一、分布式无线电和蜂窝移动通信网络结构（论文文献综述）
李航琪[1]（2020）在《具有能量收集的认知中继网络功率分配问题研究》文中研究指明随着社会的发展和科技的进步,无线移动通信技术也从最初的公用移动电话系统发展到现在支持海量设备连接的第五代（5G）移动通信。推动无线通信技术发展的最大动力就是人们对更高的通信传输速率从未停止的追求。未来无线通信以更高的数据传输速率为目标,将无线通信技术与互联网、IP技术相融合,为用户提供质量更优的个性化通信业务。无线移动通信技术的发展带来的不仅是更高的数据传输速率,也带来了更宽的频谱需求,给本就稀缺的无线电频谱资源带来了严峻的挑战。目前,大部分无线电频谱资源已经被划分给一些授权业务,剩余的小部分频谱资源也因为大跨度、碎片化分布的特点不能被有效地利用。认知无线电（Cognitive radio,CR）技术通过重新开发、可利用授权频谱资源,缓解了紧缺的频谱资源与日益增长的数据流量之间的矛盾,有效提高了频谱利用率。认知无线电网络智能地观察并学习周围的无线电环境,基于感知到的频谱占用信息等无线电环境特征来动态地调整次用户的传输参数（例如调制参数、发射功率）,使其在保证主用户通信质量需求的前提下共享主用户的授权频谱资源。为了满足网络中主用户的服务质量（Quality of service,QoS）需求并达到共享频谱的目的,合理控制次用户的发射功率来避免对主用户产生有害干扰是必要的。协作中继通信技术构造独立的信号路径,在增加空间分集增益的同时有效地扩展了网络覆盖范围。将协作中继技术应用在认知无线电网络中可以解决由信道衰落造成的通信质量下降甚至是通信中断的问题,改善了次用户网络的通信性能。然而,增加的中继节点产生的额外功率消耗也加大了认知中继网络的能量负担。从绿色通信理念出发,能量收集（Energy Harvesting,EH）技术通过特定装置从周围环境（例如太阳能、水能、风能、潮汐能）收集能量,缓解了能量消耗与能量供给之间的矛盾。基于以上研究背景,本文分别考虑感知信息不确定性、移动中继、信道状态信息不确定性等因素,提出了若干基于能量收集技术的认知中继网络功率分配算法。本文的主要工作和贡献如下:（1）在实际认知无线电网络通信场景中,由于反馈信道时延、信道衰落、频谱感知算法精度等因素的影响,次用户很难获得精确的频谱感知信息。针对不完美频谱感知的情况,本文考虑采用正交频分复用（Orthogonal frequency division multiplexing,OFDM）技术和自然能量收集技术,研究了考虑不确定感知信息的认知中继网络功率分配问题。首先,基于填充式频谱接入模型,本文将不确定的感知信息描述为误检概率和虚警概率,考虑可能出现的共道干扰和边道干扰,重新建立主、次用户间的干扰模型。然后,基于中继节点处的自然能量收集方案,对次用户发射机和中继节点进行独立的功率控制。本文考虑次用户发射机最大发射功率约束、中继节点能量因果约束、电池能量存储约束以及主用户干扰温度约束,以最大化次用户系统吞吐量为优化目标,分别提出基于完美频谱感知和不完美频谱感知的功率分配算法。仿真结果验证了所提出算法的可行性和有效性,证明本文所提出的考虑不确定感知信息的功率分配算法以牺牲小部分次用户系统吞吐量为代价保护了主用户的正常通信。（2）针对传统认知中继网络中固定位置中继节点（即静态中继节点）的移动性限制问题,本文仍然考虑自然能量收集技术,研究了基于移动中继节点的认知无线电网络功率分配问题。本文从以下几个方面对上述认知中继网络模型进行了修改:1)考虑下垫式频谱接入模型和次用户发射机处的自然能量收集过程;2)使用具有中继通信功能的小型无人机（Unmanned aerial vehicle,UAV）代替传统的固定位置中继节点;3)考虑理想信道状态信息和精确的频谱感知信息,提出了UAV协作的认知移动中继网络功率分配算法。针对修改后的认知移动中继网络模型,本文描述了四种通信场景（四种UAV飞行轨迹）:向次用户接收机直线移动、向次用户发射机直线移动、在次用户通信链路中点上方悬停和沿圆形轨迹移动,并分别在上述四种通信场景下对所提出的算法进行计算机仿真实验和理论分析。仿真结果验证了所提出的有能量收集的认知移动中继网络功率分配算法在保证主用户通信质量需求的同时有效地改善了次用户系统的吞吐量性能。（3）考虑实际无线通信中不可避免的信道状态信息不确定性,本文研究了有能量收集的认知中继网络鲁棒功率分配问题。针对基于OFDM的下垫式认知中继网络系统模型,本文设计了一个自然能量和射频（Radio frequency,RF）能量相结合的新的能量收集方案。本文采用椭圆不确定性集合和区间不确定性集合描述系统中的不确定参数,提出了一个基于不确定信道状态信息的鲁棒功率分配问题。根据解码转发协议的吞吐量最大化原则,将原始的多变量优化问题转化为单一变量的优化问题。考虑最坏的参数估计情况,将原始的半无限规划（Semi-infinite programming,SIP）鲁棒功率分配问题转化为含有限个约束条件的确定性问题。利用拉格朗日对偶分解法和鲁棒优化处理方法求出次用户系统功率分配的最优解。仿真实验结果给出了不确定信道参数对次用户系统通信性能影响的分析。与考虑理想信道状态信息的非鲁棒功率分配算法相比,本部分所提出的鲁棒功率分配算法以较小的次用户系统吞吐量损失为代价严格地满足了主用户的干扰温度约束,避免对主用户造成有害干扰。
