V2V系统中半静态资源分配算法的研究

本文主要研究在城镇场景中,基于LTE的V2V通信系统在通信过程中的资源分配算法,搭建了系统级LTE-based V2V仿真平台,对V2V系统资源分配算法进行研究。同时对比动态调度算法,主要提出了基于单播、多播的半静态调度算法。仿真结果表明,在单播和多播下的半静态资源分配算法具有资源利用率高,系统吞吐量大等优点。     

V2V系统中半静态资源分配算法的研究

本文主要研究在城镇场景中,基于LTE的V2V通信系统在通信过程中的资源分配算法,搭建了系统级LTE-based V2V仿真平台,对V2V系统资源分配算法进行研究.同时对比动态调度算法,主要提出了基于单播、多播的半静态调度算法.仿真结果表明,在单播和多播下的半静态资源分配算法具有资源利用率高,系统吞吐量大等优点.     

基于超图划分的车联网V2I/V2V资源共享机制研究

针对车联网V2I/V2V用户异构性需求以及V2V用户复用V2I链路引起的复杂干扰,本文基于超图划分的思想,提出了预先V2V用户分簇、允许接入多V2I链路的资源共享机制。首先,在被动簇集模型基础上依赖车辆节点干扰强度将车辆划分为不同的簇,从而减少了同簇车辆节点的相互干扰;然后,通过最大化V2I总吞吐量来设计车辆节点的最佳功率;最后,利用3维匹配算法完成基站、资源块和车辆节点三者之间的匹配。仿真结果表明,所提机制满足V2V链路可靠性,同时使得V2I链路总吞吐量最大,分析结论为智能交通中车联网通信应用提供了理论参考。      

基于改进粒子群算法的无人机通信链路资源分配技术研究

常规的无人机通信链路资源分配技术主要使用OFDMA(Orthogonal Frequency Division Multi-plexing Access)多址接入技术共享信道信息,易受分配自适应速率影响,导致链路资源分配归一化速率较低,因此需要基于改进粒子群算法,设计一种全新的无人机通信链路资源分配技术。即根据通信链路信道信息,规划了无人机通信链路资源分配容量,再利用改进粒子群算法构建了通信链路资源分配模型,并设计了资源分配算法,从而实现无人机通信链路资源分配。实验结果表明,设计的无人机通信链路资源改进粒子群算法分配技术在不同链路下的资源分配归一化速率均较高,证明设计的无人机通信链路资源分配技术的分配效果较好,具有可靠性,有一定的应用价值,为提高无人机通信性能作出了一定的贡献。     

车联网中的协同通信平均传输时间计算

车联网(Internet of Vehicles,Io V)是智能交通和通信领域的热点课题,协同通信算法的研究是Io V通信的重要技术之一。针对Io V环境下因通信拓扑结构快速变化导致数据信号利用单一通信方式难以高效传输的问题,提出Io V环境下协同通信算法,利用车对车(Vehicle-to-Vehicle,V2V)和车对路(Vehicle-to-Infrastructure,V2I)协同通信方法,对目标数据从请求到完成的平均传输时间进行了理论分析和推导。仿真结果表明,该算法的传输效率比基于移动边缘计算(Mobile Edge Computing,MEC)车联网协作传输算法提升40%,比基于分簇V2X车载广播传输算法提升25%;该算法的平均传输时间随着路侧单元(Road Side Unit,RSU)缓存概率从0.5增加至1可提高9%,随着车辆缓存概率从0.5增加至1可提高46%。     

LTE-V2V中资源池的信道检测机制设计与优化

由于车车通信(V2V)在基于终端直通技术(D2D)实现时对可靠性和时延要求更加严格,D2D的无线资源分配需要重新设计,因此,对一种基于竞争的资源池资源分配方式进行讨论和改进。设计了一种在授权频段下的信道检测机制,通过对不同检测窗口的设计与分析,实现了车载终端(V-UE)通过信道检测,尽可能避免在选择资源池资源时发生资源碰撞导致信道质量下降。同时通过对时延要求不同的业务设定不同窗口,实现了对信道资源不同优先级的占用。通过系统级仿真,证明了该机制在提高信道质量的同时,能够实现对不同业务占用信道的时延差异。     

V2V技术在自动驾驶汽车变道辅助中的应用研究

在车路协同的4类技术(V2V、V2I、V2N、V2P)中,基于V2V的通信技术,是一种不受限于固定基站的车辆通信技术,旨在为运动中的车辆提供直接的一端到另一端的无线通信服务.在实际应用中,受限于车辆的自身原因(如接口未对外开放、不同车辆的接口协议不一致等),导致车辆无法直接与其他车辆互联,V2V变成了V2I+I2V.基于此,文章提出了一种基于V2V的自动驾驶汽车变道辅助应用方案,该方案旨在通过V2V技术来提高自动驾驶汽车变道的安全.     

