CN107682838A - 车联网通信联合集中式资源调度和自组织资源分配方法 - Google Patents
车联网通信联合集中式资源调度和自组织资源分配方法 Download PDFInfo
- Publication number
- CN107682838A CN107682838A CN201711159932.0A CN201711159932A CN107682838A CN 107682838 A CN107682838 A CN 107682838A CN 201711159932 A CN201711159932 A CN 201711159932A CN 107682838 A CN107682838 A CN 107682838A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- ues
- msub
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/242—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account path loss
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
- H04W72/1263—Mapping of traffic onto schedule, e.g. scheduled allocation or multiplexing of flows
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
- H04W72/566—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient
Abstract
车联网通信联合集中式资源调度和自组织资源分配方法,本发明涉及车联网通信方法。本发明的目的为了解决现有技术存在的不能满足车联网通信时严格的时延和信息传输的可靠性需求;网络资源的利用率低;网络中频谱利用率低;当V‑UEs复用蜂窝用户通信链路时,不能确保蜂窝链路的通信质量;只是考虑最大化网络吞吐量而忽略了用户信息优先级的问题。过程为:建立基于D2D通信技术的LTE‑V通信网络架构;初始化网络系统参数;计算信道增益;设定车联网用户V‑UEs最小信干噪比SINR值;分别建立infV和infC;得到数学模型;获得x(1)和x(2);获得x(3);本发明用于基于D2D技术的车联网通信领域。
Description
技术领域
本发明涉及车联网通信方法。
背景技术
车联网通信有严格的时延和信息传输的可靠性需求,作为一种新兴的技术,D2D通信具有高的频谱利用率,能量效率和低传输时延的优点,因此D2D(Device-to-Device)技术为车联网通信提供了一种快速,可靠的解决途径。车联网(Vehicle to Everything,V2X)是借助新一代信息通信技术将车与一切事物相连接,从而实现车辆与车辆(Vehicle toVehicle,V2V)、车辆与路侧基础设施(Vehicle to Infrastructure,V2I)、车辆与行人等弱势交通参与者(Vehicle to Pedestrian,V2P)、车辆与云服务平台(Vehicle to Network)的全方位连接和信息交互。V2X(Vehicle-to-Everything)车联网将“人、车、路、云”等交通参与要素有机地联系在一起,不仅可以支撑车辆获得比单车感知更多的信息,促进自动驾驶技术创新和应用;还有利于构建一个智慧的交通体系,促进汽车和交通服务的新模式新业态发展,对提高交通效率、节省资源、减少污染、降低事故发生率、改善交通管理具有重要意义。
LTE-V是指基于LTE移动通信技术演进形成的V2X车联网无线通信技术,包括蜂窝通信(Uu)和直接通信(PC5)两种工作模式。其中,蜂窝通信模式借助已有的LTE蜂窝网络,支持高带宽、广覆盖、长距离的通信连接,满足道路事故/施工提醒、信号灯提醒、车速引导、动态地图等信息服务、交通效率类车联网应用需求;直接通信(V2X sidelinkcommunication)模式即D2D通信模式,既可以在网络覆盖内工作又可以在网络覆盖外工作,使用5.9GHz附近的ITS专用频谱进行终端设备之间的直接通信,实现车辆与周边车辆、路侧基础设施、行人等节点的低时延、高可靠的通信,重点满足前向碰撞预警、十字路口防碰撞预警、紧急车辆预警等行车安全类车联网应用需求。
D2D-based V2X通信有两种资源分配模式:集中式资源调度(Scheduled ResourceAllocation)和自组织资源分配(Autonomous Resource Selection)。其中集中式资源调度是由Evolved Node B(eNB)实现网络中所有资源块(Resource Blocks,RBs)集中式调度和分配,该通信模式发生在授权的频谱资源(licensed bands)范围内;自组织资源分配是由用户自己从现有的资源池中选择选择资源块进行通信,该通信模式发生在未授权的频谱资源(unlicensed bands)范围内,比如6GHz或者2GHz。基于现有的D2D模式选择技术,本发明进一步将V2X集中式资源调度分为专用模式(Dedicated Mode)和复用模式(Reuse Mode)。因此本发明V2X sidelink communication共有三种通信模式:自组织资源分配,专用模式,复用模式。
根据第三代合作伙伴计划(3rd Generation Partnership Project,3GPP),TS23.303技术报告相关内容规定:在下层数据传输之前,应用层(applicaiotn layer)会给每个V2X数据包分配一个独立的近场通信优先级(ProSe Per-Packet Priority,PPPP)。无论是用户内和用户之间的数据传输都应该优先传输数优先级高的数据包。
但是,现有技术存在以下问题:不能满足车联网通信时严格的时延和信息传输的可靠性需求;不能实现网络中未授权频谱(unlicensed bands)和授权频谱(licensedbands)资源的共享,网络资源的利用率低;不能实现V2X sidelink在不同通信模式资源的联合调度,网络中频谱利用率低;当V-UEs复用蜂窝用户通信链路时,不能确保蜂窝链路的通信质量;只是考虑最大化网络吞吐量而忽略了用户信息优先级的问题。
发明内容
本发明的目的为了解决现有技术存在的不能满足车联网通信时严格的时延和信息传输的可靠性需求;网络资源的利用率低;网络中频谱利用率低;当V-UEs复用蜂窝用户通信链路时,不能确保蜂窝链路的通信质量;只是考虑最大化网络吞吐量而忽略了用户信息优先级的问题,而提出车联网通信联合集中式资源调度和自组织资源分配方法。
上述的发明目的是通过以下技术方案实现的:
车联网通信联合集中式资源调度和自组织资源分配方法是按照以下步骤进行的:
步骤一:算法开始;
步骤二:建立基于D2D通信技术的LTE-V通信网络架构,转到步骤三:
步骤三:初始化网络系统参数,转到步骤四:
步骤四:计算蜂窝用户P-UEj与eNB之间的信道增益hj,B、蜂窝用户P-UEj与V-UEi接收端之间的信道增益hi,j,V-UEi发射端到eNB干扰链路的信道增益hi,B,V-UEi发射端到V-UEi接收端的信道增益hi;1≤i≤N;1≤j≤M;
所述V-UEi为车联网用户i,P-UEj为行人用户j;
步骤五:设定车联网用户V-UEs最小信干噪比SINR值;
步骤六:根据步骤四分别建立V-UEs和P-UEs的信息量效应函数infV和infC;
步骤七:根据步骤五和步骤六将V2X车联网中的资源分配问题进行数学建模,得到数学模型;
步骤八:根据步骤七的数学模型进行空闲资源块分配,获得自组织资源选择信道分配矩阵x(1)和专用模式信道分配矩阵x(2);转到步骤九;
