基于LTE D2D技术的车联网通信架构与数据分发策略研究

基于5G通信技术的车联网面临高速率、低时延、高可靠性和大量流媒体数据分发等需求,提出了一种基于LTE D2D的车联网通信架构,设计基于运动一致性的车辆分簇算法,有效增加持续D2D通信时间,提高通信可靠性;其次,针对簇内车辆的流媒体数据分发,提出一种带时延约束的D2D协作中继转发策略,设计最优中继选择算法,大幅提高数据传输速率,提升网络吞吐量。     

面向软件定义多模态车联网的双时间尺度RAN切片资源分配

为了有效满足不同车载应用的差异化服务质量需求,针对软件定义多模态车联网提出了一种双时间尺度的无线接入网切片资源分配算法.考虑增强型移动宽带切片用户最小速率约束、车到车链路可靠性约束、节点最大功率约束、RB约束等,以最小化超可靠低时延切片用户的平均时延为目标,建立缓存、频谱、功率联合资源分配模型.基于匈牙利算法、线性整数...     

蜂窝车联网中基于服务异构性的V2V通信资源分配算法研究

在支持车与车直接通信(V2V)的蜂窝网络场景下,针对密集环境下复用车与设备(V2I)上行链路的资源分配问题,在V2V的干扰下,利用移动链路的信道状态信息(CSI)的慢衰落统计,联合通信可靠性、功率控制,建立最大化V2I信道容量的优化模型以满足车辆网络服务的异构性的需求。基于此,该文提出一种基于超图理论和遗传算法的资源分配算法。仿真结果表明,该算法在保证V2V通信可靠性的前提下,提高了V2I的信道容量。     

5G移动网络下通信资源分配算法

传统的通信资源分配方法具有局限性,在当前5G移动网络条件下,通信过程中的信息传输速率不能满足通信频谱的资源利用率要求,为此,文章提出5G移动网络下通信资源分配算法。在研究边缘网络的基础上,建立5G移动网络的边缘计算模型,将数据传输端进行分层处理,包括计算云层、边缘层以及终端层三个层级,拉近云计算服务器与用户个体之间的数据传输距离。根据模型建立边缘计算的资源分配框架,计算无线链路的数据传输速率,避免陷入局部最优解。同时,将终端层用户进行分簇处理,避免数据传输过程中的同频干扰,提升资源分配效率。在此基础上,基于A3A算法构建簇间的通信资源分配模型,并使用最优化理论对所建立的资源分配算法模型进行优化,实现5G移动网络下通信资源分配算法设计。最后,通过实验对比传统D2D算法与设计的分配算法,结果表明,该算法能够适应5G移动网络环境,保证通信服务过程中信息传输速率的稳定,能够实现通信资源的高效分配。     

车联网中网络切片资源分配方案

为了满足车联网中不同应用的服务质量(Quality of Service, QoS)要求,提出了一种基于网络切片技术的车联网频谱资源分配方案。该方案考虑数据接入控制,通过联合优化频谱资源块(Resource Block, RB)分配和车辆信号发射功率控制,在安全服务切片低时延高可靠性的约束下,最大化信息娱乐服务切片的平均和吞吐量。将车联网资源管理建模为一个混合整数随机优化问题,利用李雅普诺夫(Lyapunov)优化理论将该优化问题分解为接入控制和RB分配与功率控制两个子问题,并分别对其进行求解,得到每个时隙的接入控制和资源分配方案。仿真结果表明,所提出的资源分配方案能够有效提高信息娱乐服务切片的平均和吞吐量,并且可以通过调整引入的控制参数值来实现吞吐量和时延的动态平衡。同时,与已有方案相比,该方案具有更好的时延性能。     

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。     

可重构智能反射面辅助的车联网资源分配算法研究

面对车辆通信对通信质量和频谱效率的更高要求，提出了一种可重构智能反射面（RIS）辅助的车联网资源分配算法。联合考虑RIS反射系数矩阵、功率分配和频谱共享方案，在确保V2V链路的可靠性条件下，建立一个V2I链路总容量最大化问题。由于该问题是一个变量之间高度耦合的非凸优化问题，难以直接求解。因此，在引入解析表达式近似V2V链路的中断概率后，利用块坐标下降（BCD）法将此问题分解为3个子问题，并通过引入辅助变量、逐次凸逼近（SCA）、匈牙利算法等对子问题进行求解，进而得到问题的近似次优解。仿真结果表明，所提算法具有良好的收敛性能，并能够有效地提高V2I链路总容量。     

