一、无线蜂窝数字分组数据通信及其应用（论文文献综述）
郑建飞[1]（1998）在《移动数据通信发展综述》文中进行了进一步梳理在介绍移动数据通信的发展背景、系统模型及业务特点的基础上 ,介绍移动数据系统的技术体制 ,对几种主要的移动数据通信系统的特点、性能和主要技术指标作了比较 ,分析了移动数据通信发展中存在的问题及我国移动数据通信的发展方向。
余其炯[2]（1996）在《新兴的无线数据业务与技术》文中研究表明从无线数据业务的兴起，介绍了电路交换蜂窝网、蜂窝数字分组数据（ＣＤＰＤ）、专用分组无线系统、增强型寻呼系统、增强型专用移动无线系统、微蜂窝扩频技术以及卫星数据等无线数据业务的技术、性能、市场、特点及其应用范围。
童晋[3]（2020）在《基于雾计算的电力系统监测网络关键技术与应用》文中指出伴随着智能电网、电力物联网与能源互联网的快速发展,边缘节点的数量呈指数级增长,对传统电网基于中心化的运行方式与通讯逻辑提出了挑战。日益增长的基础数据将极大地占用系统云端的计算与通讯资源,而底层网络中却存在计算与通讯资源富余的情况。因此,如何在不影响系统运行的情况下,高效地利用边缘资源来削减云端压力是亟需解决的问题。雾计算作为云计算的延伸,将各类服务自云端拓展至边缘,用于提供低延时网络服务、高效数据传递和资源利用率,被认为是提升系统处理边缘问题效率的不二之选。然而,不同于通用系统,电力系统中固有的运行与成本需求对雾计算的应用提出了更高的要求。一方面,雾计算需兼容于现行电力系统监测网络,在较低的建设成本的基础上提供更优的网络功能是其应用的前提。另一方面,由于雾计算中额外运算和通讯将增加节点功耗,因此节点的能量来源和能耗的削减是其能否可靠运行的保证。因此,本文拟从基于雾计算的电力系统监测网络架构、节点能量来源、网络的运行管理三方面展开研究,并结合电力系统短路故障的监测所需,提出基于雾计算的算法案例作为其应用实效性的支撑,本文的主要工作概况如下:1)将雾计算架构整合入电力系统监测网络范畴内。在基于现有电力系统监测网络基础设施,满足现行系统的数据采集与传输的基础上,雾计算架构被用于提高系统边缘和站点间富余的计算和通信资源的利用率。其中,软件定义网络被用于控制并管理节点间的通信,进而实现雾计算的通讯逻辑。该架构具备更短的事件处理流程,适应各类不同事件的触发情况。文中同时对所提出的雾计算通讯逻辑进行了仿真,并验证其具备更低的通讯时延的特性。2)研究电力系统站外节点的能量供给方案,解决雾计算应用中底层节点所需能量问题,进而削减因强电磁环境带来的通信成本上升问题。雾计算的应用将提升监测网络中底层节点的能耗,本文通过分析电力系统站外环境中可供采集的环境能量,阐述了电力系统站外节点的能量供给策略,并整合环境能量采集方案为部署于架空线路上的感知节点设计一种能量供给方案,进而将线路沿线感知节点的维护与通讯、计算节点分离,降低系统的运营与维护成本。3)研究降低监测网络运行能耗的雾计算网络运行能耗管理方案,着力提升监测网络运行寿命。方案基于盲克里金代理模型,被配置在更贴近监测节点的信息汇聚节点中运行,无需上层网络的信息与控制。通过将离散的监测数据整合成对应的数学模型,部分节点的监测信息可由模型代为预测,从而减少节点的运行次数,平衡监测精度与能耗之间的关系,最高可提高底层监测网络36.22%的运行寿命。4)以电力系统短路故障为例,研究提升电力系统运行安全性的雾计算用例。基于本文提出的雾计算监测网络架构与现有电力系统通信网络提出一种诊断精度高、容错能力强、资源需求少的短路诊断新方案,可应用为现行方案的增补。其中,具备高效通讯能力和计算能力的IED被定义为雾计算节点,节点所采集的保护信息被定向处理成极小的目标知识,可以在线路上的相关雾节点之间完成快速交互。互为相关的知识在雾节点中共同构建故障矩阵并计算出自身线路的诊断值,从而完成故障线路的定位。该方案的有效性基于IEEE 118系统验证,在具有更高的响应效率的同时,兼具良好的容错性,可以在任意三个错误信息的情况下保持100%的准确性。同时,文中基于现有电力系统通信网络,对知识交互进行仿真,验证本文所提的雾计算架构在不同网络状态下的延迟特性。
