一种车联网分簇方法与簇内中继选择方法

针对车联网低时延、高可靠性的通信需求,提出了基于簇稳定的车辆分簇方法,有效增加通信时间,提高通信可靠性。在此基础上,研究功率受限的情况下车联网簇内数据分发的中继选择问题,提出了一种基于功率预分配的中继选择方法。该方法簇内车辆协作采用HDAF转发协议,在中继选择之前先对源节点和潜在中继节点进行功率分配,求取系统中断概率最小的功率分配因子,然后比较融入功率优化因子的各个节点的等效信道增益,选择出最优中继节点集合。数值结果表明:基于簇稳定的车辆分簇方法相比基于地理位置的分簇方法具有更高的稳定性。同时,提出的中继选择方法在相同条件下比传统的单中继选择方案和全中继选择方案具有更小的中断概率。     

基于簇头中继的边缘车联网多层缓存策略

针对边缘车联网中移动云计算传输延迟高、车辆高速移动且单一车辆节点存储能力有限而引起内容获取延迟过高的问题，建立基于协同式自适应巡航控制的车辆簇模型，提出基于簇头中继的多层缓存策略(CHRMC),实现内容缓存位置的最优选取。在建立相对稳定的簇内车间通信和多车辆协同缓存的情况下，利用簇头车中继传输的缓存策略，降低车辆移动性和存储资源有限性对内容缓存效率的影响。仿真结果表明，相比已有研究，所提策略能够在有效增加车辆簇内容缓存的同时，降低内容获取的延迟。     

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SDN的无线网状网络缓存位置决策和操作分配方案

针对信息中心网络缓存管理效率较低的问题,提出一种旨在提高缓存管理效率的方法,且充分利用了无线网状网络(WMN)环境中软件定义网络(SDN)的概念。主要工作体现在SDN内容管理上,缓存位置决策考虑了网络拓扑位置、内容尺寸和缓存节点资源的位置。缓存操作考虑了请求客户端和缓存节点位置,且操作分为通过分支点的off-path缓存和通过缓存节点内容流的on-path缓存。控制器通过缓存内容表来确定工作的分配。实验在两种环境下进行:含有局部聚合客户端的小型网络和局部分布式客户端的大型网络。结果显示,所提方案仅利用每秒5.13kb的控制流量负荷即可将随机缓存位置方案的平均响应延迟减少23.95%。相比于其他网络缓存方案,所提方案最大化了WMN的节点缓存效率,明显提升了内容缓存分配性能,且系统没有较大的额外开销。     

软件定义车联网的数据转发策略和路由选择技术

针对目前车联网（VANET）数据转发效率低的问题,提出了软件定义网络（SDN）的数据转发策略和路由选择技术。首先,采用了软件定义车联网的分层控制结构,由局部控制器和全局控制器组成,实现数据转发和控制分离,可灵活控制数据转发的方向;然后,设计了单条路段的车辆路由机制,该机制预测车辆节点位置并采用贪心策略,实现数据的稳定传输;其次,设计了多个需求间的路段路由机制,该机制采用广度优先搜索（BFS）算法和边集相结合的方式,实现多个需求间路径不相交,缓解带宽瓶颈问题;最后,通过仿真验证,对比无线自组网按需平面距离向量（AODV）路由,所提出的数据转发策略和路由选择算法在数据分组接收率上提高40%以上,平均延迟时间降低60%左右。实验结果表明,软件定义车联网的数据转发策略和路由选择技术能够提高数据转发效率,减少平均收包延时。     

车联网中基于车辆行为预测的身份认证方案

车联网中传统基于密码学的身份认证方案可满足车辆身份认证的基本要求,但其作为静态防御机制不能有效解决车辆身份盗用和认证低时延问题。在基于移动边缘计算框架的软件定义车联网体系结构下,提出一种基于车辆行为预测的身份认证方案。在车辆历史行为数据的基础上,使用前缀树确定认证基站,采用决策树算法和多元非线性回归模型提前对车辆到达站点和时间进行预测,并通过对比车辆到达站点和时间的真实值与预测值实现车辆身份认证。实验结果表明,该方案利用软件定义网络的集中式全局控制能力和移动边缘计算的分布式计算能力对车辆身份认证任务进行管理和分配,可在保证较高车辆认证准确率的同时满足车联网的低时延需求。     

