一、个人通信——蜂窝TDMA的发展趋势（论文文献综述）
范程飞[1]（2021）在《无线自组网中的协作定位关键技术研究》文中指出随着无线网络的发展,各种应用对位置信息的需求与日俱增,定位场景也变得更加复杂,传统定位方法（如,GNSS）的精度和可靠性面临严峻的挑战。基于无线自组网的定位系统因为结构灵活、易于设置,已经成为恶劣环境下进行定位的一个重要解决方案。协作定位技术通过引入用户节点之间的信息测量可以提高无线自组织定位系统的位置估计精度、可靠性和服务范围,因而受到广泛的关注和研究。尽管有诸多的优点,但协作定位也面临一些问题。例如,非线性的观测模型使得测量信息的高效融合变得很困难,在节点稀疏分布的移动协作自组网中该问题变得尤其突出;在密集网络中,协作定位会明显增大系统的通信负担和能量消耗,并且与可靠性较差的邻居节点进行协作还会引起误差在全网络的传播;在车联网和无人机网络等节点位置和测量信息随时间快速变化的移动场景中,定位系统需要具有较高的位置信息更新速率和较小的信息传输时延,这给测量信息融合及资源分配优化带来了新的挑战。论文针对基于无线自组网的协作定位系统中存在的若干问题,对节点稀疏分布的移动场景中的高可靠数据融合方法、密集网络中的节点选择和资源分配算法进行了研究,同时对受测量信息实时性影响的移动定位系统的性能进行了分析。论文的内容安排和主要结论如下:首先,针对节点稀疏分布的移动自组网,研究了高可靠的协作定位数据融合方法。一方面,论文提出一种基于节点运动状态约束的协作定位算法,该算法具有双层结构。内层算法利用和积算法与参数化的消息更新原则对测量信息进行融合,得到节点位置的初步估计值,作为外层算法的观测量。外层算法基于扩展卡尔曼滤波的框架对节点位置进行更新,同时可以得到节点运动状态信息。另一方面,论文提出一个有限回溯深度的扩展时空域联合协作定位模型。在每个时刻,基于节点的轨迹信息约束对所有节点在邻近几个时刻的测量信息进行时空域的联合处理,以得到节点在当前时刻的位置估计。基于该模型和最大似然准则,论文分别构造了集中式和分布式的多时刻测量信息联合处理问题,并利用序列二次规划算法对这两个问题进行求解。其中的分布式定位问题考虑了多跳节点对目标节点定位的贡献以及信息传输时延对定位性能的影响。另外,论文对集中式和分布式条件下基于扩展时空域联合协作模型的定位系统的费舍尔信息矩阵（Fisher Information Matrix,FIM）进行了分析。仿真结果表明,基于节点运动状态约束的协作定位算法可以提高系统的定位精度,并且在邻居节点数量不足的情况下仍具有较好的稳定性;扩展时空域联合协作定位模型的性能优于传统的基于单个时刻测量信息的定位模型。其次,针对资源受限（如,带宽、时间和能量等）、节点较多的无线协作自组网,研究了节点选择和资源分配算法。为了平衡各个节点的能量消耗,论文基于平方定位误差界（Squared Position Error Bound,SPEB）准则,分别构造出一个受隐式能量约束和一个受显式能量约束的节点选择问题。在隐式能量约束条件下,通过限定每个邻居节点在连续多个时刻内被选中的次数来平衡这些节点的能量消耗。在显式能量约束条件下,对节点选择和功率分配问题进行联合优化,以进一步提高系统的定位性能。两类问题中均包含了非线性的目标函数和二进制优化变量。论文首先通过合理引入辅助变量将原问题转化为更容易处理的形式,然后提出基于惩罚对偶分解优化框架的算法对转化后的问题进行求解。仿真结果表明论文提出的节点选择方案可以减小系统的通信负担和能量消耗,同时性能损失较小,并且能很好地平衡各个节点的能量消耗。论文所提算法的性能明显优于对比算法,对于受隐式能量约束的节点选择问题,所提算法能够达到近似最优的性能。最后,针对基于时分多址协议的定位系统,对受测量信息实时性影响的移动节点的定位性能进行了分析,研究了广播节点选择和时隙分配算法。论文首先利用信息年龄对测量信息的实时性进行建模。然后,结合节点的运动模型,推导了待定位节点在单个超帧内的FIM以及多个超帧内的联合FIM,并对稳定状态下的性能进行了分析。为了减小测量信息实时性对定位性能的影响、提高位置信息更新频率,论文基于SPEB准则,构造出一个广播节点选择和时隙分配联合优化问题。根据所构造问题的特殊结构,论文将其分解为一个广播节点选择问题和一个时隙分配问题,然后提出基于惩罚对偶分解优化框架的算法和贪婪算法分别对这两个问题进行求解。仿真结果表明,基于惩罚对偶分解优化框架的广播节点选择算法的性能明显优于随机选择算法,基于贪婪算法的时隙分配策略的性能与时隙随机分配策略的性能基本一致,但贪婪算法的复杂度更低。
周天航,杨闯,刘子乐,彭木根,于丽[2]（2021）在《太赫兹无线组网：原理、现状与挑战》文中进行了进一步梳理为实现超高速率和巨容量,太赫兹通信成为6G重要技术选项之一。重点介绍了太赫兹通信在室内、室外等典型场景的应用及性能需求,并立足太赫兹无线组网需求,详细介绍了网络拓扑、媒体接入控制（media access control,MAC）层协议和邻居节点发现等关键核心技术的最新研究进展。最后,探讨了太赫兹无线组网面临的挑战,描述了未来可能的研究方向。
吴春梅[3]（2021）在《SWIPT全双工用户辅助协作NOMA系统优化算法研究》文中认为非正交多址接入（Non-Orthogonal Multiple Access,NOMA）技术被公认为提高频谱利用率的潜在技术。同时,新兴的无线信息携能传输（Simultaneous Wireless Information and Power Transfer,SWIPT）技术进行信息解码的同时收集能量,在一定程度上延长能量受限无线设备的寿命。考虑用户分布的非均匀性,将虚拟配对（Virtual Pairing,VP）方案应用到基于SWIPT的协作NOMA系统中,利用非重叠频带的小区中心用户来协作一个或多个小区边缘用户进行信息传输。因此,本文研究了下行全双工（Full-Duplex,FD）多天线协作NOMA系统VP方案的实现,其中小区中心用户装备有基于功率分割（Power Splitting,PS）的架构。考虑两个近用户,其中离基站最近的小区中心用户作为FD协作NOMA中继帮助基站与小区边缘用户进行信息传输的方案中。目标是在满足两个NOMA用户QoS约束的同时,最大限度地提高用户中继的数据速率。提出波束形成矢量和PS比的联合优化方案。由于所建立的优化问题高度非凸,提出了基于交替优化（Alternating Optimization,AO）的算法方案。首先,Dinkelbachs理论将目标函数线性化。其次,利用基于逐次凸逼近（Successive Convex Approximation,SCA）的半定松弛（Semidefinite Relaxation,SDR）算法和算法几何平均不等式对波束形成矢量和PS 比进行联合优化。对于SWIPT下行协作NOMA系统,考虑了一个小区中心用户和两个小区边缘用户的VP方案。利用FD多天线小区中心用户,配以PS接收机为友好中继。对于所提出的系统,建立了 PS 比、基站发射波束形成器以及小区中心用户收发波束形成器的联合优化问题,在保证两个小区边缘用户QoS要求下,基站和小区中心用户的功率约束,最大化小区中心用户的数据速率。由于所建立的联合优化问题是非凸的多变量耦合问题,本文提出了一种基于AO的策略将原问题转化为两个子问题。具体地说,将SDR技术应用于两个子问题的秩约束,并采用SCA技术解决波束形成和PS 比的重构问题。
