CN111132075A - 一种基于状态转移概率空地一体化车联网中继选择方法 - Google Patents
一种基于状态转移概率空地一体化车联网中继选择方法 Download PDFInfo
- Publication number
- CN111132075A CN111132075A CN201911405481.3A CN201911405481A CN111132075A CN 111132075 A CN111132075 A CN 111132075A CN 201911405481 A CN201911405481 A CN 201911405481A CN 111132075 A CN111132075 A CN 111132075A
- Authority
- CN
- China
- Prior art keywords
- air
- state transition
- node
- transition probability
- ground integrated
- 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
- 230000007704 transition Effects 0.000 title claims abstract description 74
- 230000006855 networking Effects 0.000 title claims abstract description 51
- 238000010187 selection method Methods 0.000 title claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000004891 communication Methods 0.000 claims abstract description 45
- 230000007246 mechanism Effects 0.000 claims abstract description 35
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 239000007983 Tris buffer Substances 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 11
- 238000011160 research Methods 0.000 description 4
- 238000002716 delivery method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明属于空地一体化车联网通信技术领域,公开了一种基于状态转移概率空地一体化车联网中继选择方法,构建由V个车辆节点、U个无人机节点的空地一体化车联网模型;基于所述空地一体化车联网模型,构建所述移动节点之间的信息传输机制;基于所述移动节点之间的信息传输机制,构建所述移动节点之间的状态转换概率;基于所述移动节点之间的状态转换概率,构建基于多输入多输出技术的信息识别方法;基于所述移动节点之间的信息传输机制、状态转换概率以及信息识别方法,构建基于状态转移概率的中继选择方法。本发明可应用于城市智能交通系统,加强车辆、无人机、用户三者之间的联系,打造实时、准确、高效的综合运输和信息传递系统。
Description
技术领域
本发明属于空地一体化车联网通信技术领域,尤其涉及一种基于状态转移概率空地一体化车联网中继选择方法。
背景技术
目前,最接近的现有技术:空地一体化车联网一种特殊的车载自组织网络通常由地面上的多个车辆和天空中的多个无人机组成。作为现代智能交通的核心基础设施,空地一体化车联网得到了广泛关注。通过车与车、车与无人机、无人机与无人机之间的通信,空地一体化车联网可以提供各种类型的服务,包括道路安全、娱乐需求服、基于地理位置的服务等。在实际应用的空地一体化车联网中,随着移动节点(无人机与车辆)数量的增加使得网络拓扑以及传输路由动态多变,导致网络运算复杂且稳定性差,从而严重影响网络的整体性能。因此,快速选择最有效的中继节点进行下一跳的数据转发是一个重要且具有挑战性的问题。
现有技术一通过推导最佳中继节点区域包络的曲线方程,将该区域划分为具有相同误码率性能的同心圆环,同时结合中继节点和目的节点的位置来选择最佳中继节点。该方法充分利用空间分集特性来提高系统误码率性能。但该技术在推导最佳中继节点区域包络的曲线方程时,由于移动节点的运行内存与存储内存量有限,大量的运算会导致节点死机等情况的产生,所以该技术很难运用在实际的场景中。现有技术二提出了基于平均信噪比的中继选择方法,即选择发送节点与中继节点链接的各条链路上的平均信噪比大于指定门限的节点作为中继,但该技术需全面估计所有中继节点的平均信噪比且有较大的额外开销,在动态移动的网络拓扑以及电池寿命的影响下,效率会更低。现有技术三提出了基于本地测量得到的瞬时信道状态信息来选择合适中继,在众多可选中继节点中决策出一条最佳中继传输路径。但该技术对最佳中继传输路径选择成功与否取决于节点对当前无线信道的即时统计,即时统计需要在同一时刻获取大量的信息,将产生信息碰撞,可能导致有用信息被丢弃。
综上所述,现有技术存在的问题是:
(1)现有技术一通过推导最佳中继节点区域包络的曲线方程,在推导最佳中继节点区域包络的曲线方程时,由于移动节点的运行内存与存储内存量有限,大量的运算会导致节点死机等情况的产生,很难运用在实际的场景中。