步骤九:根据步骤七的数学模型进行复用资源块分配,获得信道分配矩阵x(3);转到步骤十;
步骤十:算法结束。
发明效果
本发明提出了车联网通信联合集中式资源调度和自组织资源分配方法,该方法在满足车联网通信严格时延和可靠性需求的前提下,将网络信息量最大化作为优化目标,综合考虑用户传输数据优先级和通信质量,并保证行人用户和车联网用户通信链路的最小信噪比的需求,实现了网络中不同通信模式资源的联合调度,对同时提高车联网通信时数据的优先级和网络的吞吐量具有重要的意义。
本发明提出了一种新的LTE-V通信体制,该体制下V2X sidelink可以工作在不同的资源分配方式中,实现了V2X通信网络中所有licensed bands和unlicensed bands资源共享的目的,提高了网络资源的利用率。
本发明中,V2X通信不仅可以发生在licensed bands实现集中式资源调度,还可以发生在unlicensed bands实现自组织资源分配。其中,针对集中式资源调度,本发明进一步将V2X sidelink通信模式分为专用模式和复用模式。从而实现了V2X sidelink不同工作模式下的资源共享,提高了网络中频谱利用率。
本发明提出了信息量(Information Value)的效用函数,该信息量不仅考虑了用户传输数据优先级问题,使得优先级高的用户信息优先发送,而且还考虑了网络的吞吐量问题。本发明的目标是最大化网络中所有用户的信息值,同时在用户最大发射功率的限制条件下,通过联合功率控制,确保所有用户的通信时最小信干燥比的需求。
本发明能够通过联合集中式资源调度和自组织资源分配方法对V2X车联网中的资源进行合理的分配和调度,从而实现网络中所有用户(所有V-UEs和P-UEs)的信息值的最大化。该方法不仅达到了优先级高的数据优先传输的目的,而且还实现了提高网络吞吐量的目的,抑制了V-UEs和P-UEs之间的信道干扰问题,保证了用户最小信干燥比的需求,提高了网络整体的频谱利用率。
本发明将最大化网络中所有用户信息值的优化问题分为两个子问题进行求解:第一个是用户的功率控制问题,第二个是多对用户的资源分配问题。其中针对用户的资源分配问题,本发明进一步提出ERBA算法和RRBA算法对其进行分步求解。
如图2所示,P-UEs个数是5个,空闲未授权频谱个数是5个,授权频谱个数是10个,车辆速度是120km/h时,本发明所提出算法所得次优解与分支定界算法所求出最优解的对比。分支定界算法复杂度非常高,最糟情况下会呈指数增长,而本发明所提出算法复杂度相对较低,O(M3),其中M表示P-UEs的个数。从图中可以看到所提出算法网络总的信息量非常接近于最优算法的值。同时,信息量会随着V2V发射端与接收端距离r的增加而减小,这是因为r的增加导致用户通信链路路径损耗增大引起的。
如图3所示,P-UEs个数是20个,空闲未授权频谱个数是10个,授权频谱个数是30个,车辆速度是60km/h时,本发明所提出算法与两种不同机制对比的结果。这两种机制分别是:
1.自组织模式(Autonomous Mode)+专用模式(Dedicated Mode),该模式下,V-UEs之间的通信不仅可以是自组织资源分配模式,还可以是集中式资源调度中的专用模式;
2.自组织模式(Autonomous Mode),该模式仅考虑V2X sidelink的分布式资源选择。
从图中可以看出,本发明所提出算法(Proposed algorithm)的信息量是最大的。
如图4所示,参数同图3,本发明所提出算法(Proposed algorithm)的吞吐量也是所有不同体制中最大的。并且可以看到与纯蜂窝网络(Pure Cellular Network)相比,V2X车联网能够大幅度提高网络吞吐量,这是因为V2X车联网能够带来很高的复用增益。
附图说明
图1本发明提出的基于D2D通信技术的LTE-V通信网络架构示意图,本网络中车联网用户6通信可以发生在两种资源分配模式,集中式资源调度1和自组织资源分配7,其中集中式资源调度包含:复用模式2和专用模式3.车联网用户6可以复用行人用户5的上行链路资源.网络中共有M个行人用户,U个未授权资源块,L个授权的资源块,所有资源块之间相互正交。1为中式资源调度,2为复用模式,3为专用模式,4为eNB,5为行人用户,6为车联网用户,7为自组织资源分配,8为通信链路,9为干扰链路,10为建筑物,11为车道;
图2是实施例提出的系统信息量与最优算法的系统信息量随着V2V发射端与接收端距离r变化的趋势示意图,提出算法为本发明方法;
图3是实施例提出的系统信息量与其他场景(1.自组织模式+专用模式和2自组织模式)算法的系统信息量随着V2V发射端与接收端距离r变化的趋势示意图;
图4是实施例提出的混合网络的系统吞吐量与其他场景(1.自组织模式+专用模式2自组织模式和3.纯蜂窝网络)算法的系统吞吐量随着V2V发射端与接收端距离r变化的趋势示意图;
具体实施方式
具体实施方式一:本实施方式的车联网通信联合集中式资源调度和自组织资源分配方法具体是按照以下步骤进行的:
步骤一:算法开始;
步骤二:建立基于D2D通信技术的LTE-V通信网络架构,转到步骤三:
步骤三:初始化网络系统参数,转到步骤四:
步骤四:计算蜂窝用户P-UEj与eNB之间的信道增益hj,B、蜂窝用户P-UEj与V-UEi接收端之间的信道增益hi,j,V-UEi发射端到eNB干扰链路的信道增益hi,B,V-UEi发射端到V-UEi接收端的信道增益hi;1≤i≤N;1≤j≤M;
所述V-UEi为车联网用户i,P-UEj为行人用户j;N指车辆的对数,由车辆的速度决定.车辆对数N服从密度为2.5秒×汽车绝对速度值的空间泊松点过程分布。
步骤五:设定车联网用户V-UEs最小信干噪比SINR值,满足车联网通信严格时延和可靠性需求;
所述V-UEs为所有车联网用户的统称;
步骤六:根据步骤四分别建立V-UEs和P-UEs的信息量效应函数infV和infC;
步骤七:根据步骤五和步骤六将V2X车联网中的资源分配问题进行数学建模,得到数学模型;
步骤八:根据步骤七的数学模型进行空闲资源块分配(Empty Resource BlocksAllocation,ERBA)获得自组织资源选择信道分配矩阵x(1)和专用模式信道分配矩阵x(2);转到步骤九;
步骤九:根据步骤七的数学模型进行复用资源块分配(Reuse Resource BlocksAllocation RRBA),获得信道分配矩阵x(3);转到步骤十;
步骤十:算法结束。
具体实施方式二:本实施方式与具体实施方式一不同的是:所述步骤二中建立基于D2D通信技术的LTE-V通信网络架构;具体过程为:
所述LTE-V是由3GPP(The 3rd Generation Partnership Project,第三代合作伙伴计划)组织制定的UMTS(Universal Mobile Telecommunications System,通用移动通信系统)技术标准的长期演进LTE(Long Term Evolution,长期演进)制定的专门针对车间通讯的协议;
本发明提出的基于D2D通信技术的LTE-V通信网络架构,考虑的是一个城市场景。在一个城市场景中城市道路的拓扑结构为曼哈顿网格布局,本发明中当只考虑一个道路曼哈顿网格布局网格,网格布局长×宽为433m×250m,(evolved Note B)eNB坐落在网络中心;
所述eNB为Evolved Node B,即演进型Node B简称eNB,LTE中基站的名称;
N对V-UEs发送端均匀分布在车道上,对应的N对V-UEs接收端同时落在以相应V-UEs发送端为圆心,以r为半径的圆内车道上,M个P-UEs以固定的间距均匀分布在人行道上;
所述r的范围为20-100米;M=20,所以行人间固定间距=64.9米;
所述固定的间距为人行道的长度除以行人的个数=((433-3.5×4-3)+(250-3.5×4-3)×2/M);
所述V-UEs为网络中所有车联网用户的统称(Vehicle User Equipments,V-UEs);P-UEs为网络中所有行人用户的统称(Pedestrian User Equipments,P-UEs);