基于射线追踪的高速场景V2I链路的干扰研究

毫米波通信能够满足目前车辆与基础设施之间通信中低延迟、高可靠性和高数据传输速率的要求，是V2I中的关键技术和重要研究方向。为探究中继车及车流量的不同对V2I通信的干扰，对毫米波（22.1～23.1 GHz）波段的高速场景中V2I通信进行了射线追踪仿真。考虑到频率规划策略、中继车数量和车流量的不同，分析比较了不同部署方式下的信干噪比分布，为V2I通信系统的设计和部署提供支持。     

车联网通信技术简析

作为下一代智能交通的核心,车联网的研究为智能交通系统提供了解决方案。车联网通信的模式具体分为三种:车与车通信(V2V),车与路边基础设施通信(V2I),车与行人通信(V2P)三类,这三类统称为Vehicle to Everything(V2X)通信。本文对车联网中的上述三种通信模式作了简要的介绍和分析。     

一种面向车联网网络切片的资源分配方案

为了满足车联网中不同类型的应用对服务质量的不同需求，提出了一种基于深度强化学习的车联网资源分配方案。根据车联网服务对时延和数据传输速率的要求，把车联网服务分成两种切片方式。切片1是要求低时延的V2V链路的服务；切片2是要求高数据传输速率的V2I链路的服务。通过设计动作空间、状态空间、奖励函数，训练出一个可以在车联网动态环境下实时调整，给出当下最优资源分配策略的网络，使得设计出的网络能够在保证切片1时延约束的前提下提高切片2的数据传输速率，以解决基于V2V通信和V2I通信的车联网资源分配问题。     

Data dissemination scheduling algorithm for V2R/V2V in multi-channel VANET

Considering that the data dissemination in multi-channel VANET (vehicular ad hoc network),a cooperative data dissemination scheduling algorithm was introduced for V2R(vehicle to roadside unit) and V2V(vehicle to vehicle).The algorithm created initial scheduling operators according to data requisition of vehicles.Then,initial collision graph and collision matrix were generated based on the conflict among initial scheduling operators.After proving the positive semidefinite of collision matrix,SDP (semidefinite programming) was used to channel allocation and collision graph creation.The algorithm then assigned weights for each data requisition according to dwell time and data volume of vehicles in RSU service region.Furthermore,it selected maximum weighted independent set of collision graph.The goal was to satisfy the most urgent data requisitions by V2R/V2V cooperate transmission.Transportation simulation results demonstrate that the proposed solution effectively promotes the service capacity by utilizes the multichannel of VANET and V2R/V2V transmission scheduling.     

车路通信环境下TD-LTE无线资源调度建模与仿真

为了改善现有车路通信方式覆盖范围小、交付时延大和传输速率低的现状,将TD-LTE技术引入车路通信接入系统。提出了基于TD-LTE的车路通信接入系统无线资源调度模型;构建了车路通信仿真场景,对比例公平算法、指数比例公平算法和改进的最大权重时延优先算法进行性能分析。仿真结果表明:车辆低速移动场景下,系统负载较低时指数比例公平算法性能较好,系统负载较高时改进的最大权重时延优先算法表现更优,比例公平算法不适合车路通信多媒体业务流调度;车辆高速移动场景下,三者都不适合车路通信多媒体业务流调度。     

基于基扩展模型的UKF-RTSS高可靠鲁棒V2V信道估计

车联网应用场景对无线通信在带宽、时延、可靠性方面提出了更高的需求,特别是车辆对车辆(Vehicle to Vehicle, V2V)场景。针对V2V高速移动场景,时/频域选择性衰落(双选衰落)和非平稳特性给信道估计带来的技术挑战,该文提出了一种基于基扩展模型(Basis Expansion Model, BEM)的UKF-RTSS (Unscented Kalman Filter- Rauch-Tung-Striebel Smoother)信道估计方法。该方法采用BEM拟合快时变信道,将信道参数的估计转化为基函数系数的估计;通过无迹卡尔曼滤波(UKF),联合估计数据处信道冲激响应与时域自相关系数,用于追踪快时变的信道响应。为了进一步提升信道估计的精度,引入RTSS对后向信道状态信息进行信道估计和插值,与UKF构成了“滤波和平滑”结构的UKF-RTSS联合估计器。系统仿真分析表明,在不同速度的快时变条件下,所提方法相比其他经典方法具有更高的信道估计精度和鲁棒性,特别适用于车联网下的无线通信场景。     