王丽君[4]（2019）在《基于机器学习联合协作通信的车联网性能研究》文中指出随着智能交通系统（Intelligent Transport System,ITS）的发展,车联网（Vehicular Network,VNET）作为物联网在交通领域的典型应用,上到城市建设发展,下到人们的出行效率,都发挥着越来越重要的作用。而由于车辆的高速机动性,传统的移动计算面临着高效、快速的资源调度和功率分配等挑战。同时,实现车辆之间的接入网服务是在车辆附近提供通信服务的重要方法之一。因此,尽可能接近的通信部署,研究车联网新的体系结构,对未来智能交通系统的发展非常重要。而连通性作为车联网的一个基础而重要的指标,对于车联网的网络规划、拓扑控制以及用户体验都具有非常重要的意义。近年来,国内外专家学者们提出了很多关于车联网连通性的方法,且获得了不错的效果。但由于交通环境的复杂性,制约车联网技术发展的特性有复杂的无线传输环境、潜在的大规模特性、高动态特性、分区网络特性和网络安全隐私等挑战。因此,本文在跟踪国内外最新研究进展的基础上,围绕车联网的性能指标,着力于从协作通信和机器学习两个方面进行了深入的研究。首先提出了无蜂窝的基于移动接入点的协作通信车联网体系结构,然后提出基于机器学习预测的无蜂窝结构车联网中流量时空分布模型,最后给出机器学习的移动接入点空时协作的精准资源调度和动态路由机制。核心问题涉及到车辆终端如何接入移动网络,实现动态、开放、自组织、易于部署和低成本效益的车联网络。具体包括以下研究内容:本文首先提出采用无蜂窝的基于移动接入点的协作通信车联网体系结构。该无蜂窝协作通信车联网与传统车联网相比,基于移动接入点的协作通信,对车联网的不同接入方式进行横向融合。通过协调多点（Coordinated Multi-point,CoMP）传输和接收,与协作基站或移动接入点通信,实现满足不同需求的车联网最优接入方案,建立低时延、高可靠的基于软件定义网络（Software Defined Network,SDN）的车联网混合组网架构。利用SDN收集车辆运动状态信息,获得全局网络视图,采用先局部后全局的方式实现网络资源的灵活调度。无蜂窝车联网中车辆构成多重SDN云,实现分布式同集中式相结合的资源调度和投放机制。仿真结果表明,本文提出的融合无蜂窝通信网络,不仅在基站处和移动终端处都能够节约能源,且移动终端的能量效率随着协作基站数量的增加而增加,优化车联网性能。针对高速行驶车辆通信的频繁切换和中断问题,提出的基于移动接入点的5G无蜂窝车联网通信方案,将固定基站替换为车载移动接入点,以方便用户访问。移动接入点采用联合发送和联合接收的方式与车辆用户进行协作通信,增强车与车通信（Vehicle to Vehicle Communication,V2V）的连通性和可靠性。并给出了三种车辆选择方案作为协作移动接入点的策略原则,构建了5G无蜂窝移动接入网。数据仿真结果比较了各种移动接入点选择策略下的连接性能和延迟性能。采用移动接入点的5G无蜂窝车联网通信方案显着优于简单的移动中继或移动接入方案。兼顾负载均衡,增强了车联网通信的连通性和可靠性。本文的第二个创新点是基于机器学习预测的无蜂窝结构车联网中流量时空分布模型,对于车联网的流量业务进行建模分析。针对车联网中V2V的协作通信机制,提出了基于机器学习预测的无蜂窝结构车联网中流量时空分布模型。根据数据业务需求在空间和时间上的分布特征,基于随机几何理论方法对车联网业务的空间分布特征构建模型,采用排队论对业务的时间分布特征构建模型,运用机器学习方法对车联网时空流量进行分析和预测。为车联网中的协作资源调度和分布式路由选择提供依据。