陈颖[4]（2021）在《基于代数拓扑和分形的无线通信网络基站分布与传输容量研究》文中认为近十几年来,无线通信网络正在经历前所未有的飞速发展,学术界和工业界从各个角度对其进行设计和优化的成果层出不穷。鉴于网络拓扑是网络各种性能的决定性因素之一,通过优化拓扑来提高网络性能也成为了研究人员热切关注的问题。而要想对无线通信网络的拓扑架构进行最优设计,就需要我们对网络的现有拓扑特征和拓扑理论有全面深入的掌握。基于这种现状,本学位论文围绕“网络具有哪些拓扑特征”和“拓扑特征如何影响网络性能”这两大主题,利用代数拓扑工具,针对无线通信网络领域的具体场景进行了深入研究。针对“网络具有哪些拓扑特征”这一问题,本学位论文选择移动蜂窝网络中的基站分布作为具体研究场景。作为无线通信业务的最主要载体之一,基站的部署规模正在经历空前的爆炸式增长,如何通过对基站位置的合理分布来获得更加优越的网络覆盖性能已经成为一个非常具有挑战性的研究方向。在这样的目标指引下,获取对蜂窝网络拓扑的深层认知就成为了我们急需解决且意义重大的课题。本学位论文引入了 α-Shapes、Betti数、Euler示性数和Hurst系数等经典的代数几何工具,分别在国家范围和城市范围这两种不同的空间尺度下,独立地对多个具有代表性的欧洲和亚洲国家或者城市的真实基站位置数据进行了深入挖掘和分析。首先,基于Betti数和Hurst系数,本学位论文发现欧洲和亚洲国家或者城市的基站空间分布都表现出明显的分形特征。另外,基于Euler示性数来描述国家或者城市范围蜂窝网络的实际基站分布时,本学位论文发现对数正态分布是拓扑特性的最佳匹配。针对“拓扑特征如何影响网络性能”这一问题,本学位论文选择分形D2D（Device-to-Device）移动社交网络容量作为具体研究场景。随着互联网社交媒体的兴起,移动社交通信已经成为无线通信业务的重要组成部分。本学位论文分别在直接和分级社交通信两种情况下,研究了分形拓扑对网络容量上界的影响,其中移动社交网络的分形拓扑是由具有自相似性和反相关性的社交联接所决定的。首先,本学位论文推导并证明了对于直接社交通信场景下的分形D2D移动社交网络来说,如果用户根据随机分布从直接接触节点中选择一个目标用户并与之通信,那么网络的最大容量是（?）,其中n代表整个网络的全部用户数量;如果用户根据幂律分布d-β从直接接触节点中选择一个目标用户并与之通信,那么网络的最大容量可到达（?）,其中d表示一对社交接触节点之间的距离,β是频率参数。另外,考虑到除了和有直接社交联接的信任用户进行直接社交通信之外,用户也需要与不存在直接社交联接的其他用户进行分级社交通信,本学位论文进一步深入研究并推导了分形D2D移动社交网络在分级社交场景下的最大网络容量。本学位论文的结果表明,此时的网络容量主要受分形结构的相关指数ε所影响。与直接社交通信相比,如果2<ε<3,网络容量将以1/logn的比例下降,如果ε=3,下降因子则变为1/n。总的来说,本学位论文基于代表性代数拓扑工具,结合移动蜂窝网络的基站分布和分形D2D移动社交网络容量这两个具体场景,得到了一系列颇具价值的研究结果。我们相信,这些研究结果将为无线通信网络的精准建模和优化设计提供基础性的理论指导。
刘丹[5]（2021）在《物联网中继与移动边缘学习系统性能优化算法研究》文中研究表明物联网（Internet of Things,IoT）是5G及之后移动网络最有前途的技术之一。IoT中低功耗电池供电IoT设备随时可能由于距离汇聚节点远或障碍物而经历服务质量（Quality of Service,QoS）的降低。因此,将中继技术融入IoT提升QoS的研究工作具有重要实际意义。深度学习（Deep Learning,DL）促进人工智能（Artificial Intelligence,AI）在无线网络边缘获得大量应用,进而在边缘侧催生出海量数据。边缘计算（Edge Computing,EC）可以缓解IoT设备资源受限问题。近年来,将基于云的DL计算下沉到靠近IoT设备和数据源侧的边缘学习（Edge Learning,EL）成为研究热点,其中边缘端海量数据收集成为关键问题之一。将无人地面车（Unmanned Ground Vehicle,UGV）作为移动边缘服务器引入IoT EL系统中以辅助数据高效收集是一个可行且有价值的尝试,同时关于IoT移动EL系统的构建及其性能优化算法的研究具有重要意义。与此同时,IoT中继系统中存在频谱资源受限和能量受限问题,全双工（Full Duplex,FD）技术和双向中继技术分别是提高系统频谱效率和频谱利用率而缓解频谱资源压力的高效方案之一;无线携能（Simultaneous Wireless Information and Power Transfer,SWIPT）技术是为能量受限网络提供稳定和永久电能供应、保持设备持久连接性的非常有前途的解决方案。基于以上问题,本文开展相关研究,主要工作包括:针对信道状态信息（Channel State Information,CSI）非完美估计下的IoT MIMO SWIPT FD中继系统,提出了一种基于奇异值分解（Singular Value Decomposition,SVD）的几何规划算法。其中,中继采用放大转发（Amplifying-and-forward,AF）方式并使用时间切换中继（Time Switching Relaying,TSR）携能策略。针对这一系统,建立了在发送功率和收集能量的约束下最大化系统可达速率的源传感器节点波束赋形矩阵和中继节点波束赋形矩阵的联合优化问题模型,提出了基于SVD算法的几何规划（Geometric Programming,GP）方法的非凸问题优化求解方案。建立了中继节点的天线数不少于源传感节点天线数情况下的GP推导的一般表达式。通过对比不同参数下所提方案与波束赋形矩阵设置为初始值的独立方案及基于SVD的交替优化（Alternating Optimization,AO）方案的仿真实验结果,验证了所提方案的有效性及优越性。针对IoTMIMO双向FD设备节点携能中继系统,设计了一种使系统总均方误差最小化的联合优化设计方案,提出了基于可行点追踪逐次凸逼近（Feasible Point Pursuit-Successive Convex Approximation,FPP-SCA）的AO与基于对角化算法的低复杂度AO两种优化算法。