市轨道交通车地通信系统的无线通信环境 |
| 2.3.1 大尺度衰落 |
| 2.3.2 小尺度衰落 |
| 2.4 LTE-M无线资源 |
| 2.5 网络切片资源管理相关概念 |
| 2.5.1 无线网子切片资源管理 |
| 2.5.2 核心网子切片资源管理 |
| 2.6 本章小结 |
| 3 基于位置的LTE-M上行功率控制和无线资源调度 |
| 3.1 LTE系统的功率控制和干扰协调 |
| 3.1.1 上行共享信道的功率控制 |
| 3.1.2 LTE的小区间干扰协调 |
| 3.1.3 城市轨道交通车地通信系统的功率控制和干扰协调 |
| 3.2 基于位置的LTE-M上行功率控制算法 |
| 3.3 基于位置和SFR的 LTE-M上行无线资源调度 |
| 3.3.1 比例公平调度算法 |
| 3.3.2 算法设计 |
| 3.3.3 仿真结果 |
| 3.4 本章小结 |
| 4 基于深度强化学习的核心网切片接纳控制与管理 |
| 4.1 系统模型问题描述 |
| 4.1.1 系统模型和业务模型 |
| 4.1.2 问题描述 |
| 4.2 基于在线学习的切片接纳控制算法 |
| 4.2.1 网络切片模型 |
| 4.2.2 可接受区域分析与确定 |
| 4.2.3 决策过程模型 |
| 4.2.4 N3AC算法 |
| 4.3 基于自适应深度强化学习的资源管理 |
| 4.3.1 模型建立 |
| 4.3.2 问题描述 |
| 4.3.3 基于DDPG算法的自适应资源管理 |
| 4.4 仿真验证与结果分析 |
| 4.4.1 接纳控制算法仿真参数 |
| 4.4.2 结果分析 |
| 4.4.3 自适应资源管理仿真环境与数据生成 |
| 4.4.4 结果分析 |
| 4.5 本章小结 |
| 5 结论 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）智慧标识网络中边缘计算服务的任务卸载和资源适配研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 新型网络技术及智慧标识网络研究现状 |
| 1.2.1 新型网络相关关键技术 |
| 1.2.2 智慧标识网络理论及其相关研究 |
| 1.3 边缘计算及其服务管控问题的相关研究 |
| 1.3.1 边缘计算技术概述 |
| 1.3.2 边缘计算中服务管控问题的相关研究 |
| 1.3.3 机器学习在边缘计算中的应用研究 |
| 1.4 研究内容和主要创新 |
| 1.5 论文组织结构 |
| 第二章 复杂计算服务的服务分割和任务卸载研究 |
| 2.1 引言 |
| 2.2 复杂服务分割和部分任务卸载的优化问题 |
| 2.2.1 系统架构 |
| 2.2.2 服务管控机制 |
| 2.2.3 问题建模和优化 |
| 2.3 复杂计算服务模型和协同分割卸载算法 |
| 2.3.1 基于DL方法的模型分析 |
| 2.3.2 终端复杂计算服务的模型构建 |
| 2.3.3 服务模型的数据流和计算负载分析 |
| 2.3.4 TP-CPO算法设计 |
| 2.4 仿真实验和结果分析 |
| 2.4.1 复杂计算服务仿真环境的建立 |
| 2.4.2 TP-CPO策略的性能评估 |
| 2.4.3 TP-CPO策略的扩展性分析 |
| 2.5 本章小结 |
| 第三章 流式计算服务的任务调度和功率控制研究 |
| 3.1 引言 |
| 3.2 任务卸载调度和终端功率控制的优化问题 |
| 3.2.1 系统架构和管控机制 |
| 3.2.2 问题建模和优化 |
| 3.3 基于分层深度强化学习的自适应调度控制算法 |
| 3.3.1 深度强化学习方法简介 |
| 3.3.2 状态、动作及奖励函数设计 |
| 3.3.3 HDRL-ASC算法设计 |
| 3.4 仿真实验和结果分析 |
| 3.4.1 实验参数和环境变量的设置 |
| 3.4.2 HDRL-ASC算法性能分析 |
| 3.4.3 HDRL-ASC策略性能评估分析 |
| 3.5 本章小结 |
| 第四章 多终端竞争计算服务的卸载选择和资源编排研究 |