杨洋[2]（2020）在《基于参数不确定性的异构蜂窝网络能效优化算法研究》文中提出随着无线通信技术的快速发展,传统同构蜂窝网络为满足日益升高的通信服务质量需求,逐渐向异构蜂窝网络演进。同时,无线设备数量爆炸式的增长和各类基站的大规模部署,使得能效的优化成为学术界和工业界的共同目标。现有异构网络能效优化算法都假设能够获得完美的信道状态信息。但由于无线信道环境固有的随机性和无法避免的信道估计误差,上述传统算法在实际无线系统中会引起通信中断。因此,本文研究基于参数不确定性的异构蜂窝网络鲁棒能效优化算法,本文主要工作如下:（1）为了减小频谱感知对网络传输效率的影响,研究了基于认知的异构蜂窝网络鲁棒资源分配和时长优化算法。首先,基于多用户认知异构网络,建立了认知飞蜂窝网络用户总能效最大的鲁棒资源分配模型。然后,提出了一种基于信道增益的次优子载波分配方案来实现用户与子载波的配对,接着利用泰勒级数展开方法来逼近与优化最优传输时间。然后,利用伯恩斯坦近似法将基于中断的跨层干扰功率约束转换为凸约束。最后,利用Dinkelbach方法和拉格朗日对偶函数法得到最优发射功率,并提出了一种基于伯恩斯坦近似法的鲁棒资源分配算法。（2）为了在保证系统鲁棒性的同时延长移动终端运行寿命,研究了基于无线携能的异构蜂窝网络鲁棒资源分配算法,为飞蜂窝用户引入了无线信息与功率同传（Simulataneous Wireless Information and Power Transfer,SWIPT）功能,并建立了多变量耦合的非凸能效优化鲁棒资源分配模型。然后,在不知道位置参数统计分布模型的情况下,利用最小最大概率机（Minimax Probability Machine,MPM）方法和Dinkelbach方法分别对中断概率约束和分式目标函数进行凸转换。最后,基于拉格朗日对偶函数法和次梯度更新法,获得了最优功率分流系数和发射功率,并提出了一种基于MPM法的鲁棒资源分配算法。（3）为了提高频谱利用率和接入网络用户数量,研究了基于非正交多址（Non-Orthogonal Multiple Access,NOMA）和正交频分多址（Orthogonal Frequency Division Multiple Access,OFDMA）混合接入模型下的异构蜂窝网络鲁棒资源分配算法。为挖掘频谱效率并改善小区边缘用户的通信体验,基于NOMA/OFDMA混合接入方式,建立多个飞蜂窝网络最大化最小公平能效的资源分配问题。然后,利用最坏情况准则对传输速率表达式和跨层干扰功率中的信道不确定性进行凸转换,利用变量松弛法将原混合整型变量问题转换为凸问题。最后,基于凸优化理论和次梯度更新法,获得了最优的发射功率和子载波分配策略,并提出了一种基于变量松弛法的鲁棒资源分配算法。
徐涴砯[3]（2019）在《多用户认知无线电网络资源分配策略研究》文中进行了进一步梳理未来移动通信系统将面临移动用户数量多、无线传输服务需求多样化、服务质量高等要求,使得通信网络频谱资源紧缺问题突显,网络能耗激增。认知无线电网络通过智能化改变网络参数以适应当前无线网络环境,被认为是一种可以同时缓解频谱短缺和降低能耗的通信技术。鉴于网络的频谱效率与能量效率有赖于合理地资源分配,认知无线电网络资源分配问题一直是业界讨论的重点。随着移动通信系统的发展,未来无线通信网络结构趋于复杂化和异构化,包含多接入方式并存。然而,传统的认知无线电网络资源分配策略少有适用于多认知用户非正交复用同一授权频谱资源的场景或异构网络场景,且大都只着重考虑频效而忽略能效。因此,为应对移动通信系统的发展,针对多用户认知无线电网络研究合理的资源分配方案以提高频谱效率和能量效率具有重要意义。本论文研究多用户认知无线电网络资源分配问题,以提高网络整体频谱效率与能量效率为优化目标,讨论在不同网络结构和不同频谱共享方式下的认知无线电网络频谱分配策略以及功率分配策略。研究了下垫式多用户认知无线电网络资源分配问题,以减少同信道认知用户间干扰,保证同信道中各认知用户的传输公平性为优化目标,提出了同信道干扰减少的子信道分配算法和基于Perron Frobenius理论的功率分配算法。在交织式认知异构无线电网络,引入非正交多址接入技术,以认知网络层吞吐量最大化为目标,提出最优带宽分配算法,基于认知用户信道响应差异的子信道分配策略和最优功率分配策略。在下垫式异构认知无线电网络中,结合上行非正交多址接入技术,以认知网络吞吐量最大化为目标,提出基于跨层干扰控制的功率分配算法。基于上述研究内容,本论文主要贡献如下:1、提出了平均互信干噪比最小化认知用户信道分配算法和基于PerronFrobenius理论的公平的功率分配算法。在下垫式多用户认知无线电网络中,研究多认知用户与单授权用户复用同信道的资源分配策略,提出以最大化各信道中最差传输效用的认知用户为优化目标的资源优化问题。首先,比较各子信道中授权用户所受认知用户同信道干扰水平,选择其中受干扰最大的授权用户作为参考用户,以控制该参考用户干扰不超过最大门限值来保证各子信道中授权用户通信质量;然后,通过构建基于认知用户信道状态的加权干扰图来呈现网络中认知用户间的互干扰情况,将基于同信道干扰减弱的子信道分配问题转化为基于加权干扰图的非负加权最小化问题。为求解最小化非负加权,提出以聚类算法为启发的子信道分配算法,旨在将互信干噪比较小的用户接入同一授权信道以减少同信道中认知用户间互干扰。根据子信道分配结果,为提高同信道用户的传输公平性,给出了一种基于非线性Perron-Frobenius理论的最大化同信道中可靠性最差的认知用户传输效用的功率分配算法。仿真结果表明:随着参考用户干扰门限值增加,基于同信道干扰减弱的信道分配算法获得的最差认知用户的可正确接收概率始终优于随机信道分配算法所获得的;基于Perron-Frobenius理论的功率分配算法证明了其具有几何收敛性,并通过为同信道中不同认知用户提供不同功率,确保各认知用户的传输吞吐量相同,继而保证其效用公平。2、构建了基于下行功率域非正交多址技术下的两层交织式多用户认知异构网络模型,并针对构建的网络模型,将一个以认知小蜂窝网络层总吞吐量最大化为目标的资源分配问题阐述为一个混合非线性整数规划问题,并将其分解为带宽分配子问题、认知用户分簇子问题和功率分配子问题,分别提出了:1)最优带宽分配算法,通过推导以各认知小蜂窝接入带宽为优化变量的认知小蜂窝网络层最优总吞吐量表达式,得到获得最优平均吞吐量时的各认知小蜂窝所获得的最优带宽;2)基于信道响应差异的认知用户信道分配算法,通过建立下行认知用户非正交多址接入信道模型,分析其吞吐量表达式,发现将信道响应差异较大的认知用户非正交多址接入同一信道,理论上与信道响应差异较小的认知用户组合相比可以获得较高的吞吐量;3)最优功率分配算法,根据信道分配结果,应用卡罗需-库恩-塔克最优性条件,推导得到同信道中各认知用户的最优功率分配闭式集;应用凸函数差值规划算法,近似得到不同信道间的最优功率分配结果。仿真结果表明:所提出的带宽分配策略可以在已知授权信道占空比情况下,保证每个小蜂窝都能获得平等的传输机会,并在授权用户信道一定时,直观表示出小蜂窝网络层规模与各小蜂窝平均获得的最优带宽的关系。所提出的基于信道响应差异的信道分配算法被证明符合理论分析。