CN111083708B - 一种基于干扰感知多图的v2v通信异质频谱分配方法 - Google Patents
一种基于干扰感知多图的v2v通信异质频谱分配方法 Download PDFInfo
- Publication number
- CN111083708B CN111083708B CN201911214994.6A CN201911214994A CN111083708B CN 111083708 B CN111083708 B CN 111083708B CN 201911214994 A CN201911214994 A CN 201911214994A CN 111083708 B CN111083708 B CN 111083708B
- Authority
- CN
- China
- Prior art keywords
- communication
- link
- interference
- heterogeneous
- cellular
- 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.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 116
- 238000004891 communication Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008447 perception Effects 0.000 title claims abstract description 19
- 230000001413 cellular effect Effects 0.000 claims abstract description 68
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 238000013468 resource allocation Methods 0.000 claims abstract description 7
- 230000006855 networking Effects 0.000 claims abstract description 4
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000004040 coloring Methods 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000010267 cellular communication Effects 0.000 claims description 4
- 238000000275 quality assurance Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000005315 distribution function Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于干扰感知多图的V2V通信异质频谱分配方法,属于无线通信领域。首先构建集成蜂窝频段和毫米波频段的车联网V2V通信网络模型,建立V2V接收用户的异质频谱信干噪比SINR以及蜂窝用户的SINR;然后利用V2V接收用户的SINR计算V2V链路的单位带宽通信速率;并将最大化V2V链路最小单位带宽通信速率为优化目标,以V2V链路的延时和可靠性约束和CUE的SINR高于最低SINR要求为优化条件,构建车联网异质频谱共享优化模型;构建干扰感知多图模型对V2V异质频谱资源分配优化模型进行优化,得到各个V2V通信链路的资源分配方案。本发明提高了系统通信速率,保证了V2V通信的延时和可靠性要求,并保障了蜂窝用户的通信质量。
Description
技术领域
本发明属于无线通信领域,涉及集成蜂窝频段和毫米波频端的车联网通信网络系统,具体是一种基于干扰感知多图的V2V通信异质频谱分配方法。
背景技术
由于驾驶变得越来越自动化,车辆所配备的传感器也越来越多,车辆之间的通信对传输速率要求越来越高。据调查,现有的车辆传感器的数量在每辆100个左右,而且预计在2020年会翻一倍,这使得车辆间每小时需要交换的原始传感器数据高达1TB,但现有的通信技术并不足以处理TB/h的传输速率。同时,车辆的安全服务极大地依靠实时交通信息的收集和共享,例如远程驾驶应用要求端到端时延低于5ms、传输可靠性99.999%。因此,在未来的车联网络中,提供更高的数据速率并同时保证车辆到车辆(Vehicle-to-Vehicle,V2V)通信的可靠性和时延是非常重要的。
