基于DF中继协作的车联网安全传输性能研究

5G时代的到来加快了以车路协同为核心的车联网技术的发展脚步。高效，可靠，安全的通信质量将是实现智能交通管理系统，完善智慧出行的基本要求。因此，针对存在信息窃取者的车联网中继协作传输场景，利用机会式中继选择策略与最大比合并技术设计了直接传输链路与多跳中继转发链路共存的安全传输方案，旨在提高信息传输的可靠性及安全性。同时，在获得信道概率密度函数及累积分布函数的基础上，利用全概率公式等方法推导出基于DF(Decode-Forward)中继协作传输的车联网系统安全中断概率的闭合表达式，其中涉及的信息传输信道均服从Nakagami-m分布，提高了理论推导的难度。最终的仿真实验证实了理论推导的准确性及本方案的可行性。      

基于城市小区域的车联网模型

随着社会进步及车辆增多,交通问题日益突出,使得城市环境下车联网的研究受到越来越多的关注。基于真实数据的分析和验证,可以得到城市不同区域的车联网网络度分布服从广义的幂律分布,即网络是无标度网络。根据此性质利用复杂网络理论建立车联网网络模型,通过分析和仿真验证该模型的正确性和有效性。     

车联网中基于雾计算和多TA的条件隐私保护认证方案

车联网在生活中扮演着越来越重要的角色,它可以有效地防止交通拥堵从而减少交通事故。然而,在车联网中总是有非法车辆试图接入车联网并发布虚假消息。此外,现有方案多数存在计算效率低下的问题。针对上述存在的问题进行了研究,提出了一种车联网中基于雾计算和多TA的条件隐私保护认证方案。在保护车辆用户身份的条件下实现了车辆、雾节点、TA三者之间的身份认证,且在车辆追踪阶段可以还原车辆用户的真实身份,从而实现条件隐私保护。雾计算的使用降低了方案的计算和通信开销,同时多TA模型的使用也解决了单TA单点故障的问题。安全性证明和性能分析的结果表明该方案是安全且高效的。最后对当前方案进行了总结以及对未来研究作出了展望。     

基于软件定义网络和移动边缘计算的车联网高效任务卸载方案

随着车联网(IoV)中车辆和智能应用数目的增加使计算密集型任务激增,传统架构难以满足用户需求。为解决车联网计算资源不足且分配不均匀、应用时延需求无法满足、任务能耗成本较高的问题,结合移动边缘计算(MEC)和软件定义网络(SDN),设计了一种从宏基站到MEC服务器到车辆的车联网架构中的高效任务卸载方案,并提出一种改进的低复杂度非支配排序遗传算法,优化任务卸载成本和MEC服务器的负载均衡率。实验仿真结果表明,相比于随机卸载,NO-MEC卸载,NO-I卸载,传统NSGA、NSGA-Ⅱ卸载,GA卸载,Q-learning卸载,DQN卸载方案,所提方案有着更低的卸载成本,更优的负载均衡率,得到近似最高的系统效用,能够给车联网中的车辆用户带来更优质的网络服务。     

基于车载定位终端的车车互联系统研究与应用

物联网、云计算等新技术的发展为智慧旅游的实现提供了技术支撑,旅游类APP已成为个人智慧旅游的重要工具。针对团队出行通常会遇到位置失联、通信效率低下等问题,提出了车联网团队出行模式,设计开发了基于车载定位终端的车车互联APP。该APP应用层具有论坛发布、视频浏览、即时通信等常见功能,与人车位置共享、快捷消息、共享地理围栏等独特功能。硬件层采用STM32单片机,利用GPS全球定位系统与GSM通信网络相结合,实现车载定位。经过测试,该系统能够实现多机多人多车多定位的通信模式,满足了团队出行服务需求,有效降低了团队出行成本,提高了团队出行效率,具有一定的商业应用价值。     