提出的功率分配算法所得的认知小蜂窝的吞吐量优于平均功率分配算法和分数传输功率分配算法。此外,相比传统正交多址接入技术,应用非正交多址接入可以提高单个频谱资源上的认知用户连接数。3、构建基于上行功率域非正交多址接入下的下垫式两层多用户认知异构网络系统模型,针对构建的网络模型,提出一种基于跨层干扰控制和同信道叠加传输功率差值约束的优化功率分配算法,旨在最大化认知微蜂窝网络层的总吞吐量。针对授权网络层跨层干扰控制需求和上行功率域非正交多址接入的接收端解码需求,本论文提出了一种基于授权网络层干扰阈值和上行信道传输叠加信号功率差值约束的优化功率分配算法。基于给出的下垫式上行认知微蜂窝网络模型,提出了以认知微细胞网络层的总吞吐量为优化目标,并以授权网络层最大可承受干扰阈值、认知用户最大传输功率和最小上行功率域非正交多址接入下的叠加信号功率差值为约束的功率分配优化问题。针对提出的优化问题,应用拉格朗日对偶法和最优条件获得该问题功率分配算法闭式解,并通过次梯度下降法获得基于提出问题的最优功率分配下的认知微蜂窝网络层总吞吐量。仿真结果表明:本论文提出的针对基于非正交多址接入下的下垫式认知异构网络的上行信道场景所提出的资源分配算法,不仅能在控制认知微蜂窝网络层对授权网络层的跨层干扰的同时,应用非正交多址接入技术提高单个频谱资源的用户连接数,继而提高频谱复用率。此外,相比常用的分数传输功率分配算法,本论文提出的功率分配算法可以获得更高的吞吐量。
田润[4]（2018）在《认知异构网络物理层干扰管理技术研究》文中研究说明随着宽带无线通信的发展以及物联网等新兴业务的提出,对频谱资源的需求呈现出爆发式的增长。作为一种不可再生资源,频谱资源的分配情况趋于饱和,有限的频谱资源逐渐成为制约无线技术发展的瓶颈。下一代无线通信将频谱共享作为研究热点,引发了对于频谱认知接入技术的广泛探究。为了提高频谱效率,满足高速数据业务需求,基于认知无线电的分层异构网络被认为是下一代移动通信、工业4.0、物联网以及智能电网等领域的发展趋势和研究方向之一。然而,分层网络结构以及认知接入会对原有宏小区网络引入复杂的同层及跨层干扰,对干扰管理技术提出了新的要求与挑战。现有的传统认知无线电干扰管理技术多为基于频谱感知和频谱切换的干扰避免,或基于网络间的完全协作编码,认知用户服务质量受限于授权用户的通信状态。为了进一步提高网络容量性能并降低协作开销,本文基于认知MIMO技术对空域信道资源进行认知,利用多天线编码技术探索分析了认知异构网络中的干扰管理问题。分别针对网络下行链路集中式编码、上行链路分布式编码以及用户分组问题开展深入研究,并提出了具有理论创新的算法。首先,针对认知异构网络下行链路中的干扰问题,本文提出了基于矩阵降维和用户漏功率的集中式预编码算法,对广播信道干扰进行有效管理。具体的,根据认知无线电的特性,基于多信道比率（Multi-Channel Ratio,MCR）设计了一种无需授权用户反馈的跨层干扰信道估计方法。在此基础上,利用得到的干扰信道结合矩阵降维,以较低复杂度消除网络中的跨层认知干扰。对于微小区内存在的同层干扰,采用最小漏功率准则和广义Rayleigh商对耦合优化问题进行解耦合,并利用矩阵协同对角化对信道增益进行均衡以降低用户误码率。为了提高网络的用户接入能力,本文还结合非正交多址接入（NOMA）技术设计了混合波束赋形算法,发掘用户信道差异从而允许更多用户接入网络。与传统的预编码算法相比,本文提出的算法无需授权用户的协作编码,具有更好的自组织性。仿真结果表明,所提算法能够提供更高的网络容量和更优的误码性能,同时避免了对宏小区授权用户的通信造成影响。其次,深入研究了认知异构网络上行链路的分布式干扰抑制编码。本文基于信道互易性以及零空间迭代定理,提出了分布式迫零干扰对齐串行检测算法,管理网络中的多址干扰。具体地,算法利用干扰信道的LQ分解构造线性编码器以消除对授权用户的认知干扰;通过干扰信号在正向及对偶信道上进行迭代抑制同层和跨层干扰;针对接收端的多流数据干扰,基于矩阵零空间迭代定理提出了低复杂度的串行检测方法。为了进一步提升中等或者较低信噪比的场景下的网络容量,通过松弛优化问题中的干扰约束条件,提出了改进的部分机会干扰对齐算法。此外,本文还给出了算法的渐进收敛性证明及可行性条件分析。与现有编码算法相比,本文提出的分布式算法能够有效利用串行检测增益,并通过零空间迭代关系降低计算复杂度,简化网络结构和编码过程。在消除对宏小区授权用户认知干扰的前提下,进一步提高网络容量和频谱效率。最后,针对网络中用户数目增加带来的用户间干扰问题,现有互斥用户分组方法主要基于固定阈值参数并会造成频谱资源浪费。本文基于图论和聚类分析研究了用户分组算法,通过用户分组对用户间的共道干扰进行有效管理。具体来说,对于NOMA混合波束赋形,联合考虑波束内及波束间信道相关性对网络容量的影响,提出了基于图分割和谱聚类的NOMA用户分组算法。另外,通过发掘多天线网络中的多用户分集增益和MIMO信道的优良传输特性（Favorable Propagation）,首次提出了重叠用户分组的思想。采用广义Fubini-Study函数作为改进的相似性测度函数,本文提出了基于启发式搜索和谱聚类的重叠用户分组算法,并在理论上对算法性能进行了推导和分析。所提算法可以搜索出具有渐进正交性信道的用户并同时分配到多个用户组中,通过用户组间的重叠增加各组同时服务的用户数量,同时将组内干扰控制在较低水平。与现有的几种互斥用户算法相比,本文提出的重叠用户分组算法能够获得更高的网络容量,并且基于谱聚类的用户分组算法能够取得算法性能和计算复杂度的有效平衡。
鲍俊臣[5]（2017）在《论分布式无线电和蜂窝移动通信网络结构》文中研究指明在经济与科技的带动下,移动通信业务得以快速发展,为做好移动通信网络建设,无线网络出现在现实生活中,随着无线网络的出现不仅扩大了移动通讯范围,还有效提升了信号强度。为进一步了解分布式无线电与蜂窝移动通信网络结构,本文将从蜂窝移动通信网络结构基本情况入手,结合分布式无线电在蜂窝移动网络结构中的应用,对蜂窝移动通信网络未来发展趋势展开研究。