| 4.1 引言 |
| 4.2 终端卸载选择和通信资源编排的优化问题 |
| 4.2.1 系统架构和管控机制 |
| 4.2.2 问题建模和优化 |
| 4.3 基于纵向联邦学习的灵活选择编排算法 |
| 4.3.1 L-FOO算法框架设计 |
| 4.3.2 VFL-FOO算法设计 |
| 4.4 仿真实验和结果分析 |
| 4.4.1 实验参数设置 |
| 4.4.2 VFL-FOO算法参数调优 |
| 4.4.3 VFL-FOO算法收敛性分析 |
| 4.4.4 VFL-FOO算法复杂度评估 |
| 4.4.5 VFL-FOO策略的综合计算效用评估 |
| 4.5 本章小结 |
| 第五章 边缘汇聚计算服务的流量分类和资源适配研究 |
| 5.1 引言 |
| 5.2 流量鲁棒分类和资源感知转发的优化问题 |
| 5.2.1 系统架构和管控架构 |
| 5.2.2 问题建模和优化 |
| 5.3 基于遗传进化算法的快速分类转发算法 |
| 5.3.1 RCF算法框架设计 |
| 5.3.2 GE-RCF快速分类转发算法 |
| 5.4 仿真实验和结果分析 |
| 5.4.1 仿真实验参数设置 |
| 5.4.2 GE-RCF策略评估 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来研究工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）数据-模型联合驱动的无线边缘网络内容缓存技术（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 未来无线网络演进趋势 |
| 1.1.2 无线边缘网络缓存技术 |
| 1.2 研究意义 |
| 1.2.1 数据-模型联合驱动的无线边缘网络 |
| 1.2.2 提升无线边缘网络内容缓存效益的方法 |
| 1.3 相关领域研究现状 |
| 1.4 主要内容与结构安排 |
| 2 面向缓存的内容流行度预测 |
| 2.1 系统模型 |
| 2.1.1 内容缓存系统模型 |
| 2.1.2 问题描述 |
| 2.2 基于聚类的问题分析与问题重构 |
| 2.3 基于流行度预测的缓存损失 |
| 2.3.1 基于文件分类的系统损失重建 |
| 2.3.2 基于缓存阈值的损失概率分析 |
| 2.4 基于加权聚类的流行度预测算法 |
| 2.4.1 用户聚类准则 |
| 2.4.2 加权聚类方法 |
| 2.5 仿真结果 |
| 2.5.1 仿真配置 |
| 2.5.2 缓存阈值训练过程 |
| 2.5.3 不同关键参数下的性能比较 |
| 2.5.4 不同用户请求行为模式下的性能对比 |
| 2.6 本章小结 |
| 3 基于分段兴趣相似度的合作缓存聚类 |
| 3.1 系统模型 |
| 3.1.1 内容缓存系统 |
| 3.1.2 问题描述 |
| 3.1.3 问题分析与分解 |
| 3.2 基于分段兴趣相似度的用户聚类策略 |
| 3.2.1 分段兴趣相似度聚类标准 |
| 3.2.2 近邻传播聚类算法 |
| 3.3 用户重建聚类策略 |
| 3.4 仿真结果 |
| 3.4.1 用户聚类算法性能评估 |
| 3.4.2 用户重聚类算法性能评估 |
| 3.4.3 综合性能评估 |
| 3.5 本章小结 |
| 4 基于结构化深度学习的缓存辅助多播内容推送 |
| 4.1 系统模型 |
| 4.1.1 缓存辅助的多播推送系统 |
| 4.1.2 问题描述 |
| 4.2 面向多播推送与缓存的结构化深度学习 |
| 4.2.1 问题分析与问题重构 |
| 4.2.2 卷积阶段 |
| 4.2.3 全连接阶段 |
| 4.3 基于推送收益上界的训练过程 |
| 4.3.1 收益上界设计 |
| 4.3.2 网络训练 |
| 4.3.3 面向不确定用户请求信息场景的拓展 |
| 4.4 仿真结果 |
| 4.4.1 仿真配置 |
| 4.4.2 性能对比 |
| 4.4.3 非确定性预测下的鲁棒性 |
| 4.5 本章小结 |