(2)现有技术二提出了基于平均信噪比的中继选择方法需全面估计所有中继节点的平均信噪比且有较大的额外开销,在动态移动的网络拓扑以及电池寿命的影响下,效率会更低。
(3)现有技术三提出了基于本地测量得到的瞬时信道状态信息来选择合适中继对最佳中继传输路径选择成功与否取决于节点对当前无线信道的即时统计,即时统计需要在同一时刻获取大量的信息,将产生信息碰撞,可能导致有用信息被丢弃。
解决上述技术问题的难度:现有技术一:由于移动节点的运行内存与存储内存量有限,需对最佳中继节点区域包络的曲线方程的推导过程进行简化,降低节点的运算量,但若此过程进行简化则计算后的结果与实际中继节点区域包络范围不符,选择的中继节点将不会是最佳中继,从而影响网络性能。而受限于现有工艺,提高移动节点的运行内存与存储内存存在很大难度,因此现有技术的研究方向主要在于改进中继选择算法。现有技术二:由于空地一体化车联网网络拓扑结构变化频繁,无法实时对网络内所有中继节点的平均信噪比进行估计,并且若每次进行信息传输时均估计所有中继节点的平均信噪比也会产生额外开销,在节点能量一定的情况下,额外开销过大会影响节点的生存时间,使网络寿命降低,因此需在降低开销的前提下选择最优中继节点进行信息传输。现有技术三:该技术对网络中中继节点的选择基于当前无线信道的即时统计,但即时统计需要在同一时刻获取大量的信息,信息之间会产生碰撞,导致有用信息被丢弃,因此还需对信息防碰撞机制进行设计。
解决上述技术问题的意义:本发明采用基于状态转移概率的中继选择方法,针对移动节点运行内存与存储内存量有限的问题,采用基于邻居节点的一跳信息传输机制逐级去除那些小概率的中继节点,从而大幅度降低了运算空间。并且基于状态转移概率对中继节点进行选择,无需全面估计网络中所有的中继节点,效率高。最后采用MIMO技术进行多频通信,降低了信息碰撞概率,提高了信息读取的成功率。
本发明实施例提供的空地一体化车联网中一种基于状态转移概率的中继选择方法,相比于地基车联网,空地一体化车联网具有更大的覆盖范围,更强的态势感知能力、动态重构及容灾能力,尤其是在大范围广播、跨路网的交通态势感知、快速灵活部署与调度等方面具有地面基础设施难以比拟的优势。充分利用上述优势,在此基础上将提高与地基车联网互联互通,组成空地一体化车联网,能更好地支撑智能交通管理应用场景,具有较高的研究价值和意义。
发明内容
针对现有技术存在的问题,本发明提供了一种基于状态转移概率空地一体化车联网中继选择方法。
本发明是这样实现的,一种基于状态转移概率空地一体化车联网中继选择方法,所述基于状态转移概率空地一体化车联网中继选择方法采用基于状态转移概率的中继选择方法,针对移动节点运行内存与存储内存量有限的问题,采用基于邻居节点的一跳信息传输机制逐级去除那些小概率的中继节点;并且基于状态转移概率对中继节点进行选择;采用MIMO技术进行多频通信。
进一步,所述基于状态转移概率空地一体化车联网中继选择方法包括以下步骤:
第一步,构建由V个车辆节点、U个无人机节点的空地一体化车联网模型;
第二步,基于空地一体化车联网模型,构建车辆节点与无人机节点之间的信息传输机制;
第三步,基于移动节点之间的信息传输机制,构建移动节点之间的状态转换概率;
第四步,基于移动节点之间的状态转换概率,构建基于多输入多输出MIMO技术的信息识别方法;
第五步,基于移动节点之间的信息传输机制、状态转换概率以及信息识别方法,构建基于状态转移概率的中继选择方法。
进一步,所述第一步构建由V个车辆节点、U个无人机节点的空地一体化车联网模型包括:构建包含V+U个移动节点的空地一体化车联网,车辆可与无人机进行信息双向传输,网络中任一移动节点均可作为中继节点进行选择,源节点可为网络中任一移动节点,目的节点可为网络中任一移动节点。
进一步,所述第二步基于空地一体化车联网模型,构建车辆节点与无人机节点之间的信息传输机制包括:
(1)在空地一体化车联网中,移动节点需同时与多个邻居节点进行信息交互,采用单天线进行信息的收发很难满足网络数据传输需求,采用MIMO技术来增加信道容量;
(2)将携带信息的移动节点在道路上的行驶过程与空中飞行的过程视为一种时延容忍网络,移动节点采用存储—携带—转发机制进行通信,相应的数据分组由源节点附近的移动节点接收,移动到目的节点附近再进行报文投递。
进一步,发射端系统采用T根天线,接收端系统采用R根天线,在接收端接收到的信号表示为:
rM(t)=HT*Rs(t-τ)+n(t);
其中,HT*R是T*R维信道矩阵,表示为:
其中,hTR为空间信道增益;
采用3*3MIMO技术来进行通信,每个移动节点均安装3根天线,3*3MIMO天线系统的信道矩阵表示为:
对于3*3MIMO天线系统而言,信道容量表示为:
进一步,所述第三步基于移动节点之间的信息传输机制,构建移动节点之间的状态转换概率包括:源节点i向其所有邻居节点za广播消息,各移动节点发射功率相同,网络状态间的转移概率描述空地一体化车联网的动态变化;
空地一体化车联网的信道容量为CMIMO,移动节点的带宽速率为R,信道信噪比为γ,则信道容量与带宽速率、信道信噪比之间存在如下关系:
CMIMO=log2(1+γ)=lb(1+γ);
当CMIMO≥R时可视为正常通信,当CMIMO<R时视为通信中断;
考虑相邻链路之间存在相互干扰,故信道信噪比γ表示为:
其中,i为源节点,j为目的节点,ka为待选的中继节点,pi为源节点发射功率,中继节点发射功率,为σ2为加性高斯白噪声功率,Hi,j为源节点与目的节点之间的信道增益,为中继节点与目的节点之间的信道增益;
信道信噪比γ概率密度函数fH(x)表示为:
对概率密度函数fH(x)进行积分处理,得概率函数F(x):
由此可知空地一体化车联网中发生通信中断的概率为:
因此,空地一体化车联网中正常通信的概率为:
进一步,对于空地一体化车联网而言,网络中仅有两种状态,即正常通信和通信中断,将空地一体化车联网的网络状态定义为θ,θ表示为:
而状态转移采用马尔科夫链进行表示,状态转移概率Pi,j表示为:
进一步,所述第四步基于移动节点之间的状态转换概率,构建基于多输入多输出MIMO技术的信息识别方法包括:基于Aloha协议对信息进行识别,一帧内有L个时隙,即帧长为L,共有N个待检测的标签,得到同一时隙里有n个标签同时发送数据的概率为:
在该时隙识别过后可知阅读器的成功时隙SS,空闲时隙ES和碰撞时隙CS表示为:
CS=p(n≥2)=1-SS-ES;
由成功时隙SS,空闲时隙ES和碰撞时隙CS的计算公式可知,每一帧内发生碰撞的均值为:
碰撞时隙中包含标签的平均数量为:
移动节点采用3*3MIMO天线进行通信,采用3种不同的通信频率,在同一时隙中,移动节点可识别多个不同频率的信息,成功时隙SS-new表示为:
其中,Sa为成功识别多个不同频率标签的时隙数,Sa计算:
其中,t为频率总数,α为同一时隙中可识别的频率数。
根据以上分析,系统吞吐率Esystem为:
进一步,所述第五步基于移动节点之间的信息传输机制、状态转换概率以及信息识别方法,构建基于状态转移概率的中继选择方法包括:对能量作归一化处理,设发送信息能耗为VE,时延消耗为VD,ka为待选的中继节点,ma为邻居节点中非待选的移动节点,(ka∈za,ma∈za,ka+ma=za),发送信息能耗为VE可表示为:
其中,ω为开销系数;
时延消耗VD由2部分组成,分别为传输时延和在中继节点上进行信息处理的时延;采用3*3MIMO天线,并采用3种不同频率进行通信,进行信息传输的中继节点的等待时间分布Fq(w)为:
Fq(w)=1-ρexp[-(μ-λ)w];
其中,μ为信息发送速率,λ为信息到达速率,ρ为系统利用率,ρ=μ/λ;
信息平均等待时长wq和总排队时长Wq为:
对于传输时延可认为是一个常数,定义为Tdelay,则时延消耗VD表示为:
VD=Wq+Tdelay;
源节点经由单个中继节点到达目的节点的传输效率值V(i,ka,ma,j)表示为:
由源节点i可经过n条路径到达目的节点j,则将所有的可能路径进行求和,寻找到底目的节点j可能性最大并且耗时最短的路径进行传输,路径方程可定义为:
本发明的另一目的在于提供一种所述基于状态转移概率空地一体化车联网中继选择方法在智能交通中的应用。
综上所述,本发明的优点及积极效果为:本发明采用基于状态转移概率的中继选择方法,针对移动节点运行内存与存储内存量有限的问题,采用基于邻居节点的一跳信息传输机制逐级去除那些小概率的中继节点,从而大幅度降低了运算空间。并且基于状态转移概率对中继节点进行选择,无需全面估计网络中所有的中继节点,效率高。最后采用MIMO技术进行多频通信,降低了信息碰撞概率,提高了信息读取的成功率。
本发明通过构建空地一体化车联网模型与信息传输机制,设计了一种基于状态转移概率的中继选择方法,并通过基于多输入多输出技术的信息识别方法来提高信息识别率。本发明与已有机制相比,可有效提高信息传输成功率和系统吞吐率,并降低传输时延。相比于地基车联网,空地一体化车联网具有更大的覆盖范围,更强的态势感知能力、动态重构及容灾能力,尤其是在大范围广播、跨路网的交通态势感知、快速灵活部署与调度等方面具有地面基础设施难以比拟的优势。充分利用上述优势,在此基础上将提高与地基车联网互联互通,组成空地一体化车联网,能更好地支撑智能交通管理应用场景,具有较高的研究价值和意义。
附图说明
图1是本发明实施例提供的基于状态转移概率空地一体化车联网中继选择方法流程图。
图2是本发明实施例提供的空地一体化车联网信息传输机制示意图。
图3是本发明实施例提供的与First Contact方法、Direct Delivery方法、Epidemic方法信息传输成功率对比图。
图4是本发明实施例提供的与First Contact方法、Direct Delivery方法、Epidemic方法传输时延对比图。
图5是本发明实施例提供的与单天线信息传输、2*2MIMO天线信息传输的系统吞吐率对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于状态转移概率空地一体化车联网中继选择方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的基于状态转移概率空地一体化车联网中继选择方法包括以下步骤:
S101:构建由V个车辆节点、U个无人机节点的空地一体化车联网模型;
S102:基于空地一体化车联网模型,构建移动节点(车辆节点与无人机节点)之间的信息传输机制;
S103:基于移动节点之间的信息传输机制,构建移动节点之间的状态转换概率;
S104:基于移动节点之间的状态转换概率,构建基于多输入多输出(Multi-inputmulti-output,MIMO)技术的信息识别方法;
S105:基于移动节点之间的信息传输机制、状态转换概率以及信息识别方法,构建基于状态转移概率的中继选择方法。
下面结合具体实施例对本发明的技术方案作进一步的描述。
本发明实施例提供的基于状态转移概率空地一体化车联网中继选择方法具体包括以下步骤:
第一步,构建由V个车辆节点、U个无人机节点的空地一体化车联网模型;具体地,构建包含V+U个移动节点的空地一体化车联网,车辆可与无人机进行信息双向传输,网络中任一移动节点均可作为中继节点进行选择,源节点可为网络中任一移动节点,目的节点可为网络中任一移动节点。
第二步,S200基于所述空地一体化车联网模型,构建所述移动节点(车辆节点与无人机节点)之间的信息传输机制;具体地步骤如下:
(1)在空地一体化车联网中,移动节点需同时与多个邻居节点进行信息交互,采用单天线进行信息的收发很难满足网络数据传输需求。因此,本发明采用MIMO技术来增加信道容量。
假设发射端系统采用T根天线,接收端系统采用R根天线,在接收端接收到的信号可表示为:
rM(t)=HT*Rs(t-τ)+n(t);
其中,HT*R是T*R维信道矩阵,可表示为:
其中,hTR为空间信道增益。
本发明采用3*3MIMO技术来进行通信,即每个移动节点均安装3根天线。3*3MIMO天线系统的信道矩阵可表示为:
因此,对于3*3MIMO天线系统而言,信道容量可表示为:
(2)空地一体化车联网通常是异构接入网络,能够高效地利用不同的通信方式以保证多样化的服务质量需求。本发明提出将携带信息的移动节点在道路上的行驶过程与空中飞行的过程视为一种时延容忍网络(delay tolerant network,DTN),如图2所示。这些移动节点采用“存储—携带—转发”机制进行通信,相应的数据分组由源节点附近的移动节点接收,移动到目的节点附近再进行报文投递。此种方式的优点是节约了大量的信道带宽,尤其是在大规模接入场景中能够有效地实现数据分组的投递。
第三步,基于所述移动节点之间的信息传输机制,构建所述移动节点之间的状态转换概率;具体地步骤如下:源节点i向其所有邻居节点za广播消息,各移动节点发射功率相同,因各链路质量和损耗的不同,网络可能出现延迟或闪断等各种现象。因此,为了便于选择合适的网络状态,本发明定义网络状态间的转移概率来描述空地一体化车联网的动态变化。
空地一体化车联网的信道容量为CMIMO,假设移动节点的带宽速率为R,信道信噪比为γ,则信道容量与带宽速率、信道信噪比之间存在如下关系:
CMIMO=log2(1+γ)=lb(1+γ);
当CMIMO≥R时可视为正常通信,当CMIMO<R时视为通信中断。
考虑相邻链路之间存在相互干扰,故信道信噪比γ可表示为:
其中,i为源节点,j为目的节点,ka为待选的中继节点,pi为源节点发射功率,pka中继节点发射功率,为σ2为加性高斯白噪声功率,Hi,j为源节点与目的节点之间的信道增益,为中继节点与目的节点之间的信道增益。
信道信噪比γ概率密度函数fH(x)可表示为:
对概率密度函数fH(x)进行积分处理,可得概率函数F(x):
由此可知空地一体化车联网中发生通信中断的概率为:
因此,空地一体化车联网中正常通信的概率为:
对于空地一体化车联网而言,网络中仅有两种状态,即正常通信和通信中断,因此本发明将空地一体化车联网的网络状态定义为θ,θ可表示为:
而状态转移可采用马尔科夫链进行表示,因此状态转移概率Pi,j可表示为:
第四步,基于移动节点之间的状态转换概率,构建基于多输入多输出(Multi-input multi-output,MIMO)技术的信息识别方法;具体地步骤如下:
空地一体化车联网中移动节点在同一时刻将会接收大量信息,而在此过程中信息将会发生碰撞,因此需设计一定的信息识别方案来降低信息碰撞的概率,提高系统的吞吐率。本发明基于Aloha协议对信息进行识别。
假设一帧内有L个时隙,即帧长为L,共有N个待检测的标签,由于标签选择各个时隙数是等概率的,从数学原理上来讲,时隙Aloha的碰撞是一个多重伯努利试验问题每个标签以1/L来随机选择一帧中的某个时隙发送数据。假定各个时隙的时间间隔相等,并且不考虑捕获效应和环境噪声等其他因素对系统的影响,那么可以得到同一时隙里有n个标签同时发送数据的概率为:
在该时隙识别过后可知阅读器的成功时隙SS,空闲时隙ES和碰撞时隙CS可表示为:
CS=p(n≥2)=1-SS-ES;
由成功时隙SS,空闲时隙ES和碰撞时隙CS的计算公式可知,每一帧内发生碰撞的均值为:
碰撞时隙中包含标签的平均数量为:
本发明中移动节点采用3*3MIMO天线进行通信,因此可采用3种不同的通信频率,所以在同一时隙中,移动节点可识别多个不同频率的信息,故本发明的成功时隙SS-new可表示为:
其中,Sa为成功识别多个不同频率标签的时隙数,Sa可由下式进行计算:
其中,t为频率总数,α为同一时隙中可识别的频率数。
根据以上分析,本发明的系统吞吐率Esystem为:
第五步,基于移动节点之间的信息传输机制、状态转换概率以及信息识别方法,构建基于状态转移概率的中继选择方法;具体地步骤如下:中继节点的能量消耗主要包括3部分:发送、接收和空闲。通常发送功耗是主要考虑的部分,而接收和空闲时的功耗一般为常数。而在实际应用场景中,发送功耗取决于协作节点的数目以及发送消息的环境参数。本发明对能量作归一化处理,设发送信息能耗为VE,时延消耗为VD,ka为待选的中继节点,ma为邻居节点中非待选的移动节点,即(ka∈za,ma∈za,ka+ma=za)。此时,发送信息能耗为VE可表示为:
其中,ω为开销系数。
时延消耗VD由2部分组成,分别为传输时延和在中继节点上进行信息处理的时延。本发明采用3*3MIMO天线,并采用3种不同频率进行通信,因此对于每根天线而言均为单通道单服务,信息到达满足泊松分布,服务时间服从指数分布,故采用本发明进行信息传输的中继节点的等待时间分布Fq(w)为:
Fq(w)=1-ρexp[-(μ-λ)w];
其中,μ为信息发送速率,λ为信息到达速率,ρ为系统利用率,即ρ=μ/λ。
因此信息平均等待时长wq和总排队时长Wq为:
对于传输时延可认为是一个常数,本发明将其定义为Tdelay,则时延消耗VD可表示为:
VD=Wq+Tdelay;
因此,源节点经由单个中继节点到达目的节点的传输效率值V(i,ka,ma,j)可表示为:
假设由源节点i可经过n条路径到达目的节点j,则将所有的可能路径进行求和,寻找到底目的节点j可能性最大并且耗时最短的路径进行传输,路径方程可定义为:
下面结合仿真对本发明的技术效果作详细的描述。
本实验对空地一体化车联网中一种基于状态转移概率的中继选择方法和基于相同网络参数的已有机制进行仿真,验证所述方法的优越性。具体地,相同网络参数为4500m*3400m的区域,车辆与无人机在仿真区域内随机放置,车辆通信范围为30m,无人机通信范围为120m,在该环境中车辆数目在0到500之间变化,无人机数量为6,车辆行驶速度为30km/h,无人机飞行速度为60km/h。统计以下两个方面的数据:1.传输成功率;2.传输时延。目的节点与源节点随机选取,结果为仿真100次后的平均值。
将本发明与First Contact方法、Direct Delivery方法、Epidemic方法进行性能对比,传输成功率与传输时延如图3、图4所示;
将本发明与单天线信息传输、2*2MIMO天线信息传输的系统吞吐率进行对比,如图5所示。
综上所述,本发明实施例提供的空地一体化车联网中一种基于状态转移概率的中继选择方法,相比于地基车联网,空地一体化车联网具有更大的覆盖范围,更强的态势感知能力、动态重构及容灾能力,尤其是在大范围广播、跨路网的交通态势感知、快速灵活部署与调度等方面具有地面基础设施难以比拟的优势。充分利用上述优势,在此基础上将提高与地基车联网互联互通,组成空地一体化车联网,能更好地支撑智能交通管理应用场景,具有较高的研究价值和意义。本发明通过构建空地一体化车联网模型与信息传输机制,设计了一种基于状态转移概率的中继选择方法,并通过基于多输入多输出技术的信息识别方法来提高信息识别率。本发明与已有机制相比,可有效提高信息传输成功率和系统吞吐率,并降低传输时延。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于状态转移概率空地一体化车联网中继选择方法,其特征在于,所述基于状态转移概率空地一体化车联网中继选择方法采用基于状态转移概率的中继选择方法,针对移动节点运行内存与存储内存量有限的问题,采用基于邻居节点的一跳信息传输机制逐级去除那些小概率的中继节点;并且基于状态转移概率对中继节点进行选择;采用MIMO技术进行多频通信。
2.如权利要求1所述的基于状态转移概率空地一体化车联网中继选择方法,其特征在于,所述基于状态转移概率空地一体化车联网中继选择方法包括以下步骤:
第一步,构建由V个车辆节点、U个无人机节点的空地一体化车联网模型;
第二步,基于空地一体化车联网模型,构建车辆节点与无人机节点之间的信息传输机制;
第三步,基于移动节点之间的信息传输机制,构建移动节点之间的状态转换概率;
第四步,基于移动节点之间的状态转换概率,构建基于多输入多输出MIMO技术的信息识别方法;
第五步,基于移动节点之间的信息传输机制、状态转换概率以及信息识别方法,构建基于状态转移概率的中继选择方法。
3.如权利要求2所述的基于状态转移概率空地一体化车联网中继选择方法,其特征在于,所述第一步构建由V个车辆节点、U个无人机节点的空地一体化车联网模型包括:构建包含V+U个移动节点的空地一体化车联网,车辆可与无人机进行信息双向传输,网络中任一移动节点均可作为中继节点进行选择,源节点可为网络中任一移动节点,目的节点可为网络中任一移动节点。
4.如权利要求2所述的基于状态转移概率空地一体化车联网中继选择方法,其特征在于,所述第二步基于空地一体化车联网模型,构建车辆节点与无人机节点之间的信息传输机制包括:
(1)在空地一体化车联网中,移动节点需同时与多个邻居节点进行信息交互,采用单天线进行信息的收发很难满足网络数据传输需求,采用MIMO技术来增加信道容量;
(2)将携带信息的移动节点在道路上的行驶过程与空中飞行的过程视为一种时延容忍网络,移动节点采用存储—携带—转发机制进行通信,相应的数据分组由源节点附近的移动节点接收,移动到目的节点附近再进行报文投递。
6.如权利要求2所述的基于状态转移概率空地一体化车联网中继选择方法,其特征在于,所述第三步基于移动节点之间的信息传输机制,构建移动节点之间的状态转换概率包括:源节点i向其所有邻居节点za广播消息,各移动节点发射功率相同,网络状态间的转移概率描述空地一体化车联网的动态变化;
空地一体化车联网的信道容量为CMIMO,移动节点的带宽速率为R,信道信噪比为γ,则信道容量与带宽速率、信道信噪比之间存在如下关系:
CMIMO=log2(1+γ)=lb(1+γ);
当CMIMO≥R时可视为正常通信,当CMIMO<R时视为通信中断;
考虑相邻链路之间存在相互干扰,故信道信噪比γ表示为:
其中,i为源节点,j为目的节点,ka为待选的中继节点,pi为源节点发射功率,中继节点发射功率,为σ2为加性高斯白噪声功率,Hi,j为源节点与目的节点之间的信道增益,为中继节点与目的节点之间的信道增益;
信道信噪比γ概率密度函数fH(x)表示为:
对概率密度函数fH(x)进行积分处理,得概率函数F(x):
由此可知空地一体化车联网中发生通信中断的概率为:
因此,空地一体化车联网中正常通信的概率为:
8.如权利要求2所述的基于状态转移概率空地一体化车联网中继选择方法,其特征在于,所述第四步基于移动节点之间的状态转换概率,构建基于多输入多输出MIMO技术的信息识别方法包括:基于Aloha协议对信息进行识别,一帧内有L个时隙,即帧长为L,共有N个待检测的标签,得到同一时隙里有n个标签同时发送数据的概率为:
在该时隙识别过后可知阅读器的成功时隙SS,空闲时隙ES和碰撞时隙CS表示为:
CS=p(n≥2)=1-SS-ES;
由成功时隙SS,空闲时隙ES和碰撞时隙CS的计算公式可知,每一帧内发生碰撞的均值为:
碰撞时隙中包含标签的平均数量为:
移动节点采用3*3MIMO天线进行通信,采用3种不同的通信频率,在同一时隙中,移动节点可识别多个不同频率的信息,成功时隙SS-new表示为:
其中,Sa为成功识别多个不同频率标签的时隙数,Sa计算:
其中,t为频率总数,α为同一时隙中可识别的频率数;
根据以上分析,系统吞吐率Esystem为:
9.如权利要求2所述的基于状态转移概率空地一体化车联网中继选择方法,其特征在于,所述第五步基于移动节点之间的信息传输机制、状态转换概率以及信息识别方法,构建基于状态转移概率的中继选择方法包括:对能量作归一化处理,设发送信息能耗为VE,时延消耗为VD,ka为待选的中继节点,ma为邻居节点中非待选的移动节点,(ka∈za,ma∈za,ka+ma=za),发送信息能耗为VE可表示为:
其中,ω为开销系数;
时延消耗VD由2部分组成,分别为传输时延和在中继节点上进行信息处理的时延;采用3*3MIMO天线,并采用3种不同频率进行通信,进行信息传输的中继节点的等待时间分布Fq(w)为:
Fq(w)=1-ρexp[-(μ-λ)w];
其中,μ为信息发送速率,λ为信息到达速率,ρ为系统利用率,ρ=μ/λ;
信息平均等待时长wq和总排队时长Wq为:
对于传输时延可认为是一个常数,定义为Tdelay,则时延消耗VD表示为:
VD=Wq+Tdelay;
源节点经由单个中继节点到达目的节点的传输效率值V(i,ka,ma,j)表示为:
由源节点i可经过n条路径到达目的节点j,则将所有的可能路径进行求和,寻找到底目的节点j可能性最大并且耗时最短的路径进行传输,路径方程可定义为:
10.一种如权利要求1~9任意一项所述基于状态转移概率空地一体化车联网中继选择方法在智能交通中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911405481.3A CN111132075B (zh) | 2019-12-30 | 2019-12-30 | 一种基于状态转移概率空地一体化车联网中继选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911405481.3A CN111132075B (zh) | 2019-12-30 | 2019-12-30 | 一种基于状态转移概率空地一体化车联网中继选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111132075A true CN111132075A (zh) | 2020-05-08 |
CN111132075B CN111132075B (zh) | 2021-08-31 |
Family
ID=70506043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911405481.3A Expired - Fee Related CN111132075B (zh) | 2019-12-30 | 2019-12-30 | 一种基于状态转移概率空地一体化车联网中继选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111132075B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768654A (zh) * | 2020-06-23 | 2020-10-13 | 北京航空航天大学 | 一种多无人机协同中继辅助车载自组网数据传输方法 |
CN112188583A (zh) * | 2020-10-08 | 2021-01-05 | 上海海事大学 | 一种基于强化学习的海洋水下无线感知网络机会路由方法 |
CN112367692A (zh) * | 2020-10-29 | 2021-02-12 | 西北工业大学 | 一种基于链路服务质量的空地一体化车联网中继选择方法 |
CN112367378A (zh) * | 2020-10-29 | 2021-02-12 | 西北工业大学 | 一种基于无人机辅助的车联网信息传输方法 |
CN112737840A (zh) * | 2020-12-29 | 2021-04-30 | 西北工业大学深圳研究院 | 一种基于无人机辅助的车联网中继选择与安全传输方法 |
CN114710819A (zh) * | 2022-06-06 | 2022-07-05 | 天津讯联科技有限公司 | 一种无人机集群组网的路由规划方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102905309A (zh) * | 2012-11-06 | 2013-01-30 | 重庆邮电大学 | 车辆自组织网络中一种基于协作mac协议的中继通信方法 |
CN103347290A (zh) * | 2013-06-20 | 2013-10-09 | 重庆邮电大学 | 一种基于博弈论的车辆自组织网络中继选择方法 |
CN105792311A (zh) * | 2016-02-29 | 2016-07-20 | 重庆邮电大学 | 一种基于用户活动区域模型的车联网路由方法 |
CN107231670A (zh) * | 2017-06-23 | 2017-10-03 | 电子科技大学 | 基于邻居车辆信息与告警方向的告警中继选择算法 |
CN109089273A (zh) * | 2018-09-26 | 2018-12-25 | 西南科技大学 | 一种Ad-Hoc网络中基于状态转换概率的中继选择方法 |
CN109769284A (zh) * | 2019-03-20 | 2019-05-17 | 南京工业大学 | 一种msn下族内可信蚁群机会路由改进算法 |
