CN110601758A - 可见光通信系统的车联网多属性切换方法 - Google Patents
可见光通信系统的车联网多属性切换方法 Download PDFInfo
- Publication number
- CN110601758A CN110601758A CN201910627250.0A CN201910627250A CN110601758A CN 110601758 A CN110601758 A CN 110601758A CN 201910627250 A CN201910627250 A CN 201910627250A CN 110601758 A CN110601758 A CN 110601758A
- Authority
- CN
- China
- Prior art keywords
- network
- attribute
- weight
- visible light
- objective
- 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.)
- Pending
Links
- 230000006854 communication Effects 0.000 title claims abstract description 58
- 238000004891 communication Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000006855 networking Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010897 surface acoustic wave method Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 230000003287 optical effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000219358 Schlumbergera Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/116—Visible light communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/50—Transmitters
- H04B10/501—Structural aspects
- H04B10/502—LED transmitters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2854—Wide area networks, e.g. public data networks
- H04L12/2856—Access arrangements, e.g. Internet access
- H04L12/2869—Operational details of access network equipments
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及可见光通信系统的车联网多属性切换方法,属于光通信技术领域。本发明所述的方法通过采用改进的多属性决策算法寻找最佳的备选网络,降低室外可见光通信系统中网络间切换的失败率、避免乒乓效应、提升系统通信性能。在本发明中,建立了室外车联网可见光通信具体的通信过程;设计了基于该通信过程的网络多属性切换算法解结构;改进了网络属性切换算法中求解完全独立的客观权重以及综合权重使行驶车辆能更及时并正确的选择最佳网络进行切换。本发明所述方法能够有效降低室外可见光通信系统中网络间切换的失败率、避免乒乓效应、提升系统通信性能,能在保证系统吞吐量的基础上提高系统通信的数据速率和降低通信成本。
Description
技术领域
本发明属于光通信技术领域,涉及可见光通信系统的车联网多属性切换方法。
背景技术