| 5 缓存辅助的分布式知识融合边缘学习 |
| 5.1 系统模型 |
| 5.1.1 知识融合边缘学习模型 |
| 5.1.2 分布式网络通信模型 |
| 5.1.3 问题描述 |
| 5.1.4 问题分析 |
| 5.2 PECI模式:最优LSI-CSI联合感知传输调度决策 |
| 5.2.1 PECI模式中的本地训练损失衰减分析 |
| 5.2.2 面向PECI模式的最优传输调度决策 |
| 5.3 CEPI模式:渐近最优的LSI-CSI联合感知UCB算法 |
| 5.3.1 基于多臂老虎机模型的问题重构 |
| 5.3.2 LSI-CSI联合感知UCB算法 |
| 5.3.3 系统遗憾性能分析 |
| 5.4 仿真结果 |
| 5.4.1 仿真配置 |
| 5.4.2 不同参数下的性能评估 |
| 5.4.3 本地缓存容量对学习性能的影响 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 附录 |
| A.1 第二章的相关证明 |
| A.1.1 定理2.3的证明 |
| A.1.2 定理2.4的证明 |
| A.2 第三章的相关证明 |
| A.2.1 数值迭代求解量化问题(3.24) |
| A.2.2 定理3.1的证明 |
| A.3 第四章的相关证明 |
| A.3.1 定理4.1的证明 |
| A.3.2 定理4.2的证明 |
| A.3.3 定理4.3的证明 |
| A.3.4 定理4.4的证明 |
| 参考文献 |
| 参与项目与发表文章目录 |
（4）面向电力物联网信息感知的电力线与无线通信融合关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 电力物联网现状及存在的问题 |
| 1.1.2 课题研究的目的和意义 |
| 1.2 电力线通信技术的发展及现状 |
| 1.2.1 电力线通信技术的标准化发展及现状 |
| 1.2.2 电力线通信技术的应用发展及现状 |
| 1.2.3 电力线通信技术的理论研究现状 |
| 1.3 电力线通信路由及组网算法研究现状 |
| 1.3.1 PLC网络信道接入协议研究现状 |
| 1.3.2 PLC网络路由算法研究现状 |
| 1.4 电力线通信与无线通信融合技术研究现状 |
| 1.5 论文主要工作及组织结构 |
| 第2章 电力线与无线信道特性研究 |
| 2.1 引言 |
| 2.2 电力线通信网络的拓扑结构 |
| 2.3 电力线信道衰减模型与噪声模型 |
| 2.3.1 电力线信道衰减模型 |
| 2.3.2 电力线信道噪声分类及模型 |
| 2.4 无线信道衰落特性 |
| 2.5 基于深度学习的电力线信道传输特性识别 |
| 2.5.1 方法的可行性分析及流程图 |
| 2.5.2 构建样本及模型识别训练 |
| 2.5.3 去噪自编码器网络搭建过程 |
| 2.5.4 去噪效果仿真 |
| 2.5.5 去噪样本识别结果 |
| 2.6 本章小结 |
| 第3章 改进蚁群路由算法及电力线通信组网方法 |
| 3.1 引言 |
| 3.2 蚁群算法基本原理及组网模型 |
| 3.2.1 蚁群算法基本原理 |
| 3.2.2 电力线通信路径的QoS参数 |
| 3.2.3 电力线通信组网的数学模型 |
| 3.3 基于迭代激励因子控制的Lévy飞行双蚁群算法 |
| 3.3.1 迭代激励机制原理 |
| 3.3.2 Lévy飞行随机过程 |
| 3.3.3 基于迭代激励因子的改进蚁群路由算法原理 |
| 3.3.4 I-LDAQ算法性能分析与参数选取 |
| 3.4 基于I-LDAQ算法的电力线通信组网方法 |
| 3.4.1 通信协议设计 |
| 3.4.2 自动组网步骤 |
| 3.4.3 基于I-LDAQ的组网方法仿真实验与分析 |
| 3.5 PLC网络路由重构及网络维护实现动态组网 |
| 3.6 本章小结 |
| 第4章 面向信息感知的电力线与无线通信融合方法 |
| 4.1 引言 |
| 4.2 低压电力线与微功率无线通信跨层融合方法 |
| 4.2.1 低压电力线与微功率无线混合通信网络拓扑结构 |