车与车之间的间距等于2.5秒×汽车绝对速度值;
车辆对数N服从密度等于车间距的空间泊松点过程分布,是一个不定值。
车联网用户(Vehicle User Equipments,V-UEs)通信发生在两种资源分配模式,集中式资源调度和自组织资源分配;
其中集中式资源调度包含:复用模式和专用模式;
车联网用户复用行人用户(Pedestrian User Equipments,P-UEs)(这里行人用户为传统的蜂窝用户)的上行链路资源,网络中所有资源块之间相互正交;
基站通过控制信道获取所有通信链路的完美信道信息。
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是:所述步骤三中初始化网络系统参数,具体过程为:
假设整个网络系统中共有M个蜂窝用户P-UEs和N对V-UEs对;所有V-UEs的集合为V={V-UE1,V-UE2,…V-UEN},所有P-UEs的集合为C={P-UE1,P-UE2,…P-UEM};假设每一个用户都携带一定数量的不同的信息需要传输,不同类型的信息有不同的PPPP值。M、N取值为正整数;
在任何给定的传输时隙里(TransmissionTime Interval,TTI),用户仅有一个数据包传输,并且每个用户传输数据包的大小相同;初始化所有用户数据包的近场通信优先级(ProSe Per-Packet Priority,PPPP)值,其值限定在[0,1]范围内;
定义为V-UEs传输信息的PPPP值的集合,为P-UEs传输信息的PPPP值的集合;
定义E是使用空闲频谱V-UEs的集合,R是复用模式下V-UEs的集合;
所有授权资源块的个数为L,对应的集合为FL={F1,F2,…FL},所有未授权资源块的个数为U,对应的集合为FU={F1,F2,…FU};L、U取值为正整数。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是:所述步骤四中计算蜂窝用户P-UEj与eNB之间的信道增益hj,B、蜂窝用户P-UEj与V-UEi接收端之间的信道增益hi,j,V-UEi发射端到eNB干扰链路的信道增益hi,B,V-UEi发射端到V-UEi接收端的信道增益hi;1≤i≤N;1≤j≤M;
具体过程为:
基站能够通过控制信道获取所有通信链路的完美信道信息,所有蜂窝链路都经历了多径效应引起的快速衰落,阴影效应引起的慢衰落和长距离传输所带来的路径损耗。
蜂窝用户P-UEj与eNB之间的信道增益hj,B的数学表达式为:
其中,G是路径损耗常数,βj,B为蜂窝用户到基站的服从指数分布的快速衰落,为蜂窝用户到基站服从对数正态分布的慢衰落因子,α是路径损耗因子,是蜂窝用户P-UEj和eNB之间的距离;
考虑到V-UEs有很高的移动性,会导致车联网链路快速衰落的快速变化。如果V-UEs实时地向eNB汇报信道状况,会带来很大的信令开销,因此,对于车联网链路,本发明只考虑阴影效应所引起的慢衰落和长距离传输所带来的路径损耗。
因此,蜂窝用户P-UEj与V-UEi接收端之间的信道增益hi,j的数学表达式为:
其中,为蜂窝用户P-UEj与V-UEi接收端之间服从对数正态分布的慢衰落因子,为蜂窝用户P-UEj与V-UEi接收端之间的距离;
V-UEi发射端到eNB干扰链路的信道增益hi,B的数学表达式为:
其中,为V-UEi发射端到eNB之间服从对数正态分布的慢衰落因子,为V-UEi发射端到eNB之间的距离;
V-UEi发射端到V-UEi接收端的信道增益hi:
其中,为V-UEi发射端到V-UEi接收端之间服从对数正态分布的慢衰落因子,是V-UEi发射端到V-UEi接收端之间的距离。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是:所述步骤五中设定车联网用户V-UEs最小信干噪比SINR值,满足车联网通信严格时延和可靠性需求;具体过程为:
车联网通信中对于时延和通信链路的可靠性要求要远远高于传统的蜂窝用户。一个重要的信息类型具有高的PPPP值,应该在一个能够容忍的最大时间段内被传输。同时这个信息的传输服务质量(Qulity of Service,QoS)也应该被保证。高的SINR值不仅可以保证高的链路可靠性,同时也保证了低的传输时延。因此,为了满足车联网通信严格时延和可靠性需求,本发明提出V-UEi的最小信干噪比SINR值必须大于V-UEs最小信干噪比表达式如下:
所述V-UEs最小信干噪比为10dB。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六:本实施方式与具体实施方式一至五之一不同的是:所述步骤六中根据步骤四分别建立V-UEs和P-UEs的信息量效应函数infV和infC;具体过程为:
一、自组织资源分配模式下参数计算:
当用户V-UEi工作在自组织资源分配模式下时,V-UEi输信息不被任何其它用户干扰,此时用户V-UEi的信噪比(SNR)瞬时速率ri (1)和信息量的表达式如下:
其中,表示用户V-UEi在自组织资源分配模式下的发射功率,hi是用户V-UEi的信道增益,是用户V-UEi传输信息的PPPP值,是高斯白噪声;
二、专用模式下参数计算:
当用户V-UEi工作在专用模式下时,V-UEi不会被任何其它用户干扰,此时用户V-UEi的信噪比(SNR)瞬时速率和信息量的表达式如下:
其中,表示用户V-UEi在专用模式下的发射功率,hi是用户V-UEi的信道增益,是用户V-UEi传输信息的PPPP值,是高斯白噪声;
三、复用模式下参数计算:
当用户V-UEi的资源被P-UEj复用时,用户V-UEi发射的信息会受到用户P-UEj发射信息的干扰,此时,用户V-UEi的信干噪比(SINR)瞬时速率信息量的表达式如下:
其中,表示用户V-UEi在复用模式下的发射功率,hi是用户V-UEi的信道增益,是用户V-UEi传输信息的PPPP值,是高斯白噪声;表示用户P-UEj被V-UEi复用时的发射功率;hi,j为蜂窝用户P-UEj与V-UEi接收端之间的信道增益;
四.蜂窝用户P-UEs的参数计算
1)当用户P-UEj的资源被V-UEi复用时,用户P-UEj发射的信息会受到用户V-UEi发射信息的干扰,此时,用户P-UEj的信干噪比(SINR)瞬时速率信息量的表达式如下:
其中,表示用户P-UEj被V-UEi复用时的发射功率,hj,B是用户P-UEj到eNB的信道增益,hi,B是用户V-UEi到eNB的干扰信道增益,是用户P-UEj传输信息的PPPP值,是高斯白噪声;
2)当用户P-UEj的资源不被任何用户复用时,此时,用户P-UEj的信噪比(SNR)瞬时速率信息量的表达式如下:
其中,表示用户P-UEj的发射功率,hj,B是用户P-UEj到eNB的信道增益,是用户P-UEj传输信息的PPPP值,是高斯白噪声。
其它步骤及参数与具体实施方式一至五之一相同。
具体实施方式七:本实施方式与具体实施方式一至六之一不同的是:所述步骤七中根据步骤五和步骤六将V2X车联网中的资源分配问题进行数学建模,得到数学模型;具体过程为:
本发明的目标函数是最大化所有用户(所有V-UEs和P-UEs)的信息量函数之和。本发明进一步假设,在任何给定的传输时隙里,一对V-UE对只能选择一种通信模式。并且除了考虑V2X通信链路的时延要求和可靠性要求外,本发明也考虑了P-UEs的最小信干噪比SINR需求。因此,基于以上讨论,本发明的优化问题建模如下:
其中,x*是公式(1)达到最大值时对应的模式选择和信道分配矩阵x的最优解,p*是公式(1)达到最大值时对应的功率矩阵即P的最优解;
考虑到本发明所提出网络框架中V2X有三种不同的通信模式,分别是自组织资源分配模式(Autonomous mode),专用模式(Dedicated mode)和复用模式(Reuse Mode)。因此,本发明定义资源分配模式选择矩阵X={x(1),x(2),x(3)},