近年来,车联网在相关研究领域中受到了广泛关注。车联网中,车辆可以通过车与车(Vehicle to Vehicle,V2V)和车与路边设施(Vehicle to Infrastructure,V2I)之间的链路实现与其他车辆或路边设施的互联互通。车联网通过汽车收集并共享信息,从而实现更加智能和安全的驾驶。与此同时,基于LED的可见光通信被视为车联网智能交通中一种可供选择的补充通信方式,它是一种新型无线通信技术,除兼顾照明和通信功能外,还具有对方向性要求不高、发射功率无限制等优势。在V2IVLC中,单元的小范围覆盖与车辆的快速移动相结合会导致系统性能大大降低,街道上发生的主要交通变化也会使V2IVLC切换更加困难,当车流量较大时,网络不稳定,切换时延较长,因此切换时间必须比业务量较小时短。行驶车辆高速移动及频繁地改变连接点,会导致频繁的网络切换,甚至导致连接中断。如果不使用恰当的切换机制,则可能在小区边界区域存在大量的乒乓效应,或者由于信号衰落而发生乒乓效应。因此,研究室外可见光通信系统车联网网络切换方法具有重要意义。
目前,针对室内可见光通信切换有较多方法已被使用,如模糊逻辑、神经网络、遗传算法和其他人工智能方法,但针对室外可见光通信系统的车联网切换方法的研究还处于初步研究的阶段,使用的方法多为较简单的以单属性设置阈值、多属性决策树进行判断或使用求多属性客观权值的SAW等几类。其中利用单属性设置阈值方法通过设置属性阈值过滤网络性能较差的网络,选取属性值最大的网络作为目标切换网络,但使用单属性作为网络选择标准具有较大的片面性,客观性较差。基于多属性决策树进行判断的方法将属性分级进行判断,虽然也考虑了多属性的作用,但第一个属性对决策具有非常大的影响,有可能网络只对第一个属性不满足,但对后面几个属性都满足,该网络的整体性能是能够被接入,用多属性决策就判断错误了,产生了不正确的判断结果。而求多属性客观权值的SAW方法求出的网络排序结果只具有客观性,忽略了用户的主观的意愿,因此最终的网络排序结果也存在一定的错误。目前这类方案的问题在于如何选择或改进合适的算法对网络性能值进行正确的排序。
发明内容
有鉴于此,本发明提供可见光通信系统的车联网多属性切换方法,该方法基于改进的多属性决策算法对网络性能值进行正确的排序,使得移动车辆能够快速的接入到性能最佳的网络中,从而保证车辆与网络之间的通信质量,减少切换次数,从而提升系统通信性能,提高系统通信速率。为了使移动车辆能正确的、高效的选择并接入最佳网络,该方法将求多属性的客观权值问题转化为求属性的相关系数的问题,以此作为算法求完全独立的客观权值的依据。然后根据所设计的主、客观权值分配系数的数学模型,将此数学模型的最优解作为主、客观权值系数分配的依据。而后设计网络性能评估数学式求解各网络的网络性能评估值。最后对各网络的性能评估值进行排序,选择性能值最大的网络作为目标切换网络。
为达到上述目的,本发明提供如下技术方案:
可见光通信系统的车联网多属性切换方法,采用改进的多属性决策算法选择最佳网络进行切换,为每辆移动车辆确定最优的网络选择方案。确定行驶车辆通信范围内的网络,若行驶车辆在其通信范围内检测到网络以下属性:车辆行驶速度、信号强度(RSS)、信噪比(Signal-to-Noise Ratio,SNR)、误码率(Bit Error Rate,BER)、信号覆盖半径、驻留时间,只需检测到这六个属性中的一个就把该网络记入此行驶车辆的存储表中,循环检测,直至检测完信号覆盖范围内的网络;
进一步地,采集并输入多属性切换算法执行所需的各网络的属性参数。网络属性参数包括:车辆行驶速度、信号强度(RSS)、信噪比(Signal-to-Noise Ratio,SNR)、误码率(Bit ErrorRate,BER)、信号覆盖半径、驻留时间。将通信范围内所有的网络都采集网络属性参数并输入算法中。
进一步地,先对输入的属性进行属性指标正向化:
建立属性指标正向化矩阵B。
进一步地,将矩阵B中的属性进行两两比较得到属性判决比较矩阵C,对属性判决比较矩阵C进行一致性检验,若一致性比率C.R.<0.1,则认为判决比较矩阵C的一致性是可以接受的。否则对判决比较矩阵C作适当的修正,直到一致性比率达到要求为止。然后对判决比较矩阵进行归一化处理得矩阵D,对处理后的矩阵D使用特征根法求解得到主观权值向量Θ={θ1,θ2,…,θm}。
进一步地,对矩阵B归一化处理得到矩阵E,从一组属性中删除属性ej,考虑它对决策的影响,重新定义每个备选方案的总体评估值。然后求解ej与上述重新定义的方案总体评估值之间的相关系数rj,由相关系数rj得出完全独立的客观权值向量U={u1,u2,…,um}。
进一步地,结合得到的网络选择主观权值与客观权值,根据改进的主客观权值分配模型求出最佳的主客观权值分配系数α、β,然后可得出网络选择的每个参数的综合权值wj。