| 4.2.2 低压电力线与微功率无线通信跨层融合原理 |
| 4.2.3 CPW网络跨层融合实现过程 |
| 4.2.4 混合通信网络仿真实验和性能分析 |
| 4.3 多跳中继宽带电力线通信网络中的OFDM跨层资源分配 |
| 4.3.1 电力线通信网络OFDM跨层资源分配原理 |
| 4.3.2 多跳中继PLC网络的OFDM跨层资源分配过程 |
| 4.3.3 跨层资源分配算法仿真与分析 |
| 4.4 计及OFDM资源分配的电力线与无线通信融合方法 |
| 4.4.1 计及OFDM资源分配的混合通信网络工作模式 |
| 4.4.2 参数选取与仿真分析 |
| 4.5 本章小结 |
| 第5章 基于电力线无线通信融合技术的配用电网智能感知终端及应用 |
| 5.1 引言 |
| 5.2 配用电网智能感知终端总体方案 |
| 5.2.1 配用电网智能感知终端的功能 |
| 5.2.2 配用电网智能感知终端设计原则 |
| 5.3 配用电网多信息融合感知单元 |
| 5.3.1 ARM微处理器系统 |
| 5.3.2 电量采集单元 |
| 5.3.3 非电量采集单元 |
| 5.4 智能感知终端中的PLC-LoRA多模通信融合技术 |
| 5.4.1 PLC-LoRa多模通信融合技术原理 |
| 5.4.2 PLC-LoRa双通道通信的工作模式 |
| 5.5 智能感知终端的MVPLC-4G/2G桥接中继多模通信融合技术 |
| 5.5.1 MVPLC-4G/2G桥接中继多模通信融合技术原理 |
| 5.5.2 MVPLC-4G/2G桥接中继多模通信融合技术的通信协议与组网问题 |
| 5.6 配用电网智能感知终端的应用实践 |
| 5.6.1 在企业能效及安全用电监控系统现场信息感知中的应用实践 |
| 5.6.2 农村偏远地区集中抄表全覆盖中的应用实践 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）基于模糊神经网络理论的异构无线网络接入选择研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容及章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 章节安排 |
| 第2章 异构无线网络接入选择研究 |
| 2.1 异构无线网络接入选择概述 |
| 2.2 接入选择流程 |
| 2.3 异构无线网络接入选择的影响因素 |
| 2.4 现有异构无线网络接入选择算法 |
| 2.4.1 基于RSS的异构无线网络接入选择算法 |
| 2.4.2 基于MCDM的异构无线网络接入选择算法 |
| 2.4.3 基于效用函数的异构无线网络接入选择算法 |
| 2.4.4 基于模糊逻辑的异构无线网络接入选择算法 |
| 2.4.5 基于人工神经网络的异构无线网络接入选择算法 |
| 2.4.6 基于博弈论的异构无线网络接入选择算法 |
| 2.5 本章小结 |
| 第3章 基于DA-FNN的异构无线网络接入选择算法 |
| 3.1 引言 |
| 3.2 基于蜻蜓优化模糊神经网络的接入选择算法 |
| 3.2.1 模糊神经网络模型 |
| 3.2.2 模糊神经网络的自适应学习过程 |
| 3.2.3 蜻蜓优化模糊神经网络 |
| 3.3 仿真分析 |
| 3.3.1 仿真场景 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第4章 基于BDT-GWO-FNN的异构无线网络接入选择算法 |
| 4.1 引言 |
| 4.2 基于多条件贝叶斯决策的切换目标网络集更新算法 |
| 4.2.1 贝叶斯决策 |
| 4.2.2 切换目标网络集更新算法 |
| 4.3 基于灰狼优化模糊神经网络的网络选择算法 |
| 4.3.1 灰狼优化的基本理论 |
| 4.3.2 灰狼优化模糊神经网络 |
| 4.3.3 网络选择 |
| 4.4 仿真分析 |