车联网仿真测试评价技术研究综述

智能化和网联化是汽车发展的重要方向,车联网技术作为智能网联汽车体系架构的重要组成部分,近年来成为业界的研究热点之一。车联网的大规模部署及其在智能汽车领域的广泛应用前需要对其性能及功能进行全面、深入的测试评价,然而在真实环境下进行车联网的测试与评估存在成本高、难度大的问题,因此通过仿真手段对其进行评价分析是当前的主流测试手段。本文总结了主流的网络仿真器和交通仿真器,对现有车联网仿真平台进行了分类,研究并对比分析了典型的车联网仿真平台;针对车联网的应用特性,研究并归纳了影响车联网仿真性能的车辆移动模型、信道传播模型及驾驶员行为等;从网络仿真指标、车联网应用相关指标归纳了车联网功能及性能测试的典型评价指标。     

无线移动感知网络上的数据聚集传输规划

随着城市交通日益增多,智能交通系统研究受到工业界和学术界的极大关注.智能交通系统上的实时导航、交通监控等应用都需要大量实时车辆速度、位置等信息.由智能车组成的无线移动感知网络的链路变化频繁并且无线干扰严重,现有的车辆网络上的数据聚集算法没有考虑无线链路变化的具体情况,就进行数据聚集和传输的规划.文中分析并求解了移动感知网络上的无冲突数据聚集传输规划问题,将该问题形式化为移动通信拓扑图上的单传聚集传输规划问题,并证明了该问题是NP完全的;提出了移动聚集路由树,将无线冲突分为树内冲突和树间冲突,首先构建树间冲突图描述树间冲突,过滤节点的传输候选时刻集以消除树间冲突,然后利用动态规划思想进行聚集路由树上的数据聚集传输时刻规划来消除树内冲突.并且在真实出租车移动轨迹数据集上进行了实验,实验结果表明文中的算法比现有的算法在数据收集率上提高了1/4左右,并且收集上来的数据的平均延迟也更小.     

车联网中基于伪距双差的车辆定位技术

为满足车联网中定位精度的要求, 本文提出了一种伪距双差车辆相对定位算法,该算法通过车辆间伪距信息的车到车(Vehicle-to-vehicle,V2V)交互,抵消了公共误差及不同接收机的时钟偏移量,提高了伪距双差的车辆定位精度。通过对比分析伪距双差算法与全球定位系统（Global position system,GPS)单点定位算法的距离误差均方根,证明了伪距双差算法的定位精度。仿真结果表明采用伪距双差算法(Double differencing relative,DDR) 的相对定位技术在公共可见卫星 数大于4时,其相对定位性能优于GPS单点定位方法。     

基于IRS辅助的MIMO车联网系统联合波束成形设计

针对MIMO车联网系统中V2I和V2V共享频谱的情形,提出了一种IRS辅助的联合波束成形设计方法。在保证V2V用户数据速率需求、V2I基站发射功率受限和IRS反射相移模约束等条件下,以最大化V2I用户的信道容量为目标,联合优化基站端发送预编码和IRS端的反射相移矩阵。采用最小均方误差规则、矩阵分析理论和内逼算法把非凸且变量耦合的优化问题转换为解耦后的凸优化问题,并提出一种交替迭代优化算法获得原问题的解。对所提算法的性能进行仿真,分析了IRS反射单元数、IRS部署位置和车速对车联网频谱效率的影响。仿真结果表明,所提算法收敛性较好,若在基站附近部署IRS,利用所提的联合波束成形方法能最大限度地提高车联网频谱效率。     

支持车联网的无线光信道副载波调制方法

传统载波调制方法存在较高的误码率缺陷,为此提出了支持车联网的无线光信道副载波调制方法。首先建立车联网环境下的无线光信道模型,从频率和时间两个方面分析无线光信道的选择性衰落特性,然后设计无线光信道副载波调制框架,以子符号加和的方式,调制无线光信道副载波信号,支持车联网运行。实验结果:相对对比方法,在不同信道信噪比条件下,所提方法的误码率均值较三组对比方法分别减小0.000 079 5 bit/s、0.000 044 5 bit/s、0.000 002 bit/s;在不同副载波调制阶数和传输速率条件下,所提方法的无线光信道通信时具有较小的误码率。