當(dāng)今世界對(duì)于互聯(lián)網(wǎng)的需求是全天候的高速的無(wú)處不在的網(wǎng)絡(luò)連接,旨在實(shí)現(xiàn)一個(gè)完全移動(dòng)和互聯(lián)的互聯(lián)網(wǎng)社會(huì)。這種對(duì)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(jī)器類型通信(Machine-Type Communication,MTC)作為物聯(lián)網(wǎng)的推動(dòng)者,允許智能對(duì)象在沒(méi)有人為干預(yù)的情況下實(shí)現(xiàn)相互通信。隨著第五代移動(dòng)通信系統(tǒng)(5th-generation,5G)時(shí)代的到來(lái),物聯(lián)網(wǎng)的進(jìn)一步發(fā)展,高速增長(zhǎng)的設(shè)備對(duì)無(wú)線接入網(wǎng)絡(luò)的接入能力造成了極大的考驗(yàn)。因此,針對(duì)當(dāng)前新興的機(jī)器類型通信網(wǎng)絡(luò),如何有效接入大規(guī)模機(jī)器類型通信設(shè)備(MachineType Communication Device,MTCD),是一直以來(lái)亟待研究解決的熱點(diǎn)問(wèn)題。近來(lái),隨著機(jī)器學(xué)習(xí)(Machine Learning,ML)技術(shù)的更新發(fā)展,機(jī)器學(xué)習(xí)開(kāi)始應(yīng)用于很多移動(dòng)互聯(lián)網(wǎng)的場(chǎng)景等。機(jī)器學(xué)習(xí)是計(jì)算機(jī)系統(tǒng)使用的統(tǒng)計(jì)模型,無(wú)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(lái)代替。機(jī)器學(xué)習(xí)通過(guò)觀察環(huán)境和自我探索,來(lái)獲取新的知識(shí)從而不斷改善自身性能。本文結(jié)合機(jī)器學(xué)習(xí)的思想,對(duì)于MTC網(wǎng)絡(luò)中接入能力不...

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)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(dòng)機(jī)及意義
    1.3 主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 創(chuàng)新點(diǎn)
    1.4 結(jié)構(gòu)和章節(jié)安排
第二章 基于機(jī)器學(xué)習(xí)的MTC網(wǎng)絡(luò)接入技術(shù)概述
    2.1 MTC接入機(jī)制概述
        2.1.1 無(wú)線隨機(jī)接入過(guò)程
        2.1.2 基于競(jìng)爭(zhēng)的隨機(jī)接入過(guò)程
        2.1.3 接入等級(jí)限制
        2.1.4 退避機(jī)制
    2.2 機(jī)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(jī)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(wèn)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(guò)程
    3.4 仿真驗(yàn)證與性能評(píng)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(guò)程的MTC退避接入策略
    4.1 引言
    4.2 系統(tǒng)模型
    4.3 問(wèn)題建模
        4.3.1 馬爾可夫決策過(guò)程
        4.3.2 基于MDP的MTC接入建模
    4.4 馬爾科夫決策過(guò)程的動(dòng)態(tài)規(guī)劃算法
    4.5 仿真驗(yàn)證與性能評(píng)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(qiáng)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(wèn)題建模
    5.4 基于深度強(qiáng)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(qiáng)化學(xué)習(xí)的MTC網(wǎng)絡(luò)資源分配方案
    5.5 仿真驗(yàn)證與性能評(píng)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(lái)展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷
攻讀碩士期間的科研項(xiàng)目和成果



本文編號(hào)：3829008