李革[6]（2016）在《分布式无线电和蜂窝移动通信网络的结构分析》文中研究说明随着当今世界智能化趋势的不断加强,移动通信行业取得了显着的发展。移动通信行业在发展的过程中,需要对无线网络进行优化的设计,进而扩大移动信号的覆盖面,提高信号强度,促进了移动事业的快速发展,也带动了我国信息产业的发展。文章对无线电和蜂窝数据移动网络结构进行分析,进而提出无线网络优化设计方案。
潘长焜[7]（2015）在《分布式无线电与蜂窝移动通信网络结构分析》文中研究说明在智能化时代背景下,移动通信行业在发展的过程中需要实现对无线通信网络的优化设计,以提高无线信号的覆盖率,提升频谱资源的利用率,进而满足无线通信业务的发展需求。而基于目前无线频谱资源无法满足通信业务增长量的现状,将分布式无线电应用于蜂窝移动通信网络中,能够在优化这一网络结构的基础上,提高无线信号的覆盖范围,并满足业务增长需求。本文基于分布式无线电与蜂窝移动通信网络结构展开了分析,以供参考。
尤肖虎,赵新胜[8]（2004）在《分布式无线电和蜂窝移动通信网络结构》文中研究指明研究了分布式无线电在蜂窝移动通信网络中的应用 ,在分析蜂窝移动通信系统和相关技术发展趋势的基础上 ,针对未来蜂窝移动通信系统将使用多入多出天线 （MIMO）、多载波传输技术、光纤无线电技术、移动IP协议和2GHz以上的工作频点进行网络构架等需求 ,探讨一种新型的广义小区式蜂窝移动通信网络结构、无线资源管理模型和切换算法 .
范超琼[9]（2020）在《复杂动态环境下高效频谱共享技术研究》文中进行了进一步梳理信息革命时代,无线电频谱资源在维护国家社会稳定和经济繁荣的战略地位愈发突出。信息通信产业的持续迅猛发展在引发社会信息化提升与变革的同时也进一步加剧了有限频谱资源的紧缺现状。频谱共享作为提高频谱利用效率、缓解频谱供需矛盾的关键技术之一受到了广泛的关注。另一方面,为了支撑高性能多样化的数据传输需求,未来无线通信网络呈现出愈发明显的密集异构动态特性,复杂无线环境对频谱共享技术提出了更为严峻的挑战。本文围绕复杂无线通信网络呈现的密集异构动态特性,从对频谱的高效利用和稳健接入两方面切入,分别研究了超密集网络中基于空间复用的多维频谱共享技术、异构蜂窝网络中基于信道统计信息的频谱共享技术和高动态网络中基于模糊空间映射的频谱共享技术。论文的主要研究内容包括以下三个方面:1.鉴于传统单一时域维度频谱共享机制的利用率低下,如何实现对频谱资源的高效利用以满足未来网络中密集用户的无线接入需求是一大难题。为此,本文以超密集网络场景为例,建立了基于空间复用的细粒度时空两维频谱共享框架,其允许多个用户同时共享同一信道频段。考虑用户的自私理性特性,采用非合作策略博弈对非授权用户间信道竞争接入进行建模分析,并借助于所设计的势函数证明了博弈均衡解的存在性。为了降低网络全局信息交互的信令开销,提出一种依据局部信息进行环境学习策略更新的轻量级分布式强化学习算法来求解博弈的均衡解,并讨论了算法的收敛性和稳定性。仿真结果表明,构建的时空两维共享机制突破了单一时间维度的性能瓶颈,极大地提高了网络吞吐量和频谱利用率。2.鉴于传统频谱共享优化算法大多依赖于对信道状态信息的理想假设,如何在无法获取信道完整准确信息的实际动态无线环境下保证频谱稳健接入是频谱共享的难点所在。为此,本文以异构蜂窝网络动态节点间频谱复用场景为例,研究基于信道统计信息的频谱共享方案,其排除了对信道时变信息的依赖。基于此,针对频谱复用优化,提出了一种基于后悔理论的后悔值最小化分布式学习算法,通过引入“后悔值”博弈参与者能够扩大对策略空间的探索,从而提高其全局寻优能力;针对功率-信道两维资源联合优化,通过将该联合优化问题解耦合,即分解为功率分配和信道复用两个子问题,设计了一种仅依靠信道大尺度衰落信息的优化算法。仿真结果表明,所提算法能够以低复杂度实现对功率信道资源的联合优化。3.进一步考虑高动态网络场景中的频谱共享中的稳健接入问题,其难点在于如何消除环境高度不确定性对优化学习算法的影响从而在有限竞争时隙内实现用户可靠有效的频谱接入。为此,本文以两种典型高动态无线网络（即无人机网络和车联网）为例,依托于模糊集理论,建立了基于模糊空间映射的频谱共享机制。针对非正交信道接入优化问题,采用模糊收益博弈对其进行建模分析,提出了一种分布式模糊学习算法来求解所构建博弈的均衡解;针对时频资源匹配优化问题,采用多对多模糊匹配博弈建模该优化问题,设计了一种动态双向模糊匹配算法求解双边参与者的最佳匹配形式。仿真表明,在高动态网络中场景中,所提模糊学习算法优于传统对比算法,能够实现稳健的信道接入和优化的网络性能。最后,对本文研究内容进行了总结,并基于相关研究的不足对后续工作以及未来网络中频谱共享技术的发展进行了探讨和展望。
张羽[10]（2020）在《基于博弈论的认知异构蜂窝网络资源分配方法研究》文中研究说明面对移动数据业务的指数增长,传统的单层蜂窝网络难以达到通信技术要求的上下行传输速率,此外还伴随有室内信号覆盖不全面,存在信号盲区,而户外用户聚齐区域通信容量不足等问题,因此,在传统的单层蜂窝网络中引入多种低功率节点,可以増强信号覆盖范围,有效提高用户的语音以及数据服务通信质量,良好地解决网络中“盲区”和“忙区”问题,从而显着地提升系统容量和频谱利用率。然而,伴随着网络拓扑结构中低功率节点的引入,网络中的干扰问题变得更加复杂,传统的方法难以对复杂多变的干扰进行有效管理。干扰协调作为干扰管理的主要技术,可以良好地针对网络中无线电设备进行协商处理。其中基于认知的资源分配方法是对网络中珍贵的频谱、能量等资源合理有效地分配,从而抑制网络中的干扰。本文侧重于通过资源分配方法对underlay模式下认知异构蜂窝网络OFDMA系统下行链路中的干扰抑制问题进行研究,本文的主要工作内容总结如下:首先,针对网络中频谱资源分配不均衡,频谱利用率低下,共信道干扰严重的问题。提出基于势博弈的子信道分配算法。为了更好地反应信道中的干扰情况,将参与者的效用函数定义为所占信道内的干扰总值,同时算法结合网络实际部署情况,考虑到远距离共信道用户以及遮挡损耗因素,引入距离权重因子,提出基于距离的负对数干扰函数,更好地反映实际网络部署情况。验证分析证明算法具有收敛性,能够有效减少共信道干扰,提升频谱利用率。其次,针对引入家庭认知基站带来的跨层干扰问题,进行功率控制研究,认知网络要保证主网络的通信服务质量,据此,将问题将建模成基于双层博弈的议价算法,宏基站作为地位较高的领导者,家庭认知基站作为地位次之的追随者,领导者对家庭认知基站层的干扰进行定价收费,同时又对其造成的干扰给予一定的补偿,最后提出了分布式的求解方法,减少不必要的信令交换造成的资源浪费,仿真分析证明了算法具有唯一收敛解,还可以有效的提升认知异构蜂窝网络吞吐量。最后,分析研究异构网络中由于部署了家庭认知小基站引起的能耗问题,针对网络中的宏基站和家庭认知基站之间的跨层干扰问题进行研究,提出了基于非合作博弈的功率控制算法。算法保证了主网络中宏基站的通信服务质量,考虑基站公平性,采用参与者各自的能量效率为最大化目标,为了避免用户的极端自私行为,在效应函数中加入惩罚部分,同时可以将功率控制问题转换为关于惩罚价格因子的一元线性问题。验证分析证明算法可以有效的提升网络能量效率,符合时下绿色通信要求。
