認知無線電、移動通信與無線網路

第1章 虛擬網路中的頻譜共用：調查與展望 1
1.1 簡介 1
1.2 5G頻譜共用：概述 2
1.2.1 專用頻譜（個人許可） 4
1.2.2 免許可規則（未經許可或通用） 4
1.2.3 許可共用訪問（LSA）與授權共用訪問（ASA） 5
1.2.4 有頻譜接入系統的公民寬頻無線電服務 6
1.2.5 多元許可 6
1.2.6 許可輔助訪問（LAA） 7
1.2.7 共存一級訪問 7
1.3 頻譜共用的法律規定 7
1.3.1 美國的頻段共用規定 8
1.3.2 歐洲頻段共用法規 9
1.3.3 其他地區的頻段共用規則 9
1.4 試驗 10
1.4.1 許可共用訪問（授權共用訪問） 10
1.4.2 許可輔助訪問（LAA） 11
1.4.3 使用頻譜接入系統（SAS）的公民寬頻無線電服務 11
1.5 虛擬化頻譜共用解決方案 11
1.5.1 無線網路虛擬化中當前進展的概述 12
1.5.2 認知無線電網路現有調查的綜述 12
1.5.3 頻譜管理架構 13
1.5.4 頻譜共用的抽象 15
1.6 主要挑戰 18
1.6.1 服務差異化 18
1.6.2 資訊共用 18
1.6.3 需要新的網路功能 19
1.6.4 長期合同 19
1.6.5 管理與控制 19
1.6.6 責任分配 19
1.7 本章小結 20
參考文獻 20

第2章 監控與預測中雲情景感測頻譜運用群集感測的效用研究 24
2.1 簡介 24
2.2 文獻綜述 25
2.2.1 集成協同頻譜感測與決策 26
2.2.2 群集感測頻譜監測 26
2.2.3 頻譜預測 27
2.2.4 基於雲的頻譜監測 28
2.3 提議的方法 30
2.3.1 系統模型 30
2.3.2 擬提議的架構 30
2.3.3 頻譜與背景感測器 31
2.3.4 資料處理與存儲單元 32
2.3.5 決策單元 33
2.4 本章小結 35
參考文獻 36

第3章 認知無線電網路中的協同頻譜 切換 39
3.1 簡介 39
3.2 文獻調查 41
3.3 CRN的切換程式 43
3.3.1 頻譜管理 44
3.3.2 頻譜利用 45
3.3.3 頻譜共用 45
3.4 擬提議的協同頻譜切換 45
3.5 切換期間的協同頻譜感測 46
3.5.1 頻譜感測方法 46
3.5.2 AWGN通道的能量檢測 47
3.5.3 頻譜檢測 48
3.5.4 檢測概率 48
3.5.5 信噪比的選擇 49
3.5.6 閾值的選擇 49
3.5.7 協同CUSUM演算法 49
3.6 本章小結 50
參考文獻 51

第4章 網路編碼認知無線電網路播送方案 54
4.1 簡介 54
4.2 認知無線電網路（CRN） 55
4.2.1 定義與基本概念 55
4.2.2 架構 55
4.2.3 基本工作原理 57
4.2.4 技術 58
4.3 CRN播送 59
4.3.1 CRN中的關鍵播送特性 60
4.4 CRN中的網路編碼 61
4.4.1 定義與基本概念 61
4.4.2 網路編碼的主要特徵 62
4.5 CRN播送 64
4.5.1 播送協議 64
4.5.2 CRN中的播送方案 65
4.5.3 CRN中的播送問題與挑戰 70
4.6 CRN中的網路編碼 72
4.6.1 使用簡單示例闡明NC 73
4.6.2 CRN的NC方案分類 74
4.6.3 NC方案的跨層設計 78
4.7 CRN中基於網路編碼的播送技術 81
4.7.1 session間NC方案 81
4.7.2 session內 NC方案 85
參考文獻 89

