基于机器学习的蜂窝网络D2D通信频谱分配与功率控制算法研究

目录

声明

缩略词

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 论文的主要工作与组织结构

第二章 D2D通信和机器学习方法概述

2.1 D2D通信概述

2.1.1 D2D通信的基本概念

2.1.2 D2D通信的会话建立流程

2.2 D2D通信的频谱使用模式

2.2.1 正交模式

2.2.2 共享模式

2.3 D2D通信的干扰解决方案

2.3.1 频谱分配

2.3.2 功率控制

2.3.3 模式选择

2.4 机器学习简介

2.4.1 机器学习概述及分类

2.4.2 强化学习概述

2.4.3 神经网络概述

2.5 本章小结

第三章 基于Q学习的D2D通信功率控制算法

3.1 引言

3.2 系统模型与问题分析

3.2.1 系统模型

3.2.2 问题分析

3.3 基于Q学习的D2D通信功率控制算法

3.3.1 Q学习概述

3.3.2 基于集中式Q学习的D2D通信功率控制算法（CQLPC）

3.3.3 基于分布式Q学习的D2D通信功率控制算法（DQLPC）

3.4 仿真结果及性能评估

3.5 本章小结

第四章 基于Q学习的D2D通信联合频谱分配与功率控制算法

4.1 引言

4.2 系统模型与问题分析

4.2.1 系统模型

4.2.2 问题分析

4.3 基于Q学习的D2D通信联合频谱分配与功率控制算法（QLSA-PC）

4.3.1 基本要素定义

4.3.2 QLSA-PC算法

4.4 仿真结果与性能评估

4.5 本章小结

第五章 基于深度神经网络的D2D通信频谱分配与功率控制算法

5.1 引言

5.2 系统模型与问题分析

5.2.1 系统模型

5.2.2 问题分析

5.3 基于深度神经网络的D2D通信功率控制算法（DNNPC）

5.3.1 特征提取

5.3.2 深度神经网络的搭建与训练

5.3.3 算法描述

5.4 基于深度神经网络的D2D通信频谱分配算法（DNNSA）

5.4.1 特征提取

5.4.2 深度神经网络的搭建与训练

5.4.3 算法描述

5.5 仿真结果与性能分析

5.6 本章小结

第六章 总结与展望

6.1 全文总结

6.2 研究展望

致谢

参考文献

攻读硕士学位期间的成果