二、分布式无线电和蜂窝移动通信网络结构（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、分布式无线电和蜂窝移动通信网络结构（论文提纲范文）
（1）具有能量收集的认知中继网络功率分配问题研究（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 认知无线电技术 |
| 1.2.1 基本理论 |
| 1.2.2 网络结构 |
| 1.2.3 动态频谱接入模型 |
| 1.2.4 传统认知网络资源分配问题研究现状 |
| 1.3 认知中继网络 |
| 1.3.1 协作中继通信技术 |
| 1.3.2 认知中继网络 |
| 1.3.3 认知中继网络资源分配问题研究现状 |
| 1.4 论文主要工作 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容和主要贡献 |
| 1.5 论文章节安排 |
| 第2章 理论基础 |
| 2.1 凸优化理论 |
| 2.1.1 引言 |
| 2.1.2 凸集合 |
| 2.1.3 凸函数 |
| 2.1.4 凸优化问题 |
| 2.1.5 拉格朗日对偶原理 |
| 2.1.6 KKT条件 |
| 2.2 鲁棒优化理论 |
| 2.2.1 引言 |
| 2.2.2 不确定性描述 |
| 2.2.3 鲁棒优化问题及对等问题 |
| 2.3 感知信息不确定性描述 |
| 2.4 本章小结 |
| 第3章 考虑不确定感知信息的有能量收集的认知中继网络功率分配算法 |
| 3.1 引言 |
| 3.2 考虑不确定感知信息的认知中继网络 |
| 3.2.1 研究基础 |
| 3.2.2 系统模型 |
| 3.3 数学优化模型 |
| 3.3.1 感知信息不确定性 |
| 3.3.2 次用户系统吞吐量和干扰模型 |
| 3.3.3 能量收集方案 |
| 3.3.4 优化问题 |
| 3.4 优化问题求解 |
| 3.5 仿真结果与分析 |
| 3.6 本章小结 |
| 第4章 有能量收集的认知移动中继网络功率分配算法 |
| 4.1 引言 |
| 4.2 下垫式认知移动中继网络 |
| 4.2.1 研究基础 |
| 4.2.2 系统模型 |
| 4.3 数学优化模型 |
| 4.3.1 次用户系统吞吐量 |
| 4.3.2 干扰模型 |
| 4.3.3 能量收集方案 |
| 4.3.4 优化问题 |
| 4.4 优化问题求解 |
| 4.5 移动中继轨迹描述 |
| 4.6 仿真结果与分析 |
| 4.7 本章小结 |
| 第5章 考虑不确定信道状态信息的有能量收集的认知中继网络鲁棒功率分配算法 |
| 5.1 引言 |
| 5.2 考虑不确定信道状态信息的认知中继网络 |
| 5.2.1 研究基础 |
| 5.2.2 系统模型 |
| 5.3 数学优化模型 |
| 5.3.1 次用户系统吞吐量 |
| 5.3.2 干扰模型 |
| 5.3.3 能量收集方案 |
| 5.3.4 优化问题 |
| 5.4 优化问题求解 |
| 5.5 仿真结果与分析 |
| 5.6 本章小结 |
| 第6章 全文总结与工作展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（2）基于参数不确定性的异构蜂窝网络能效优化算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 异构蜂窝网络概述 |
| 1.2.1 异构蜂窝网络概念 |
| 1.2.2 异构蜂窝网络分类 |
| 1.2.3 异构蜂窝网络传输类型 |
| 1.3 国内外研究现状 |
| 1.4 论文主要工作 |
| 1.5 论文结构安排 |
| 第2章 无线通信前沿技术概述 |
| 2.1 引言 |
| 2.2 认知无线电技术 |
| 2.2.1 认知无线电特性 |
| 2.2.2 认知无线电功能 |
| 2.2.3 认知无线电网络结构 |
| 2.3 无线携能技术 |
| 2.3.1 无线携能传输结构 |
| 2.3.2 无线携能资源分配结构 |
| 2.3.3 无线携能的使能技术 |
| 2.4 非正交多址接入技术 |
| 2.4.1 非正交多址接入分类 |
| 2.4.2 非正交多址接入优势 |
| 2.4.3 非正交多址接入的挑战 |
| 2.5 本章小结 |
| 第3章 基于认知的异构网络鲁棒资源分配和时长优化算法 |
| 3.1 引言 |
| 3.2 系统建模及分析 |
| 3.2.1 系统建模描述 |
| 3.2.2 名义优化模型 |
| 3.2.3 传输时间的影响 |
| 3.2.4 频谱感知不确定性的影响 |
| 3.2.5 信道参数不确定性的影响 |
| 3.2.6 鲁棒资源分配模型 |
| 3.3 鲁棒资源分配算法 |
| 3.3.1 最优子载波分配 |
| 3.3.2 最优传输时间求取 |
| 3.3.3 鲁棒功率分配算法 |
| 3.4 性能分析 |
| 3.4.1 计算复杂度分析 |
| 3.4.2 灵敏度分析 |
| 3.5 仿真结果及分析 |
| 3.5.1 所提算法性能分析 |
| 3.5.2 算法对比性能分析 |
| 3.6 本章小结 |
| 第4章 基于无线携能的异构网络鲁棒资源分配算法 |
| 4.1 引言 |
| 4.2 系统模型及分析 |
| 4.2.1 系统建模描述 |
| 4.2.2 名义优化模型 |
