导读:本文包含了覆盖概率论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,蜂窝,粗糙,网络,过程,近似,几何。
覆盖概率论文文献综述
潘子宇,杨洁,郭楠[1]（2019）在《叁维小基站蜂窝网络上行覆盖概率与容量分析》一文中研究指出本文针对小基站网络立体分布特性,采用全新的叁维视角分析小基站网络架构,提出了一种基于叁维泊松点过程(3-D Poisson Point Process,3-D PPP)的上行小基站网络模型。其核心思想是将移动台和小基站分别描述成两个独立的3-D PPP模型。首先,本文推导了小基站网络上行覆盖概率的数学表达式。接下来,基于覆盖概率的表达式,推导了上行平均信道容量的闭合表达式。通过一系列合理的假设,上行覆盖概率以及信道容量可以通过快速积分直接计算。与传统的二维模型以及用户/小基站的实际布局相比较,本文提出的模型更接近实际,能够为覆盖概率和系统容量提供更贴近的边界值。(本文来源于《信号处理》期刊2019年07期）
李中捷,刘倩倩,陈燚雷[2]（2019）在《基于用户簇分布模型的叁维异构蜂窝网络覆盖概率分析》一文中研究指出采用随机几何理论分析异构蜂窝网络性能时,通常假设用户均匀分布且独立于基站。但在实际的异构蜂窝网络中,小基站一般部署在热点地区或覆盖盲区,因此,小基站与用户的空间位置存在相关性。针对叁维空间中蜂窝用户以小基站为父节点的Matern簇过程和Thomas簇过程进行建模,再采用最大信号干扰比(signal to interference ratio,SIR)的小区接入准则,在瑞利衰落信道下推导出下行链路的覆盖概率;通过蒙特卡罗仿真验证理论结果,分析用户簇过程的半径或方差、SIR门限值、小基站密度和小基站功率对覆盖概率的影响,并比较叁维用户簇分布模型、叁维用户均匀分布模型和二维用户簇分布模型的网络性能。实验结果表明基于叁维用户簇分布模型的异构蜂窝网络具有较好的覆盖概率。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年03期）
李中捷,陈燚雷,谢东朋[3]（2017）在《基于叁维空间模型的毫米波蜂窝网络覆盖概率分析》一文中研究指出毫米波蜂窝网络通常在二维空间下建模和性能分析。二维模型适合基站分布稀疏的郊区,但是并不适合城市环境下密集蜂窝网络的性能分析。基于随机几何理论提出叁维空间模型。该模型假设基站分布为叁维泊松点过程;阻碍模型为视距(line of sight,LOS)球模型;信道为Nakagami-m衰落信道;收发端使用大规模天线阵列获得最大的波束成形增益。基于该模型,给出了叁维空间下目标用户和最近基站距离的概率密度函数,推导出目标用户的平均覆盖概率,通过蒙特卡洛仿真实验与二维模型的性能进行了对比,分析了路径损耗、蜂窝半径、天线的波束宽度和天线增益等参数变化对平均覆盖概率的影响。实验结果表明,在密集的城市环境下,叁维模型对毫米波蜂窝网络的性能分析更加精确。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2017年05期）
林艺东,张燕兰,林梦雷[4]（2015）在《覆盖概率粗糙集的一种推广》一文中研究指出结合覆盖粗糙集和概率粗糙集模型,利用最大描述集的极小邻域,研究一类覆盖概率粗糙集一些重要性质.同时,以覆盖概率粗糙集的不确定性为基础,应用经典模糊熵的概念,探讨覆盖概率粗糙集的模糊性,丰富了覆盖粗糙集理论.(本文来源于《闽南师范大学学报(自然科学版)》期刊2015年02期）
石华,李建东,李钊,郑杰[5]（2013）在《异构无线网络中基于覆盖概率的动态频谱分配算法》一文中研究指出该文研究异构无线网络下行链路动态频谱分配(DSA)问题。首先考虑用户分布对下行链路干扰分析的影响及不同业务用户的信干比(SIR)要求,利用用户分布密度函数将小区内用户的SIR性能转化为小区基站的覆盖性能,在阴影衰落信道条件下,提出基于覆盖概率的干扰控制模型;基于该干扰控制模型,以网络效益最大化为目标,将DSA建模为非线性约束组合优化问题,进而结合贪婪思想设计了基于覆盖概率的DSA(CP-DSA)算法。仿真结果表明,CP-DSA算法能够提高网络效益,有效控制基站之间的干扰,满足用户的SIR要求。(本文来源于《电子与信息学报》期刊2013年04期）
胡军,陈志雄[6]（2013）在《覆盖概率粗糙集及其约减》一文中研究指出针对现有覆盖粗糙集模型不能有效处理数据中的噪声,将概率方法引入覆盖粗糙集,给出了覆盖近似空间中概率粗糙集的一种定义,进一步扩展了粗糙集理论的应用范围。证明了覆盖及其约减对任意概念生成相同的上下近似。另外,提出了覆盖概率决策系统的约减条件,为覆盖概率决策系统的简化提供了依据。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2013年02期）