最后,根据综合权重wj运用加权和方法求得每个网络的网络评估值,选择网络评估值最大的网络作为切换的目标网络。
本发明的有益效果在于:本发明提供的可见光通信系统的车联网多属性切换方法,为了使移动车辆能正确的、高效的选择并接入最佳网络,该方法将求多属性的客观权值问题转化为求客观权值的相关系数问题,以此作为算法求属性完全独立客观权值的依据。然后根据所设计的主、客观权值分配系数的数学模型,将此数学模型的最优解作为主、客观权值系数分配的依据。而后设计网络性能评估数学式求解各网络的网络性能评估值。最后对各网络的性能评估值进行排序,选择性能值最大的网络作为目标切换网络。该方法基于改进的多属性决策算法对网络性能值进行正确的排序,使得移动车辆能够快速的接入到性能最佳的网络中,从而保证车辆与网络之间的通信质量,减少切换次数,从而提升系统通信性能,提高系统通信速率。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1基于改进多属性决策算法的总流程图;
图2室外基于可见光通信系统的车辆网示意图;
图3室外车联网通信方式的示意图;
图4可见光通信的具体通信过程示意图;
图5可见光通信的通信波段;
具体实施方式
下面将结合附图,对本发明的实施方式进行详细的描述。
本发明提供的可见光通信系统的车联网多属性切换方法,在室外城市复杂道路环境下利用改进的多属性决策算法对网络性能值进行正确的排序,使得移动车辆能够快速的接入到性能最佳的网络中,从而提升系统通信性能,提高系统通信速率。本发明首先根据采集并输入的系统参数构建属性决策矩阵:
公式(1)中,假设有n个备选网络,每个网络有m个属性,aij为网络i的第j个属性的属性值。
因网络属性多种多样,分别有正向指标(越大越好,如SNR)、逆向指标(越小越好,如BER)和适度指标(不能太大,也不能太小,如V、R、T、RSS),最佳网络的选择最后是以网络评分值的大小进行选择,需对不同种的属性先使用指标正向化后,才能使用不同的归一化标准,最后保证网络选择的适用性。
对于逆向指标,采用倒数法进行正向化:
对于适度指标,采用绝对值倒数法进行正向化:
a0为属性i所对应的参考值。正向属性指标不需要进行指标正向化操作。综上,可得属性指标正向化矩阵B如下,
采用9中标度法对矩阵B的每个属性进行两两比较获取判决比较矩阵C如下,
其中
计算一致性指标C.I.:
其中n为判决比较矩阵的阶数。
计算一致性比率C.R.:
其中,平均随机一致性指标R.I.根据龚木森、许树柏在1986年得出的平均随机一致性指标表中查找得出。当C.R.<0.1时,一般认为判决比较矩阵的一致性是可以接受的。否则应对判决比较矩阵作适当的修正。
将判决比较矩阵进行规范化,可得规范化矩阵D,
其中dij为网络i的第j个属性判决比较后进行规范化的属性值。
对矩阵D使用特征根法求解得到主观权值向量Θ={θ1,θ2,…,θm}:
Aθ0=λmaxθ0
λmax为矩阵A的最大特征值,θ0是对应于λmax的特征向量,是对应于θ0的权重,θj为参数j的主观权重。
进一步地,对矩阵B标准化处理得到矩阵E:
其中,eij为网络i的第j个属性标准化后的属性值。
对矩阵E使用特征根法求解得到权值向量U′={u′1,u′2,…,u′m},根据简单加权和SAW求解每个备选网络的总体评估值:
然后,从一组属性中删除属性ej,考虑它对决策的影响,当删除属性ej时,重新每个备选网络的总体评估值重新定义为:
Gij为网络i删除属性ej后的总体评估值,eik网络i的第k个属性归一化后的属性值,u′k为删除属性ej后网络i的第k个属性的权值。
ej与上述重新定义的方案总体评估值之间的相关系数rj为:
其中
则完全独立的客观权值为:
uj=u′j×(1-rj)
进一步地,结合得到的网络选择主观权值与客观权值,根据主观和客观评价值的一致性和评价结果的最优性,提出改进的主客观权值分配模型:
构造拉格朗日函数对上式数学模型求解得出最佳的主客观权值分配系数α、β。然后可得出网络中每个参数的综合权值wj为:
wj=αθj+βuj
最后,根据综合权重wj运用SAW法或MEW法求得每个网络的网络评估值:
或
对备选网络的网络评估值按降序进行排列,选择网络评估值最大的网络作为切换的目标网络。
下面将结合附图1对本发明的室内可见光通信系统下行干扰抑制方法进行更为具体地介绍,具体流程可分为以下几个步骤:
检测:确定行驶车辆通信范围内的网络,循环检测,直至检测完信号覆盖范围内的网络。