| 4.2.3 鲁棒资源分配模型 |
| 4.3 非凸模型的转换 |
| 4.3.1 干扰中断概率转换 |
| 4.3.2 能效中断概率转换 |
| 4.4 鲁棒资源分配算法 |
| 4.4.1 最优功率分流系数求取 |
| 4.4.2 最优发射功率分配 |
| 4.4.3 鲁棒资源分配算法 |
| 4.5 仿真结果及分析 |
| 4.5.1 所提算法性能分析 |
| 4.5.2 算法对比性能分析 |
| 4.6 本章小结 |
| 第5章 基于NOMA/OFDMA的异构网络鲁棒资源分配算法 |
| 5.1 引言 |
| 5.2 系统模型及分析 |
| 5.2.1 系统建模描述 |
| 5.2.2 名义优化模型 |
| 5.2.3 谱感知不确定性的影响 |
| 5.2.4 信道参数不确定性的影响 |
| 5.2.5 鲁棒资源分配模型 |
| 5.3 非凸模型的转换 |
| 5.3.1 数据传输链路不确定性参数凸转换 |
| 5.3.2 干扰链路不确定性参数凸转换 |
| 5.3.3 混合整数变量凸转换 |
| 5.4 鲁棒资源分配算法 |
| 5.4.1 最优发射功率及子载波分配 |
| 5.4.2 鲁棒资源分配算法 |
| 5.5 仿真结果及分析 |
| 5.5.1 所提算法性能分析 |
| 5.5.2 算法对比性能分析 |
| 5.6 本章小结 |
| 第6章 结束语 |
| 6.1 主要工作与创新 |
| 6.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（3）多用户认知无线电网络资源分配策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 认知无线电网络 |
| 1.1.2 5 G下的认知无线电网络 |
| 1.2 认知无线电网络资源分配研究现状 |
| 1.2.1 基于多用户的认知无线电网络资源分配研究现状 |
| 1.2.2 基于功率域的非正交多址下的认知无线网络资源分配现状 |
| 1.3 主要研究内容与创新点 |
| 1.3.1 研究思路 |
| 1.3.2 主要研究内容与创新点 |
| 1.4 论文章节安排 |
| 第二章 认知无线网络资源分配问题及优化方案 |
| 2.1 认知无线电网络中的资源分配问题 |
| 2.1.1 影响资源分配效率的关键问题 |
| 2.1.2 认知无线电网络资源分配技术分类 |
| 2.2 认知无线电网络中的资源分配问题与约束条件 |
| 2.2.1 认知无线电网络中的资源分配问题与约束条件 |
| 2.2.2 认知用户的可获得速率 |
| 2.2.3 网络效用的量化 |
| 2.3 认知无线网络资源分配问题的优化方法 |
| 2.3.1 基于信道分配与功率控制联合优化的资源分配机制 |
| 2.3.2 基于公平性的资源分配机制 |
| 2.4 优化问题的解决方案 |
| 2.4.1 基于凸优化理论的最大吞吐量优化 |
| 2.4.2 基于Perron-Frobenius理论的公平性资源优化 |
| 2.5 本章小结 |
| 第三章 基于同信道干扰减少与效用公平的同构认知无线电网络资源分配策略 |
| 3.1 系统模型和优化问题描述 |
| 3.1.1 信号模型 |
| 3.1.2 可靠传输边界 |
| 3.1.3 同信道干扰约束 |
| 3.1.4 优化问题描述 |
| 3.2 基于同信道干扰减少的子信道分配策略 |
| 3.3 基于传输效用公平的功率分配策略 |
| 3.3.1 基于效用公平的单信道功率分配问题描述 |
| 3.3.2 基于Perron-Frobenius理论的功率分配算法 |
| 3.4 仿真结果与分析 |
| 3.4.1 不同子信道分配机制下的可正确接收概率性能 |
| 3.4.2 同子信道分配中可正确接收概率性能 |
| 3.4.3 基于Perron-Frobenius理论最大化最小传输效用算法收敛性 |
| 3.4.4 不同功率分配机制下的认知用户传输公平性 |
| 3.5 本章小结 |
| 第四章 非正交多址接入下的交织式认知异构网络资源分配策略 |
| 4.1 系统模型与优化问题描述 |
| 4.1.1 两层交织式认知异构网络系统模型 |
| 4.1.2 优化问题描述 |
| 4.2 最优带宽与信道分配联合优化的频谱分配策略 |
| 4.2.1 最优带宽分配策略 |
| 4.2.2 基于认知用户分簇算法的子信道分配策略 |
| 4.3 基于认知小蜂窝吞吐量最优的功率分配策略 |
| 4.3.1 非正交簇内功率分配 |
| 4.3.2 非正交簇间功率分配 |
| 4.4 仿真结果与分析 |
| 4.4.1 最优带宽分配 |
| 4.4.2 认知用户非正交簇分配机制 |
| 4.4.3 功率分配算法 |
| 4.5 本章小结 |
| 第五章 非正交多址接入下的下垫式认知异构网络传输功率分配策略 |
| 5.1 系统模型和优化问题描述 |
| 5.1.1 两层下垫式上行认知异构网络系统模型 |
| 5.1.2 优化问题描述 |
| 5.2 基于总吞吐量最优的功率分配策略 |
| 5.3 仿真结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读博士学位期间取得的成果 |
| 附录 B 攻读博士学位期间获得的奖励 |
（4）认知异构网络物理层干扰管理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究的目的和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究的目的和意义 |
| 1.2 认知异构网络概念以及主要关键技术 |
| 1.2.1 认知异构网络概念 |
| 1.2.2 认知异构网络的分类 |
| 1.2.3 认知异构网络主要关键技术 |
| 1.3 认知异构网络演进及其干扰管理研究现状 |
| 1.3.1 认知异构网络的标准化进程 |
| 1.3.2 认知异构网络最新应用架构 |
| 1.3.3 认知异构网络干扰管理国外研究现状 |
| 1.3.4 认知异构网络干扰管理国内研究现状 |
| 1.4 论文主要内容及结构 |
| 第2章 认知异构网络干扰管理相关理论研究 |