第5章 協同與認知綜合衛星-地面網路 96
5.1 簡介 96
5.2 多使用者綜合衛星—地面中繼網路 99
5.2.1 系統模型 99
5.2.2 通道模型 101
5.2.3 統計特徵 102
5.2.4 中斷性能分析 102
5.2.5 數值結果 104
5.3 多使用者綜合認知衛星-地面網路 106
5.3.1 系統模型 106
5.3.2 二級網路選擇標準 108
5.3.3 通道模型 108
5.3.4 一級網路性能分析 109
5.3.5 二級網路性能分析 113
5.4 本章小結 114
參考文獻 115

第6章 利用可穿戴技術與認知無線電進行物聯網（IoT）健康監測
的研究 119
6.1 簡介 119
6.2 物聯網和醫療可穿戴技術：觀點、要求和局限性 121
6.2.1 健康監測中的可穿戴設備 121
6.2.2 醫療物聯網面臨的挑戰與瓶頸 122
6.2.3 遠端健康監測 122
6.2.4 通信標準 124
6.3 通過物聯網連接醫療設備的電磁干擾 125
6.4 物聯網中的個人健康監測：要求與配置 127
6.5 物聯網的認知無線電建模 128
6.6 物聯網中用於醫學監測的認知無線電演算法 131
6.6.1 模糊邏輯 132
6.6.2 神經網路 133
6.6.3 遺傳演算法 133
6.7 認知無線電：個人健康監測與未來物聯網面臨的挑戰 134
6.8 本章小結 136
參考文獻 137

第7章 毫米波：新一代移動網路的技術 元件 140
7.1 簡介 140
7.2 毫米波的應用 141
7.3 毫米波頻譜 143
7.4 毫米波的特徵 144
7.5 mmWave頻率下5G網路通道模型標準化的意義 147
7.6 mmWave頻率下網路運行的能效 148
7.7 mmWave頻率下5G系統的天線技術 149
7.8 認知無線電與mmWave技術 150
7.9 mmWave網路中的優化 151
7.10 不同研究小組開展的項目 151
7.11 mmWave頻率下5G網路的未來研究領域 152
7.12 本章小結 153
參 考 文 獻 153

第8章 安全威脅與混合頻譜接入下認知無線電網路中的頻譜感測 159
8.1 簡介 159
8.2 系統模型 161
8.3 最佳閾值選擇方法 164
8.4 PUE攻擊下的二級用戶輸送量 166
8.5 結果和討論 171
8.6 本章小結 175
參考文獻 176

第9章 認知網路中的最佳頻譜感測方法 178
9.1 簡介 178
9.2 相關研究工作 180
9.3 最佳頻譜感測方法 182
9.3.1 認知自組網路中最優傳感的多層框架 182
9.3.2 CR對手的最優感測中斷 186
9.3.3 頻譜感測的參數優化 189
9.3.4 基於聚類的頻譜感知 192
9.4 本章小結 193
參考文獻 194

第10章 軟計算技術認知無線電的學習 策略 197
10.1 無線網路中的現狀 197
10.2 動機 198
10.3 需求與相關性 199
10.4 認知無線電的基本原理 199
10.5 認知週期 200
10.6 人工智慧和軟計算技術 201
10.7 軟計算技術在認知引擎中的作用 201
10.7.1 頻譜感測 202
10.7.2 認知引擎 203
10.7.3 動態頻譜分配 204
10.7.4 認知引擎中學習的意義 206
10.7.5 軟計算認知無線電學習方案綜述 206
10.7.6 對比研究與總結 209
10.7.7 研究空白 210
10.7.8 認知無線電學習領域的最新發展 211
10.7.9 可用於學習的不同網路的比較 211
10.8 本章小結 213
參考文獻 213

第11章 多使用者MIMO認知無線電系統 218
11.1 MU-MIMO認知系統 218
11.1.1 基於梯度檢索的容量感測算法（GS-CA） 220
11.1.2 基於CR的MU-MIMO性能評估 221
11.2 認知無線電無線感測器網路中的MU-MIMO 226
11.2.1 PSO容量感知演算法（GS-CA） 227
11.2.2 CR-WSN的性能評估 228
11.2.3 能源效率 231
11.3 異構蜂窩網路的容量感測多使用者大規模 MIMO 231
11.4 本章小結 235

參考文獻 235
索引 238