首先构建了在所有节点发送功率及传感器设备节点无线携能接收机收集能量的约束下使系统总均方误差（Mean Square Error,MSE）最小化的传感器设备节点波束赋形矩阵、中继节点波束赋形矩阵以及传感器设备节点接收矩阵的联合优化问题模型。然后提出了基于FPP-SCA的AO与基于对角化算法的低复杂度AO两种多变量耦合非凸问题求解方案。以总MSE及误码率（Bit Error Rate,BER）作为系统性能评价指标并与独立方案及常规SDR方案进行仿真实验结果对比,展现出两种方案的有效性、优越性及适用性。同时,通过对比仿真实验结果证实,在不同的SNR值下,所提出系统性能也优于MIMO双向HD传感器节点携能中继通信系统,验证了所提方案的有效性。针对IoTEL系统中,基于UGV进行数据收集和处理时所遇到的学习性能优化及无线通信路径损耗下的系统性能受限问题。构建了基于F-measure的优化模型,提出了一种基于禁忌搜索（Tabu Search,TS）的路径优化算法。设计UGV辅助的IoT移动EL系统,即EL-UGV系统,该系统包括路径规划、能量规划以及样本量规划模块,UGV使用时分多址（Time Division Multiple Access,TDMA）协议访问 IoT设备且以单跳方式收集数据,支持多DL任务。提出使用F-measure作为性能指标评价数据样本不平衡下的系统性能,并在仿真验证所提出的基于F-measure的学习曲线模型的合理与准确基础上,建立了一个在通信容量、总执行时间、总能量消耗以及图移动性约束下使得系统中所有任务的最小F-measure性能最大的联合UGV移动路径、发送时间、发送功率以及少数类样本量规划的优化问题,即JPESP优化问题模型,提出了求解所建立的大规模混合整数非线性规划（Mixed Integer Nonlinear Programming,MINLP）问题的基于 TS 的算法方案。通过对比UGV始终停靠于起始点的固定EL方案及UGV访问所用顶点的全路径EL方案,仿真实验结果验证了所提方案的可行性、优越性和智能性。论文提出了 IoT中继与移动EL学习系统遇到的频谱资源受限、能量受限以及UGV移动边缘服务器进行高效数据传送中的学习性能优化和无线通信路径损耗下系统性能受限问题的解决方案,并通过仿真验证了系统的有效性和可行性,为深化IoT相关研究提供了有效实验方法及理论依据。
王雷[6]（2021）在《无人机中继通信链路性能分析与资源分配技术研究》文中指出灵活性和可控性使无人机在未来无线通信领域开始发挥重要作用,比如应急通信和物联网数据转发。相比于地面通信链路遭受建筑物遮挡而产生较大信号衰减,配备收发天线的无人机可作为空中无线接入点利用空地链路进行无线信息传输,这既加强了网络节点部署的可重构性,又可通过空地视距传播优势来提升无线信道容量。从大尺度衰落角度来说,视距链路有助于减少无线信号传播的路径损耗;从小尺度衰落角度来说,视距主成分使空地链路产生莱斯衰落信道。上述表明空地通信链路从平均信道增益和瞬时信道增益两个方面都区别于地面通信链路。为综合探究大尺度衰落和小尺度衰落如何影响空地信道质量,本文从空地链路中断性能角度出发,旨在评估引入无人机后通信系统的可靠性。具体的,本文研究了三种基本的利用无人机进行中继通信的场景,分别为无人机静态中继、预设轨迹下无人机移动中继和三维自由度下无人机移动中继,并结合全双工和非正交传输技术,提出了联合无人机静态部署和资源分配、时变信道下动态资源分配以及联合无人机三维轨迹和动态资源分配算法,通过降低空地链路中断概率来提升无人机中继系统的可靠性。本文主要研究内容及创新点如下:针对无人机部署位置影响空地链路视距传输质量的问题,提出了一种应急通信场景下无人机中继的部署和资源分配策略,旨在通过高视距链路概率实现可靠的空地传输。考虑基于视距概率的空地衰落模型和全双工中继模式,通过联合优化无人机部署高度、功率控制和带宽分配最小化多条中继链路的最大中断概率。所构建原始问题首先被解耦为可采用连续凸近似方法处理的高度优化子问题和资源优化子问题,然后提出了基于块坐标下降的迭代算法来实现全局优化。仿真结果在三种城市环境下揭示了所提算法的性能增益,并表明合理增加无人机高度可利用空地链路的视距传播优势来降低链路中断概率,通过功率控制降低全双工中继自干扰可进一步提升系统可靠性。针对无人机移动性导致时变信道特征的问题,提出了一种预设轨迹下无人机执行应急中继通信时的动态资源分配策略,旨在通过匹配时变信道条件提升空地传输的可靠性。下行链路引入非正交多址接入技术,在串行干扰消除约束下构建了基于无人机瞬时位置的带宽和功率分配优化问题,目标是最小化多条中继链路的最大中断概率。首先设计了变量的等价代换关系将原问题转换为更容易处理的形式,在此基础上提出了连续凸近似迭代算法来求解该重构问题,最后根据所设计的等价代换关系还原原始问题的可行解。仿真结果分析了带宽和功率资源如何匹配时变信道特性,并表明非正交传输可通过串行干扰消除提升系统可靠性。针对无人机飞行轨迹影响空地链路视距主成分的问题,提出了一种无人机执行物联网数据转发任务时的三维轨迹和动态资源分配策略,旨在通过感知莱斯信道特征实现可靠的数据转发。所构建问题考虑无人机移动控制和功率分配约束,最小化时变莱斯衰落信道下沿无人机三维轨迹的平均中断概率。首先考虑经原问题解耦后的三维轨迹优化子问题和功率分配优化子问题。三维轨迹优化子问题在松弛约束下利用连续凸近似方法求解,功率分配优化子问题采用标准凸优化求解,最后所提块坐标下降算法交替优化三维轨迹和功率来降低系统平均中断概率。为彰显时变莱斯衰落信道下设计无人机三维轨迹所获取的可靠性增益,还考虑了一种无人机沿最低高度飞行的情况,然后联合优化无人机二维飞行轨迹和功率分配以最小化系统平均中断概率。仿真结果表明相比于无人机沿二维轨迹飞行,在时变莱斯衰落信道下无人机沿三维轨迹飞行可提升移动中继系统的可靠性。