本文所提V2V协作通信算法融合了车联网终端侧的接入网络选择机制及网络侧的调节函数策略,能够依据用户的最优分布及实际分布,基于目标函数和约束条件的转换,动态自适应的来改变网络调节函数因子,从而引导车联网用户终端合理选择动态节点来接入网络。而基于系统用户体验（Quality of Experience,QoE）效用函数的网络资源分配函数,解决了车辆接入网络的不同接入方式会造成部分车载资源丢失和浪费的问题,实现协作通信下的最优功率分配和频谱资源共享。本文的第三个创新点是基于机器学习的移动接入点空时协作的精准资源调度和动态路由机制。从多层次多维度的资源调度策略基础上出发,针对无蜂窝结构车联网中车辆的业务需求,对时间分布和空间分布的车联网业务需求进行感知和预测,在城市密集交通场景的大尺度宏观车流模型和小尺度微观车流模型的不同层次上,以及空间和时间不同维度上,提出基于机器学习的移动接入点空时协作的精准资源调度和动态路由预测,对车联网中的无线通信资源进行调度和分配。将资源供给与业务需求进行快速匹配,保证车联网通信业务的低延时要求。结合空间、时间和频率多维度模型,分析车联网通信在精准资源调度策略下,对包括连通性在内的车联网性能指标进行优化。针对车联网时延和连通性等关键性能指标定义服务质量的效能函数,在存在随机干扰的情况下,采用离散随机逼近算法针对调度参数进行优化,实现精准的资源调度和负载均衡。最后,在实际应用的车联网场景中,按照本文给出的高连通性组网算法规则,有效选择中继节点进行消息转发的路由决策方案,确保车联网的高连通状态。对于用户业务需求、终端数据缓存状况、用户信道信息等数据,在保证服务质量（Quality of Service,QoS）需求、无线资源利用率及用户公平性的前提条件下,确定用户的优先级并进行频域或时域资源的分配。
黄光旭[5]（2019）在《复杂环境下TD-LTE网络覆盖技术及其应用研究》文中研究表明移动通信系统从模拟系统开始,经历了多次重大变革,第四代移动通信系统——LTE经过多年的商用,其通信稳定性及数据传输速率较之第一代模拟移动通信系统、第二代GSM/CDMA系统及第三代WCDMA/CDMA2000/TD-SCDMA系统有了质的飞跃。但我国LTE网络部署在较高频段,单基站覆盖范围小、覆盖深度有限。经过运营商的多年部署经营,LTE网络的广度覆盖已基本满足市场需求,然而复杂环境下的深度覆盖一直是运营商面临的巨大挑战。本文以中国移动TD-LTE网络为基础,针对厦门市城中村、城市街道、CBD商圈等多种复杂网络覆盖场景展开研究。本文首先介绍了LTE网络构架、TDD双工技术、TD-LTE无线帧结构、多天线技术等TD-LTE网络覆盖关键技术。同时,针对宏蜂窝、室内分布系统两种传统的网络覆盖模式及TD-LTE网络覆盖能力展开分析。其次论述了城中村、城市街道、商圈等不同复杂场景下TD-LTE网络弱覆盖特点,有针对性地提出了微功率覆盖、微基站覆盖、D+F双层组网等新型覆盖模式,并详细说明了不同覆盖模式的适用场景。最后以厦门市几个典型场景为例,介绍了TD-LTE新型覆盖模式的部署,并对其应用和测试结果进行了分析。
张树梅[6]（2019）在《基于小波变换的快速干扰协调方案研究》文中提出随着通信设备数量及其流量需求的爆炸式增长,必须提高蜂窝网络的系统频谱效率,来满足终端日益增长的流量需求和更好的终端体验。频谱稀缺一直是无线移动通信的关键问题,而以上发展将使频谱稀缺问题变得更加严重。频率复用技术允许相邻蜂窝中的设备在同一频段内同时传输数据,这显着增加了频谱利用率,但也带来了蜂窝间干扰进而限制了系统的频谱效率。动态干扰协调因为其灵活度高、反应迅速、协调效果明显等特点而被深入研究,它通过调度蜂窝内的资源块以降低蜂窝间的相互干扰,从而提升系统的频谱效率。然而,由于传统动态干扰协调优化方案的时间复杂度较高,运算时间非常长,在未来密集终端网络场景中并不适用,因此寻找一种快速的动态干扰协调方案显得尤为必要。