论文部分内容阅读
随着科技的不断发展进步,人民的生活水平逐渐提高,越来越多的人拥有车辆。道路上的车辆都要接入网络,车联网网络将面临极高的性能要求。人们对无线VR、自动驾驶、增强现实等车载应用也变得越来越依赖,这类应用具有时延敏感、数据量大及计算需求大的特点,因此其对车联网系统的通信能力、计算能力提出了更高的要求。毫米波处于30~300GHz的频段,具有丰富的带宽资源,将其应用于车联网会极大的改善现有车联网网络的通信性能。本文将从5G车联网中通信与计算的协同技术研究出发,接着分析毫米波通信技术在车联网中的特性,最后在集成毫米波通信的5G车联网中,研究通信与计算的协同技术。首先,5G车联网中,本文研究了通信与计算的协同技术。本文采用移动边缘计算的架构,将计算资源从云端转移到更加贴近用户的基站处。为了利用基站和车辆自身的计算资源,本文提出了新的业务处理模型,即允许将车辆请求的业务以任意比例拆分成两个子业务,分别由基站和车辆处理。同时,在基站和车辆处,数据传输及处理都可以并行。最后,建立了通信与计算协同的优化模型。数值仿真表明,本文所提方案可以有效缩短业务完成时间。其次,本文详细分析并研究了毫米波车联网中的毫米波通信技术。由于车辆的高速移动,毫米波车联网网络拓扑变化迅速,其通信环境复杂多变。本文首次综合考虑了车辆的移动、障碍物遮挡、通信距离短以及通信相关时间等因素,推导了毫米波通信概率以及毫米波通信相关时间,并在此基础上提出了毫米波有效通信数据量的概念。这将为毫米波车联网的通信技术研究带来一定的帮助。最后,在集成毫米波通信的5G车联网中,本文研究了通信与计算的协同技术。首先提出了车辆5G通信与毫米波通信的协同机制,车辆周期性的将位置、运动状态等信息告知基站,基站通过集中的调度并告知相关车辆建立毫米波通信链路,链路的建立采用波束成形技术进行加速。此外,本文采用了毫米波中继技术,并提出了毫米波通信网络及需求拓扑。随后本文综合考虑了车辆移动、遮挡、毫米波通信距离及通信相关时间等因素,对毫米波中继车辆选择、卸载比例、计算资源分配进行了联合决策。实验表明本文所提方案能够有效的缩短业务完成时间。本文还给出了业务输入输出比、业务计算复杂度、计算资源与卸载比例之间的关系。