目前V2V的研究大多数仅仅关注蜂窝用户频谱资源的共享或毫米波频谱资源的共享。不同的频谱资源具有不同的传输特性,相对于毫米波频段,蜂窝频段的传输更为稳定可靠,但由于其带宽有限,导致其无法满足V2V通信高传输速率的需求。相对于蜂窝频段,毫米波频段带宽大且传输速率高,但由于强穿透损耗和路径损耗,导致其不能满足V2V通信的可靠性需求。因此,集成蜂窝频谱资源和毫米波频谱资源,利用异质频谱资源互补的传输特性进行V2V通信,成为满足V2V通信严格要求的关键。
现有针对V2V通信的异质频谱共享问题的研究主要集中于集成蜂窝频段和毫米波频段的通信协议和架构设计,而不是异质频谱共享技术本身。针对异质频谱共享技术,蜂窝网中存在一些值得借鉴的工作,主要包括基于博弈论方法的设备到设备(Device-to-Device,D2D)异质频谱共享技术研究,但这些研究由于并未考虑到车辆移动产生的复杂通信环境,因此并不适用于V2V通信场景。
因此,需要研究一种针对V2V通信的异质频谱共享方案,既能合理分配以充分利用异质频谱资源,又能减小同频干扰以满足V2V通信的可靠性和时延要求。
发明内容
本发明为了解决上述问题,结合图论和干扰感知的设计,提供了一种基于干扰感知多图的V2V通信异质频谱分配方法,应用于集成蜂窝频谱资源和毫米波频谱资源的车联网络中。
具体步骤为:
S1、构建集成蜂窝频段和毫米波频段的车联网通信网络模型;
S2、基于CUE通信质量质量保证、V2V异质频谱通信可靠性和延时最低性能要求,以最大化V2V链路最小传输速率为优化目标,构建车联网的异质频谱共享优化模型;
S3、进行优化问题转换,将上述优化问题中难以直接计算得到的延时约束条件转换为信噪比约束条件;
S4、构建干扰感知多图;
S5、设计基于干扰感知多图的车联网异质频谱分配方案,对集成异质频谱的车联网通信网络频谱资源分配模型进行优化。
频谱资源分配方案包括CUE上行频谱资源和毫米波频谱资源的选取分配;
具体优化过程为:
步骤501、从干扰感知多图中选择候选着色节点;
步骤503、更新干扰感知多图;
步骤504、重复以上步骤,直至所有节点都已着色。
本发明的优点在于:
(1)一种基于干扰感知多图的V2V通信异质频谱分配方法,使V2V通信共享蜂窝用户和毫米波的频谱资源,大幅提高了系统和速率;
(2)一种基于干扰感知多图的V2V通信异质频谱分配方法,基于V2V链路间的干扰关系引入多图理论构建干扰感知多图,在降低计算复杂度的基础上实现了所有V2V链路最小容量的最大化,提高了系统和速率,实现了V2V通信可靠性和时延的保证;
附图说明
图1为本发明构建的集成蜂窝和毫米波频段的V2V通信的系统模型图;
图2为本发明一种基于干扰感知多图的V2V通信异质频谱分配方法流程图;
图3为本发明实施例所构建的干扰感知多图示意图;
图4为本发明提出的干扰感知多图算法与其它五种传统算法的系统和速率对比图;
图5为本发明提出的干扰感知多图算法与其它五种传统算法的CUE的SINR累计分布函数对比图;
图6为本发明提出的干扰感知多图算法与其它五种传统算法的V2V链路的SINR累计分布函数对比图;
图7为本发明提出的干扰感知多图算法与其它五种传统算法的不同数量的V2V链路下V2V链路中断概率对比图;
图8为本发明提出的干扰感知多图算法与其它五种传统算法的V2V链路分组时延概率密度函数对比图;
具体实施方式
为了使本发明的技术原理能够被更加清楚地理解,下面结合附图具体、详细地阐述本发明实施例。
本发明涉及V2V通信网络中的异质频谱资源分配方法,具体是一种基于干扰感知多图的V2V通信异质频谱分配方法(IMGH,Interference-aware Multi-Graph BasedHeterogeneous Spectrum Sharing Scheme for V2V Communication)。
具体步骤如图2所示,包括:
步骤一、构建集成蜂窝频段和毫米波频段的V2V通信网络模型;
V2V通信网络模型包括蜂窝基站(Base Station,BS),M个蜂窝用户(CelluarUser,CUE)以及L个V2V通信链路。为了提高频谱利用率,蜂窝上行链路频谱资源可以被多个V2V通信链路共享;蜂窝用户正交分配频谱资源,任意两个蜂窝通信链路之间没有干扰;一个V2V通信链路只能共享一种频谱资源;每一个V2V链路都有两种通信模式可供自主选择,即选择复用上行CUE频谱资源的模式和复用毫米波频段频谱资源的模式。