其中,x(1)和x(2)分别是自组织资源分配模式(Autonomous mode)和集中式专用模式(Dedicated mode)的信道分配向量,x(1)和x(2)都是N维向量,N表示V-UEs的对数;如果x(1)中元素意味着V-UEi工作在自组织资源分配模式Autonomous mode,否则V-UEi不工作在自组织资源分配模式,如果x(2)中元素意味着V-UEi工作在专用模式(Dedicated mode),否则V-UEi不工作在专用模式
x(3)是一个N×M的集中式复用模式(Reuse Mode)信道分配矩阵;如果x(3)中元素意味着V-UEi能复用P-UEj的资源块,否则V-UEi不能复用P-UEj的资源块,
和分别是P-UEs和的V-UEs最小信干噪比;和分别是P-UEs和V-UEs的最大发射功率;
P={p(1),p(2),p(3),pC}是用户的传输功率矩阵,p(1),p(2),p(3)表示V-UEs不同通信模式x(1),x(2),x(3)对应的发射功率矩阵,pC表示P-UEs的发射功率矩阵;当P-UEj被V-UEi复用资源时,否则
同样,定义R={r(1),r(2),r(3),rC}为数据速率矩阵,其中r(1),r(2),r(3)代表V-UEs不同通信模式x(1),x(2),x(3)对应的数据速率矩阵,rC表示P-UEs的数据速率矩阵,当P-UEj被V-UEi复用资源时,否则
限制条件(1b)和(1c)限制了工作在自组织资源分配模式(autonomous mode)和专用模式(dedicated mode)的车辆网用户对的个数分别应该小于未授权空闲资源块的个数和授权空闲资源块的个数;
限制条件(1d)限制了在一个传输时隙内,一个V-UE对只能选择一种通信模式并且只能复用一个P-UE的资源;
限制条件(1e)限制了在一个传输时隙内,一个P-UE的资源只能被一个V-UE对复
用;限制条件(1f)和(1g)限制了V-UEs和P-UEs通信必须满足各自的最小信噪比;
限制条件(1h)和(1i)限制了V-UEs和P-UEs通信的最大发射功率。
其它步骤及参数与具体实施方式一至六之一相同。
具体实施方式八:本实施方式与具体实施方式一至七之一不同的是:所述步骤八中根据步骤七的数学模型进行空闲资源块分配(Empty Resource Blocks Allocation,ERBA),获得自组织资源选择信道分配矩阵x(1)和专用模式信道分配矩阵x(2);具体过程为:
步骤八一:根据步骤七求解每个用户被分到专用资源块后,在不受任何干扰链路影响下,通过最优功率控制(文献1)得到瞬时速率值达到最大时的最优功率分配;
步骤八二:通过步骤八一中得到的最优功率分配,计算所有V-UEs的信息量infV;
步骤八三:将所有V-UEs按照infV值从大到小降序排列组成占有空闲频谱V-UEs的集合E;
步骤八四:集合E中前U个V-UEs选择自组织资源分配模式,通过能量感知技术获取未授权频谱资源;
反馈选择自组织资源分配模式V-UEs用户在集合V={V-UE1,V-UE2,…V-UEN}中的位置坐标,将对应位置坐标的值置1,其他位置坐标置零,获得自组织资源分配模式信道矩阵x(1);
步骤八五:集合E中第U+1对V-UE用户到U+L-M对V-UE用户选择专用模式,反馈专用模式V-UEs用户在集合V={V-UE1,V-UE2,…V-UEN}中的位置坐标,将对应位置坐标其他位置坐标置零,获得专用模式信道分配矩阵x(2);
步骤八六:将集合E中除了选择自组织资源分配模式和专用通信模式外的未分配到资源的V-UEs分配到复用模式,组成集合R,转到步骤九。
其它步骤及参数与具体实施方式一至七之一相同。
具体实施方式九:本实施方式与具体实施方式一至八之一不同的是:所述步骤八一中求解每个用户被分到专用资源块后,在不受任何干扰链路影响下,通过最优功率控制(文献1)得到瞬时速率值达到最大时的最优功率分配,具体过程为:
步骤八一一:判断V-UEs对数i是否达到最大值N,否转到步骤步骤八一二,是转到步骤八一四;
步骤八一二:当用户V-UEi获得专用资源后,不会受到其他任何用户的干扰,因此,V-UEi使用最大发射功率获得最大瞬时速率,表达式如下:
其中是V-UEi在获得空闲频谱资源时的最优发射功率;为V-UEi的发射功率;
步骤八一三:V-UEs对数i加1,i=i+1,转到步骤八一一;
步骤八一四:判断P-UEs个数j是否达到最大值M,否转到步骤步骤八一五,是转到步骤八二;
步骤八一五:当P-UEj获得专用资源后,不会受到其他任何用户的干扰,因此,P-UEj使用最大发射功率获得最大瞬时速率,表达式如下:
其中是P-UEj在获得空闲频谱资源时的最优发射功率;表示用户P-UEj的发射功率;
步骤八一六:P-UEs的个数j加1,j=j+1,转到步骤八一四;
所述步骤八二中通过步骤八一中得到的最优功率分配,计算所有V-UEs的信息量infV,具体过程为:
步骤八二一:判断V-UEs对数i是否达到最大值N,否转到步骤八二二,是,获得N对V-UEs的相对应的N个信息量值,即所有V-UEs的信息量infV,转到步骤八三;
步骤八二二:计算V-Ues中第i对V-UEi的信息量表达式如下:
步骤八二三:V-UEs对数i加1,i=i+1,转到步骤八二一;
所述步骤八四中集合E中前U个V-UEs选择自组织资源分配模式,并通过能量感知技术获取未授权频谱资源,具体过程为:
自组织资源分配模式下,V-UEs从未授权的资源池中选择资源块,并且自主执行数据传输,不需要通过基站;为了避免自组织资源分配模式下的资源干扰问题,本发明中,V-UEs首先通过能量感知技术去检测空闲频谱,然后将检测到的空闲频谱通过调度分配SA(Scheduling Assignment,SA)信号广播出去,每个V-UE都会通过调度分配SA信号比较自己的信息量值值和其他用户信息量值的大小,最终拥有最大信息量值的用户会获取空闲未授权频谱资源。
其它步骤及参数与具体实施方式一至八之一相同。
具体实施方式十:本实施方式与具体实施方式一至九之一不同的是:所述步骤九中根据步骤七的数学模型进行复用资源块分配(Reuse Resource Blocks AllocationRRBA),获得信道分配矩阵x(3);具体过程为:
步骤九一:利用文献1中的最优功率控制方法,求解复用模式下使得V-UE和其复用对象P-UE瞬时速率值之和达到最大时的最优功率分配,目标函数如下:
[1]A.Gjendemsjo,D.Gesbert,G.E.Oien,S.G.Kiani,“Optimal powerallocation and scheduling for two-cell capacity maximization,”inProc.2006IEEE Int.Symp.on Modeling and Optimization in Mobile,Ad Hoc andWireless Networks,pp.1-6.
其中,为以上公式目标函数最大时P-UEi对应的最优发射功率,为以上公式目标函数最大时V-UEi对应的最优发射功率;
步骤九二:将最优功率分配值带入到P-UEj和其复用对象V-UEi的信息量计算公式:
为用户P-UEj在最优发射功率下对应的信息量值,为用户V-UEi在最优发射功率下对应的信息量值;
则P-UEj和其复用对象V-UEi的信息量之和为:
此时公式(1)中的优化函数简化为:
定义INF为V-UEs复用模式下,所有V-UEs和P-UEs复用情况下组成的信息量之和矩阵,其表达式如下:
其中
公式(2)的最优解为从信息量之和矩阵INF中选取N-U-L个元素,通过文献2中经典的匈牙利算法进行求解使得所有V-UEs和其复用P-UEs组成的信息量之和达到最大,从而获得信道分配矩阵x(3)。
[2]H.W.Kuhn,“The Hungarian method for the assignment problem,”inNaval Research Logistic Quarterly,vol.2,no.1,pp.83-97,1955.
