论文部分内容阅读
随着车辆、接入设备的增多以及大量新型无线网络业务的出现，车联网（Internet of Vehicle， IoV）对无线频谱资源的需求日益增长，使得现有固定分配给IoV的频谱资源严重匮乏。针对这一问题，在IoV中引入认知无线电（Cognitive Radio，CR）技术，构建认知车联网，以实现频谱资源的按需动态分配，进而提高频谱利用率。
论文针对认知IoV中存在传输协作频谱感知结果时可能出现差错且传输能效低、资源分配算法的系统吞吐量和算法复杂度之间不平衡、以及因车辆移动造成信道瞬时状态估计滞后且次用户对主用户干扰大等三方面问题，研究了认知IoV中协作频谱感知与资源分配算法。论文的主要工作和贡献如下：
1、针对认知IoV中采用传统OSA频谱感知能效低下的问题，提出了一种在传输协作频谱感知结果不理想情况下，以最大化系统能效为目标的协作频谱感知功率分配算法。首先，采用Hybrid技术进行系统建模，并考虑感知节点报告信道状态时出现错误的概率，以此确定系统能效函数；接着，联合考虑次用户发送端平均传输功率阈值、主用户干扰阈值、最低通信速率等约束条件，建立最大化系统能效目标函数；最后，利用分式规划进行目标函数凸优化，并结合拉格朗日乘子迭代法得到最优功率分配。仿真结果表明所提出的模型相较于传统模型在保证感知性能的前提下，进一步提高系统能量效率，对车辆系统的节能十分有意义。
2、针对认知IoV中存在超视距通信，需要利用中继传输的问题，提出了一种基于不对称中继，以最大化系统吞吐量为目标的低复杂度次优分步式资源分配算法。首先，在功率、干扰、速率和时隙长度等约束条件下，建立最大化系统吞吐量目标函数；接着，在认知源和认知中继上平均分配功率，以快速获得不同中继上子载波分配的最优解；最后，通过交替迭代算法重新优化功率分配。仿真结果表明所提出的算法不仅可以获得最大化系统吞吐量，而且算法复杂度低，适用于要求传输速率更快、可靠性更高和覆盖范围更广的认知车联网系统。
3、针对认知IoV中由于车辆运动造成信道状态快速变化以及更好保护主用户通信的问题，提出了一种预估信道瞬时状态条件下，以最小化次用户对主用户造成的干扰为目标的资源分配算法。首先，通过位置预测技术预测下一时刻信道状态信息，并设置保护参数来对抗阴影衰落造成的预测误差，接着，在次用户QoS、认知基站发送总功率、干扰、通信速率等约束条件下，建立最小化干扰的目标函数，最后，进行解耦并采用匈牙利组合算法求出最优解。仿真结果表明所提出的算法可以在保证次用户QoS以及功率约束的同时，更好地降低对主用户的干扰。
论文针对认知IoV中存在传输协作频谱感知结果时可能出现差错且传输能效低、资源分配算法的系统吞吐量和算法复杂度之间不平衡、以及因车辆移动造成信道瞬时状态估计滞后且次用户对主用户干扰大等三方面问题，研究了认知IoV中协作频谱感知与资源分配算法。论文的主要工作和贡献如下：
1、针对认知IoV中采用传统OSA频谱感知能效低下的问题，提出了一种在传输协作频谱感知结果不理想情况下，以最大化系统能效为目标的协作频谱感知功率分配算法。首先，采用Hybrid技术进行系统建模，并考虑感知节点报告信道状态时出现错误的概率，以此确定系统能效函数；接着，联合考虑次用户发送端平均传输功率阈值、主用户干扰阈值、最低通信速率等约束条件，建立最大化系统能效目标函数；最后，利用分式规划进行目标函数凸优化，并结合拉格朗日乘子迭代法得到最优功率分配。仿真结果表明所提出的模型相较于传统模型在保证感知性能的前提下，进一步提高系统能量效率，对车辆系统的节能十分有意义。
2、针对认知IoV中存在超视距通信，需要利用中继传输的问题，提出了一种基于不对称中继，以最大化系统吞吐量为目标的低复杂度次优分步式资源分配算法。首先，在功率、干扰、速率和时隙长度等约束条件下，建立最大化系统吞吐量目标函数；接着，在认知源和认知中继上平均分配功率，以快速获得不同中继上子载波分配的最优解；最后，通过交替迭代算法重新优化功率分配。仿真结果表明所提出的算法不仅可以获得最大化系统吞吐量，而且算法复杂度低，适用于要求传输速率更快、可靠性更高和覆盖范围更广的认知车联网系统。
3、针对认知IoV中由于车辆运动造成信道状态快速变化以及更好保护主用户通信的问题，提出了一种预估信道瞬时状态条件下，以最小化次用户对主用户造成的干扰为目标的资源分配算法。首先，通过位置预测技术预测下一时刻信道状态信息，并设置保护参数来对抗阴影衰落造成的预测误差，接着，在次用户QoS、认知基站发送总功率、干扰、通信速率等约束条件下，建立最小化干扰的目标函数，最后，进行解耦并采用匈牙利组合算法求出最优解。仿真结果表明所提出的算法可以在保证次用户QoS以及功率约束的同时，更好地降低对主用户的干扰。