郭新明,赵蔷,蔡军伟[7]（2013）在《基于覆盖概率模型的无线传感器网络覆盖算法》一文中研究指出针对面向数据采集的无线传感器网络中的覆盖面与能耗问题,提出一种基于覆盖概率模型的无线传感器网络覆盖算法。该算法根据节点间的欧氏距离计算节点的有效覆盖率,进而根据网络的覆盖质量要求选择覆盖监控区域的工作节点。仿真实验表明,该算法能够使用较少的工作节点满足网络的覆盖要求,在减少盲区的同时,可以有效地降低整体网络的能耗,延长网络的生存期。(本文来源于《中国科技论文》期刊2013年04期）
孙秉珍[8]（2010）在《覆盖概率粗糙集的模糊性》一文中研究指出在经典覆盖近似空间中定义了论域上任意元素x的最小子覆盖,基于任意元素的最小子覆盖给出了覆盖粗糙集上、下近似新的描述,进而给出了已有覆盖概率粗糙集模型在最小子覆盖意义下的描述。同时,以覆盖概率粗糙集的粗糙隶属函数为基础,应用经典模糊集熵的概念讨论了覆盖概率粗糙集模糊性的度量。(本文来源于《计算机工程与应用》期刊2010年16期）
王海贤[9]（2002）在《具固定长度与覆盖概率的两步与纯序贯区间估计》一文中研究指出本文主要讨论具任给精确度(区间长度)和可靠度(覆盖概率)的区间估计问题。精确度与可靠度是区间估计理论中互相矛盾的两个方面，寻找同时满足精确度与可靠度的区间估计在实际应用中具有重要价值。为达到这一目的，往往必须采用序贯抽样的方法。 本文探讨2个主题：两步抽样与纯序贯抽样，从有限步到纯序贯，这2个主题运用不同的手段丰富了序贯区间估计的研究内容。 当分布族满足一定条件时，用两步抽样即可获得具有预先给定长度与覆盖概率的置信区间。在第1章里，作者首先研究了正态总体方差的两步置信区间，并用数值计算的方法给出了第一步的最优抽样量，且证明了固定样本抽样的不存在性。接着，作者构造了更一般的位置刻度族中位置参数与刻度参数的两步区间估计，进一步，作者讨论了正态线性模型中回归系数的相应问题，分别设计了Bonferroni，Scheffe和最大模t_两步区间估计。 两步抽样，只有一次机会利用样本信息决定今后计划，采用纯序贯则可使平均抽样次数节省，另外，在一定的分布族中必须采用纯序贯才能取得满足要求的区间估计。在第2章里，作者首先采用纯序贯抽样，获得线性回归系数的置信域，这可视为Gleser(1965)工作的继续。紧接着，作者把注意力转移到线性模型误差方差的纯序贯区间估计。最后，考虑了一般分布分位点的纯序贯区间估计。以上叁种情况，本章证明了当区间长度趋于零时抽样的渐近相容性与渐近有效性。(本文来源于《安徽大学》期刊2002-05-14）
崔恒建[10]（2001）在《James-Stein型置信椭球及其覆盖概率》一文中研究指出本文构造了协方差阵具有非球型结构（未知）的多元正态分布均值的Ｊａｍｅｓ－Ｓｔｅｉｎ 型置信椭球，它能渐近一致改进通常置信椭球的覆盖概率，并给出了改进余项的一致阶， 同时本质改进了文献中有关余项的一致阶。(本文来源于《应用数学学报》期刊2001年03期）
覆盖概率论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
采用随机几何理论分析异构蜂窝网络性能时,通常假设用户均匀分布且独立于基站。但在实际的异构蜂窝网络中,小基站一般部署在热点地区或覆盖盲区,因此,小基站与用户的空间位置存在相关性。针对叁维空间中蜂窝用户以小基站为父节点的Matern簇过程和Thomas簇过程进行建模,再采用最大信号干扰比(signal to interference ratio,SIR)的小区接入准则,在瑞利衰落信道下推导出下行链路的覆盖概率;通过蒙特卡罗仿真验证理论结果,分析用户簇过程的半径或方差、SIR门限值、小基站密度和小基站功率对覆盖概率的影响,并比较叁维用户簇分布模型、叁维用户均匀分布模型和二维用户簇分布模型的网络性能。实验结果表明基于叁维用户簇分布模型的异构蜂窝网络具有较好的覆盖概率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
覆盖概率论文参考文献
[1].潘子宇,杨洁,郭楠.叁维小基站蜂窝网络上行覆盖概率与容量分析[J].信号处理.2019
[2].李中捷,刘倩倩,陈燚雷.基于用户簇分布模型的叁维异构蜂窝网络覆盖概率分析[J].重庆邮电大学学报(自然科学版).2019
[3].李中捷,陈燚雷,谢东朋.基于叁维空间模型的毫米波蜂窝网络覆盖概率分析[J].重庆邮电大学学报(自然科学版).2017
[4].林艺东,张燕兰,林梦雷.覆盖概率粗糙集的一种推广[J].闽南师范大学学报(自然科学版).2015
[5].石华,李建东,李钊,郑杰.异构无线网络中基于覆盖概率的动态频谱分配算法[J].电子与信息学报.2013
[6].胡军,陈志雄.覆盖概率粗糙集及其约减[J].重庆邮电大学学报(自然科学版).2013
[7].郭新明,赵蔷,蔡军伟.基于覆盖概率模型的无线传感器网络覆盖算法[J].中国科技论文.2013
[8].孙秉珍.覆盖概率粗糙集的模糊性[J].计算机工程与应用.2010
[9].王海贤.具固定长度与覆盖概率的两步与纯序贯区间估计[D].安徽大学.2002
[10].崔恒建.James-Stein型置信椭球及其覆盖概率[J].应用数学学报.2001
论文知识图