| 2.1 引言 |
| 2.2 MIMO网络模型及性能分析 |
| 2.2.1 MIMO信道传输模型 |
| 2.2.2 MIMO容量性能分析 |
| 2.2.3 功率注水定理 |
| 2.3 优化理论及广义Rayleigh商 |
| 2.3.1 凸优化理论 |
| 2.3.2 广义特征值 |
| 2.3.3 广义Rayleigh商 |
| 2.4 NOMA多址接入及用户分组技术 |
| 2.4.1 NOMA基本原理 |
| 2.4.2 NOMA接收信号SIC检测 |
| 2.4.3 NOMA用户分组及容量域分析 |
| 2.5 干扰对齐编码技术 |
| 2.5.1 信道自由度 |
| 2.5.2 MIMO干扰对齐 |
| 2.5.3 干扰对齐的可行性条件 |
| 2.5.4 基于认知无线电的机会干扰对齐 |
| 2.6 本章小结 |
| 第3章 基于降维和漏功率的集中式认知预编码 |
| 3.1 引言 |
| 3.2 微小区与宏小区共存的认知异构网络模型 |
| 3.3 基于降维和漏功率的认知预编码 |
| 3.3.1 认知异构网络下行链路信道传输模型 |
| 3.3.2 最大化信漏噪比优化问题建模 |
| 3.3.3 基于降维和漏功率的认知预编码设计 |
| 3.3.4 仿真结果与分析 |
| 3.4 基于协同对角化的信道增益均衡算法 |
| 3.4.1 矩阵协同对角化 |
| 3.4.2 基于协同对角化的信道增益均衡 |
| 3.4.3 算法性能分析 |
| 3.4.4 仿真结果与分析 |
| 3.5 基于NOMA的混合波束赋形 |
| 3.5.1 基于信号对齐的用户波束共享 |
| 3.5.2 NOMA混合波束赋形设计 |
| 3.5.3 仿真结果与分析 |
| 3.6 本章小结 |
| 第4章 基于信道互易性的分布式机会干扰对齐 |
| 4.1 引言 |
| 4.2 认知异构网络多址干扰信道模型 |
| 4.3 基于信道互易性的机会干扰对齐 |
| 4.3.1 认知异构网络上行链路信道传输模型 |
| 4.3.2 基于零空间迭代的迫零干扰对齐串行检测 |
| 4.3.3 基于信道互易性的部分机会干扰对齐 |
| 4.4 机会干扰对齐算法性能分析 |
| 4.4.1 收敛性分析 |
| 4.4.2 可行性条件分析 |
| 4.4.3 算法分布式实现 |
| 4.5 仿真结果与分析 |
| 4.5.1 可行性条件的影响 |
| 4.5.2 算法比较及分析 |
| 4.6 本章小结 |
| 第5章 基于启发式和谱聚类的用户分组干扰管理 |
| 5.1 引言 |
| 5.2 谱聚类及启发式搜索 |
| 5.2.1 无监督聚类 |
| 5.2.2 K-means聚类 |
| 5.2.3 谱聚类算法 |
| 5.2.4 启发式搜索及贪婪算法 |
| 5.3 基于谱聚类的NOMA用户分组干扰管理 |
| 5.3.1 NOMA混合波束赋形干扰分析 |
| 5.3.2 基于谱聚类的NOMA用户分组干扰管理 |
| 5.3.3 仿真结果与分析 |
| 5.4 基于重叠用户分组的干扰管理 |
| 5.4.1 用户信道干扰及渐进正交性分析 |
| 5.4.2 基于启发式搜索的重叠用户分组干扰管理 |
| 5.4.3 基于谱聚类的重叠用户分组干扰管理 |
| 5.4.4 重叠用户分组干扰管理算法性能分析 |
| 5.4.5 仿真结果与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 常用缩略语表 |
| 攻读博士学位期间所发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）论分布式无线电和蜂窝移动通信网络结构（论文提纲范文）
| 前言: |
| 一、蜂窝移动通信网络结构概述 |
| 二、分布式无线电在蜂窝移动网络结构中的应用 |
| 2.1小区蜂窝移动网络特点 |
| 2.2 分布式无线电运用方式 |
| 2.2.1小区结构 |
| 2.2.2资源管理模式 |
| 三、蜂窝移动通信网络未来发展趋势 |
| 四、结束语 |
（6）分布式无线电和蜂窝移动通信网络的结构分析（论文提纲范文）
| 1 无线电和蜂窝数据移动网络的基本内涵 |
| 1.1 蜂窝数据移动网络的优化 |
| 1.2 蜂窝数据移动网络的优势 |
| 2 蜂窝移动网络结构对分布式无线电的应用现状 |
| 2.1 小区蜂窝网络的优点 |
| 2.2分布式无线电的几种应用方式 |
| 3 蜂窝移动通信的网络结构 |
| 4 未来蜂窝通信系统的发展前景 |
| 5 结论 |
（7）分布式无线电与蜂窝移动通信网络结构分析（论文提纲范文）
| 1 蜂窝移动通信网络结构与网络系统综述 |
| 1.1 网络结构优化设计方法 |
| 1.2 网络系统设计下的优势技术 |
| 2 分布式无线电在蜂窝移动通信网络结构中的应用 |
| 2.2 小区结构、资源管理模型以及切换方式 |
| 3 总结 |
（8）分布式无线电和蜂窝移动通信网络结构（论文提纲范文）
| 1 引言 |
| 2 蜂窝移动通信网络结构 |
| 3 蜂窝移动通信系统和相关技术的发展趋势 |
| 4 广义小区式蜂窝移动通信网 |
| 4.1 小区定义 |
| 4.2 无线资源分配模型和切换过程 |
| 4.3 系统干扰与性能分析 |
| 5 结束语 |
（9）复杂动态环境下高效频谱共享技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 英文缩略语 |
| 第一章 绪论 |
| 1.1 论文背景及研究意义 |
| 1.2 国内外研究现状及挑战 |
| 1.2.1 频谱共享技术研究现状 |
| 1.2.2 存在问题和研究动机 |
| 1.3 研究内容和主要创新 |
| 1.4 论文的组织结构 |
| 第二章 无线网络频谱共享技术 |
| 2.1 引言 |
| 2.2 频谱共享分类 |
| 2.3 5G频谱共享技术 |
| 2.3.1 基于CR的频谱共享 |
| 2.3.2 基于D2D的频谱共享 |
| 2.3.3 基于LET-U的频谱共享 |
| 2.4 博弈论在频谱共享中的应用 |
| 2.4.1 策略式博弈 |
| 2.4.2 扩展式博弈 |