李文风[7]（2021）在《去蜂窝大规模MIMO系统中导频分配及AP选择技术研究》文中研究说明由于全球智能移动终端数量的迅速增多以及万物互联的慢慢普及,现有的通信速率不足以满足当下这个信息爆炸时代的需求。如今5G的部署在世界各国正在如火如荼地进行,同时一些通信强国也已经启动了 6G项目的设计与研发。早在2018年10月,我国就已经开始了 6G相关的研发工作。整个1G到5G的系统技术都是基于蜂窝网的,由此作为突破点,“去蜂窝”网络架构成为了 6G主要变革方向之一,并得到了学术界越来越多的关注与研究。在分布式天线系统的基础上产生了一种非常具有前景的去蜂窝大规模多输入多输出（Multi-input Multi-output,MIMO）技术。本文主要研究了去蜂窝大规模MIMO系统中的安全问题、导频分配、以及接入点（Access Point,AP）选择问题。对于去蜂窝大规模MIMO系统中安全问题的研究,本文分析了去蜂窝大规模MIMO含有主动窃听用户的系统模型。该模型考虑了 AP选择、导频污染、以及功率分配,并且AP处具有多个天线,这样的模型更具有普适性。此外本文还着重分析并推导了此模型下的上行导频传输与下行数据传输阶段,推导出了传输表达式以及用户可达速率的闭式表达式。本文还分析了系统的保密性能,推导出了 AP发送信号与正常用户接收到信号的互信息下限与攻击者的互信息上限,定义并分析了被窃听用户的保密率。在导频分配方面,本文分析了一个考虑AP选择、导频污染、功率分配,但没考虑主动窃听的去蜂窝大规模MIMO系统。分析了此模型下的信道估计与上下行数据传输阶段,给出了此模型下的用户可达速率的闭式表达式,同时也分析了当AP数量趋于无穷时系统的理论性能。分析并推导了此模型下的旨在提升用户体验下限的导频功率控制算法以及Max-Min功率控制算法。提出了一种基于加权计数的导频分配算法来降低系统内的导频污染从而提升系统性能,该算法的主要思想是尽量让位置较近的用户分到不同的导频,同时优先分配信道质量较差用户的导频,并对导频使用次数进行加权计数。仿真结果表明,所提算法对系统性能提升显着,并且复杂度低,在实际应用中是可行的。对于AP选择问题的研究,本文提出了一种基于大尺度衰落与弱者优先的AP选择算法。对于具体的选择问题,该算法的主要思想是基于大尺度衰落的,考虑到每个AP的功率有限,因此为了避免某个AP被过量使用,该算法维护了一个AP使用次数数组。在进行AP选择时,会让信道质量差的用户优先选择,同时维护一个用户已选择AP大尺度衰落之和的最小值,当某个用户已选择AP的信道增益大于此最小值且正在选择的AP使用次数已超过平均值时就不再考虑此AP了。当正在选择的AP的使用次数小于一定阈值或者在后面本不该选择的AP中找不到更优值是就为用户选择此AP。仿真结果表明,本文所提的算法相对于主流算法对系统性能提升效果显着,并且也具有较低的复杂度,使得其实际应用成为可能。
史延朋[8]（2021）在《基于强化学习的非授权频谱无线接入研究》文中指出随着移动互联网、物联网等技术的迅猛发展,全球移动数据流量呈现指数级增长,稀缺的授权频谱资源已经无法满足当前的业务需求。为缓解授权频段网络的负载压力,3GPP国际标准组织在第四代移动通信系统长期演进（The Forth Generation Long Term Evolution,4G LTE）阶段中提出授权频谱辅助接入（Licensed Assisted Access,LAA）技术实现数据流量从授权频段到非授权频段上的迁移,并开展非授权频谱新空口（NR-Unlicensed,NR-U）技术的研究,探索非授权频谱在5G网络中的应用。由于非授权频谱是开放的,5G NR-U与LAA、Wi-Fi等多种网络共存,网络环境复杂且动态变化,为接入策略的设计和优化带来了极大的挑战。针对无线资源的动态特性和无线网络环境的复杂性,本文基于Q学习等强化学习理论对5G NR网络下非授权频谱的无线接入技术展开研究,主要的研究工作和创新点总结如下:1.针对NR-U网络环境的动态变化,本文在先听后说（Listen-Before-Talk,LBT）时间退避的基础上,引入动态信道选择机制,提出了一种在线学习分布式接入策略来提升网络容量。首先,基于长期容量期望,将用户的信道接入选择建模为非合作博弈模型,并证明了该博弈存在纯纳什均衡点。针对无线信道质量的时变特性,基于多臂赌博机（Multi-Armed Bandit,MAB）理论提出了一种在线学习分布式信道选择接入（Online Learning Distributed Channel Selection Access,OLDCSA）算法来优化用户的接入选择,并利用概率论推导出其性能损失上界。最后仿真结果表明,与随机接入相比,所提接入策略能够提升18%的网络容量,其性能表现接近于无穷搜索算法。2.从网络部署成本和灵活性的角度考虑,采用非授权频谱独立组建物联网具有强大的吸引力。针对非授权频谱传输过程中的拥塞和冲突碰撞问题,以及机器通信中不饱和业务随机到达的特点,本文构建了最小化网络长期丢包优化问题。基于时隙竞争传输模型,将该问题建模成为马尔科夫决策过程,提出了一种基于深度强化学习的动态频谱接入策略减少网络丢包,并通过占空比限制来保证网络公平地使用非授权频谱。仿真结果显示,所提策略造成的网络丢包相较于贪婪策略减少了约20%。同时,仿真结果也表明该策略在不了解周围环境的情况下也可以有效减少传输冲突碰撞,与其他异构网络高效共存。
蔡亚刚[9]（2021）在《船舶远程数据监测系统设计与实现》文中进行了进一步梳理船舶在交通运输系统中占据着十分重要的地位,近年来随着通信技术的发展,航运业以及现代造船业也正在向着网络化、智能化的方向迈进。船舶的安全航行、规范管理的重要性也显得日益突出,这对船舶的数据监测系统提出了更高的要求。本文以船联网技术为基础,探索了通信技术在船舶远程数据监测领域应用,设计实现了基于船联网的远程数据监测系统,打破了不同船舶、不同设备之间信息互通难、数据保存难的局面。针对船端设计了船载信息采集系统,针对远程端设计了远程数据监测平台,数据的远程传输采用卫星、4G和MANET相结合的方式进行。本文主要研究内容包括:（1）系统调研了船舶远程数据监测的背景和现状,分析了目前船舶通信的主要手段以及数据监测的方法,设计了通过船联网的方式实现船舶数据远程监测的系统框架,整体上将系统分为三个部分:船载信息采集、远程数据传输、远程数据监测平台。（2）针对船载信息采集,设计了以嵌入式Linux为核心的船上信息采集系统,支持多设备、多传感器通过通用总线或LoRa无线的方式接入。（3）针对远程数据传输,使用卫星网络、3/4G网络、MANET相结合的方式进行,MANET网络基于VDES通信网络实现,设计了符合船舶实际运动规律的节点移动模型,使用ns-3仿真平台基于节点移动模型和VDES网络通信特性,从分组投递率和端到端平均时延评估了几种路由协议的性能,得出AODV协议是最适合作为MANET网络的路由协议。（4）针对远程数据监测平台,使用MQTT和Kafka设计并实现了用于接收船载系统信息上传的接口。通过数据转发任务、数据处理任务和持久化任务相结合的方式实现了实时消息的预警以及与MySQL数据库的对接。最后使用Django和Ant Design设计了 Web服务为用户提供Web界面,另外设计了通过RESTful API获取数据的方式,方便对数据进行进一步的研究与处理。