其它步骤及参数与具体实施方式一至九之一相同。
采用以下实施例验证本发明的有益效果:
对仿真实验的描述:
A.网络框架及仿真参数
本发明仿真参数见表1
表1仿真参数
B.仿真结果与分析
本方面的仿真结果分别从网络总吞吐量,整个网络信息量两方面分析所提出算法对网络整体性能的提升。
如图2所示,P-UEs个数是5个,空闲未授权频谱个数是5个,授权频谱个数是10个,车辆速度是120km/h时,本发明所提出算法所得次优解与分支定界算法所求出最优解的对比。分支定界算法复杂度非常高,最糟情况下会呈指数增长,而所提出算法复杂度相对较低,O(M3),其中M表示P-UEs的个数。从图中可以看到所提出算法网络总的信息量非常接近于最优算法的值。同时,信息量会随着V2V发射端与接收端距离r的增加而减小,这是因为r的增加导致用户通信链路路径损耗增大引起的。
如图3所示,P-UEs个数是20个,空闲未授权频谱个数是10个,授权频谱个数是30个,车辆速度是60km/h时,所提出算法与两种不同机制对比的结果。这两种机制分别是:1.自组织模式(Autonomous Mode)+专用模式(Dedicated Mode),该模式下,V-UEs之间的通信不仅可以是自组织资源分配模式,还可以是集中式资源调度中的专用模式;2.自组织模式(Autonomous Mode),该模式仅考虑V2X sidelink的分布式资源选择。从图中可以看出,所提出算法(Proposed algorithm)的信息量是最大的。
如图4所示,参数同图3,所提出算法(Proposed algorithm)的吞吐量也是所有不同体制中最大的。并且可以看到与纯蜂窝网络(Pure Cellular Network)相比,V2X车联网能够大幅度提高网络吞吐量,这是因为V2X车联网能够带来很高的复用增益。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于,所述方法具体是按照以下步骤进行的:
步骤一:算法开始;
步骤二:建立基于D2D通信技术的LTE-V通信网络架构,转到步骤三:
步骤三:初始化网络系统参数,转到步骤四:
步骤四:计算蜂窝用户P-UEj与eNB之间的信道增益hj,B、蜂窝用户P-UEj与V-UEi接收端之间的信道增益hi,j,V-UEi发射端到eNB干扰链路的信道增益hi,B,V-UEi发射端到V-UEi接收端的信道增益hi;1≤i≤N;1≤j≤M;
所述V-UEi为车联网用户i,P-UEj为行人用户j;
步骤五:设定车联网用户V-UEs最小信干噪比SINR值;
步骤六:根据步骤四分别建立V-UEs和P-UEs的信息量效应函数infV和infC;
步骤七:根据步骤五和步骤六将V2X车联网中的资源分配问题进行数学建模,得到数学模型;
步骤八:根据步骤七的数学模型进行空闲资源块分配,获得自组织资源选择信道分配矩阵x(1)和专用模式信道分配矩阵x(2);转到步骤九;
步骤九:根据步骤七的数学模型进行复用资源块分配,获得信道分配矩阵x(3);转到步骤十;
步骤十:算法结束。
2.根据权利要求1所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤二中建立基于D2D通信技术的LTE-V通信网络架构;具体过程为:
在一个城市场景中城市道路的拓扑结构为曼哈顿网格布局,eNB坐落在网络中心;
N对V-UEs发送端均匀分布在车道上,对应的N对V-UEs接收端同时落在以相应V-UEs发送端为圆心,以r为半径的圆内车道上,M个P-UEs以固定的间距均匀分布在人行道上;
所述r的范围为20-100米;M=20;
所述固定的间距为人行道的长度除以行人的个数;
所述V-UEs为网络中所有车联网用户的统称;P-UEs为网络中所有行人用户的统称;
车与车之间的间距等于2.5秒×汽车绝对速度值;
车联网用户通信发生在两种资源分配模式,集中式资源调度和自组织资源分配;
其中集中式资源调度包含复用模式和专用模式;
车联网用户复用行人用户的上行链路资源,网络中所有资源块之间相互正交;
基站通过控制信道获取所有通信链路的信道信息。
3.根据权利要求2所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤三中初始化网络系统参数,具体过程为:
假设整个网络系统中共有M个蜂窝用户P-UEs和N对V-UEs对;所有V-UEs的集合为V={V-UE1,V-UE2,…V-UEN},所有P-UEs的集合为C={P-UE1,P-UE2,…P-UEM};M、N取值为正整数;
在任何给定的传输时隙里,用户仅有一个数据包传输,并且每个用户传输数据包的大小相同;初始化所有用户数据包的近场通信优先级(ProSe Per-Packet Priority,PPPP)值,其值限定在[0,1]范围内;
定义为V-UEs传输信息的PPPP值的集合,为P-UEs传输信息的PPPP值的集合;
定义E是使用空闲频谱V-UEs的集合,R是复用模式下V-UEs的集合;
所有授权资源块的个数为L,对应的集合为FL={F1,F2,…FL},所有未授权资源块的个数为U,对应的集合为FU={F1,F2,…FU};L、U取值为正整数。
4.根据权利要求3所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤四中计算蜂窝用户P-UEj与eNB之间的信道增益hj,B、蜂窝用户P-UEj与V-UEi接收端之间的信道增益hi,j,V-UEi发射端到eNB干扰链路的信道增益hi,B,V-UEi发射端到V-UEi接收端的信道增益hi;1≤i≤N;1≤j≤M;
具体过程为:
蜂窝用户P-UEj与eNB之间的信道增益hj,B的数学表达式为:
其中,G是路径损耗常数,βj,B为蜂窝用户到基站的服从指数分布的快速衰落,为蜂窝用户到基站服从对数正态分布的慢衰落因子,α是路径损耗因子,是蜂窝用户P-UEj和eNB之间的距离;
蜂窝用户P-UEj与V-UEi接收端之间的信道增益hi,j的数学表达式为:
其中,为蜂窝用户P-UEj与V-UEi接收端之间服从对数正态分布的慢衰落因子,为蜂窝用户P-UEj与V-UEi接收端之间的距离;
V-UEi发射端到eNB干扰链路的信道增益hi,B的数学表达式为:
其中,为V-UEi发射端到eNB之间服从对数正态分布的慢衰落因子,为V-UEi发射端到eNB之间的距离;
V-UEi发射端到V-UEi接收端的信道增益hi:
其中,为V-UEi发射端到V-UEi接收端之间服从对数正态分布的慢衰落因子,是V-UEi发射端到V-UEi接收端之间的距离。
5.根据权利要求4所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤五中设定车联网用户V-UEs最小信干噪比SINR值;具体过程为:
V-UEi的最小信干噪比SINR值大于V-UEs最小信干噪比表达式如下:
<mrow>
<msubsup>
<mi>&xi;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>&GreaterEqual;</mo>
<msubsup>
<mi>&xi;</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>V</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
所述V-UEs最小信干噪比为10dB。
6.根据权利要求5所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤六中根据步骤四分别建立V-UEs和P-UEs的信息量效应函数infV和infC;具体过程为:
一、自组织资源分配模式下参数计算:
当用户V-UEi工作在自组织资源分配模式下时,V-UEi输信息不被任何其它用户干扰,此时用户V-UEi的信噪比瞬时速率ri (1)和信息量的表达式如下:
<mrow>
<msubsup>
<mi>&xi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mfrac>
</mrow>
<mrow>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msubsup>
<mi>&xi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>inf</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
其中,表示用户V-UEi在自组织资源分配模式下的发射功率,hi是用户V-UEi的信道增益,是用户V-UEi传输信息的PPPP值,是高斯白噪声;
二、专用模式下参数计算:
当用户V-UEi工作在专用模式下时,V-UEi不会被任何其它用户干扰,此时用户V-UEi的信噪比瞬时速率ri (2)和信息量的表达式如下:
<mrow>
<msubsup>
<mi>&xi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mfrac>
</mrow>
<mrow>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msubsup>
<mi>&xi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>inf</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
其中,表示用户V-UEi在专用模式下的发射功率,hi是用户V-UEi的信道增益,是用户V-UEi传输信息的PPPP值,是高斯白噪声;
三、复用模式下参数计算:
当用户V-UEi的资源被P-UEj复用时,用户V-UEi发射的信息会受到用户P-UEj发射信息的干扰,此时,用户V-UEi的信干噪比瞬时速率信息量的表达式如下:
<mrow>
<msubsup>
<mi>&xi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
<mrow>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msubsup>
<mi>&xi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>inf</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
其中,表示用户V-UEi在复用模式下的发射功率,hi是用户V-UEi的信道增益,是用户V-UEi传输信息的PPPP值,是高斯白噪声;表示用户P-UEj被V-UEi复用时的发射功率;hi,j为蜂窝用户P-UEj与V-UEi接收端之间的信道增益;
四.蜂窝用户P-UEs的参数计算
1)当用户P-UEj的资源被V-UEi复用时,用户P-UEj发射的信息会受到用户V-UEi发射信息的干扰,此时,用户P-UEj的信干噪比瞬时速率信息量的表达式如下:
<mrow>
<msubsup>
<mi>&xi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
<mrow>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msubsup>
<mi>&xi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>inf</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
</mrow>
其中,表示用户P-UEj被V-UEi复用时的发射功率,hj,B是用户P-UEj到eNB的信道增益,hi,B是用户V-UEi到eNB的干扰信道增益,是用户P-UEj传输信息的PPPP值,是高斯白噪声;
2)当用户P-UEj的资源不被任何用户复用时,此时,用户P-UEj的信噪比瞬时速率信息量的表达式如下:
<mrow>
<msubsup>
<mi>&xi;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>,</mo>
</mrow>
<mrow>
<msubsup>