软件定义车联网的数据转发机制

针对现有车联网（VANET）中数据转发效率低的问题,提出了软件定义网络（SDN）的数据转发机制。首先,设计了软件定义车联网的分层次网络模型,该模型由局部控制器和车辆组成,实现控制与数据转发分离,具有可扩展性、独行性等特点;其次,设计了车辆路由转发机制,该机制采用动态规划和二分搜索的方法,以实现高效的数据转发;最后,通过仿真验证,对比无线自组网按需平面距离向量路由（AODV）、目的节点序列距离矢量路由（DSDV）、动态源路由（DSR）和最优链路状态路由（OLSR）算法,所提的数据转发机制在传递成功比上提高大约100%,而端到端延迟时间降低大约20%。实验结果表明,软件定义车联网的数据转发机制能够提高路由转发效率、减小延迟。     

基于NOMA异构云无线接入网的联合子信道和功率分配算法

针对基于NOMA异构云无线接入网中增加网络效用需要以更高的能源消耗为代价,从而导致能源效率低的问题,提出了一种联合子信道和功率分配方案。首先,该方案定义网络效用和电网能源成本之间的差值为系统收益,考虑了最大传输功率、能量收集（energy harvesting,EH）电池容量、用户最小数据速率需求和跨层干扰阈值等约束,以最大化系统收益为目标建立优化问题;然后,采用贪心算法给用户配对并分配子信道,实现低复杂度次优解;最后,利用基于交替方向乘子法的拉格朗日最大化方法优化了功率分配。仿真结果表明,与NOMA系统中未配备EH单元的方案相比,系统收益提高了约18.8%;与OFDMA系统中配备EH单元的方案相比,系统收益提高了约11.8%。     

面向NOMA视频多播的缓存和频谱分配

为提高用户接收视频的质量,提出一种面向NOMA无线视频多播的分层内容缓存和频谱分配框架。该框架综合考虑缓存资源、功率资源和带宽资源的联合分配,目的是在多维资源约束下,最大化多播组内用户的整体视频接收质量。将频谱分配和分层视频缓存建模为一个混合整数线性规划问题。在此基础上,将该优化问题解耦为组内频谱约束和缓存约束的资源分配子问题。设计基于动态规划的频谱分配算法和多播组内分层内容缓存算法。仿真结果表明,提出方案在资源利用率和视频接收质量等方面优于现有的方法。     

基于模糊C均值聚类和模糊逻辑的车辆信息传输组网研究

针对在车联网中车辆间共享道路信息和车辆状态信息而出现的广播风暴、信息冗余等问题，结合模糊逻辑和模糊聚类，提出一种改善VANET广播的组合方法。方法是基于全局分簇的方案，利用模糊C均值聚类对车辆进行分簇，并在此基础上建立簇间传输，再利用模糊逻辑算法考虑车辆密度、速度、距离三个影响因素去寻找稳定的簇头。仿真结果表明与传统的方案相比，本组合方法能够减少不必要的网络传输，提高了分组传输效率，使车辆间的信息传输更加安全可靠。     

下行NOMA系统中一种考虑用户QoS的功率分配方案

为了提高未来网络的系统吞吐量和频谱效率,非正交多址接入技术(non-orthogonal multiple access,NOMA)的功率分配问题成为了近年来移动通信领域研究重点。在保证用户服务质量的前提下,针对下行NOMA系统的功率分配问题进行了研究,在子带间采用迭代注水算法,小范围注水分配各子带的功率,在子带内考虑用户服务质量,利用卡罗需—库恩—塔克(Karush-Kuhn-Tucker,KKT)条件求出最优功率分配因子,以此最大化系统总吞吐量。仿真证明,提出的功率分配方案能达到的系统总吞吐量、频谱效率优于传统的功率分配方案,其系统总吞吐量比正交多址接入技术(orthogonal multiple access,OMA)提升了约40%以上。     