CN109890060A (zh) * | 2019-03-03 | 2019-06-14 | 西北工业大学 | 一种车载机会网络中基于节点合作度的rsu辅助信息传输方法 |
CN110267294A (zh) * | 2019-06-18 | 2019-09-20 | 西安电子科技大学 | 基于能量协作的随机中继选择方法 |
CN110475205A (zh) * | 2019-07-02 | 2019-11-19 | 西北工业大学 | 无人机自组网中基于航迹关系的中继选择方法、无人机 |
CN110493747A (zh) * | 2019-08-06 | 2019-11-22 | 中交信息技术国家工程实验室有限公司 | 一种车联网环境下基于协同通信的自适应传输机制 |
-
2019
- 2019-12-30 CN CN201911405481.3A patent/CN111132075B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102905309A (zh) * | 2012-11-06 | 2013-01-30 | 重庆邮电大学 | 车辆自组织网络中一种基于协作mac协议的中继通信方法 |
CN103347290A (zh) * | 2013-06-20 | 2013-10-09 | 重庆邮电大学 | 一种基于博弈论的车辆自组织网络中继选择方法 |
CN105792311A (zh) * | 2016-02-29 | 2016-07-20 | 重庆邮电大学 | 一种基于用户活动区域模型的车联网路由方法 |
CN107231670A (zh) * | 2017-06-23 | 2017-10-03 | 电子科技大学 | 基于邻居车辆信息与告警方向的告警中继选择算法 |
CN109089273A (zh) * | 2018-09-26 | 2018-12-25 | 西南科技大学 | 一种Ad-Hoc网络中基于状态转换概率的中继选择方法 |
CN109890060A (zh) * | 2019-03-03 | 2019-06-14 | 西北工业大学 | 一种车载机会网络中基于节点合作度的rsu辅助信息传输方法 |
CN109769284A (zh) * | 2019-03-20 | 2019-05-17 | 南京工业大学 | 一种msn下族内可信蚁群机会路由改进算法 |
CN110267294A (zh) * | 2019-06-18 | 2019-09-20 | 西安电子科技大学 | 基于能量协作的随机中继选择方法 |
CN110475205A (zh) * | 2019-07-02 | 2019-11-19 | 西北工业大学 | 无人机自组网中基于航迹关系的中继选择方法、无人机 |
CN110493747A (zh) * | 2019-08-06 | 2019-11-22 | 中交信息技术国家工程实验室有限公司 | 一种车联网环境下基于协同通信的自适应传输机制 |
Non-Patent Citations (2)
Title |
---|
OMAR SAMI OUBBATI: "《Intelligent UAV-assisted routing protocol for urban VANETs》", 《COMPUTER COMMUNICATIONS》 * |
YIXIN HE: "《A course-aware opportunistic routing Protocol for FANETs》", 《IEEE ACCESS》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768654A (zh) * | 2020-06-23 | 2020-10-13 | 北京航空航天大学 | 一种多无人机协同中继辅助车载自组网数据传输方法 |
CN111768654B (zh) * | 2020-06-23 | 2021-09-28 | 北京航空航天大学 | 一种多无人机协同中继辅助车载自组网数据传输方法 |
CN112188583A (zh) * | 2020-10-08 | 2021-01-05 | 上海海事大学 | 一种基于强化学习的海洋水下无线感知网络机会路由方法 |
CN112188583B (zh) * | 2020-10-08 | 2022-08-02 | 上海海事大学 | 一种基于强化学习的海洋水下无线感知网络机会路由方法 |
CN112367692A (zh) * | 2020-10-29 | 2021-02-12 | 西北工业大学 | 一种基于链路服务质量的空地一体化车联网中继选择方法 |
CN112367378A (zh) * | 2020-10-29 | 2021-02-12 | 西北工业大学 | 一种基于无人机辅助的车联网信息传输方法 |
CN112737840A (zh) * | 2020-12-29 | 2021-04-30 | 西北工业大学深圳研究院 | 一种基于无人机辅助的车联网中继选择与安全传输方法 |
CN112737840B (zh) * | 2020-12-29 | 2022-12-09 | 西北工业大学深圳研究院 | 一种基于无人机辅助的车联网中继选择与安全传输方法 |
CN114710819A (zh) * | 2022-06-06 | 2022-07-05 | 天津讯联科技有限公司 | 一种无人机集群组网的路由规划方法 |
