车联网频谱资源管理关键技术研究

发布时间：2021-02-22 01:51

　　车联网能有效减少交通事故、提升交通管理效率和车辆驾驶体验,现已引起了学术界和产业界的广泛关注。随着5G和物联网等新一代信息技术的不断发展,车联网引入了动态频谱分配、多信道接入控制等新技术和方法,对车联网频谱资源管理提出了新的挑战。车联网频谱资源管理除须对可用的频谱资源进行管理和分配外,还须专用接入技术实现的高效频谱资源利用。因此,研究高效的车联网频谱资源管理的新机制、新方法及实现技术具有重要的科学意义和广泛的工程应用价值。本文针对现有的车联网频谱资源管理技术存在分配算法计算复杂度高、信道冲突导致的接入效率低、公共控制信道失效时广播服务不可用等关键技术问题,进行了相关问题的机制分析,研究并提出了基于动态规划的低复杂度频谱资源分配算法、基于快速收敛时隙预留ALOHA的全分布式信道接入技术、基于跨层防冲突算法的集中控制式信道接入技术和无需公共控制信道的多信道广播协议,理论分析和仿真结果表明前述方法能显著提高车联网的频谱利用效率和信道接入可靠性。本文的主要研究内容和贡献如下:1.针对周期性频谱资源分配方案存在重复计算和分配时延长等问题,在研究长周期下多次频谱分配的即时策略基础上,提出了一种基于... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：117 页

【学位级别】：博士

【部分图文】：

合并冲突产生机制

电子科技大学博士学位论文70图5-8PEAC算法性能仿真图图5-8显示了在SNR和车辆数量不同的情况下，PEAC算法和DBSCAN算法判断车辆数量的正确率。在所有情况下，PEAC的正确率均高于DBSCAN。当SNR大于18dB时，当车辆的实际数量为2或3时，PEAC的成功率大于0.9。当有4个车辆时，成功率相对较低；当SNR足够大时，成功率仍超过0.8。车辆数量大于4的条件由于其发生概率低，此处未进行评估。5.4.2CLAA算法性能仿真本小节仿真CLAA算法及其变种，并与当前主流的DFSA算法进行对比，参与对比的算法及其特点见表5-1。为了验证CLAA算法在不同初始帧长和车辆数量的条件下的性能稳定性，对每个算法在不同初始帧长（64、128、256、512）和不同范围的车辆数量（1到1024）条件下的系统效率进行了全面的仿真。为了增强仿真结果的可靠性，每种参数条件下均进行了500次仿真。如图5-9所示，将CLAA算法及其变体与Annur方法[59]进行了比较。Annur方法由于采用了精确的贝叶斯推理，其估计的精度最高，系统效率也最高。但是，当车辆的数量大于初始分布范围maxN且系统效率被视为零时，该算法不可用。其他算法的执行与初始帧长度无关。与贝叶斯方法相比，MEMAB（非EPC）的性能最差，损失约为2％，这主要是由高斯近似引起的。由于在物理层采用了PEAC，因此在大部分情况下，CLAA算法（非EPC）的性能要比MEMAB算法（非EPC）


本文编号：3045255