|
|
|
|
基于AI的Wi-Fi系统接入控制研究 |
| |
| 论文目录 |
| |
| 摘要 | 第6-7页 | | Abstract | 第7-8页 | | 第1章 绪论 | 第11-16页 | | 1.1 论文的研究背景及意义 | 第11页 | | 1.2 国内外研究现状 | 第11-14页 | | 1.3 论文主要工作及章节安排 | 第14-16页 | | 第2章 IEEE802.11 MAC接入控制与深度强化学习介绍 | 第16-34页 | | 2.1 802.11 ad标准MAC层的波束训练机制 | 第16-19页 | | 2.1.1 802.11 ad的信标间隔 | 第16-17页 | | 2.1.2 802.11 ad的波束训练流程 | 第17-19页 | | 2.2 IEEE802.11 DCF工作方式简介 | 第19-23页 | | 2.2.1 帧间间隔 | 第19-21页 | | 2.2.2 退避机制 | 第21-23页 | | 2.3 基于竞争的信道接入性能分析 | 第23-25页 | | 2.4 主要性能指标 | 第25-26页 | | 2.4.1 吞吐量 | 第26页 | | 2.4.2 平均传输时延 | 第26页 | | 2.4.3 丢包率 | 第26页 | | 2.5 基于竞争的信道接入仿真分析 | 第26-27页 | | 2.6 深度学习 | 第27-30页 | | 2.6.1 深度神经网络 | 第28页 | | 2.6.2 深度学习的基本单元 | 第28-30页 | | 2.7 深度学习与强化学习的关系 | 第30-31页 | | 2.8 强化学习相关研究背景 | 第31-32页 | | 2.9 本章小结 | 第32-34页 | | 第3章 基于AI的信道接入方案 | 第34-48页 | | 3.1 基于深度强化学习信道接入的基本思想 | 第34-37页 | | 3.1.1 现行信道接入机制的缺陷 | 第34-35页 | | 3.1.2 基于AI的信道接入基本框架 | 第35-37页 | | 3.2 构建神经网络与强化学习算法 | 第37-47页 | | 3.2.1 使用Tensorflow框架构建策略网络 | 第37-40页 | | 3.2.2 模型建立 | 第40-41页 | | 3.2.3 算法仿真 | 第41-43页 | | 3.2.4 改进方案及仿真分析 | 第43-47页 | | 3.3 本章小结 | 第47-48页 | | 第4章 基于AI的802.11ay多信道接入方案 | 第48-62页 | | 4.1802.11 ay信道接入和多信道分配机制 | 第48-49页 | | 4.2 多AP多STA场景的设计 | 第49-54页 | | 4.2.1802.11 ay多 AP多 STA网络模型 | 第49-50页 | | 4.2.2 多AP多STA网络的波束训练机制 | 第50-52页 | | 4.2.3 多AP多STA网络的优势 | 第52-54页 | | 4.3 基于AI的802.11ay多信道接入 | 第54-61页 | | 4.3.1 多信道接入的基本思想 | 第54-56页 | | 4.3.2 多信道接入的神经网络与强化学习算法 | 第56-59页 | | 4.3.3 算法仿真与结果分析 | 第59-61页 | | 4.4 本章小结 | 第61-62页 | | 总结与展望 | 第62-63页 | | 致谢 | 第63-64页 | | 参考文献 | 第64-68页 | | 攻读硕士学位期间发表的论文及科研成果 | 第68页 |
|
|
|
|
论文编号BS1012865，这篇论文共68页
会员购买按0.35元/页下载，共需支付23.8元。 直接购买按0.5元/页下载，共需要支付34元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务