| 4.4.1 仿真场景 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（6）主动式无线网络接入管理考勤系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 刷卡考勤 |
| 1.2.2 生物识别考勤 |
| 1.2.3 手机考勤 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 相关技术概述 |
| 2.1 无线局域网络的接入认证 |
| 2.2 网络认证协议 |
| 2.2.1 IEEE802.1X协议 |
| 2.2.2 RADIUS协议 |
| 2.3 Portal认证 |
| 2.4 本章小结 |
| 第三章 主动式无线网络接入模型构建 |
| 3.1 主动式接入管理流程 |
| 3.1.1 无线局域网络通信问题分析 |
| 3.1.2 主动式接入管理技术 |
| 3.1.3 主动式接入管理流程设计 |
| 3.2 网络接入模型构建 |
| 3.3 网络接入模型性能测试 |
| 3.3.1 测试环境 |
| 3.3.2 测试方法 |
| 3.3.3 测试结果分析 |
| 3.4 本章小结 |
| 第四章 考勤系统分析与设计 |
| 4.1 系统分析 |
| 4.1.1 可行性分析 |
| 4.1.2 功能需求分析 |
| 4.1.3 非功能需求分析 |
| 4.2 系统概要设计 |
| 4.2.1 系统体系结构 |
| 4.2.2 系统运行流程 |
| 4.2.3 系统功能框架 |
| 4.3 系统详细设计 |
| 4.3.1 注册登录模块 |
| 4.3.2 认证服务器模块 |
| 4.3.3 考勤签到模块 |
| 4.3.4 考勤记录管理模块 |
| 4.3.5 用户信息管理模块 |
| 4.3.6 无线接入点模块 |
| 4.4 数据库设计 |
| 4.4.1 概念模型设计 |
| 4.4.2 物理模型设计 |
| 4.5 本章小结 |
| 第五章 考勤系统实现与测试 |
| 5.1 开发环境 |
| 5.1.1 硬件环境 |
| 5.1.2 软件环境 |
| 5.2 考勤系统模块实现 |
| 5.2.1 注册登录模块 |
| 5.2.2 认证服务器模块 |
| 5.2.3 考勤签到模块 |
| 5.2.4 考勤记录管理模块 |
| 5.2.5 用户信息管理模块 |
| 5.2.6 无线接入点模块 |
| 5.3 考勤系统测试 |
| 5.3.1 功能测试 |
| 5.3.2 系统测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（7）基于QoE的无线网络切换算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于切换参数自优化算法的研究现状 |
| 1.3.2 基于QoE的建模与优化的研究现状 |
| 1.3.3 基于模拟真实无线环境的研究现状 |
| 1.4 本文的主要工作和贡献 |
| 1.5 论文结构 |
| 第二章 相关技术介绍 |
| 2.1 无线网络的切换流程 |
| 2.1.1 切换测量 |
| 2.1.2 切换判决 |
| 2.2 QoE建模 |
| 2.2.1 VIDEO QoE |
| 2.2.2 WEB QoE |
| 2.2.3 FTP QoE |
| 2.3 模拟真实环境 |
| 2.3.1 传播模型 |
| 2.3.2 无线测量报告 |
| 2.4 本章总结 |
| 第三章 基于理想基站场景的用户QoE的网络切换研究 |
| 3.1 |
| 3.1.1 系统模型 |
| 3.1.2 优化目标 |
| 3.2 DPSO算法 |
| 3.2.1 粒子群算法起源 |
| 3.2.2 DPSO算法原理 |
| 3.3 基于DPSO的切换算法 |
| 3.4 算法仿真和结果验证 |
| 3.5 本章总结 |
| 第四章 基于实际无线环境的用户QoE的网络切换研究 |
| 4.1 无线测量报告模拟真实的无线环境 |
| 4.1.1 无线测量报告 |
| 4.1.2 模型校正 |
| 4.1.3 模型校正结果 |