定义变量αl表示V2V链路选择哪种通信模式,对于复用蜂窝频段通信的V2V链路,即蜂窝V2V链路,αl=0;对于复用毫米波频段通信的V2V链路,即毫米波V2V链路,αl=1;对于第m个CUE,若其频谱资源被第l个V2V链路共享,则ρl,m=1;否则,ρl,m=0。
步骤二、基于CUE通信质量质量保证、V2V异质频谱通信可靠性和延时最低性能要求,以最大化V2V链路最小传输塑速率为优化目标,构建车联网的异质频谱共享优化模型,具体步骤如下所示:
1)基于该V2V通信网络模型中存在的干扰,建立蜂窝用户的信干噪比模型和V2V链路的异质频谱信干噪比(Signal-to-Interference-plus-Noise Ratio,SINR)模型;
V2V通信网络模型中,干扰包括四种类型:1)CUE对使用相同资源的蜂窝V2V链路接收机的干扰;2)使用蜂窝频谱资源的V2V链路发射机对基站的干扰;3)使用蜂窝频谱资源的V2V链路发射机对其它使用相同资源的蜂窝V2V链路接收机的干扰;4)V2V链路发射机对其它使用相同毫米波频谱资源的V2V链路接收机的方向性干扰。
在蜂窝频段,第m个蜂窝用户的SINR为:
复用第m个CUE的频谱资源的第l个V2V链路的SINR为:
G0表示蜂窝频段的天线增益;和Pl c分别表示第m个CUE和第l个V2V链路的发射功率;gm表示第m个CUE的信道增益,表示复用第m个CUE上行资源的第l个V2V链路信道增益;Nc是蜂窝频段的高斯白噪声功率谱密度,Bc为蜂窝频段带宽;且
第l个使用毫米波频谱资源的V2V链路的SINR为:
为第l'个毫米波V2V链路对第l个毫米波V2V链路的干扰,hl',l为毫米波V2V链路l'对毫米波V2V链路l的干扰信道增益;Nmw是毫米波频段的高斯白噪声功率谱密度,Bmw为毫米波频段的带宽。
2)利用V2V链路的SINR计算V2V链路的单位带宽速率。
第l个V2V链路的单位带宽通信速率Rl计算公式为:
3)构建V2V链路的延时约束条件;
设定每个V2V链路l的发射机缓存中有n个分组,任意分组的大小独立同分布,且服从均值为的指数分布;每个V2V链路l发射机的分组到达率λl是独立同分布的,且服从均值为E[λl(t)]=λ的泊松分布;第l个V2V发射机缓存中第n个分组的时延为:
Tl(n)=Wl(n)+τl(n)
Wl(n)表示第n个分组在缓存中的等待延时,τl(n)表示第n个分组的传输延时;每个V2V链路的延时约束为:
P{Tl(n)>tmax}≤ε,l=1,2,...,L
其中tmax为最大分组传输时延,ε为最大中断概率门限。
4)考虑在保证CUE通信质量、V2V通信可靠性和延时性能要求的前提下,提供高速率的V2V通信,以最大化所有V2V链路的最小速率作为优化目标,以V2V链路接收端SINR高于预先决定的值,V2V链路分组时延中断概率高于最大中断概率门限,每个CUE的SINR高于最低SINR要求和每个V2V链路只能使用最多一个频谱资源为优化条件,构建车联网异质频谱共享优化模型如下:
其中,ρ=[ρl,m]为V2V链路的蜂窝频谱资源的分配矩阵,α=[αl]为V2V链路的通信模式选择矩阵,第一和第二个约束条件表示了V2V链路的延时和可靠性要求,第三个约束条件确保了CUE用户的最小QoS,第四个和第五个约束表示每个V2V链路只能使用最多一个频谱资源。
S3、进行优化问题转换,将上述优化问题中难以直接计算得到的分组延时中断概率约束条件转换信噪比约束条件;
本发明基于排队论和网络演算理论,第l个V2V链路发射机缓存中第n个分组的等待时延中断概率上界为
即
其中,W-1(x):x∈[-e-1,0]→[-∞,0]为朗伯W函数的低分枝,满足z=W-1(zez);
因此,第l个共享蜂窝频谱资源的V2V链路的SINR应该满足
第l个复用毫米波频谱资源的V2V链路的SINR应该满足
上述优化问题中的第一个和第二个约束条件可以被替换为:
原优化问题即转换为下列新优化问题:
S4、构建干扰感知多图;
干扰感知多图是两个节点间存在多条加权干扰边连接的图,MG=(A,V,Ε),V={Vl,l=1,...,L}表示V2V链路的节点集,A={Am,m=1,...,M}表示CUE通信链路的节点集,E={Ef,f∈{c,mw}}表示蜂窝干扰边集Ec和毫米波干扰边集Emw的集合,其中Emw表示毫米波频段的干扰边集,f=mw,Ec表示蜂窝频段的干扰边集,f=c。其中,Gmw={V,Emw}和Gc={A,V,Ec}分别定义了多图中的毫米波频段和蜂窝频段干扰子图。
2)定义V2V节点具有三种节点属性;
a)节点Vl使用的颜色δ(Vl),表示第l个V2V链路使用的频谱资源;
