序
前言
章 异构超密集网络混合通信路径编排方案 1
1.1 引言 1
1.2 路径编排体系结构 2
1.2.1 数据平面 3
1.2.2 控制平面 4
1.3 无拥塞的路径编排方法 5
1.3.1 路径编排的频谱分配 5
1.3.2 非侵入式路径编排方法 6
1.3.3 侵入式路径编排方法 7
1.4 结果与分析 9
1.4.1 用户之间的通信 9
1.4.2 拥塞避免能力 10
1.5 总结 11
参考文献 11
第2章 密集家庭基站网络下行链路中的低复杂度资源管理 13
2.1 引言 13
2.2 系统模型和问题建模 14
2.2.1 系统模型 14
2.2.2 问题建模 15
. 低复杂度功率控制 16
..1 非合作博弈 16
..2 纳什均衡点的存在 17
2.4 公平的平均时间子信道分配 18
2.5 分布式资源分配算法 19
2.6 结果与分析 20
2.7 总结 22
参考文献 22
第3章 非正交多址小蜂窝网络的局部合作干扰抑制：一种势博弈方法
3.1 引言
3.2 系统模型和问题建模 24
3.2.1 系统模型 24
3.2.2 小区间干扰 25
3.. 小区内干扰 26
3.2.4 问题建模 27
3.3 局部合作博弈与分布式学习算法 27
3.3.1 局部合作博弈模型 27
3.3.2 纳什均衡分析 28
3.3.3 并发响应算法 30
3.4 结果与分析 31
3.5 总结 33参考文献 34
第4章 异构NOMA网络中的信道分配和功率优化 36
4.1 引言 36
4.2 问题建模 36
4.3 功率优化和子信道分配 39
4.4 结果与分析 43
4.5 总结 45
参考文献 46
第5章 软件定义的异构VLC和RF小小区中的资源分配 48
5.1 引言 48
5.2 系统模型 49
5.2.1 模型建立 49
5.2.2 软件定义的可见光和频小型基站系统 49
5.3 问题建模 50
5.3.1 可见光通信系统 50
5.3.2 频下行链路系统 51
5.3.3 能量有效优化问题 52
5.4 资源分配算法 54
5.4.1 子信道分配 55
5.4.2 功率分配 56
5.5 结果与分析 57
5.6 总结 59
参考文献 59
第6章 超密集异构网络中基于学习的用户关联与功率分配 60
6.1 引言 60
6.2 系统模型 61
6.3 超密集异构网络的优化框架 62
6.4 基于强化学习的用户关联与功率分配联合资源优化 63
6.4.1 多智能体学习 63
6.4.2 基于多智能体学习的用户关联和功率优化 64
6.5 结果与分析 66
6.6 总结 68
参考文献 68
第7章 蜂窝网络中优化天线倾斜角的随机梯度下降算法 70
7.1 引言 70
7.2 系统模型和问题表述 71
7.2.1 网络场景 71
7.2.2 问题表述 72
7.3 SGDATO算法 72
7.3.1 覆盖率指标 72
7.3.2 硬覆盖到软覆盖的转换 73
7.3.3 梯度计算 75
7.3.4 优化算法 76
7.4 理想网络场景实验 77
7.5 实际大城市场景实验 78
7.6 总结 81
参考文献 81
第8章 基于能量收集的NOMA异构网络中的能量有效的资源管理 83
8.1 引言 83
8.2 系统模型和问题建模 83
8.3 NOMA异构网络的率和子信道优化 86
8.3.1 子信道分配 87
8.3.2 功率优化 88
8.4 结果与分析 91
8.5 总结 92
参考文献 92
第9章 NOMA网络中的高效动态资源优化 95
9.1 引言 95
9.2 系统模型和问题建模 95
9.3 使用李雅普诺夫的能量效率优化 98
9.3.1 子信道匹配 98
9.3.2 李雅普诺夫优化的队列 99
9.3.3 李雅普诺夫优化的表述 100
9.4 结果与分析 103
9.5 总结 104
参考文献 104
0章 无线异构网络中的小区干扰协调配置 106
10.1 引言 106
10.2 系统模型 107
10.3 问题建模 108
10.3.1 问题表述 108
10.3.2 问题过渡 109
10.3.3 问题转化 110
10.4 非线问题算法 111
10.4.1 具有优选-公平的EE-ABS-RELAXED算法 114
10.4.2 收敛分析 114
10.5 EE-ABS-RELAXED的整数舍入 115
10.6 结果与分析 116
10.7 总结 119
参考文献 119
1章 不稳定信道情况下物联网通信中的自动重复频谱感知 121
11.1 引言 121
11.2 系统模型 122
11.3 自动重复感知的概念和原理 1
11.3.1 概念 1
11.3.2 工作原理 124
11.4 虚警概率的推导 126
11.5 结果与分析 129
11.6 总结 131
参考文献 131
2章 基于Wi-Fi频谱共享的异构小蜂窝网络中的无线资源优化 133
12.1 引言 133
12.2 系统模型和问题建模 133
12.2.1 系统模型 133
12.2.2 问题建模 136
1. 基于李雅普诺夫优化方法的能量效率优化 138
1..1 李雅普诺夫优化队列 138
1..2 李雅普诺夫优化公式 139
12.4 结果与分析 141
12.5 总结 142
参考文献 142
3章 认知无线网络中的公平资源分配 144
13.1 引言 144
13.2 系统模型 145
13.2.1 问题建模 145
13.2.2 功率约束 146
13.3 优选-公平的能量收集资源分配 147
13.3.1 优选-公平的能量收集问题建模 147
13.3.2 问题的次优解 148
13.4 结果与分析 152
13.5 总结 153
参考文献 153
4章 基于网络功能虚拟化和雾计算的未来无线网络切换机制 155
14.1 引言 155
14.2 雾无线接入网络 156
14.3 切换过程 157
14.4 信号分析模型 159
14.5 结果与分析 161
14.6 总结 162
参考文献 162
5章 保oS的多小区网络中基于势博弈的协同干扰管理 164
15.1 引言 164
15.2 问题建模 165
15.2.1 系统模型 165
15.2.2 具有定价因子的效用函数 166
15.3 基于势博弈的资源分配 167
15.3.1 势博弈 167
15.3.2 通过元素映的势函数 167
15.3.3 oS保的资源分配设计 169
15.4 结果与分析 171
15.4.1 模型 171
15.4.2 绩效分析 171
15.4.3 帕累托优化分析 173
15.5 总结 173
参考文献 174
6章 异构小蜂窝网络中基于超模博弈的功率分配 175
16.1 引言 175
16.2 系统模型和问题建模 175
16.2.1 系统模型 175
16.2.2 有效容量 176
16.. 问题表述 177
16.3 基于超模博弈和学习的高效功率分配 178
16.3.1 基于超模博弈的功率分配 178
16.3.2 基于学习的功率分配 179
16.4 结果与分析 183
16.5 总结 184
参考文献 184
索引 186
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