输入:室外系统参数(包括:LED发射功率、LED器件固有参数、接收机数目、接收机器件固有参数等)和算法执行所需要的参数(包括:车辆行驶速度、信号强度RSS、信噪比SNR、误码率BER、信号覆盖半径、驻留时间),只需检测到这六个属性中的一个就把该网络记入此行驶车辆的存储表中。
输出:最佳备选网络
步骤1:根据输入的网络属性参数的性质,将属性进行属性指标正向化;
步骤2:根据正向化后的属性矩阵B,对属性进行两两比较获得判决比较矩阵C,计算一致性比率C.R.;
步骤3:判断一致性比率C.R.是否小于0.1,若C.R.<0.1,则认为判决比较矩阵的一致性是可以接受的,对D使用特征根法求解主观权重向量Θ;否则,重新执行步骤2;
步骤4:对属性矩阵B进行规范化的矩阵E,然后对E使用特征根法获得权重向量U′,根据简单加权和SAW求解每个备选网络的总体评估值Gi;
步骤5:从一组属性中删除属性ej,考虑它对决策的影响,当删除属性ej时,重新每个备选网络的总体评估值重新定义为Gij;
步骤6:根据ej与上述重新定义的方案总体评估值之间的相关系数rj,求解完全独立的客观权值向量U;
步骤7:结合得到的网络选择主观权值与客观权值,根据主观和客观评价值的一致性和评价结果的最优性,提出改进的主客观权值分配模型minF,构造拉格朗日函数对上式数学模型求解得出最佳的主客观权值分配系数α、β。
步骤7:根据主客观权值分配系数α、β求得出网络中每个参数的综合权值wj;
步骤8:根据综合权重wj运用加权和方法求得每个网络的网络评估值Yi;
步骤9:对备选网络的网络评估值按降序进行排列,选择网络评估值最大的网络作为切换的目标网络。
下面将结合实例对本发明的室外可见光通信系统车联网多属性切换方法进行分析:
以智能交通系统中车辆在高速路上LED信号重叠区域的通信切换为例对本发明进行说明。
1、光电传感器放置
将光电传感器以一定的布局结构安装在车辆的车顶,完成对光信息的采集,并将光信号传送至终端。
2、LED通信系统
输入信号的处理、调制解调、信道估计,补偿等都基于此系统实现。图4所示的是基于MIMO-OFDM实现的可见光通信系统,利用此系统可以实现将接收的光信号可靠地传输到终端。
3、终端
车辆的内部处理器对输入的网络信号进行网络评估,如网络评估值排名为最佳,则将网络切换至最佳网络中,保证通信的高质量。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管通过上述实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (5)
1.可见光通信系统的车联网多属性切换方法,其特征在于:采用改进的多属性切换算法从众多的备选网络中选择最佳的网络进行切换。包括以下步骤:
步骤1:确定行驶车辆通信范围内的网络;
步骤2:采集并输入多属性切换算法执行所需的各网络的属性参数,对属性参数进行属性指标正向化;
步骤3:根据步骤2的输入求解各网络属性主观权重,得到室外车联网环境下用户主观网络选择的权值并输出;
步骤4:根据步骤2的输入执行改进的客观权值求解算法,得到室外车联网环境下用户完全独立的客观网络选择的权值并输出;
步骤5:结合步骤3得到的网络选择主观权值和步骤4得到的网络选择客观权值,根据改进的主客观权值分配模型确定网络选择的综合权值并输出。
步骤6:根据步骤5所得的综合权重运用加权和方法求得每个网络的网络评估值,选择网络评估值最大的网络作为切换的目标网络。
2.根据权利要求1所述的一种应用室外可见光通信系统的车联网多属性切换方法,其特征在于:所述的步骤1具体通过以下方式实现:行驶车辆在其通信范围内若检测到网络的以下属性:车辆行驶速度、信号强度(RSS)、信噪比(Signal-to-Noise Ratio,SNR)、误码率(Bit Error Rate,BER)、信号覆盖半径、驻留时间,只需检测到这六个属性中的一个就把该网络记入此行驶车辆的存储表中,循环检测,直至检测完信号覆盖范围内的网络。
3.根据权利要求1所述的一种应用室外可见光通信系统的车联网多属性切换方法,其特征在于:所述的步骤2具体通过以下方式实现:采集并输入的网络属性参数包括:车辆行驶速度、信号强度(RSS)、信噪比(Signal-to-Noise Ratio,SNR)、误码率(Bit Error Rate,BER)、信号覆盖半径、驻留时间。将通信范围内所有的网络都采集网络属性参数。因网络属性多种多样,分别有正向指标(越大越好,如SNR)、逆向指标(越小越好,如BER)和适度指标(不能太大,也不能太小,如V、R、T、RSS),最佳网络的选择最后是以网络评分值的大小进行选择,需对不同种的属性先使用指标正向化后,才能使用不同的标准化标准,最后保证网络选择的适用性。
