原文传递
基于VANET的认知无线电算法仿真研究
| 论文题名： | 基于VANET的认知无线电算法仿真研究 |
| 关键词： | 车载自组网;频谱资源;协作感知;粒子群分簇算法;信道质量 |
| 摘要： | 随着无线通信技术和汽车工业的发展，智能交通系统应运而生，作为智能交通系统的关键技术之一，车载自组网（Vehicular Ad hoc Network，VANET）越来越受到研究人员的重视。但是由于频谱资源严重匮乏，无法为车载自组网提供专用频段，频谱短缺成为制约车载自组网技术发展的关键问题。而许多研究已经证明认知无线电技术通过伺机接入空闲频段可以有效提高频谱利用率，成为解决频谱资源短缺问题的一大热门技术，因此将认知无线电技术与车载自组网结合成为解决车载自组网频谱资源问题的关键。然而在VANET环境下车辆移动速度快，信道质量不稳定等因素给频谱空穴感知带来了巨大挑战。 本文在论文中所做的主要工作或者贡献如下: (1)深入分析研究了认知车载网的研究方向及相关架构，针对认知车载网的基础研究方向频谱感知的研究现状进行分析，建立了问题研究方案。 (2)研究了静态场景下的认知无线电技术的频谱感知算法，分析了单点频谱感知算法和协作感知算法的优缺点，通过仿真研究了采样点数目和信道质量对于单点感知中能量感知算法的感知性能影响，通过仿真对静态场景下的协作感知算法，硬判决算法和软判决算法进行性能对比，筛选性能最优的几种算法。 (3)在本文中基于VANET的特点建立了检验传统频谱感知算法性能的场景模型——高速公路场景模型，假设了通信模型以及车辆运动模型，将传统的协作感知算法，最大比数据融合算法、等增益数据融合算法和“或”规则数据融合算法在VANET场景下进行了仿真分析，主要考虑现实环境中车辆的移动速度和衰落信道对频谱感知算的性能影响，通过仿真研究了车辆密度和车辆速度以及衰落信道等因素对于算法性能的影响，仿真结果表明MRC算法要优于EGC算法，在VANET场景下，由于车辆节点的高速移动导致感知过程中信道特性的变化对传统感知算法的感知性能具有较大的影响 (4)由于传统的算法性能不理想，本文提出一种基于粒子群迭代的分簇感知算法，对传统的MRC算法进行改进，采用粒子群算法对权重值进行寻优计算，采用分簇的方式将簇内信道质量较差的结果进行删除，降低信道质量恶劣的节点数据对感知结果的影响，仿真结果表明删除信息会造成感知性能下降，对算法进行改进，采用簇内判决和融合节点进行硬判决的双重判决算法，在簇内进行粒子群迭代求出最优权重值，利用线性加权做出簇内判决，判决结果以0或1形式由簇头广播给车辆融合节点，融合节点采用“或”规则算法进行二次判决，并对改进的算法进行在VANET场景下进行了性能验证。 |
| 作者： | 高闯 |
| 专业： | 电子与通信工程 |
| 导师： | 杨焱 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