本学位论文主要对高密度网络场景中的干扰协调问题进行研究,针对两蜂窝场景,分别提出了面向单蜂窝性能优化和面向两蜂窝性能优化的快速干扰协调方案。根据我们过去的研究,发现在高密度网络场景中导致干扰协调时间过长的原因是协调问题规模较大,提出的面向单蜂窝性能优化快速干扰协调方案主要是降低问题规模从而降低干扰协调的运算时间。首先对每个蜂窝中的终端进行排序,以增大终端有效信号和受到邻蜂窝终端干扰参数的冗余。然后通过离散小波变换将参数变换到小波域,对经过小波变换后的信号序列进行低频信息的提取,即仅保留尺度系数,经过这一步骤,降低了原始参数序列长度从而降低了问题规模。最后,在小波域中完成干扰协调,经过离散小波反变换将获得的协调策略转换回原始域,利用域间协调转换策略得到最终的干扰协调策略。此外,我们进一步研究了面向两蜂窝性能优化的快速干扰协调方案。主要是提出了一种分组排序方法。首先根据终端的有效信号值升序对终端进行排序,然后对终端进行分组,然后对组内终端进行排序,使得相邻组内终端对邻基站的干扰升序、降序交替出现。经过分组排序的终端可以同时增大自身有效信号和对邻蜂窝基站干扰的冗余,使得之前的方案可以实现两蜂窝性能的优化。将该方案得到的最终协调结果和匈牙利算法得到的最优协调策略进行对比,所提出的方案降低了时间成本,同时保持其他性能指标仍然接近最优。
二、无线蜂窝数字分组数据通信及其应用（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、无线蜂窝数字分组数据通信及其应用（论文提纲范文）
（3）基于雾计算的电力系统监测网络关键技术与应用（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 雾计算与电力系统通信 |
| 1.2.2 物联网中的雾计算架构 |
| 1.2.3 智能电网中的软件定义网络 |
| 1.2.4 智能电网与物联网 |
| 1.2.5 电力系统监测网络与雾计算 |
| 1.3 论文的研究内容与贡献 |
| 1.3.1 研究内容 |
| 1.3.2 本文的主要贡献 |
| 1.4 文章结构 |
| 2 基于雾计算的电力系统监测网络架构 |
| 2.1 引言 |
| 2.2 基于标识传感网络的无线监测网络 |
| 2.2.1 RFID传感网络简介 |
| 2.2.2 融合RFID传感网络的优势 |
| 2.2.3 融合RFID的无线传感网络 |
| 2.2.4 适宜于电力系统站外广域监测的LPWA网络 |
| 2.2.5 RFID-LPWA监测-通信网络 |
| 2.3 基于雾计算的电力系统监测网络架构与通信基础 |
| 2.3.1 电力系统监测网络雾计算架构简介 |
| 2.3.2 电力系统监测网络雾计算通信基础 |
| 2.3.3 电力系统监测网络雾计算通信流程 |
| 2.3.4 雾计算优势分析——以电力系统短路故障为例 |
| 2.4 雾计算通讯逻辑的仿真 |
| 2.5 本章小结 |
| 3 站外监测网络的节点能量供给与部署 |
| 3.1 引言 |
| 3.2 电力系统站外小型节点供能 |
| 3.2.1 直接供能的优势与劣势 |
| 3.2.2 大容量光伏电池供能优势与劣势 |
| 3.2.3 针对小型节点的太阳能量采集方案 |
| 3.2.4 针对小型节点的机械能量采集方案 |
| 3.2.5 针对小型节点的热能采集方案 |
| 3.2.6 针对小型节点的流体能量采集方案 |
| 3.2.7 针对小型节点的声波采集方案 |
| 3.2.8 针对小型节点的磁场能量采集方案 |
| 3.2.9 雾计算架构中的节点能量供给 |
| 3.3 RFID传感标签的能量供给 |
| 3.3.1 RFID传感网络的能量需求与部署需求 |
| 3.3.2 RFID传感标签的能量供给与负载消耗 |
| 3.3.3 电力网络中RFID传感标签的能量来源 |