4.根据权利要求1所述的一种应用室外可见光通信系统的车联网多属性切换方法,其特征在于:所述的步骤4中完全独立的客观权值具体通过以下方式实现:
对标准化矩阵E使用特征根法求解得到权值向量U′={u′1,u′2,…,u′m},根据简单加权和SAW法求解每个备选网络的总体评估值:
然后,从一组属性中删除属性ej,考虑它对决策的影响,当删除属性ej时,重新每个备选网络的总体评估值重新定义为:
其中,Gij为网络i删除属性ej后的总体评估值,eik网络i的第k个属性归一化后的属性值,u′k为删除属性ej后网络i的第k个属性的权值。
ej与上述重新定义的方案总体评估值之间的相关系数rj为:
其中
则完全独立的客观权值为:
uj=u′j×(1-rj)
多属性决策算法的关键是获取每个属性的影响程度。但是,因为各种属性之间的依赖关系导致属性的客观权值之间也存在相互依赖关系,最终导致最佳网络的排名不准确,所以对客观权值进行独立化是非常有必要的。
5.根据权利要求1所述的一种应用室外可见光通信系统的车联网多属性切换方法,其特征在于:步骤5中设计的改进的主客观权值分配模型具体通过以下方式实现:
结合得到的网络选择主观权值与客观权值,根据主观和客观评价值的一致性和评价结果的最优性,提出改进的主客观权值分配模型:
构造拉格朗日函数对上式数学模型求解得出最佳的主客观权值分配系数α、β。其中,eij为网络i的第j个属性标准化后的属性值,θj和uj分别为参数j的主观权重和完全独立客观权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910627250.0A CN110601758A (zh) | 2019-07-12 | 2019-07-12 | 可见光通信系统的车联网多属性切换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910627250.0A CN110601758A (zh) | 2019-07-12 | 2019-07-12 | 可见光通信系统的车联网多属性切换方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110601758A true CN110601758A (zh) | 2019-12-20 |
Family
ID=68852812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910627250.0A Pending CN110601758A (zh) | 2019-07-12 | 2019-07-12 | 可见光通信系统的车联网多属性切换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110601758A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102781072A (zh) * | 2012-07-27 | 2012-11-14 | 南京邮电大学 | 基于多属性决策和群组决策的网络选择方法 |
CN104185221A (zh) * | 2014-02-19 | 2014-12-03 | 上海物联网有限公司 | 一种基于自适应权重调整的垂直网络切换方法 |
CN104539738A (zh) * | 2015-01-22 | 2015-04-22 | 重庆邮电大学 | 一种led通信的车辆自组织网络 |
US20170018183A1 (en) * | 2014-08-27 | 2017-01-19 | Sparkcity.Com Ltd. | System and method of creating a dynamic parking spot |
CN107071841A (zh) * | 2017-03-02 | 2017-08-18 | 重庆邮电大学 | 异构网络中基于动态权重优化的垂直切换方法 |
-
2019
- 2019-07-12 CN CN201910627250.0A patent/CN110601758A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102781072A (zh) * | 2012-07-27 | 2012-11-14 | 南京邮电大学 | 基于多属性决策和群组决策的网络选择方法 |