b)节点Vl的候选颜色集Y(Vl)=[y1(Vl),y2(Vl),...,yK(Vl)],表示潜在可用的频谱资源;
根据优化模型中的第三个优化条件计算CUE的SIR限定区域,并以此来判定V2V通信节点能否共享该CUE的频谱资源,若不能则在V2V节点和CUE节点间构建干扰边,并在该V2V节点中去除该CUE频谱资源相应的颜色来初始化该V2V节点的候选颜色集。
c)节点权重Z(Vl),表示节点所受的潜在干扰,用于决定节点着色顺序;
S5、设计基于干扰感知多图的车联网异质频谱分配方案,对集成异质频谱的车联网通信网络频谱资源分配模型进行优化;
S501、从干扰感知多图中选择候选着色节点;
a)子图Gc和Gmw中的使用同一频谱资源的节点集合表示为Sc,k={Sc,1,...,Sc,k,...,Sc,M}和
Smw,k={Smw,k,k=M+1},其中的每个元素表示Gf中使用第k个频谱资源的节点集合,即Sf,k={Vl|k=δ(Vl),Vl∈V,f={c,mw}}。
S503、更新干扰感知多图;
更新相应节点权重;返回步骤704。
S504、重复以上步骤,直至所有节点都已着色。
本发明的基于于干扰感知多图的V2V通信异质频谱分配算法IMGC与基于干扰多图的异质频谱分配算法(MGC),基于贪婪算法的异质频谱共享算法(GA),基于合作博弈的异质频谱分配算法(CG),全毫米波通信算法(FMC),以及基于图论的全蜂窝通信算法(FCC)相比:
六种算法的系统和速率性能对比,如图4所示,可以看出,和MGC算法相比,本发明为保证通信网络中信道质量差的V2V通信链路的可靠性和时延要求,会略微降低总系统容量,但降低的水平很低;随着V2V链路数量的增加,和CG算法之间的差距越来越小,且略高于FMC算法;这是因为毫米波频段中,阻塞效应会随着V2V链路数量增加而愈发严重,V2V链路间的累积干扰也会增加,这会降低系统总体性能。
六种算法的蜂窝用户SINR的累积分布函数(CDF)如图5所示,可以看出本发明的方法的曲线同CUE不受V2V用户干扰的FMC算法曲线近似,这表明IMGC可以很好地保护蜂窝用户的QoS;IMGC算法这方面的性能好于CG,因为CG算法未考虑保护蜂窝用户的通信质量,而只是考虑了最大化V2V链路和蜂窝用户的系统和速率;对于FCC方法,蜂窝通信性能大大降低了,因为所有V2V链路都使用与之相同的频谱资源,从而产生了很强的干扰。因此,IMGC算法提供了较高的系统和速率。
六种算法的V2V链路的SINR的累积分布函数和V2V链路的中断概率分别如图6和图7所示,由图可知,IMGC算法有着近似于GA算法的性能,这是因为那些传输状态很差的V2V用户具有优先性而且任意V2V链路均不能以牺牲其它V2V链路通信质量为代价占用频谱资源;MGC算法没有考虑优先保护信道质量差的用户通信,与IMGC算法相比有大约2dB的差距;FCC算法可靠性更低,因为更多的蜂窝用户重用一个频谱资源,但是使用蜂窝频段的可靠性要高于毫米波频段;而CG算法只考虑了最大化系统和速率,故V2V链路更有可能分配到低SINR但吞吐量高的毫米波信道上,这将导致低可靠性和频谱效率;FMC算法是最不可靠的,因为毫米波严重的穿透损耗和阻塞效应。因此,IMGC算法具有更好的可靠性性能。
六种算法的V2V链路分组时延的概率密度函数如图8所示,已知3GPP TS 22.186中对于远程驾驶的延时标准为5ms,对于IMGC来说,少于0.5%的分组超过时延要求,这是因为IMGC算法自动计算了每一个V2V链路的适应性最小传输数据速率,以保证时延要求,而对于MGC、CG、FMC和FCC算法,其超过时延要求的分组比例分别为1.5%、15%、10%和90%。因此,IMGC算法具有更好的延时性能。
综上所述,通过实施本发明实施例的一种基于于干扰感知多图的V2V通信异质频谱分配方法,通过构建干扰感知多图,根据对蜂窝节点的干扰构建候选颜色集合,根据蜂窝节点和V2V通信节点间的相互干扰构建干扰加权边,根据干扰多图算法为V2V通信节点进行着色,分配异质频谱,可以实现V2V用户与蜂窝用户共享频谱,在保证蜂窝用户通信质量的前提下,能达到V2V链路的可靠性和时延要求,且可提高系统和速率。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种基于干扰感知多图的V2V通信异质频谱分配方法,其特征在于,具体步骤包括:
S1、构建整合了蜂窝频带和毫米波频带的异构通信网络模型;
S2、基于蜂窝用户(Cellular User,CUE)通信质量保证、车辆到车辆通信(Vehicle-to-Vehicle,V2V)异质频谱通信可靠性和延时最低性能要求,以最大化V2V链路最小传输速率为优化目标,构建车联网的异质频谱共享优化模型;