| 4.2 最速QoE搜索优化算法 |
| 4.2.1 梯度下降算法 |
| 4.2.2 最速QoE搜索优化算法 |
| 4.3 算法复杂度分析 |
| 4.4 算法仿真和结果验证 |
| 4.5 本章总结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（8）边缘网络资源分配与协同控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 边缘计算资源分配 |
| 1.2.2 边缘网络终端直通 |
| 1.2.3 分布式节点缓存 |
| 1.3 论文主要研究内容及创新点 |
| 1.4 论文组织结构 |
| 第2章 多业务的边缘计算资源分配与协同控制研究 |
| 2.1 引言 |
| 2.2 单小区多业务边缘计算资源分配策略 |
| 2.2.1 系统模型 |
| 2.2.2 问题描述 |
| 2.2.3 多业务边缘计算资源分配算法 |
| 2.2.4 仿真结果与分析 |
| 2.3 多小区多业务边缘计算资源分配与用户接入选择联合优化方法 |
| 2.3.1 系统模型 |
| 2.3.2 问题描述 |
| 2.3.3 联盟博弈模型 |
| 2.3.4 基于联盟博弈的迭代算法 |
| 2.3.5 仿真结果与分析 |
| 2.4 本章小结 |
| 第3章 异构边缘网络资源分配与协同控制研究 |
| 3.1 引言 |
| 3.2 D2D协作的边缘计算任务卸载与资源分配策略 |
| 3.2.1 系统模型 |
| 3.2.2 问题描述与转换 |
| 3.2.3 计算卸载和资源分配迭代算法 |
| 3.2.4 仿真结果与分析 |
| 3.3 D2D协作的设备内容预存与内容分发联合优化方法 |
| 3.3.1 系统模型 |
| 3.3.2 问题描述 |
| 3.3.3 本地协作博弈模型描述 |
| 3.3.4 基于博弈论的内容预存与内容分发算法 |
| 3.3.5 仿真结果与分析 |
| 3.4 本章小节 |
| 第4章 缓存网络的相似性缓存与内容分发研究 |
| 4.1 引言 |
| 4.2 相似性缓存系统模型 |
| 4.3 相似性缓存与内容分发的线下优化问题描述 |
| 4.3.1 相似性缓存和文件分发限制条件分析 |
| 4.3.2 线下优化问题建模 |
| 4.4 相似性缓存与内容分发的线下算法 |
| 4.4.1 问题放松和转化 |
| 4.4.2 基于GDA的迭代算法 |
| 4.4.3 问题求整方法 |
| 4.5 相似性缓存与内容分发的线上算法 |
| 4.6 仿真结果与分析 |
| 4.7 本章小节 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 未来研究工作 |
| 参考文献 |
| 缩略语 |
| 致谢 |
| 攻读博士期间发表论文及其它研究成果 |
（9）中国铁路高速列车公众无线网络系统构建及关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 公共交通领域无线网络服务现状研究 |
| 1.2.2 旅客需求服务现状 |
| 1.2.3 中国铁路科技开发研究现状 |
| 1.3 研究内容和组织结构 |
| 1.4 技术路线 |
| 1.5 本章小结 |
| 2 车地通信方案比选研究 |
| 2.1 车地通信技术方案 |
| 2.1.1 基于运营商公网的车地通信 |
| 2.1.2 基于卫星的车地通信 |
| 2.1.3 基于超宽带无线局域网(EUHT)的车地通信 |
| 2.2 车地通信方案比选方法研究 |
| 2.2.1 车地通信方案比选指标选取 |
| 2.2.2 确定评价指标权重 |
| 2.2.2.1 基于OWA算子主观赋权 |
| 2.2.2.2 基于差异驱动原理确定指标的客观权重 |
| 2.2.2.3 组合赋权 |
| 2.2.3 灰色关联评价分析 |
| 2.2.3.1 指标预处理确定决策矩阵 |
| 2.2.3.2 计算关联系数及关联度 |
| 2.3 车地通信方案比选算例分析 |
| 2.3.1 计算指标权重 |