| 2.4.3 匹配博弈 |
| 2.4.4 模糊博弈 |
| 2.5 本章小结 |
| 第三章 基于空间复用的多维频谱共享技术 |
| 3.1 引言 |
| 3.2 超密集网络系统架构 |
| 3.2.1 网络模型 |
| 3.2.2 帧结构模型 |
| 3.2.3 毫米波传播模型 |
| 3.2.4 优化问题构建 |
| 3.3 非合作策略博弈 |
| 3.3.1 效应函数设计 |
| 3.3.2 策略式博弈模型 |
| 3.3.3 NE存在性分析 |
| 3.4 分布式强化学习算法 |
| 3.4.1 Q-learning算法设计 |
| 3.4.2 算法收敛存在分析 |
| 3.4.3 算法收敛性能分析 |
| 3.5 仿真结果及性能分析 |
| 3.5.1 基本仿真设置 |
| 3.5.2 收敛性能验证 |
| 3.5.3 SINR门限的影响 |
| 3.5.4 主瓣宽度的影响 |
| 3.5.5 授权用户的影响 |
| 3.5.6 最大可容纳用户数 |
| 3.6 本章小结 |
| 第四章 基于信道统计信息的频谱共享技术 |
| 4.1 引言 |
| 4.2 动态小蜂窝网络频谱复用优化 |
| 4.2.1 网络模型及问题构建 |
| 4.2.2 后悔值最小化学习算法 |
| 4.2.3 算法性能分析 |
| 4.2.4 仿真结果及性能分析 |
| 4.3 动态无人机网络联合资源优化 |
| 4.3.1 网络及信道传播模型 |
| 4.3.2 优化问题构建及分解 |
| 4.3.3 功率信道联合优化算法 |
| 4.3.4 仿真结果及性能分析 |
| 4.4 本章小结 |
| 第五章 基于模糊空间映射的频谱共享技术 |
| 5.1 引言 |
| 5.2 模糊空间映射 |
| 5.3 UAV网络中基于模糊空间映射的非正交信道接入 |
| 5.3.1 网状UAV网络模型 |
| 5.3.2 非正交信道干扰模型 |
| 5.3.3 优化问题构建 |
| 5.3.4 模糊收益博弈 |
| 5.3.5 FNE存在性分析 |
| 5.3.6 分布式模糊学习算法 |
| 5.3.7 算法性能分析 |
| 5.3.8 仿真结果及性能分析 |
| 5.4 V2X网络中基于模糊空间映射的多对多匹配优化 |
| 5.4.1 蜂窝车联网模型 |
| 5.4.2 优化问题构建 |
| 5.4.3 模糊匹配博弈 |
| 5.4.4 MM-FMG特性分析 |
| 5.4.5 动态模糊匹配学习算法 |
| 5.4.6 算法性能分析 |
| 5.4.7 仿真结果及性能分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要研究工作成果 |
| 6.2 未来研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参与的项目和取得的成果 |
（10）基于博弈论的认知异构蜂窝网络资源分配方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究课题背景和意义 |
| 1.2 国内外研究发展现状分析 |
| 1.2.1 认知异构蜂窝网络研究现状 |
| 1.2.2 干扰管理和资源分配研究现状 |
| 1.3 主要工作内容和章节安排 |
| 第2章 认知异构蜂窝网资源分配理论基础 |
| 2.1 认知异构蜂窝网络模型 |
| 2.1.1 认知无线电技术 |
| 2.1.2 异构蜂窝网络模型 |
| 2.2 频谱资源调度方法 |
| 2.3 博弈论 |
| 2.3.1 基本概念 |
| 2.3.2 纳什均衡 |
| 2.3.3 博弈的分类 |
| 2.4 本章小结 |
| 第3章 基于势博弈同层干扰协调的频谱分配方案 |
| 3.1 系统模型 |
| 3.1.1 网络模型 |
| 3.1.2 基于距离的干扰函数 |
| 3.2 基于势博弈的子信道分配算法 |
| 3.2.1 势博弈模型 |
| 3.2.2 基于信道干扰值的效用函数 |
| 3.2.3 纳什均衡 |
| 3.3 仿真分析 |
| 3.4 本章小结 |
| 第4章 基于分层博弈系统吞吐量优先的功率控制方案 |
| 4.1 系统模型 |
| 4.2 基于分层博弈的议价算法 |
| 4.2.1 分层博弈模型 |
| 4.2.2 基于双向双层收费的效用函数 |
| 4.2.3 分层均衡 |
| 4.2.4 分布式最优策略求解 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 第5章 基于非合作博弈能量效率优先的功率控制方案 |
| 5.1 系统模型 |
| 5.2 基于非合作博弈的功率控制算法 |
| 5.2.1 非合作博弈模型 |
| 5.2.2 基于能量效率的效用函数 |
| 5.2.3 纳什均衡 |
| 5.2.4 最优策略求解 |
| 5.3 仿真分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
四、分布式无线电和蜂窝移动通信网络结构（论文参考文献）
- [1]具有能量收集的认知中继网络功率分配问题研究[D]. 李航琪. 吉林大学, 2020(08)
- [2]基于参数不确定性的异构蜂窝网络能效优化算法研究[D]. 杨洋. 重庆邮电大学, 2020(02)
- [3]多用户认知无线电网络资源分配策略研究[D]. 徐涴砯. 东华大学, 2019(05)
- [4]认知异构网络物理层干扰管理技术研究[D]. 田润. 哈尔滨工业大学, 2018
- [5]论分布式无线电和蜂窝移动通信网络结构[J]. 鲍俊臣. 中国新通信, 2017(06)
- [6]分布式无线电和蜂窝移动通信网络的结构分析[J]. 李革. 科技传播, 2016(02)
- [7]分布式无线电与蜂窝移动通信网络结构分析[J]. 潘长焜. 通讯世界, 2015(15)
- [8]分布式无线电和蜂窝移动通信网络结构[J]. 尤肖虎,赵新胜. 电子学报, 2004(S1)
- [9]复杂动态环境下高效频谱共享技术研究[D]. 范超琼. 北京邮电大学, 2020(01)
- [10]基于博弈论的认知异构蜂窝网络资源分配方法研究[D]. 张羽. 哈尔滨工程大学, 2020