S3、进行优化问题转换,将上述优化问题中难以直接计算得到的延时约束条件转换为信噪比约束条件;
S4、构建干扰感知多图:干扰感知多图中,每个节点表示一个V2V通信对,两个节点具有多条加权干扰,每一条加权干扰边代表使用同一种异质频谱V2V通信对之间的干扰关系,每条干扰边的权重表示两个V2V通信对之间的共信道干扰;
S5、设计基于干扰感知多图的车联网异质频谱分配方案,对集成异质频谱的车联网通信网络频谱资源分配模型进行优化。
2.如权利要求1所述的一种基于干扰感知多图的V2V通信异质频谱分配方法,其特征在于,所述的步骤S1中,车联网异质频谱通信模型中包括异质频谱资源,即多个蜂窝用户的上行频谱资源和毫米波频谱资源;每一种频谱资源可以被多个V2V通信对所复用;每一个V2V通信对都有两种通信模式可供自主选择,即选择复用CUE上行频谱资源的蜂窝通信模式或复用毫米波频段频谱资源的毫米波通信模式。
3.如权利要求1所述的一种基于干扰感知多图的V2V通信异质频谱分配方法,其特征在于,步骤S2中所述的车联网异质频谱共享优化模型:
其中,ρ=[ρl,m]为V2V链路的蜂窝频带的分配矩阵,α=[αl]为V2V链路的通信模式选择矩阵,γt是V2V用户的最小信噪比值,是蜂窝用户的最小信噪比值,第一和第二个约束条件表示了异质频谱通信的V2V通信对的时延和可靠性最低要求,第三个约束条件为CUE用户的最低通信保证,第四个和第五个约束表示了每个V2V链路最多只能使用一个频谱资源和选择一种通信模式;
优化问题中:
定义Rl第l个V2V链路的单位带宽通信速率,
定义和分别为第m个蜂窝用户的信干噪比(Signal-to-Noise-plus-Interference Ratio,SINR)、复用第m个CUE频谱资源的第l个蜂窝模式通信V2V通信对的SINR和复用毫米波频谱资源的第l个毫米波通信模式的V2V通信对的SINR:
式中:G0表示蜂窝天线的增益,和表示第l个毫米波频带V2V链路的发射和接收方向上的方向性增益;Pl c和Pl mw分别表示第m个CUE,第l个V2V链路的发送功率和第l个V2V链路发射机的发射功率;gm表示第m个CUE的信道增益,表示共享在m个CUE上行资源上的第l个V2V链路信道增益,hl为毫米波V2V链路l的信道功率增益;Bc为蜂窝子带带宽,Bmw为毫米波频段的带宽,Nc是高斯白噪声的蜂窝功率谱密度,Nmw是毫米波频段的高斯白噪声功率谱密度;Il,m为第l个V2V链路对第m个CUE用户的干扰,Im,l为第m个CUE对第l个V2V链路的干扰,Il',l,t为第l’个蜂窝V2V链路对第l个蜂窝V2V链路的干扰,为第l’个毫米波V2V链路对第l个毫米波V2V链路的干扰;
定义Tl(n)=Wl(n)+τl(n)为第l个V2V链路缓存种第n个数据包的分组延时,Wl(n)和τl(n)分别为数据包等待延时和传输延时,tmax为最大分组传输时延,ε为最大中断概率门限。
4.如权利要求1所述的一种基于干扰感知多图的V2V通信异质频谱分配方法,其特征在于,步骤S3中所述将分组延时中断概率约束条件转换为信噪比约束条件的方法:
基于已有结论,第l个V2V链路发射机缓存中第n个分组的等待时延中断概率上界为
Tl(n)=Wl(n)+τl(n)
其中,tmax表示为最大分组传输时延;
即
其中W-1(x):x∈[-e-1,0]→[-∞,0]为朗伯W函数的低分枝,满足z=W-1(zez),
因此,第l个共享V2V链路的SINR应该满足
5.如权利要求1所述的一种基于干扰感知多图的V2V通信异质频谱分配方法,其特征在于,步骤S4中所构造的干扰感知多图如下所示:
干扰感知多图是两个节点间存在多条加权干扰边连接的图,MG=(A,V,Ε),V={Vl,l=1,...,L}表示V2V链路的节点集,A={Am,m=1,...,M}表示CUE用户通信链路的节点集,E={Ef,f∈{c,mw}}表示干扰边集Ec和毫米波频带的干扰边集Emw的集合;
定义V2V节点具有三种节点属性:1)节点Vl使用的颜色δ(Vl),表示第l个V2V链路使用的频谱资源;2)节点Vl的候选颜色集Y(Vl)=[y1(Vl),y2(Vl),...,yK(Vl)],表示潜在可用的频谱资源;3)节点权重Z(Vl),表示节点所受的潜在干扰,用于决定节点着色顺序;
6.如权利要求1所述的一种基于干扰感知多图的V2V通信异质频谱分配方法,其特征在于,步骤S5中所述的基于干扰感知多图的车联网异质频谱分配方案:
1)从干扰感知多图中选择候选着色节点:
3)更新干扰感知多图:
更新节点权重,更新节点候选颜色集合,从已着色节点的邻居节点候选颜色集中去除已使用颜色k*或k′*;
4)重复以上步骤,直至所有节点都已着色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214994.6A CN111083708B (zh) | 2019-12-02 | 2019-12-02 | 一种基于干扰感知多图的v2v通信异质频谱分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214994.6A CN111083708B (zh) | 2019-12-02 | 2019-12-02 | 一种基于干扰感知多图的v2v通信异质频谱分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111083708A CN111083708A (zh) | 2020-04-28 |
CN111083708B true CN111083708B (zh) | 2022-09-23 |
Family
ID=70312475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911214994.6A Active CN111083708B (zh) | 2019-12-02 | 2019-12-02 | 一种基于干扰感知多图的v2v通信异质频谱分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111083708B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111800738B (zh) * | 2020-07-13 | 2021-10-12 | 深圳大学 | 基于聚类算法的毫米波移动基站在线频谱共享方法及系统 |
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 |
CN113676275B (zh) * | 2021-08-18 | 2023-04-18 | 中国电信股份有限公司 | 车联网频谱复用的资源分配方法、装置、设备和可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8514825B1 (en) * | 2011-01-14 | 2013-08-20 | Cisco Technology, Inc. | System and method for enabling a vehicular access network in a vehicular environment |
CN103957530A (zh) * | 2014-05-05 | 2014-07-30 | 西安电子科技大学 | 基于图的超启发式的蜂窝网络频谱分配方法 |
CN109982341A (zh) * | 2019-02-19 | 2019-07-05 | 重庆邮电大学 | 一种基于超图理论的v2v广播资源分配方法 |
CN110351687A (zh) * | 2019-07-02 | 2019-10-18 | 北京邮电大学 | V2v资源调配方法和装置 |
-
2019
- 2019-12-02 CN CN201911214994.6A patent/CN111083708B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8514825B1 (en) * | 2011-01-14 | 2013-08-20 | Cisco Technology, Inc. | System and method for enabling a vehicular access network in a vehicular environment |
CN103957530A (zh) * | 2014-05-05 | 2014-07-30 | 西安电子科技大学 | 基于图的超启发式的蜂窝网络频谱分配方法 |
CN109982341A (zh) * | 2019-02-19 | 2019-07-05 | 重庆邮电大学 | 一种基于超图理论的v2v广播资源分配方法 |
CN110351687A (zh) * | 2019-07-02 | 2019-10-18 | 北京邮电大学 | V2v资源调配方法和装置 |
Non-Patent Citations (2)
Title |
---|
