當(dāng)今世界對于互聯(lián)網(wǎng)的需求是全天候的高速的無處不在的網(wǎng)絡(luò)連接,旨在實現(xiàn)一個完全移動和互聯(lián)的互聯(lián)網(wǎng)社會。這種對于互聯(lián)網(wǎng)的需求催生了物聯(lián)網(wǎng)(Internet of things,IoT)的概念。機器類型通信(Machine-Type Communication,MTC)作為物聯(lián)網(wǎng)的推動者,允許智能對象在沒有人為干預(yù)的情況下實現(xiàn)相互通信。隨著第五代移動通信系統(tǒng)(5th-generation,5G)時代的到來,物聯(lián)網(wǎng)的進一步發(fā)展,高速增長的設(shè)備對無線接入網(wǎng)絡(luò)的接入能力造成了極大的考驗。因此,針對當(dāng)前新興的機器類型通信網(wǎng)絡(luò),如何有效接入大規(guī)模機器類型通信設(shè)備(MachineType Communication Device,MTCD),是一直以來亟待研究解決的熱點問題。近來,隨著機器學(xué)習(xí)(Machine Learning,ML)技術(shù)的更新發(fā)展,機器學(xué)習(xí)開始應(yīng)用于很多移動互聯(lián)網(wǎng)的場景等。機器學(xué)習(xí)是計算機系統(tǒng)使用的統(tǒng)計模型,無需使用特殊的指令有效執(zhí)行特定任務(wù),而是依靠模式和推理來代替。機器學(xué)習(xí)通過觀察環(huán)境和自我探索,來獲取新的知識從而不斷改善自身性能。本文結(jié)合機器學(xué)習(xí)的思想,對于MTC網(wǎng)絡(luò)中接入能力不...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 研究背景
    1.2 研究動機及意義
    1.3 主要研究內(nèi)容及創(chuàng)新點
        1.3.1 主要研究內(nèi)容
        1.3.2 創(chuàng)新點
    1.4 結(jié)構(gòu)和章節(jié)安排
第二章 基于機器學(xué)習(xí)的MTC網(wǎng)絡(luò)接入技術(shù)概述
    2.1 MTC接入機制概述
        2.1.1 無線隨機接入過程
        2.1.2 基于競爭的隨機接入過程
        2.1.3 接入等級限制
        2.1.4 退避機制
    2.2 機器學(xué)習(xí)算法概述
        2.2.1 學(xué)習(xí)方式
        2.2.2 典型算法
    2.3 基于機器學(xué)習(xí)的MTC網(wǎng)絡(luò)接入策略和資源分配的研究現(xiàn)狀
    2.4 本章小結(jié)
第三章 基于SOM神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)聚合的MTC接入策略
    3.1 引言
    3.2 系統(tǒng)模型及問題建模
    3.3 基于SOM神經(jīng)網(wǎng)絡(luò)的MTCD聚類
        3.3.1 SOM神經(jīng)網(wǎng)絡(luò)聚類算法
        3.3.2 MTCD聚合
        3.3.3 MTCG選擇
        3.3.4 數(shù)據(jù)傳輸過程
    3.4 仿真驗證與性能評估
        3.4.1 仿真參數(shù)設(shè)置
        3.4.2 性能指標(biāo)
        3.4.3 仿真結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于馬爾可夫決策過程的MTC退避接入策略
    4.1 引言
    4.2 系統(tǒng)模型
    4.3 問題建模
        4.3.1 馬爾可夫決策過程
        4.3.2 基于MDP的MTC接入建模
    4.4 馬爾科夫決策過程的動態(tài)規(guī)劃算法
    4.5 仿真驗證與性能評估
        4.5.1 仿真參數(shù)設(shè)置
        4.5.2 仿真結(jié)果與分析
    4.6 本章小結(jié)
第五章 基于深度強化學(xué)習(xí)的MTC網(wǎng)絡(luò)資源分配
    5.1 引言
    5.2 系統(tǒng)模型
    5.3 問題建模
    5.4 基于深度強化學(xué)習(xí)的MTC網(wǎng)絡(luò)資源分配
        5.4.1 傳統(tǒng)Q學(xué)習(xí)算法
        5.4.2 DQN算法
        5.4.3 基于深度強化學(xué)習(xí)的MTC網(wǎng)絡(luò)資源分配方案
    5.5 仿真驗證與性能評估
        5.5.1 仿真參數(shù)設(shè)置
        5.5.2 仿真結(jié)果與分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來展望
致謝
參考文獻
個人簡歷
攻讀碩士期間的科研項目和成果



本文編號：3829008