梁广俊,王群,辛建芳,李梦,许威[10]（2021）在《移动边缘计算资源分配综述》文中进行了进一步梳理在万物互联的物联网时代,云计算凭借超强的计算能力和存储能力提供了主流的大数据处理方案。随着5G的正式商用,面对5G+物联网呈爆炸式增长的终端设备以及低时延、低功耗的用户需求,基于云计算的大数据处理方案逐渐显露弊端。分布式的面向移动终端的大数据处理方案——移动边缘计算呼之欲出。本文通过对比云计算、边缘计算和移动边缘计算的概念和相关特征,引入移动边缘计算的定义及八大典型应用场景,进一步列举出移动边缘计算的发展历程。随后,归纳出移动边缘计算的几种国际标准模型以及框架设计的相关研究,结合移动边缘计算资源分配的关键问题进行梳理。最后,提出移动边缘计算的未来的研究方向和挑战。
二、个人通信——蜂窝TDMA的发展趋势（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、个人通信——蜂窝TDMA的发展趋势（论文提纲范文）
（1）无线自组网中的协作定位关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 符号对照表 |
| 缩写词列表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 协作定位数据融合方法 |
| 1.2.2 节点选择和资源分配 |
| 1.2.3 信息实时性 |
| 1.3 论文主要内容和结构安排 |
| 第二章 协作定位基础理论 |
| 2.1 引言 |
| 2.2 协作定位系统模型 |
| 2.3 定位融合方法 |
| 2.3.1 非贝叶斯定位方法 |
| 2.3.2 贝叶斯定位方法 |
| 2.4 协作定位系统误差评价指标 |
| 2.4.1 均方误差、均方根误差和累积分布函数 |
| 2.4.2 平方定位误差界 |
| 2.5 本章小结 |
| 第三章 移动自组网中协作定位数据融合方法设计与性能分析 |
| 3.1 引言 |
| 3.2 基于节点运动状态约束的协作定位算法 |
| 3.2.1 系统模型 |
| 3.2.2 基于EKF的外层位置信息更新算法 |
| 3.2.3 基于和积算法的内层测量信息融合算法 |
| 3.2.4 节点位置的迭代求解 |
| 3.3 扩展时空域联合协作定位模型 |
| 3.4 扩展时空域联合协作定位问题 |
| 3.4.1 集中式定位问题 |
| 3.4.2 分布式定位问题 |
| 3.5 扩展时空域联合协作定位性能分析 |
| 3.5.1 集中式性能分析 |
| 3.5.2 分布式性能分析 |
| 3.6 仿真结果与分析 |
| 3.6.1 基于节点运动状态约束的协作定位算法仿真与分析 |
| 3.6.2 扩展时空域联合协作定位模型仿真与分析 |
| 3.7 本章小结 |
| 第四章 资源受限的无线协作自组网中节点选择和资源分配算法 |
| 4.1 引言 |
| 4.2 系统模型和优化问题 |
| 4.2.1 系统模型 |
| 4.2.2 优化问题 |
| 4.3 PDD优化框架介绍 |
| 4.4 隐式能量约束条件下的节点选择算法 |
| 4.4.1 问题转化 |
| 4.4.2 基于PDD的节点选择算法 |
| 4.5 显式能量约束条件下的联合节点选择和功率分配算法 |
| 4.5.1 问题转化 |
| 4.5.2 基于PDD的联合节点选择和功率分配算法 |
| 4.6 仿真结果与分析 |
| 4.6.1 节点选择算法仿真与分析 |
| 4.6.2 联合节点选择和功率分配算法仿真与分析 |
| 4.6.3 算法复杂度分析 |
| 4.7 本章小结 |
| 第五章 受信息实时性影响的无线协作自组网性能分析与算法设计 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.3 定位性能分析 |
| 5.3.1 单个超帧的定位性能分析 |
| 5.3.2 多个超帧的定位性能以及稳定状态的定位性能分析 |
| 5.4 广播节点选择和时隙分配算法 |
| 5.4.1 问题描述 |
| 5.4.2 广播节点选择算法 |
| 5.4.3 时隙分配算法 |
| 5.5 仿真结果与分析 |
| 5.5.1 单个超帧的定位性能仿真与分析 |
| 5.5.2 稳定状态下的定位性能仿真与分析 |
| 5.5.3 广播节点选择和时隙分配算法仿真与分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 攻读博士学位期间的研究成果 |
（2）太赫兹无线组网：原理、现状与挑战（论文提纲范文）
| 1 引言 |
| 2 太赫兹无线组网应用场景 |
| 2.1 室内应用场景 |
| 2.2 室外应用场景 |
| 3 太赫兹无线组网研究现状 |
| 3.1 拓扑控制 |
| 3.1.1 集中式拓扑 |
| 3.1.2 分布式拓扑 |
| 3.2 MAC层协议设计 |
| 3.3 邻居节点发现 |
| 4 问题与挑战 |
| 4.1 面临的问题 |
| 4.2 技术发展趋势与挑战 |
| 4.2.1 MAC层设计 |
| 4.2.2 网络与传输层设计 |
| 4.2.3 其他网络策略设计 |
| 5 结束语 |
（3）SWIPT全双工用户辅助协作NOMA系统优化算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 课题研究现状与发展趋势 |
| 1.2.1 NOMA技术的研究现状与发展趋势 |
| 1.2.2 SWIPT技术的研究现状与发展趋势 |
| 1.3 主要的研究内容,创新点以及拟解决的关键性问题 |
| 1.3.1 主要研究内容 |
| 1.3.2 主要的创新点 |
| 1.3.3 拟解决的关键问题 |
| 1.4 论文结构安排 |
| 第二章 关键技术核心理论 |
| 2.1 MIMO技术理论 |
| 2.1.1 MIMO基本概念 |
| 2.1.2 MIMO信道模型 |
| 2.1.3 波束赋形 |
| 2.2 基于SWIPT协作NOMA系统性能分析 |
| 2.2.1 SWIPT接收机性能分析 |
| 2.2.2 协作NOMA通信场景分析 |
| 2.2.3 基于SWIPT协作NOMA系统分析 |
| 2.3 凸优化理论 |
| 2.3.1 凸优化基本概念 |
| 2.3.2 典型的凸优化问题 |
| 2.3.3 典型的非凸问题 |
| 第三章 全双工SWIPT协作NOMA系统传输方案设计 |
| 3.1 前言 |
| 3.2 系统模型与优化问题建立 |
| 3.2.1 系统模型 |
| 3.2.2 优化问题建立 |
| 3.3 QoS保证下交替优化设计 |
| 3.3.1 联合优化发射波束形成向量和PS比 |
| 3.3.2 优化接收波束形成向量r |
| 3.4 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于SWIPT协作NOMA系统虚拟配对方案的设计 |
| 4.1 前言 |
| 4.2 系统模型与问题建立 |