Multi-Graph Based Spectrum Sharing Scheme in Vehicular Network with Integration of Heterogenous Spectrum;Yidi Xuan et al;《2019 IEEE International Conference on Communications Workshops (ICC Workshops)》;20190711;第1-5页 * |
多信道车联网V2R/V2V数据传输调度算法;彭鑫 等;《通信学报》;20190325;第40卷(第3期);第1-10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111083708A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112616189B (zh) | 一种静态和动态相结合的毫米波波束资源分配与优化方法 | |
CN114731251B (zh) | 用于与多个载波的同时连接的机器学习架构 | |
CN111083708B (zh) | 一种基于干扰感知多图的v2v通信异质频谱分配方法 | |
CN111615200B (zh) | 混合Hybrid NOMA网络的无人机辅助通信资源分配方法 | |
CN107613556B (zh) | 一种基于功率控制的全双工d2d干扰管理方法 | |
CN108718446B (zh) | Lte-a网络中d2d模式选择与资源分配方法 | |
CN115441939B (zh) | 基于maddpg算法的多波束卫星通信系统资源分配方法 | |
CN108718445A (zh) | 一种QoS驱动的D2D安全通信资源分配方法 | |
CN107172576B (zh) | 一种增强蜂窝网安全性的d2d通信下行资源共享方法 | |
CN111031547A (zh) | 基于频谱分配与功率控制的多用户d2d通信资源分配方法 | |
CN104796990A (zh) | 蜂窝异构网络中基于功率控制的d2d资源分配方法 | |
CN107432039B (zh) | 非授权频谱中自适应信道接入的方法和系统 | |
CN114302497A (zh) | 一种应用于非授权毫米波段异构网络共存的调度方法 | |
CN106851838A (zh) | 多小区d2d频谱资源分配方法 | |
CN108282888B (zh) | 一种基于改进模糊聚类的d2d资源分配方法 | |
CN106714292A (zh) | 认知网络中基于干扰功率和服务质量受限的最优功率控制方法 | |
Zhang et al. | Matching-based resource allocation and distributed power control using mean field game in the NOMA-based UAV networks | |
CN106912059B (zh) | 支持互信息积累的认知中继网络联合中继选择及资源分配方法 | |
CN117715219A (zh) | 基于深度强化学习的空时域资源分配方法 | |
CN113055860A (zh) | 一种蜂窝网络下的d2d多对多资源分配方法 | |
CN107835514B (zh) | 一种多宿主业务场景下无线网络资源匹配的建模方法 | |
Rathod et al. | Fusion of artificial intelligence and game theory for resource allocation in non‐orthogonal multiple access‐assisted device‐to‐device cooperative communication | |
Sridhar et al. | Multivariate Aggregated NOMA for Resource Aware Wireless Network Communication Security. | |
Hu et al. | Performance analysis for D2D-enabled cellular networks with mobile edge computing | |
US11515911B2 (en) | Method and apparatus for MU-MIMO transmission |
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 |