车联网D2D通信中最大化频谱资源利用率分配算法

无线通信技术快速发展,终端设备不断增多,为缓解这一现象,提升系统网络容量,针对车联网蜂窝D2D(device to device)通信资源分配问题,提出了一种最大化频谱资源利用率分配算法.该算法以最大化频谱资源利用率为优化目标,在满足车联网通信的基本服务质量(quality of service,QoS)下,通过V2V(vehicle to vehi-cle)和V2P(vehicle to people)共享信道资源来提高频谱资源利用率.首先利用信道状态信息定义的链路增益因子为终端用户找到潜在的通信链路集合;然后证明终端用户复用链路资源时功率分配问题为一个凸优化问题,利用凸优化理论求得最优传输功率;随后求解最优的信道匹配问题,此问题为多对一的加权匹配问题,为降低算法复杂度用KM(Kuhn Munkres)算法来求解.仿真结果表明,所提算法较其他算法能够有效地提升系统吞吐量、提高频谱资源利用率、提升网络性能,优化车联网通信资源分配问题.     

C‑V2X车联网中基于模拟退火算法的任务卸载与资源分配

网联车辆节点产生的不同属性的大数据流量计算任务进行传输并卸载时,通常引起通信系统中时延抖动、计算能耗与系统开销大等问题,因此,根据实际通信环境,提出一种C-V2X车联网（IoV）中基于模拟退火算法（SAA）的任务卸载与资源分配方案。首先,根据任务处理优先程度,对处理优先程度较高的任务进行协同卸载计算处理;其次,通过全局搜索最优卸载比例因子的方式,制定了一种基于SAA的任务卸载策略,且分析并优化了任务卸载比例因子;最后,在任务卸载比例因子更新过程中,将系统开销最小化问题转化为功率和计算资源分配凸优化问题,并利用拉格朗日乘子法获取最优解。通过对所提算法与本地卸载、自适应遗传算法等作比较可知,随着计算任务的数据量不断增加,自适应遗传算法比本地卸载的时延、能耗、系统开销分别降低了5.97%、49.40%、49.36%,在此基础上基于SAA的方案较自适应遗传算法的时延、能耗、系统开销再降低了6.35%、92.27%、91.7%;随着计算任务CPU周期数不断增加,自适应遗传算法比本地卸载的时延、能耗、系统开销分别降低了16.4%、49.58%、49.23%,在此基础上基于SAA的方案较自适应遗传算法的时延、能耗、系统开销再降低了19.61%、94.39%、89.88%。实验结果表明,SAA不仅能降低通信系统时延、能耗及系统开销,还可以使结果加速收敛。     

基于NOMA系统的用户分组和功率分配策略

针对非正交多址接入（NOMA）系统的最优用户分组和功率分配方案的高复杂度问题,提出一种改进的用户分组和功率分配策略。首先,对用户进行分组,由信道增益值确定每个子信道的第一个用户,再由贪婪匹配方法分配剩余用户;然后,对用户的功率进行分配,将该功率分配问题分成子信道间和子信道内两部分,对于子信道间采用线性注水算法分配功率,对于子信道内则采用所提的迭代功率分配算法分配功率;最后,构造拉格朗日函数以实现在最大发射功率以及保证每个用户最低数据速率的约束下系统吞吐量的最大化。仿真结果表明,在多用户的情况下,与线性注水的分数阶功率分配（LWF-FTPA）算法和等分数阶功率分配（EQ-FTPA）算法相比,系统吞吐量分别提高了8%和20%,所提策略优于传统算法。     

基于移动边缘计算的车联网缓存策略研究

针对车联网中数据流量爆炸式增长而引起的业务响应时延过高的问题,提出了一种基于移动边缘计算的蚁群模拟退火算法缓存策略(ACSAM)。首先,在基于5G的车—边—云协同系统架构下,以最小化内容下载时延为目标,建立了通信计算模型;其次,采用蚁群算法构造了使内容下载时延最小的局部最优解;最后,使用模拟退火算法对局部最小下载时延进行扰动,并以一定概率接受新解,从而得到全局最小下载时延,即保证了内容被预缓存在最佳的位置。仿真结果表明,在车—边—云协同架构下,ACSAM缓存策略可显著减少传输冗余,降低下载时延。     