<mi>r</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msubsup>
<mi>&xi;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>inf</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msubsup>
<mi>r</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
</mrow>
其中,表示用户P-UEj的发射功率,hj,B是用户P-UEj到eNB的信道增益,是用户P-UEj传输信息的PPPP值,是高斯白噪声。
7.根据权利要求6所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤七中根据步骤五和步骤六将V2X车联网中的资源分配问题进行数学建模,得到数学模型;具体过程为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mo>*</mo>
</msup>
<mo>,</mo>
<msup>
<mi>p</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
<mo>=</mo>
<munder>
<mrow>
<mi>arg</mi>
<mi>max</mi>
</mrow>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>p</mi>
</mrow>
</munder>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&theta;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<msubsup>
<mi>&theta;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<msubsup>
<mi>r</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>}</mo>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>&Element;</mo>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>}</mo>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>a</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>&le;</mo>
<mi>U</mi>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>b</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>&le;</mo>
<mi>L</mi>
<mo>-</mo>
<mi>M</mi>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>c</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>&le;</mo>
<mn>1</mn>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>&le;</mo>
<mn>1</mn>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>e</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&xi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<msubsup>
<mi>&xi;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>&GreaterEqual;</mo>
<msubsup>
<mi>&xi;</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>f</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&xi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&xi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&xi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>&GreaterEqual;</mo>
<msubsup>
<mi>&xi;</mi>
<mi>min</mi>
<mi>V</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>g</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<msubsup>
<mi>p</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<msubsup>
<mi>&xi;</mi>
<mi>min</mi>
<mi>C</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mi>max</mi>
<mi>C</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>h</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>V</mi>
</msubsup>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,x*是公式(1)达到最大值时对应的模式选择和信道分配矩阵x的最优解,p*是公式(1)达到最大值时对应的功率矩阵即P的最优解;
定义资源分配模式选择矩阵X={x(1),x(2),x(3)},
其中,x(1)和x(2)分别是自组织资源分配模式和集中式专用模式的信道分配向量,x(1)和x(2)都是N维向量,N表示V-UEs的对数;如果x(1)中元素意味着V-UEi工作在自组织资源分配模式Autonomous mode,否则V-UEi不工作在自组织资源分配模式,如果x(2)中元素意味着V-UEi工作在专用模式,否则V-UEi不工作在专用模式
x(3)是一个N×M的集中式复用模式信道分配矩阵;如果x(3)中元素意味着V-UEi能复用P-UEj的资源块,否则V-UEi不能复用P-UEj的资源块,
和分别是P-UEs和的V-UEs最小信干噪比;和分别是P-UEs和V-UEs的最大发射功率;
P={p(1),p(2),p(3),pC}是用户的传输功率矩阵,p(1),p(2),p(3)表示V-UEs不同通信模式x(1),x(2),x(3)对应的发射功率矩阵,pC表示P-UEs的发射功率矩阵;当P-UEj被V-UEi复用资源时,否则
同样,定义R={r(1),r(2),r(3),rC}为数据速率矩阵,其中r(1),r(2),r(3)代表V-UEs不同通信模式x(1),x(2),x(3)对应的数据速率矩阵,rC表示P-UEs的数据速率矩阵,当P-UEj被V-UEi复用资源时,否则
限制条件(1b)和(1c)限制了工作在自组织资源分配模式和专用模式的车辆网用户对的个数分别应该小于未授权空闲资源块的个数和授权空闲资源块的个数;
限制条件(1d)限制了在一个传输时隙内,一个V-UE对只能选择一种通信模式并且只能复用一个P-UE的资源;
限制条件(1e)限制了在一个传输时隙内,一个P-UE的资源只能被一个V-UE对复用;
限制条件(1f)和(1g)限制了V-UEs和P-UEs通信必须满足各自的最小信噪比;
限制条件(1h)和(1i)限制了V-UEs和P-UEs通信的最大发射功率。
8.根据权利要求7所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤八中根据步骤七的数学模型进行空闲资源块分配,获得自组织资源选择信道分配矩阵x(1)和专用模式信道分配矩阵x(2);具体过程为:
步骤八一:根据步骤七求解每个用户被分到专用资源块后,在不受任何干扰链路影响下,通过最优功率控制得到瞬时速率值达到最大时的最优功率分配;
步骤八二:通过步骤八一中得到的最优功率分配,计算所有V-UEs的信息量infV;
步骤八三:将所有V-UEs按照infV值从大到小降序排列组成占有空闲频谱V-UEs的集合E;
步骤八四:集合E中前U个V-UEs选择自组织资源分配模式,通过能量感知技术获取未授权频谱资源;
反馈选择自组织资源分配模式V-UEs用户在集合V={V-UE1,V-UE2,…V-UEN}中的位置坐标,将对应位置坐标的值置1,其他位置坐标置零,获得自组织资源分配模式信道矩阵x(1);
步骤八五:集合E中第U+1对V-UE用户到U+L-M对V-UE用户选择专用模式,反馈专用模式V-UEs用户在集合V={V-UE1,V-UE2,…V-UEN}中的位置坐标,将对应位置坐标其他位置坐标置零,获得专用模式信道分配矩阵x(2);
步骤八六:将集合E中除了选择自组织资源分配模式和专用通信模式外的未分配到资源的V-UEs分配到复用模式,组成集合R,转到步骤九。
9.根据权利要求8所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤八一中求解每个用户被分到专用资源块后,在不受任何干扰链路影响下,通过最优功率控制得到瞬时速率值达到最大时的最优功率分配,具体过程为:
步骤八一一:判断V-UEs对数i是否达到最大值N,否转到步骤步骤八一二,是转到步骤八一四;
步骤八一二:V-UEi使用最大发射功率获得最大瞬时速率,表达式如下:
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>V</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mrow>
<mi>V</mi>
<mo>*</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mi>arg</mi>
<mi> </mi>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mi> </mi>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中是V-UEi在获得空闲频谱资源时的最优发射功率;为V-UEi的发射功率;
步骤八一三:V-UEs对数i加1,i=i+1,转到步骤八一一;
步骤八一四:判断P-UEs个数j是否达到最大值M,否转到步骤步骤八一五,是转到步骤八二;
步骤八一五:P-UEj使用最大发射功率获得最大瞬时速率,表达式如下:
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>p</mi>
<mi>j</mi>
<mrow>
<mi>C</mi>
<mo>*</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mi>arg</mi>
<mi> </mi>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mi> </mi>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中是P-UEj在获得空闲频谱资源时的最优发射功率;表示用户P-UEj的发射功率;
步骤八一六:P-UEs的个数j加1,j=j+1,转到步骤八一四;
所述步骤八二中通过步骤八一中得到的最优功率分配,计算所有V-UEs的信息量infV,具体过程为:
步骤八二一:判断V-UEs对数i是否达到最大值N,否转到步骤八二二,是,获得N对V-UEs的相对应的N个信息量值,即所有V-UEs的信息量infV,转到步骤八三;
步骤八二二:计算V-Ues中第i对V-UEi的信息量表达式如下:
<mrow>
<msubsup>
<mi>inf</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>,</mo>
</mrow>
步骤八二三:V-UEs对数i加1,i=i+1,转到步骤八二一;
所述步骤八四中集合E中前U个V-UEs选择自组织资源分配模式,并通过能量感知技术获取未授权频谱资源,具体过程为:
V-UEs首先通过能量感知技术去检测空闲频谱,然后将检测到的空闲频谱通过调度分配SA信号广播出去,每个V-UE都会通过调度分配SA信号比较自己的信息量值值和其他用户信息量值的大小,最终拥有最大信息量值的用户会获取空闲未授权频谱资源。
10.根据权利要求9所述车联网通信联合集中式资源调度和自组织资源分配方法,其特征在于:所述步骤九中根据步骤七的数学模型进行复用资源块分配,获得信道分配矩阵x(3);具体过程为:
步骤九一:利用最优功率控制方法,求解复用模式下使得V-UE和其复用对象P-UE瞬时速率值之和达到最大时的最优功率分配,目标函数如下:
<mrow>
<mo>(</mo>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>*</mo>
</mrow>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>*</mo>
</mrow>
</msubsup>
<mo>)</mo>
<mo>=</mo>
<munder>
<mrow>
<mi>arg</mi>
<mi>max</mi>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
</munder>
<mo>{</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>C</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
<mo>}</mo>
</mrow>
其中,为目标函数最大时P-UEi对应的最优发射功率,为目标函数最大时V-UEi对应的最优发射功率;
步骤九二:将最优功率分配值带入到P-UEj和其复用对象V-UEi的信息量计算公式:
<mrow>
<msubsup>
<mi>inf</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>*</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>*</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>*</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>inf</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>*</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>*</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>*</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
为用户P-UEj在最优发射功率下对应的信息量值,为用户V-UEi在最优发射功率下对应的信息量值;
则P-UEj和其复用对象V-UEi的信息量之和为:
<mrow>
<msub>
<mi>inf</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>inf</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>*</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>inf</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>*</mo>
</mrow>
</msubsup>
<mo>;</mo>
</mrow>
此时公式(1)中的优化函数简化为:
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mo>*</mo>
</msup>
<mo>,</mo>
<msup>
<mi>p</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
<mo>=</mo>
<munder>
<mrow>
<mi>arg</mi>
<mi>max</mi>
</mrow>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>p</mi>
</mrow>
</munder>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&theta;</mi>
<mi>i</mi>
<mi>V</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>*</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>*</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>&theta;</mi>
<mi>j</mi>
<mi>C</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>C</mi>
<mo>*</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>*</mo>
</mrow>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
<mo>}</mo>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
定义INF为V-UEs复用模式下,所有V-UEs和P-UEs复用情况下组成的信息量之和矩阵,其表达式如下:
其中
公式(2)的最优解为从信息量之和矩阵INF中选取N-U-L个元素,通过经典的匈牙利算法进行求解使得所有V-UEs和其复用P-UEs组成的信息量之和达到最大,从而获得信道分配矩阵x(3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711159932.0A CN107682838B (zh) | 2017-11-20 | 2017-11-20 | 车联网通信联合集中式资源调度和自组织资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711159932.0A CN107682838B (zh) | 2017-11-20 | 2017-11-20 | 车联网通信联合集中式资源调度和自组织资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107682838A true CN107682838A (zh) | 2018-02-09 |
CN107682838B CN107682838B (zh) | 2020-06-16 |
Family
ID=61150348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711159932.0A Expired - Fee Related CN107682838B (zh) | 2017-11-20 | 2017-11-20 | 车联网通信联合集中式资源调度和自组织资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107682838B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108601036A (zh) * | 2018-04-13 | 2018-09-28 | 山东师范大学 | 一种基于逐次凸逼近的车联网资源优化调度方法和装置 |
CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN110582072A (zh) * | 2019-08-16 | 2019-12-17 | 北京邮电大学 | 蜂窝车联网中基于模糊匹配的资源分配方法及装置 |
CN111083668A (zh) * | 2020-01-02 | 2020-04-28 | 山东大学 | 一种在车联网中基于联盟博弈算法的d2d资源分配方法 |
CN111224740A (zh) * | 2018-11-23 | 2020-06-02 | 华为技术有限公司 | 一种控制信息的发送和接收方法及终端设备 |
WO2020135640A1 (zh) * | 2018-12-29 | 2020-07-02 | 华为技术有限公司 | 一种传输方法及装置 |
CN111954991A (zh) * | 2018-03-30 | 2020-11-17 | Lg 电子株式会社 | 基于极化码执行侧链路通信的方法及其设备 |
CN112055298A (zh) * | 2019-06-07 | 2020-12-08 | 大众汽车有限公司 | 用于第一车辆和用于第二车辆的装置、方法和计算机程序 |
CN112087738A (zh) * | 2020-09-21 | 2020-12-15 | 吉林大学 | 一种基于定位分区的v2v通信资源分配方法 |
CN112154677A (zh) * | 2018-05-25 | 2020-12-29 | 华为技术有限公司 | Its频带中的模式3 v2x ue的改进保护 |
CN112367152A (zh) * | 2020-10-29 | 2021-02-12 | 国网甘肃省电力公司信息通信公司 | 一种基于业务优先级的电力无线专网资源分配方法 |
CN112616131A (zh) * | 2020-12-11 | 2021-04-06 | 北京邮电大学 | 一种基于视频内容优先级的车联网资源分配方法 |
CN114128397A (zh) * | 2019-07-29 | 2022-03-01 | 高通股份有限公司 | 用于控制侧行链路通信的准入的技术 |
CN115516537A (zh) * | 2020-05-15 | 2022-12-23 | 三菱电机株式会社 | 通信控制装置、列队行驶控制装置、通信系统和通信控制方法 |
CN115567903A (zh) * | 2022-09-05 | 2023-01-03 | 山东科技大学 | 一种双向放大转发中继的通信资源分配方法、系统及应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015032436A1 (en) * | 2013-09-06 | 2015-03-12 | Telefonaktiebolaget L M Ericsson (Publ) | Cluster-based resource allocation for vehicle-to-vehicle communication |
CN104981021A (zh) * | 2014-04-14 | 2015-10-14 | 电信科学技术研究院 | 一种车联网系统中的资源调度方法和设备 |
CN105307216A (zh) * | 2015-06-26 | 2016-02-03 | 哈尔滨工业大学深圳研究生院 | 一种基于lte车联网的无线资源分配方法 |
CN105979598A (zh) * | 2016-06-29 | 2016-09-28 | 哈尔滨工业大学深圳研究生院 | 一种基于交通流动态分组的lte-d2d车联网资源分配方法 |