| 2.3.2 灰色关联系数确定 |
| 2.3.2.1 选择参考序列 |
| 2.3.2.2 计算灰色关联度 |
| 2.3.2.3 方案比选分析评价 |
| 2.4 本章小结 |
| 3 高速列车公众无线网络系统总体方案研究及系统建设 |
| 3.1 总体架构 |
| 3.2 网络架构 |
| 3.2.1 地面网络架构设计 |
| 3.2.2 车载局域网架构设计 |
| 3.3 网络安全防护 |
| 3.3.1 安全认证 |
| 3.3.2 安全检测与监控 |
| 3.4 运营平台建设 |
| 3.4.1 用户中心 |
| 3.4.2 内容服务 |
| 3.4.3 视频服务 |
| 3.4.4 游戏服务 |
| 3.4.5 广告管理 |
| 3.5 一体化综合云管平台 |
| 3.5.1 云管平台总体设计 |
| 3.5.2 功能设计及实现 |
| 3.6 本章小结 |
| 4 高速列车公众无线网络服务质量测量与优化 |
| 4.1 公众无线网络服务质量测量分析 |
| 4.1.1 系统面临挑战 |
| 4.1.2 服务质量测量场景 |
| 4.1.3 服务质量分析 |
| 4.1.3.1 分析方法 |
| 4.1.3.2 用户行为分析 |
| 4.1.3.3 网络状态分析 |
| 4.2 QoE与 QoS指标映射模型分析 |
| 4.2.1 列车公众无线网络QoE与 QoS指标 |
| 4.2.1.1 无线网络QoS指标 |
| 4.2.1.2 无线网络QoE指标 |
| 4.2.2 QoE与 QoS映射模型 |
| 4.2.2.1 QoE与 QoS关系 |
| 4.2.2.2 通用映射模型 |
| 4.2.2.3 映射模型业务类型 |
| 4.2.3 系统架构 |
| 4.2.4 系统问题分析 |
| 4.2.4.1 开网业务的开网成功率问题 |
| 4.2.4.2 网页浏览延质差问题 |
| 4.2.4.3 即时通信的业务连接建立成功率问题 |
| 4.2.5 性能评估 |
| 4.3 高铁CDN流媒体智能调度算法研究 |
| 4.3.1 技术架构 |
| 4.3.2 缓存策略分析 |
| 4.3.3 算法设计 |
| 4.3.4 流媒体算法仿真结果 |
| 4.4 基于列车位置信息的接收波束成形技术对LTE下行信道的影响研究 |
| 4.4.1 模型建立 |
| 4.4.2 信道建模 |
| 4.4.3 试验模拟结果 |
| 4.5 本章小节 |
| 5 基于高速列车公众无线网络的智慧出行服务研究及实现 |
| 5.1 基础行程服务 |
| 5.1.1 售票服务 |
| 5.1.2 共享出行业务 |
| 5.1.4 特色车厢服务 |
| 5.1.5 广告 |
| 5.2 ToB业务 |
| 5.2.1 站车商业 |
| 5.2.2 站车广告管理平台 |
| 5.3 创新业务 |
| 5.3.1 高铁智屏 |
| 5.3.2 国铁商学院 |
| 5.4 本章小结 |
| 6 融合5G技术的动车组公众无线网络升级优化研究 |
| 6.1 融合场景分析 |
| 6.1.1 动车组公众无线网络现状分析 |
| 6.1.2 5G在垂直领域成熟应用 |
| 6.2 融合组网需求分析 |
| 6.2.1 旅客追求高质量通信服务体验需求 |
| 6.2.2 铁路运营方提升运输生产组织效率需求 |
| 6.2.3 电信运营商需求 |
| 6.3 电磁干扰影响分析 |
| 6.3.1 环境分析 |
| 6.3.2 干扰分析 |
| 6.3.3 结论及建议 |
| 6.4 5G上车方案设计 |
| 6.4.1 技术方案可行性分析 |
| 6.4.2 融合架构设计 |
| 6.4.3 逻辑架构 |
| 6.4.4 网络架构 |
| 6.4.5 系统功能 |
| 6.4.6 系统建设内容 |
| 6.5 关键技术 |
| 6.5.1 本地分流技术 |
| 6.5.2 高速回传技术 |
| 6.5.3 时钟同步 |
| 6.5.4 5G语音回落4G(EPS Fallback) |
| 6.5.5 5G网络QoS机制 |
| 6.5.6 隧道技术 |
| 6.5.7 切片技术 |