| 4.2.1 系统模型 |
| 4.2.2 信号模型 |
| 4.2.3 执行VP方案 |
| 4.2.4 问题建立 |
| 4.3 QoS保证下交替优化设计 |
| 4.3.1 优化设计 |
| 4.3.2 联合优化波束形成向量和PS比 |
| 4.3.3 优化接收波束形成向量r |
| 4.4 仿真结果与分析 |
| 4.5 SDR秩一证明 |
| 4.6 本章小结 |
| 第五章 总结和展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（4）基于代数拓扑和分形的无线通信网络基站分布与传输容量研究（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 |
| 1.2 研究现状 |
| 1.3 研究内容和主要贡献 |
| 1.4 论文结构安排 |
| 2 代数拓扑与分形几何基础理论 |
| 2.1 代数拓扑工具 |
| 2.1.1 Alpha Shapes(α-Shapes) |
| 2.1.2 Betti数 |
| 2.1.3 Euler示性数 |
| 2.1.4 Hurst系数 |
| 2.1.5 必要性阐释 |
| 2.2 分形几何介绍 |
| 2.2.1 幂律分布定义 |
| 2.2.2 重正整化视角 |
| 2.3 本章小结 |
| 3 蜂窝网络中基站分布的拓扑特征 |
| 3.1 国家范围蜂窝网络中基站分布的拓扑特征 |
| 3.1.1 数据描述 |
| 3.1.2 基于Betti数的分形特征 |
| 3.1.3 基于Hurst系数的分形特征 |
| 3.1.4 Euler示性数的对数正态分布 |
| 3.2 城市范围蜂窝网络中基站分布的拓扑特征 |
| 3.2.1 数据描述 |
| 3.2.2 基于Betti数的分形特征 |
| 3.2.3 基于Hurst系数的分形特征 |
| 3.2.4 Euler示性数的对数正态分布 |
| 3.3 本章小结 |
| 4 分形D2D移动社交网络的容量 |
| 4.1 背景介绍 |
| 4.1.1 分形D2D移动社交网络阐释 |
| 4.1.2 社交通信分类 |
| 4.2 系统模型 |
| 4.3 直接社交通信下的网络容量 |
| 4.3.1 相关数学定义 |
| 4.3.2 目标用户均匀分布场景 |
| 4.3.3 目标用户幂律分布场景 |
| 4.4 分级社交通信下的网络容量 |
| 4.5 仿真及讨论 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 成果与结论 |
| 5.2 未来与展望 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
| 简历 |
（5）物联网中继与移动边缘学习系统性能优化算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 物联网中继系统 |
| 1.2.1 物联网体系与物联网中继系统 |
| 1.2.2 物联网中继系统的国内外研究现状与发展趋势 |
| 1.3 物联网移动边缘学习系统 |
| 1.3.1 物联网边缘计算系统和边缘学习系统 |
| 1.3.2 物联网移动边缘学习系统国内外研究现状与发展趋势 |
| 1.4 论文研究目的 |
| 1.5 主要研究内容及创新点 |
| 1.5.1 主要研究内容 |
| 1.5.2 研究工作主要创新点 |
| 1.6 论文结构和章节安排 |
| 第二章 研究工作的核心理论及关键技术 |
| 2.1 研究工作方法与思路 |
| 2.2 凸优化理论与求解 |
| 2.2.1 凸优化问题定义 |
| 2.2.2 GP问题 |
| 2.2.3 QCQP问题及其求解 |
| 2.2.4 MINLP问题及其求解 |
| 2.3 MIMO技术 |
| 2.3.1 MIMO技术优势及特点 |
| 2.3.2 MIMO系统信道容量计算与MIMO波束赋形技术 |
| 2.4 中继技术与FD技术 |
| 2.4.1 中继技术 |
| 2.4.2 FD技术 |
| 2.5 SWIPT技术 |
| 2.6 EL技术与基于CNN的DL技术 |
| 2.6.1 EL技术 |
| 2.6.2 基于CNN的DL技术 |
| 2.7 本章小结 |
| 第三章 非完美CSI下物联网MIMO全双工中继携能系统研究 |
| 3.1 系统模型建立 |
| 3.2 系统信号模型建立 |
| 3.2.1 能量收集信号模型建立 |
| 3.2.2 信息传输信号模型建立 |
| 3.2.3 系统可达速率计算 |
| 3.3 优化问题建立及求解 |
| 3.3.1 优化问题建立 |
| 3.3.2 优化问题求解方案 |
| 3.4 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 物联网MIMO双向全双工设备节点携能中继系统研究 |
| 4.1 系统模型建立 |
| 4.2 系统信号模型及优化问题建立 |
| 4.2.1 系统信号模型建立 |
| 4.2.2 优化问题建立 |
| 4.3 优化问题求解 |
| 4.3.1 基于FPP-SCA的AO方案 |
| 4.3.2 基于对角化算法的低复杂度AO方案 |
| 4.4 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 UGV辅助的物联网移动边缘学习系统研究 |
| 5.1 系统框架搭建 |
| 5.1.1 路径规划模块搭建 |
| 5.1.2 能量规划模块搭建 |
| 5.1.3 样本量规划模块搭建 |
| 5.2 EL-UGV系统下基于F-measure的学习曲线模型建立及验证 |
| 5.2.1 EL-UGV系统下基于F-measure的学习曲线模型的建立 |
| 5.2.2 基于F-measure的学习曲线模型验证 |
| 5.3 JPESP优化问题的建立 |
| 5.4 JPESP优化问题求解 |
| 5.4.1 基于TS算法的JPESP问题求解 |
| 5.4.2 JPESP问题中其余变量的优化 |
| 5.5 求解问题流程 |
| 5.6 仿真结果与分析 |
| 5.6.1 理论结果的验证 |
| 5.6.2 单任务场景下的仿真结果分析 |
| 5.6.3 多任务场景下的仿真结果分析 |
| 5.6.4 与现有工作的对比验证 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 附录1 变量说明与参数说明表 |
| 附录2 定理5-1的证明 |
| 附录3 缩略词表 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（6）无人机中继通信链路性能分析与资源分配技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 无人机应用发展 |