| 3.3.4 输电线路上RFID传感标签供能方案 |
| 3.4 仿真与结果 |
| 3.5 本章小结 |
| 4 基于雾计算的无线监测网络运行能耗管理 |
| 4.1 引言 |
| 4.2 基于电池供电的无线监测网络 |
| 4.2.1 基于电池供电的无线监测网络 |
| 4.2.2 基于LPWA的环境监测系统 |
| 4.2.3 网络能耗管理流程 |
| 4.2.4 算法需求 |
| 4.3 基于代理模型的LPWA监测网络能耗管理 |
| 4.3.1 泛克里金模型与盲克里金模型 |
| 4.3.2 基于盲克里金近似代理模型的监测网络能耗管理 |
| 4.4 仿真测试 |
| 4.5 本章小结 |
| 5 基于雾计算与电力系统监测网络的短路故障诊断 |
| 5.1 引言 |
| 5.2 应用于短路故障诊断的雾计算架构与流程 |
| 5.3 雾知识传输等待时间估计 |
| 5.4 IED中基于实时知识的雾拓扑矩阵 |
| 5.5 FTM参数设定 |
| 5.5.1 不同保护距离的距离继电器的关联系数 |
| 5.5.2 变压器继电器相关系数 |
| 5.6 故障诊断矩阵 |
| 5.6.1 快速诊断策略 |
| 5.6.2 高精度诊断策略 |
| 5.7 阈值的设置与计算 |
| 5.7.1 快速诊断的阈值设定 |
| 5.7.2 高精度诊断的阈值设定 |
| 5.8 仿真与测试 |
| 5.8.1 诊断精度与鲁棒性测试 |
| 5.8.2 效率测试 |
| 5.9 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 博士期间发表的科研成果目录 |
| 1)参加的学术交流与科研项目 |
| 2)发表的学术论文(含专利和软件着作权) |
（4）基于机器学习联合协作通信的车联网性能研究（论文提纲范文）
| 论文创新点 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 车联网中的研究现状 |
| 1.2.1 车联网中的协作通信 |
| 1.2.2 车联网中的机器学习 |
| 1.2.3 挑战与研究热点 |
| 1.3 主要研究内容及结构安排 |
| 2 融合无蜂窝网络的车联网协作通信性能研究 |
| 2.1 引言 |
| 2.2 车联网络模型 |
| 2.2.1 移动自组织网络 |
| 2.2.2 经典车联网络模型 |
| 2.2.3 融合无蜂窝通信网络模型 |
| 2.3 融合无蜂窝车联通信网络 |
| 2.3.1 5G融合无蜂窝网络的优势 |
| 2.3.2 无蜂窝通信网络架构 |
| 2.4 融合无蜂窝网络的协作性能分析 |
| 2.4.1 融合无蜂窝通信网络的基站分组方案 |
| 2.4.2 融合无蜂窝的网络连通性 |
| 2.4.3 融合无蜂窝的通信能效 |
| 2.5 仿真及分析 |
| 2.5.1 仿真环境设置及关键参数选取 |
| 2.5.2 融合无蜂窝的网络覆盖概率 |
| 2.5.3 融合无蜂窝的通信能效分析 |
| 2.6 本章总结 |
| 3 基于移动接入点的协作通信性能研究 |
| 3.1 引言 |
| 3.2 移动接入点的协作需求 |
| 3.2.1 5G车联网的关键性能需求 |
| 3.2.2 传统蜂窝网络的挑战 |
| 3.3 基于5G移动接入点的无蜂窝通信体系与建模 |
| 3.3.1 移动接入点车联网模型 |
| 3.3.2 车载移动接入点的部署 |
| 3.3.3 移动接入点的优势 |
| 3.3.4 基于5G移动接入点的无蜂窝体系结构 |
| 3.3.5 传输建模的对等通信 |
| 3.4 移动接入点的选取策略 |
| 3.4.1 预定义的选择方案 |
| 3.4.2 独立随机选择方案 |
| 3.4.3 协作选择方案 |
| 3.5 移动接入点的协作算法 |
| 3.5.1 移动接入点的覆盖范围 |