CN114710819B (zh) * | 2022-06-06 | 2022-08-26 | 天津讯联科技有限公司 | 一种无人机集群组网的路由规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111132075B (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111132075B (zh) | 一种基于状态转移概率空地一体化车联网中继选择方法 | |
Emara et al. | MEC-assisted end-to-end latency evaluations for C-V2X communications | |
Temel et al. | LODMAC: Location oriented directional MAC protocol for FANETs | |
CN109417771B (zh) | 转播信息以用于可靠的车辆通信的系统和方法 | |
Allouche et al. | A cluster based beaconing process for VANET | |
CN103781198A (zh) | 一种基于802.11p与LTE/LTE-A的车联网消息传播方法 | |
CN107071855B (zh) | 基于半双工通信的安全告警信息中继方法 | |
CN107231670B (zh) | 基于邻居车辆信息与告警方向的告警中继选择方法 | |
Alam et al. | Optimal best path selection algorithm for cluster-based multi-hop MIMO cooperative transmission for vehicular communications | |
Nguyen et al. | Cellular V2X communications in the presence of big vehicle shadowing: Performance analysis and mitigation | |
Schettler et al. | Deeply integrating visible light and radio communication for ultra-high reliable platooning | |
Zhang et al. | Adaptive beamforming-based gigabit message dissemination for highway VANETs | |
Li et al. | Multi-hop links quality analysis of 5G enabled vehicular networks | |
Arora et al. | Vehicle to Vehicle (V2V) VANET based analysis on waiting time and performance in LTE network | |
Boucetta et al. | Optimized ad-hoc multi-hop broadcast protocol for emergency message dissemination in vehicular ad-hoc networks | |
Wang et al. | Better platooning toward autonomous driving: Inter-vehicle communications with directional antenna | |
Wu et al. | Data dissemination with dynamic backbone selection in vehicular ad hoc networks | |
Song et al. | Random network coding enabled routing in swarm unmanned aerial vehicle networks | |
Triwinarko et al. | Using MIMO and cross layer design for VANETs: A review | |
Narsani et al. | Interference limited network for factory automation with multiple packets transmissions | |
Cao et al. | Topological optimization algorithm for HAP assisted multi-unmanned ships communication | |
Mostafa et al. | QoS-aware node selection algorithm for routing protocols in VANETs | |
Haouari et al. | Local density estimation for vanets | |
Marzouk et al. | Analysis and enhancement of platoon management in smart city | |
Diem et al. | Cooperative distributed STBC transmission scheme for multi-hop V2V communications |
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: 20210831 |