基于GRU和LSTM组合模型的车联网信道分配方法

针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle, V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit, GRU)和长短期记忆网络(Long Short-Term Memory, LSTM)的组合模型的车联网信道分配算法。算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行。在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(Vehicle to Infrastructure, V2I)链路的信道资源,实现网络效用最大化。仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%。     

混合D2D蜂窝网络中基于模拟退火算法的资源调度策略

D2D通信是未来5G网络中一种近距离直通通信方式,在通信过程中,信息直接由发送端传给接收用户,而不需要经过基站的转发.在传统蜂窝网络中引入D2D通信可以极大地提升系统的总吞吐量、增大频谱资源的利用率以及降低发射终端的功耗.主要介绍了一种适用于混合D2D蜂窝网络中的资源分配方法,通过拉格朗日乘子法结合模拟退火算法实现频谱资源的分配,提出一种同时考虑信道容量和能耗的基于模拟退火算法的资源调度策略.本算法在维也纳仿真平台上经仿真验证,相比于传统贪婪优化算法,可以明显增大系统总吞吐量和频谱资源利用率.另外,算法中采用了分布式资源调度方法,D2D用户根据算法步骤自行搜索适合的目标信道并计算其发射功率,可以有效减少基站的信令开销.     

宽带车辆到车辆MIMO通信系统性能研究

基于二维（Two-Dimensional,2D）双环和三维（Three-Dimensional,3D）双圆柱体散射模型,在视距（Line-of-Sight,LOS）和非视距（Non-Line-of-Sight,NLOS）场景下,利用宽带2D和3D几何散射模型开展信道仿真,基于实现的MIMO信道矩阵,结合空-频区块编码（Space-Frequency Block Coding,SFBC）和正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术,研究了收发终端的移动速度、天线阵元间隔等对宽带车辆到车辆（Vehicle-to-Vehicle,V2V）多输入多输出（Multiple-Input Multiple-Output,MIMO）通信系统误码率（Bit Error Rate,BER）和信道容量的影响.结果表明:随着收发终端移动速度增大,信号衰减加快,宽带MIMO V2V通信系统的BER增大;随着收发端天线阵元间隔的增大,MIMO信道的相关性减小,通信系统的BER减小,MIMO信道的信道容量增大.文中研究方法和结论将对V2V MIMO系统性能分析有一定的指导意义.     

基于能效的NOMA蜂窝车联网动态资源分配算法

在支持车与车直接通信(V2V)的非正交多址接入(NOMA)蜂窝网络场景下,针对V2V用户与蜂窝用户的干扰以及NOMA准则下的功率分配问题,该文提出一种基于能效的动态资源分配算法。该算法首先为了保证V2V用户的时延及可靠性同时满足蜂窝用户的速率需求,联合考虑子信道调度、功率分配和拥塞控制,建立了最大化系统能效的随机优化模型。其次,利用李雅普诺夫随机优化方法,通过控制可接入数据量保证队列稳定性以避免网络拥塞,并根据实时网络负载状态动态地进行资源调度,设计一种次优化子信道匹配算法获得用户调度方案,进一步,利用凸优化理论和拉格朗日对偶分解方法得到功率分配策略。最后,仿真结果表明,该文算法可以满足不同用户的服务质量(QoS)需求,并在保证网络稳定性前提下提高系统能效。     

基于不完美CSI的D2D通信网络鲁棒能效资源分配算法

针对设备到设备(D2D)直连通信网络传统最优资源分配算法在随机信道时延、信道估计误差影响下鲁棒性弱的问题,该文在考虑参数不确定性影响的条件下,提出D2D用户总能效最大的鲁棒资源分配算法。考虑干扰功率门限、用户最小速率需求、最大传输功率和子信道分配约束,建立了下垫式频谱共享模式下多用户D2D网络资源分配模型。基于有界信道不确定性模型,利用最坏准则方法将原非凸鲁棒资源分配问题转换为确定性的凸优化问题。然后利用拉格朗日对偶理论求得资源分配的解析解。仿真结果表明所提出的算法具有很好的鲁棒性。     

车联网中基于MEC的V2X协同缓存和资源分配

针对车联网的多媒体业务快速增长,大量的数据交换为移动网络带来沉重负担的问题,构建了一种车联网中基于移动边缘计算的V2X协同缓存和资源分配框架。提出了V2X协同缓存与资源分配机制,实现网络内计算、缓存和通信资源的有效分配;利用图着色模型为卸载用户分配信道;采用拉格朗日乘子法对功率与计算资源进行分配。仿真结果表明,在不同的系统参数下,所提机制可以有效降低系统开销,减少任务完成时延。