| 3.5.2 移动接入点的负载及影响 |
| 3.6 仿真及结果分析 |
| 3.6.1 仿真环境设置及关键参数选取 |
| 3.6.2 基于移动接入点的连通性测试 |
| 3.6.3 基于移动接入点的负载分布 |
| 3.6.4 不同选择策略的连通性概率比较 |
| 3.6.5 延迟性能分析 |
| 3.7 本章总结 |
| 4 基于V2V的车联网协作通信性能研究 |
| 4.1 引言 |
| 4.2 基于车联网流量业务的时空分布模型 |
| 4.2.1 随机交通模型 |
| 4.2.2 随机几何建立车流量空间分布特征模型 |
| 4.2.3 排队论建立车流量时间分布特征模型 |
| 4.3 机器学习预测 |
| 4.3.1 流量矩阵估计 |
| 4.3.2 矩阵训练算法 |
| 4.3.3 网络调节策略 |
| 4.4 V2V协作通信算法描述 |
| 4.4.1 算法框架 |
| 4.4.2 基于效用的网络资源分配函数 |
| 4.4.3 协作通信下的最优功率分配 |
| 4.4.4 基于效用函数的QoE |
| 4.4.5 上行链路的频谱资源共享 |
| 4.5 实验及分析 |
| 4.5.1 仿真环境设置 |
| 4.5.2 V2V的通信连通性 |
| 4.5.3 V2V的通信干扰分析 |
| 4.5.4 V2V通信时延估计 |
| 4.5.5 实际交通流数据预测及分析 |
| 4.6 本章总结 |
| 5 城市密集交通场景下的V2V性能优化 |
| 5.1 引言 |
| 5.2 系统模型与优化构建 |
| 5.2.1 典型车联网体系模型 |
| 5.2.2 V2V的信道模型 |
| 5.2.3 基于概率的城市道路组网 |
| 5.3 密集交通场景的组网算法 |
| 5.3.1 网络连通概率与车辆节点通信半径 |
| 5.3.2 网络连通概率与车辆节点数量 |
| 5.3.3 网络连通概率与能效算法实现 |
| 5.4 机器学习的优化构建 |
| 5.4.1 精准资源调度 |
| 5.4.2 离散随机逼近传输方案 |
| 5.4.3 动态路由预测 |
| 5.4.4 联合中继选择 |
| 5.4.5 协作传输的频谱共享 |
| 5.5 最优策略及迭代 |
| 5.5.1 强化学习的最优化值 |
| 5.5.2 求解最优策略 |
| 5.5.3 策略估计 |
| 5.5.4 策略改进 |
| 5.5.5 策略迭代 |
| 5.5.6 值迭代 |
| 5.6 算法仿真及结果分析 |
| 5.6.1 仿真环境设置 |
| 5.6.2 网络连通度指标 |
| 5.6.3 通信半径对连通性的仿真 |
| 5.6.4 结果与分析 |
| 5.7 本章总结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士期间发表的论文及科研项目情况 |
| 致谢 |
（5）复杂环境下TD-LTE网络覆盖技术及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 移动通信系统发展与演进 |
| 1.2 TD-LTE网络覆盖现状 |
| 1.3 本文的主要研究内容和文章框架 |
| 第二章 TD-LTE网络覆盖关键技术 |
| 2.1 LTE网络构架 |
| 2.1.1 LTE网络架构 |
| 2.1.2 接入网与核心网功能划分 |
| 2.2 TD-LTE关键技术 |
| 2.2.1 TDD双工技术 |
| 2.2.2 TD-LTE无线帧结构 |
| 2.2.3 多天线技术 |
| 2.3 两种TD-LTE基站建设模式 |
| 2.3.1 TD-LTE宏蜂窝基站建设模式 |
| 2.3.2 TD-LTE室内分布系统建设模式 |
| 2.4 我国TD-LTE网络频率规划 |
| 2.5 TD-LTE网络覆盖能力 |
| 2.5.1 TD-LTE网络理论最大覆盖距离 |