CN104185221A (zh) * | 2014-02-19 | 2014-12-03 | 上海物联网有限公司 | 一种基于自适应权重调整的垂直网络切换方法 |
US20170018183A1 (en) * | 2014-08-27 | 2017-01-19 | Sparkcity.Com Ltd. | System and method of creating a dynamic parking spot |
CN104539738A (zh) * | 2015-01-22 | 2015-04-22 | 重庆邮电大学 | 一种led通信的车辆自组织网络 |
CN107071841A (zh) * | 2017-03-02 | 2017-08-18 | 重庆邮电大学 | 异构网络中基于动态权重优化的垂直切换方法 |
Non-Patent Citations (2)
Title |
---|
JIAJIA CHEN等: "A Multiple Attribute-based Decision Making model for autonomous vehicle in urban environment", 《2014 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV)》 * |
张健等: "一种改进的可见光通信系统SNR均匀性优化方法", 《重庆邮电大学学报(自然科学版)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101583161B (zh) | 协作节点单元选择方法及装置 | |
CN106656374A (zh) | 一种基于双门限能量检测的协作宽带频谱感知方法 | |
CN103763706B (zh) | 基于分簇的协作频谱感知模糊融合方法 | |
CN104954210B (zh) | 配电通信网中的不同业务类型与无线通信方式的匹配方法 | |
CN106533623B (zh) | 跨协议通信方法及装置 | |
CN101754226B (zh) | 认知无线网络环境下终端的重构方法 | |
CN104602325A (zh) | 一种基于层次分析法的异构无线网络选择方法 | |
CN110061946B (zh) | 一种面向高铁的深度信号检测方法 | |
CN107451605A (zh) | 一种基于信道状态信息和支持向量机的简单目标识别方法 | |
CN103780349B (zh) | 一种基于有限距离译码的解随机化采样格译码方法 | |
CN113473580B (zh) | 异构网络中基于深度学习的用户关联联合功率分配方法 | |
CN113095162B (zh) | 一种基于半监督深度学习的频谱感知方法 | |
CN110601758A (zh) | 可见光通信系统的车联网多属性切换方法 | |
CN113242274A (zh) | 铁路防灾监测系统信息分级回传方法 | |
CN110572202B (zh) | 一种感知性能驱动的单星和多星相结合的混合频谱感知方法 | |
CN110336631B (zh) | 一种基于深度学习的信号检测方法 | |
CN106954268A (zh) | 一种sdn架构下接入网资源分配方法 | |
CN109413617B (zh) | 一种基于小蜂窝辅助的车联网传输方法 | |
CN108449790B (zh) | 基于差分进化算法的认知无线网络的时间和功率分配方法 | |
CN110933691A (zh) | 一种用于专用融合网络中基于相对熵和理想解的垂直切换方法 | |
CN113542065A (zh) | 基于ahp-模糊综合评价的低功耗物联网传输可靠性评估方法 | |
CN103326813B (zh) | 单树搜索软球形译码方法及装置 | |
CN113490248A (zh) | 一种多模终端切换方法及装置 | |
CN114698012B (zh) | 一种多模智能终端的网络垂直切换方法 | |
CN111385818B (zh) | 一种无线网络参数的优化方法、装置及设备 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191220 |