CN106231620A (zh) * | 2016-07-22 | 2016-12-14 | 哈尔滨工业大学 | 一种蜂窝网络中d2d通信的联合功率控制及比例公平调度的方法 |
-
2017
- 2017-11-20 CN CN201711159932.0A patent/CN107682838B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015032436A1 (en) * | 2013-09-06 | 2015-03-12 | Telefonaktiebolaget L M Ericsson (Publ) | Cluster-based resource allocation for vehicle-to-vehicle communication |
CN104981021A (zh) * | 2014-04-14 | 2015-10-14 | 电信科学技术研究院 | 一种车联网系统中的资源调度方法和设备 |
CN105307216A (zh) * | 2015-06-26 | 2016-02-03 | 哈尔滨工业大学深圳研究生院 | 一种基于lte车联网的无线资源分配方法 |
CN105979598A (zh) * | 2016-06-29 | 2016-09-28 | 哈尔滨工业大学深圳研究生院 | 一种基于交通流动态分组的lte-d2d车联网资源分配方法 |
CN106231620A (zh) * | 2016-07-22 | 2016-12-14 | 哈尔滨工业大学 | 一种蜂窝网络中d2d通信的联合功率控制及比例公平调度的方法 |
Non-Patent Citations (3)
Title |
---|
LI XIAOSHUAI: "Joint Power Control and Proportional Fair Scheduling for D2D Communication Underlaying Cellular Networks", 《THE 13TH IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING》 * |
SOFIA MARTINEZ LOPEZ: "An overview of D2D in", 《AN OVERVIEW OF D2D IN》 * |
XIANGHUI CAO: "On Optimal Device-to-Device Resource Allocation for Minimizing End-to-End Delay in VANETs", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111954991A (zh) * | 2018-03-30 | 2020-11-17 | Lg 电子株式会社 | 基于极化码执行侧链路通信的方法及其设备 |
CN108601036A (zh) * | 2018-04-13 | 2018-09-28 | 山东师范大学 | 一种基于逐次凸逼近的车联网资源优化调度方法和装置 |
CN108601036B (zh) * | 2018-04-13 | 2021-08-17 | 山东师范大学 | 一种基于逐次凸逼近的车联网资源优化调度方法和装置 |
CN112154677B (zh) * | 2018-05-25 | 2021-12-31 | 华为技术有限公司 | Its频带中的模式3 v2x ue的改进保护 |
US11089625B2 (en) | 2018-05-25 | 2021-08-10 | Futurewei Technologies, Inc. | Protection for mode-3 V2X UEs in the ITS band |
CN112154677A (zh) * | 2018-05-25 | 2020-12-29 | 华为技术有限公司 | Its频带中的模式3 v2x ue的改进保护 |
CN109302709B (zh) * | 2018-09-14 | 2022-04-05 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN111224740A (zh) * | 2018-11-23 | 2020-06-02 | 华为技术有限公司 | 一种控制信息的发送和接收方法及终端设备 |
WO2020135640A1 (zh) * | 2018-12-29 | 2020-07-02 | 华为技术有限公司 | 一种传输方法及装置 |
CN112055298B (zh) * | 2019-06-07 | 2023-04-07 | 大众汽车有限公司 | 用于第一车辆和用于第二车辆的装置、方法和计算机程序 |
CN112055298A (zh) * | 2019-06-07 | 2020-12-08 | 大众汽车有限公司 | 用于第一车辆和用于第二车辆的装置、方法和计算机程序 |
US11950137B2 (en) | 2019-07-29 | 2024-04-02 | Qualcomm Incorporated | Techniques for controlling admission for sidelink communications |
CN114128397A (zh) * | 2019-07-29 | 2022-03-01 | 高通股份有限公司 | 用于控制侧行链路通信的准入的技术 |
CN110582072A (zh) * | 2019-08-16 | 2019-12-17 | 北京邮电大学 | 蜂窝车联网中基于模糊匹配的资源分配方法及装置 |
CN111083668A (zh) * | 2020-01-02 | 2020-04-28 | 山东大学 | 一种在车联网中基于联盟博弈算法的d2d资源分配方法 |
CN111083668B (zh) * | 2020-01-02 | 2021-06-11 | 山东大学 | 一种在车联网中基于联盟博弈算法的d2d资源分配方法 |
CN115516537A (zh) * | 2020-05-15 | 2022-12-23 | 三菱电机株式会社 | 通信控制装置、列队行驶控制装置、通信系统和通信控制方法 |
CN112087738B (zh) * | 2020-09-21 | 2021-11-23 | 吉林大学 | 一种基于定位分区的v2v通信资源分配方法 |
CN112087738A (zh) * | 2020-09-21 | 2020-12-15 | 吉林大学 | 一种基于定位分区的v2v通信资源分配方法 |
CN112367152A (zh) * | 2020-10-29 | 2021-02-12 | 国网甘肃省电力公司信息通信公司 | 一种基于业务优先级的电力无线专网资源分配方法 |
CN112616131A (zh) * | 2020-12-11 | 2021-04-06 | 北京邮电大学 | 一种基于视频内容优先级的车联网资源分配方法 |
CN112616131B (zh) * | 2020-12-11 | 2022-05-13 | 北京邮电大学 | 一种基于视频内容优先级的车联网资源分配方法 |
CN115567903A (zh) * | 2022-09-05 | 2023-01-03 | 山东科技大学 | 一种双向放大转发中继的通信资源分配方法、系统及应用 |
CN115567903B (zh) * | 2022-09-05 | 2024-04-16 | 山东科技大学 | 一种双向放大转发中继的通信资源分配方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107682838B (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107682838A (zh) | 车联网通信联合集中式资源调度和自组织资源分配方法 | |
Liu et al. | A two-stage energy-efficient approach for joint power control and channel allocation in D2D communication | |
Qian et al. | Leveraging dynamic stackelberg pricing game for multi-mode spectrum sharing in 5G-VANET | |
CN105979598B (zh) | 一种基于交通流动态分组的lte-d2d车联网资源分配方法 | |
Qian et al. | Non-orthogonal multiple access vehicular small cell networks: Architecture and solution | |
CN106160993B (zh) | 一种基于its中d2d通信模型的系统容量扩容方法 | |
CN106231620A (zh) | 一种蜂窝网络中d2d通信的联合功率控制及比例公平调度的方法 | |
CN103179633B (zh) | 一种联合信道分配的认知无线电网络路由方法 | |
CN103024921B (zh) | 一种基于cqi反馈参数和sinr数值分组的调度方法 | |
Abbas et al. | An efficient cluster based resource management scheme and its performance analysis for V2X networks | |
CN105792310A (zh) | 一种基于lte车联网的中继选择算法 | |
Abana et al. | Coverage and rate analysis in heterogeneous cloud radio access networks with device-to-device communication | |
CN107613556A (zh) | 一种基于功率控制的全双工d2d干扰管理方法 | |
CN106792893A (zh) | 基于最大接收功率的异构蜂窝网络接入方法 | |
CN107248896A (zh) | 一种d2d通信联合模式选择和比例公平调度优化方法 | |
CN104038995A (zh) | 异构网络中的分布式动态成簇节能方法 | |
Yang et al. | A graph coloring resource sharing scheme for full-duplex cellular-VANET heterogeneous networks | |
Wang et al. | Interference hypergraph-based resource allocation (IHG-RA) for NOMA-integrated V2X networks | |
Wang et al. | Scheduling of uav-assisted millimeter wave communications for high-speed railway | |
CN103313309B (zh) | 一种基于负载的小区间d2d用户模式选择方法 | |
CN102655492B (zh) | 基于物理层安全的协同ofdma系统子载波分配方法 | |
CN104618003A (zh) | 一种CoMP下行系统中选择传输模式的方法和相应的系统 | |
CN104618934B (zh) | 一种基于吞吐量预测的整体优化中继节点选择方法 | |
CN109743736A (zh) | 一种以用户为中心的超密集网络用户接入与资源分配方法 | |
CN105979589A (zh) | 异构网络的能量有效资源分配方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200616 Termination date: 20201120 |
|
CF01 | Termination of patent right due to non-payment of annual fee |