基于时延感知的5G通信链路映射算法

现有5G通信算法存在兼容性差,误码率高等问题,导致数据传输频谱效率和峰值速率较低。因此提出基于时延感知的5G通信链路映射算法。该算法通过线性预编码技术传输数据,对数据预先处理,进而设计5G通信链路的层映射模式,完成数据到端口的处理,最后基于时延感知优化映射算法感知层,实现对5G通信链路映射算法的优化。实验结果表明,与传统算法相比,数据传输的频谱效率和峰值速率均有所提升,总体数据传输效果提升19.8%。由此可见,基于时延感知的5G通信链路映射算法具有更高效的数据传输效果。     

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。     

基于无线感知辅助的车联网下行无线资源分配方法

在车联网（vehicle-to-everything，V2X）中，感知与安全类数据的高速下发与共享对道路交通安全至关重要。然而，车辆高速移动所引起的通信链路不稳定，会导致现有的基于车辆位置信息上报的通信资源分配方法不再高效。为此，提出了一种基于通信节点无线感知辅助的车联网下行无线资源分配方法。首先，构建了通信与感知资源正交下的通信模式选择与无线资源分配联合优化问题；之后，为解决这一问题提出了基于Delaunay三角划分的分簇通信模式选择与基于改进图着色的资源分配策略，以实现下行吞吐量的提升；最后，仿真分析了无线感知估计误差、车辆数量对算法性能的影响。仿真结果表明，与传统方法相比，所提算法在相同感知带宽资源占比下可获得更好的下行通信性能增益，并能够承受更大的感知误差对性能的影响，同时，所提算法的计算复杂度较低，可节省网络算力资源。     

基于用户个性化服务质量的蜂窝车联网与车载自组织网异构车联网资源分配方法

蜂窝车联网(C-V2X)与车载自组织网络(VANET)的异构融合能够有效提高网络容量。然而,不同网络在非授权频段上共存而引起的信道冲突会导致系统吞吐量降低和用户接入时延增大,无法满足车联网用户对服务质量(QoS)的需求。针对该问题,该文提出一种基于用户个性化QoS需求的时频资源分配方法。首先,分别对C-V2X 和 VANET 的吞吐量和时延进行建模分析,刻画用户数据传输时间配置与吞吐量和时延的数学关系;然后,基于上述模型构建吞吐量-时延联合优化函数,根据用户的个性化QoS需求实现异构网络中吞吐量和时延的优化;最后,提出一种基于改进多目标粒子群优化的时延-吞吐量联合优化算法(DT-JOA)进行求解。仿真结果表明,该文所提网络资源分配算法可以有效地保证用户的个性化QoS需求,提升异构网络综合性能。     

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。     

基于用户个性化服务质量的蜂窝车联网与车载自组织网异构车联网资源分配方法

蜂窝车联网(C-V2X)与车载自组织网络(VANET)的异构融合能够有效提高网络容量.然而,不同网络在非授权频段上共存而引起的信道冲突会导致系统吞吐量降低和用户接入时延增大,无法满足车联网用户对服务质量(QoS)的需求.针对该问题,该文提出一种基于用户个性化QoS需求的时频资源分配方法.首先,分别对C-V2X 和 VANET 的吞吐量和时延进行建模分析,刻画用户数据传输时间配置与吞吐量和时延的数学关系;然后,基于上述模型构建吞吐量-时延联合优化函数,根据用户的个性化QoS需求实现异构网络中吞吐量和时延的优化;最后,提出一种基于改进多目标粒子群优化的时延-吞吐量联合优化算法(DT-JOA)进行求解.仿真结果表明,该文所提网络资源分配算法可以有效地保证用户的个性化QoS需求,提升异构网络综合性能.     