车联网隐私保护技术研究

随着汽车智能化、网联化程度的不断加深,车辆、用户及第三方机构之间的数据共享日益成为刚需,由车辆、用户、路边单元等通信实体之间构建的网络车联网应运而生,而车联网的高移动性和网络拓扑多变性使其更容易遭受攻击,进而导致严重的车联网用户隐私泄露问题。如何平衡数据共享和隐私保护之间的关系成为车联网产业发展所面临的一个关键挑战。近年来,学术界针对车联网隐私保护问题进行了深入的研究,并提出了一系列解决方案,然而,目前缺少对这些方案从隐私属性方面进行分析。为此,本文首先从车联网的系统架构、通信场景及标准进行阐述。然后对车联网隐私保护的需求、攻击模型及隐私度量方法进行分析与总结。在此基础上从车联网身份隐私、匿名认证位置隐私和车联网位置服务隐私三个方面出发,介绍了匿名认证、假名变更、同态加密、不经意传输等技术对保护车联网用户隐私起到的重要作用,并讨论了方案的基本原理及代表性实现方法,将方案的隐私性从不可链接性、假名性、匿名性、不可检测性、不可观察性几个方面进行了分析与总结。最后探讨了车联网隐私保护技术当前面临的挑战及进一步研究方向,并提出了去中心化的车辆身份隐私技术以保护车辆身份隐私、自适应假名变更技术以支持匿名认证、满足个性化隐私需求的位置服务隐私保护技术,以期望进一步推动车联网隐私保护技术研究的发展与应用。     

Resource Allocation Based on User Pairing and Subcarrier Matching for Downlink Non-Orthogonal Multiple Access Networks

The traditional orthogonal multiple access (OMA) is unable to satisfy the needs of large number of smart devices. To increase the transmission rate in the limited spectrum resource, implementation of both non-orthogonal multiple access (NOMA) and successive interference cancelation (SIC) is essential. In this paper, an optimal resource allocation algorithm in NOMA is proposed to maximize the total system rate in a multi-sector multi-subcarrier relay-assisted communication network. Since the original problem is a non-convex problem with mixed integer programming which is non-deterministic polynomial-time (NP)-hard, a three-step solution is proposed to solve the primal problem. Firstly, we determine the optimal power allocation of the outer users by using the approach of monotonic discrimination, and then the optimal user pairing is determined. Secondly, the successive convex approximation (SCA) method is introduced to transform the non-convex problem involving central users into convex one, and the Lagrangian dual method is used to determine the optimal solution. Finally, the standard Hungarian algorithm is utilized to determine the optimal subcarrier matching. The simulation results show that resource allocation algorithm is able to meet the user performance requirements with NOMA, and the total system rate is improved compared to the existing algorithms.      

基于深度强化学习的边缘网络内容协作缓存与传输方案研究

为了应对第五代无线通信网络中数据吞吐量急剧增加的问题,移动边缘缓存成为了一种有效的解决方案。它通过在边缘设备上存储网络内容,减轻回程链路和核心网络的负担,缩短服务时延。到目前为止,大多数边缘缓存研究主要在协作内容缓存的优化方面,忽略了内容传输的效率。研究超密集网络的内容协作边缘缓存与无线带宽资源的分配问题,通过余弦相似度和高斯相似度求解基站之间总的相似度,将网络中的小基站根据总相似度进行分组,把缓存和无线带宽分配问题建模成一个长期混合整数的非线性规划问题（LT-MINLP）,进而将协作边缘缓存与带宽分配问题转变为一个带约束的马尔可夫决策过程,并利用深度确定性策略梯度DDPG模型,提出了一种基于深度强化学习的内容协作边缘缓存与带宽分配算法CBDDPG。提出的基站分组方案增加了基站之间文件共享的机会,提出的CBDDPG算法的缓存方案利用DDPG双网络机制能更好地捕捉用户的请求规律,优化缓存部署。将CBDDPG算法与三种基线算法（RBDDPG、LCCS和CB-TS）进行了对比实验,实验结果表明所提方案能够有效地提高内容缓存命中率,降低内容传递的时延,提升用户体验。