| 6.6 融合5G技术的公众无线网络经营思路 |
| 6.6.1 业务架构 |
| 6.6.2 商业模式 |
| 6.7 本章小结 |
| 7 结论 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的科研成果 |
| 学位论文数据集 |
（10）5G业务流量分析和资源管理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 符号表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 业务流量模型研究基础 |
| 1.2.1 常见分布 |
| 1.2.2 常见模型 |
| 1.3 国内外研究现状 |
| 1.3.1 uRLLC业务流量模型研究现状 |
| 1.3.2 eV2X切换方法研究现状 |
| 1.4 研究内容及章节安排 |
| 第二章 uRLLC类业务建模 |
| 2.1 引言 |
| 2.2 uRLLC类业务的业务模型 |
| 2.2.1 变电站控制与维护业务 |
| 2.2.2 移动救护车和生命连接业务 |
| 2.2.3 增强驾驶业务 |
| 2.3 业务仿真结果及性能分析 |
| 2.3.1 变电站控制与维护业务仿真与性能分析 |
| 2.3.2 移动救护车和生命连接业务仿真与性能分析 |
| 2.3.3 增强驾驶业务仿真与性能分析 |
| 2.4 本章小结 |
| 第三章 uRLLC类场景流量分析 |
| 3.1 引言 |
| 3.2 uRLLC类场景的流量模型 |
| 3.2.1 智慧能源应用场景 |
| 3.2.2 银行无线通信应用场景 |
| 3.2.3 智能工厂应用场景 |
| 3.3 场景的仿真结果及流量分析 |
| 3.3.1 智慧能源应用场景仿真与流量分析 |
| 3.3.2 银行无线通信应用场景仿真与流量分析 |
| 3.3.3 智能工厂应用场景仿真与流量分析 |
| 3.4 本章小结 |
| 第四章 一种用于eV2X系统基于UE行为模型参数预测的切片切换方法 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 eV2X网络切片架构 |
| 4.2.2 网络模型 |
| 4.3 基于UE行为模型参数预测的切片切换方法 |
| 4.3.1 UE行为模型参数预测 |
| 4.3.2 新网络切片的选择与创建 |
| 4.3.3 基于UE行为模型参数预测的切片切换方法 |
| 4.4 仿真结果及性能分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 进一步研究工作 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究工作及成果 |
四、无线数据业务用户行为模型研究（论文参考文献）
- [1]基于LTE-M和5G混合组网的城市轨道交通通信系统无线资源管理研究[D]. 邵颖霞. 北京交通大学, 2021(02)
- [2]智慧标识网络中边缘计算服务的任务卸载和资源适配研究[D]. 李雪靖. 北京交通大学, 2021
- [3]数据-模型联合驱动的无线边缘网络内容缓存技术[D]. 陈琪. 浙江大学, 2021(01)
- [4]面向电力物联网信息感知的电力线与无线通信融合关键技术研究[D]. 史建超. 华北电力大学(北京), 2021
- [5]基于模糊神经网络理论的异构无线网络接入选择研究[D]. 冯一诺. 吉林大学, 2021(01)
- [6]主动式无线网络接入管理考勤系统的设计与实现[D]. 史栋. 西安石油大学, 2021(09)
- [7]基于QoE的无线网络切换算法研究[D]. 房荣成. 北京邮电大学, 2021(01)
- [8]边缘网络资源分配与协同控制研究[D]. 周吉喆. 北京邮电大学, 2021
- [9]中国铁路高速列车公众无线网络系统构建及关键技术研究[D]. 王忠峰. 中国铁道科学研究院, 2021(01)
- [10]5G业务流量分析和资源管理方法研究[D]. 崔少娜. 东南大学, 2020(01)