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。      

5G车联网资源优化分配方案综述

车联网作为智慧交通发展的必要组成部分，可加快我国智慧交通基础建设，对于智慧城市建设具有重要的现实意义。汽车数量及其产生的海量数据使得通信车辆节点之间的传输冲突率大幅上升，导致通信资源、计算资源短缺等问题，因此，有效的资源分配方案可以保证车联网的通信质量，从而提高车辆通信的可靠性，降低时延。首先分析了国内外车联网对智慧交通发展现状的影响以及当前车联网发展瓶颈；然后针对智慧交通通行效率、安全性方面，分析了当前车联网的资源分配问题；接着通过总结5G技术的优点，分析了5G在车联网资源优化分配管理上的贡献；最后，在车联网通信、计算和存储资源优化分配管理的应用背景下，结合人工智能技术提出了基于5G+V2X的智慧交通发展前景。     

面向5G网络切片无线资源分配

未来网络需要满足多种应用场景在时延、可靠性和速率等方面的不同要求,然而只构建一种网络难以满足所有应用场景的需求.网络切片技术即在一个物理基础设施之上构建多个逻辑网络以满足不同类型应用场景的需求,能够实现专用电信网络所具有的所有功能,且用户感受不到差别.无线接入网切片是端到端网络切片的一部分,而无线资源分配又是无线接入网切片的重要内容.本文提出了一种基于比例公平算法的半静态资源分配方案,在各网络切片之间实现更公平的资源分配.仿真结果对比了三种资源分配方案,半静态资源分配方案获得的公平性优于其他两种资源分配方案.     

虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法

针对现有研究中缺乏云无线接入网络(C-RAN)场景下对网络切片高效的动态资源分配方案的问题,该文提出一种虚拟化C-RAN网络下的网络切片虚拟资源分配算法。首先基于受限马尔可夫决策过程(CMDP)理论建立了一个虚拟化C-RAN场景下的随机优化模型,该模型以最大化平均切片和速率为目标,同时受限于各切片平均时延约束以及网络平均回传链路带宽消耗约束。其次,为了克服CMDP优化问题中难以准确掌握系统状态转移概率的问题,引入决策后状态(PDS)的概念,将其作为一种“中间状态”描述系统在已知动态发生后,但在未知动态发生前所处的状态,其包含了所有与系统状态转移有关的已知信息。最后,提出一种基于在线学习的网络切片虚拟资源分配算法,其在每个离散的资源调度时隙内会根据当前系统状态为每个网络切片分配合适的资源块数量以及缓存资源。仿真结果表明,该算法能有效地满足各切片的服务质量(QoS)需求,降低网络回传链路带宽消耗的压力并同时提升系统吞吐量。     

基于5G网络切片的车联网资源分配优化方法

由于传统的资源分配方法存在一定不足,故文章提出了基于5G网络切片的物联网资源分配优化方法。首先,对5G切片的资源分配优化方法进行设计,如建立资源分配模型;其次,基于5G网络切片建立资源分配算法;最后,构建边缘服务器资源分配机制,基于以上步骤完成资源分配方法的设计。为验证所设计方法的有效性,文章建立了对比实验,选取基于灰狼优化和匈牙利算法的D2D资源分配策略与基于云雾混合计算的车联网联合资源分配算法作为对比方法对比3种方法性能,最终得出所提方法资源分配时间最短,有效性更高。     

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...     

车联网云边协同计算场景下的多目标优化卸载决策

车联网场景下的计算任务对时延非常敏感,需要云边协同计算来满足这类需求。针对车联网云边协同计算场景下如何高效地进行服务卸载并同时考虑服务的卸载决策以及边缘服务器和云服务器的协同资源分配问题,设计了基于云边协同的车辆计算网络架构,在该架构下,车载终端、云服务器和边缘服务器都可以提供计算服务;通过对缓存任务进行分类并将缓存策略引入车联网场景,依次设计了缓存模型、时延模型、能耗模型、服务质量模型以及多目标优化问题模型;给出了一种基于改进的多目标优化免疫算法的卸载决策方案。最后,通过对比实验验证了所提卸载决策方案的有效性。