| 2.5.2 TD-LTE链路预算 |
| 2.5.3 TD-LTE网络弱覆盖问题及其解决方法概述 |
| 第三章 复杂覆盖场景的TD-LTE网络新型覆盖模式 |
| 3.1 城中村微功率覆盖 |
| 3.1.1 城中村场景描述 |
| 3.1.2 微功率系统结构 |
| 3.1.3 微功率覆盖应用分析 |
| 3.2 微基站解决城市街道覆盖盲点 |
| 3.2.1 城市街道覆盖盲点描述 |
| 3.2.2 微基站覆盖能力及其特点 |
| 3.3 D+F双层组网 |
| 3.4 不同覆盖模式应用场景差异性比较分析 |
| 3.4.1 三种不同覆盖模式特性对比 |
| 3.4.2 不同覆盖模式的应用场景建议 |
| 第四章 TD-LTE网络新型覆盖模式应用与分析 |
| 4.1 微功率覆盖应用(以林后城中村为例) |
| 4.2 微基站覆盖应用(以禾祥东商圈为例) |
| 4.3 D+F双层组网应用 |
| 4.3.1 D+F基站覆盖(以骏景园基站为例) |
| 4.3.2 F频段小站覆盖(以医高专食堂基站为例) |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（6）基于小波变换的快速干扰协调方案研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 干扰协调国内外研究现状 |
| 1.3 本文的研究内容和创新点 |
| 1.4 本文结构安排 |
| 第二章 小波变换及干扰协调技术概述 |
| 2.1 引言 |
| 2.2 干扰协调技术 |
| 2.3 小波变换理论及应用 |
| 2.4 本章小结 |
| 第三章 面向单蜂窝性能优化的快速干扰协调方案 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 传统方法在求解干扰协调问题中的应用 |
| 3.4 优化一个蜂窝性能的快速干扰协调方案 |
| 3.4.1 终端排序 |
| 3.4.2 干扰协调参数的稀疏表示 |
| 3.4.3 快速干扰协调 |
| 3.4.4 域间干扰协调策略的转换 |
| 3.5 分解层数及小波基对系统性能的影响 |
| 3.6 性能仿真及分析 |
| 3.6.1 性能仿真及分析 |
| 3.6.2 效用函数对比 |
| 3.6.3 算法耗时对比 |
| 3.7 本章小结 |
| 第四章 面向两蜂窝性能优化的快速干扰协调方案 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 优化两个蜂窝性能的快速干扰协调方案 |
| 4.3.1 快速干扰协调方案整体流程 |
| 4.3.2 分组排序及其他步骤 |
| 4.4 性能仿真及分析 |
| 4.4.1 干扰协调结果的直观对比 |
| 4.4.2 方案关键步骤的性能仿真分析 |
| 4.4.3 方案性能仿真分析 |
| 4.4.4 效用函数对比 |
| 4.5 在多蜂窝场景中的应用 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
四、无线蜂窝数字分组数据通信及其应用（论文参考文献）
- [1]移动数据通信发展综述[J]. 郑建飞. 广东通信技术, 1998(05)
- [2]新兴的无线数据业务与技术[J]. 余其炯. 邮电设计技术, 1996(01)
- [3]基于雾计算的电力系统监测网络关键技术与应用[D]. 童晋. 合肥工业大学, 2020(01)
- [4]基于机器学习联合协作通信的车联网性能研究[D]. 王丽君. 武汉大学, 2019(01)
- [5]复杂环境下TD-LTE网络覆盖技术及其应用研究[D]. 黄光旭. 厦门大学, 2019(07)
- [6]基于小波变换的快速干扰协调方案研究[D]. 张树梅. 合肥工业大学, 2019(01)