| 1.1.2 无人机在中继通信领域应用 |
| 1.1.3 无人机中继通信链路性能评估 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机通信研究现状 |
| 1.2.2 无人机中继通信链路性能研究现状 |
| 1.2.3 当前研究存在的问题 |
| 1.3 论文研究内容与组织结构 |
| 1.3.1 论文研究框架 |
| 1.3.2 论文章节安排 |
| 参考文献 |
| 第二章 无人机中继通信基础模型与优化理论概述 |
| 2.1 无人机中继通信无线传输技术 |
| 2.1.1 无人机中继通信基本场景 |
| 2.1.2 中继双工模式 |
| 2.1.3 多链路中继接入方式 |
| 2.2 无人机中继通信大尺度衰落模型 |
| 2.2.1 空地信道视距概率模型 |
| 2.2.2 空地信道路径损耗模型 |
| 2.3 无人机中继通信小尺度衰落模型 |
| 2.3.1 莱斯衰落信道 |
| 2.3.2 莱斯分布特性 |
| 2.4 多元函数优化 |
| 2.4.1 凸优化 |
| 2.4.2 连续凸近似 |
| 2.4.3 块坐标下降 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 无人机静态中继位置优化与资源分配 |
| 3.1 相关工作分析 |
| 3.2 基于视距概率的全双工无人机静态中继可靠性建模 |
| 3.3 无人机中继位置与资源分配联合优化算法 |
| 3.3.1 基于视距概率的无人机中继位置优化 |
| 3.3.2 基于全双工的无人机中继功率控制与带宽分配优化 |
| 3.3.3 联合位置-资源优化算法 |
| 3.4 算法仿真 |
| 3.4.1 参数设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 预设轨迹下无人机移动中继动态资源分配 |
| 4.1 相关工作分析 |
| 4.2 基于下行链路NOMA的无人机移动中继可靠性建模 |
| 4.3 时变信道下动态资源分配优化算法 |
| 4.4 算法仿真 |
| 4.4.1 参数设置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 无人机移动中继三维轨迹设计与资源分配 |
| 5.1 相关工作分析 |
| 5.2 基于时变莱斯衰落信道的无人机移动中继可靠性建模 |
| 5.3 无人机移动中继三维轨迹与功率分配联合优化算法 |
| 5.3.1 基于时变莱斯因子的无人机三维轨迹优化 |
| 5.3.2 基于无人机轨迹的动态功率分配优化 |
| 5.3.3 联合轨迹-功率优化算法 |
| 5.4 无人机移动中继二维轨迹设计与功率分配 |
| 5.5 算法仿真 |
| 5.5.1 参数设置 |
| 5.5.2 二维轨迹仿真结果分析 |
| 5.5.3 三维轨迹仿真结果分析 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 缩略语对照表 |
| 致谢 |
| 攻读学位期间的学术成果 |
（7）去蜂窝大规模MIMO系统中导频分配及AP选择技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.3 论文的研究内容和结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 第二章 去蜂窝大规模MIMO安全性能介绍与分析 |
| 2.1 通用系统模型 |
| 2.2 上行导频传输阶段 |
| 2.3 下行数据传输阶段 |
| 2.4 系统性能与保密率分析 |
| 2.4.1 系统性能分析 |
| 2.4.2 保密性能分析 |
| 2.5 本章小结 |
| 第三章 基于加权计数的导频分配算法 |
| 3.1 系统模型 |
| 3.2 信道估计阶段 |
| 3.3 数据传输阶段 |
| 3.3.1 上行数据传输阶段 |
| 3.3.2 下行数据传输阶段 |
| 3.3.3 Large-M分析 |
| 3.4 导频功率控制算法 |
| 3.5 Max-Min功率控制 |
| 3.5.1 上行功率控制 |
| 3.5.2 下行功率控制 |
| 3.6 基于加权计数的导频分配算法 |
| 3.6.1 问题分析 |
| 3.6.2 算法描述 |
| 3.7 仿真及结果分析 |
| 3.8 本章小结 |
| 第四章 基于大尺度衰落与弱者优先的AP选择算法 |
| 4.1 系统模型 |
| 4.2 信道估计阶段 |
| 4.3 数据传输阶段 |
| 4.3.1 上行链路阶段 |
| 4.3.2 下行链路阶段 |
| 4.4 基于大尺度衰落与弱者优先的AP选择算法 |
| 4.5 仿真及结果分析 |
| 4.5.1 无导频污染时的仿真结果 |
| 4.5.2 有导频污染时的仿真结果 |
| 4.5.3 结果分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文研究工作及成果总结 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位取得的研究成果 |
（8）基于强化学习的非授权频谱无线接入研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 标准化进展 |
| 1.2.2 学术研究进展 |
| 1.3 主要研究内容 |
| 1.3.1 基于多臂学习理论的NR-U主动接入研究 |
| 1.3.2 分布式无线网络中基于深度强化学习的动态多信道接入 |
| 1.4 论文结构安排 |
| 第二章 强化学习理论与算法及其在无线网络中的应用 |
| 2.1 强化学习简介 |
| 2.2 强化学习原理 |
| 2.2.1 强化学习概念 |
| 2.2.2 马尔科夫决策过程 |
| 2.3 强化学习主要算法 |
| 2.3.1 多臂赌博机问题 |
| 2.3.2 Critic-only |
| 2.3.3 Actor-only |
| 2.3.4 Actor-Critic |
| 2.4 深度强化学习 |
| 2.4.1 基于值函数的深度强化学习 |
| 2.4.2 基于策略梯度的深度强化学习 |
| 2.4.3 基于行动者评论家的深度强化学习 |
| 2.5 强化学习在无线网络中的应用 |
| 2.6 本章小结 |
| 第三章 基于多臂学习理论的NR-U主动接入研究 |
| 3.1 引言 |
| 3.2 系统模型与问题建立 |
| 3.2.1 系统模型 |
| 3.2.2 问题建立 |
| 3.3 基于博弈论的信道接入分析研究 |
| 3.3.1 动态信道接入博弈模型 |
| 3.3.2 博弈游戏分析 |
| 3.4 未知环境下动态分布式学习算法 |
| 3.4.1 UCB-K算法 |
| 3.4.2 分布式学习信道选择接入算法 |
| 3.5 仿真与性能分析 |
| 3.5.1 仿真场景 |
| 3.5.2 结果分析 |
| 3.6 本章小结 |
| 第四章 分布式无线网络中基于深度强化学习的动态多信道接入 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 基于马尔科夫决策过程和深度强化学习的频谱接入策略 |
| 4.3.1 MDP问题建立 |
| 4.3.2 深度Q学习 |
| 4.4 基于网络公平性的接入策略研究 |
| 4.5 仿真与性能分析 |
| 4.5.1 同构网络评估 |
| 4.5.2 与异构网络共存 |
| 4.5.3 公平性限制下的算法评估 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文研究工作总结 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 附录A 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（9）船舶远程数据监测系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状及相关技术发展 |
| 1.3 船舶远程数据监测的必要性 |
| 1.4 论文主要研究内容与章节安排 |
| 第2章 系统分析与总体方案研究 |
| 2.1 系统设计原则 |
| 2.2 系统需求分析 |
| 2.3 船联网的系统架构 |
| 2.4 信息采集 |
| 2.5 数据传输 |
| 2.6 远程监测平台 |
| 2.7 系统总体方案设计 |
| 2.8 本章小结 |
| 第3章 般载系统设计与实现 |
| 3.1 船载系统架构设计 |
| 3.2 系统软件环境搭建 |
| 3.3 硬件设计 |
| 3.4 软件系统设计 |
| 3.5 本章小结 |
| 第4章 MANET通信网络模型研究 |
| 4.1 MANET |
| 4.2 节点移动模型 |
| 4.3 节点移动模型设计 |
| 4.4 MANET路由仿真 |
| 4.5 本章小结 |
| 第5章 远程数据监侧平台设计与实现 |
| 5.1 远程数据监测平台框架设计 |
| 5.2 数据库设计 |
| 5.3 消息接口设计与实现 |
| 5.4 Web服务设计与实现 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 学位论文评阅及答辩情况表 |
（10）移动边缘计算资源分配综述（论文提纲范文）
| 1 引言 |
| 2 MEC的定义及典型应用场景 |
| 2.1 边缘计算与移动边缘计算 |
| 2.1.1 边缘计算的兴起 |
| 2.1.2 云计算V.S.边缘计算V.S.移动边缘计算 |
| 2.1.3 MEC的定义 |
| 2.2 MEC的八大典型应用场景 |
| 2.2.1 MEC在公共安全中的应用 |
| 2.2.2 MEC在自动驾驶中的应用 |
| 2.2.3 MEC在虚拟现实中的应用 |
| 2.2.4 MEC在工业互联网中的应用 |
| 2.2.5 MEC在智能家居中的应用 |
| 2.2.6 MEC在智慧城市中的应用 |
| 2.2.7 MEC在医疗卫生中的应用 |
| 2.2.8 MEC在休闲娱乐中的应用 |
| 3 移动边缘计算的发展历程 |
| 4 MEC标准模型和框架研究 |
| 4.1 MEC的标准模型 |
| 4.1.1 欧洲电信标准化协会的MEC架构 |
| 4.1.2 英特尔的MEC框架 |
| 4.1.3 3GPP基于5G的MEC框架 |
| 4.2 MEC的框架研究与设计 |
| 5 MEC资源分配的关键问题研究 |
| 5.1 MEC计算卸载 |
| 5.1.1 基于能耗的MEC计算卸载 |
| 5.1.2 基于时延的MEC计算卸载 |
| 5.1.3 能耗与时延折中研究 |
| 5.1.4 MEC计算卸载小结 |
| 5.2 MEC缓存资源分配 |
| 5.2.1 MEC缓存管理 |
| 5.2.2 MEC排队模型 |
| 5.2.3 MEC负载共享和平衡 |
| 5.2.4 MEC负载研究小结 |
| 5.3 MEC资源调度 |
| 5.3.1 MEC任务分配/卸载 |
| 5.3.2 MEC资源联合优化 |
| 5.3.3 公平性和资源交易 |
| 5.3.4 MEC资源优化小结 |
| 5.4 MEC移动性管理 |
| 5.4.1 MEC计算分流和接入点选择 |
| 5.4.2 MEC任务部署 |
| 5.4.3 MEC功率控制 |
| 5.4.4 虚拟机配置和网络功能虚拟化 |
| 5.4.5 MEC移动性管理小结 |
| 5.5 MEC安全与隐私 |
| 5.5.1 MEC安全问题 |
| 5.5.2 MEC隐私保护 |
| 5.5.3 MEC安全隐私问题小结 |
| 6 未来的研究方向与挑战 |
| 6.1 MEC结合EH/WPT |
| 6.2 MEC结合NOMA |
| 6.3 MEC结合AI/DL |
| 6.4 MEC结合UAV |
| 6.5 MEC深入融合Io T |
| 7 结论 |
四、个人通信——蜂窝TDMA的发展趋势（论文参考文献）
- [1]无线自组网中的协作定位关键技术研究[D]. 范程飞. 浙江大学, 2021(01)
- [2]太赫兹无线组网：原理、现状与挑战[J]. 周天航,杨闯,刘子乐,彭木根,于丽. 电信科学, 2021(06)
- [3]SWIPT全双工用户辅助协作NOMA系统优化算法研究[D]. 吴春梅. 北京邮电大学, 2021(01)
- [4]基于代数拓扑和分形的无线通信网络基站分布与传输容量研究[D]. 陈颖. 浙江大学, 2021(01)
- [5]物联网中继与移动边缘学习系统性能优化算法研究[D]. 刘丹. 北京邮电大学, 2021(01)
- [6]无人机中继通信链路性能分析与资源分配技术研究[D]. 王雷. 北京邮电大学, 2021(01)
- [7]去蜂窝大规模MIMO系统中导频分配及AP选择技术研究[D]. 李文风. 北京邮电大学, 2021(01)
- [8]基于强化学习的非授权频谱无线接入研究[D]. 史延朋. 北京邮电大学, 2021(01)
- [9]船舶远程数据监测系统设计与实现[D]. 蔡亚刚. 山东大学, 2021(12)
- [10]移动边缘计算资源分配综述[J]. 梁广俊,王群,辛建芳,李梦,许威. 信息安全学报, 2021(03)