论文部分内容阅读
随着智能交通系统的快速发展,人们对道路安全业务和车载娱乐服务的要求越来越高,各类车载通信业务爆发式增长,导致了用于车载自组网通信的无线电频谱资源的匮乏。为了解决这一问题,将认知无线电技术引入到车载自组织网络中。认知无线电技术可以机会性地接入授权频段中未充分利用的部分,为车载通信提供额外的频谱资源。频谱感知技术是认知无线电系统中实现授权频谱资源再利用的首要环节。本文首先介绍了认知车联网(Cognitive Radio enabled Vehicular Ad-hoc Networks,CR-VANETs)中频谱感知技术的相关知识,提出现有频谱感知技术的局限性和所面临的挑战。针对传统频谱感知技术在车联网环境下的不足之处进行改进,提出了两种适合车载通信环境的频谱感知方法,具体内容如下:1、提出了一种基于模糊C均值(Fuzzy C-means,FCM)的动态双门限能量检测算法。认知车辆的移动性导致了车载通信环境的动态变化,不同路段接收到的噪声功率也随之变化,现有能量检测算法需要信噪比等其他先验信息来获取门限值,不能适应快速变化的车载通信环境。针对这一问题,利用认知车辆本地历史感知数据,提出基于FCM的动态双门限能量检测算法,通过FCM算法在动态变化的网络环境中自适应地获取能量检测的检测门限,针对噪声不确定性对单门限检测带来的不良影响,引入双门限检测方案,对不确定区域的检测统计量也进行判决,保留更多的感知信息。仿真结果表明,所提算法在车载通信场景中具有很好的自适应性,检测性能更好。2、提出了一种基于车辆位置和相关性的协作感知算法。由于单节点频谱感知技术存在很大的局限性,引入协作感知来提高系统的检测性能。协作感知需要同时考虑感知性能和系统开销,实现它们之间的良好折中。本文基于车辆位置和相关性进行协作节点选取,考虑路径损耗和阴影效应的影响,保证感知性能的同时尽可能选取较少的感知节点参与协作;接着提出一种介于硬判决融合和软判决融合之间的数据融合方法,参与协作的认知车辆上传2bit的本地感知信息到路侧单元,路侧单元进行线性加权融合判决。本文在车辆移动的场景中对所提的算法进行了仿真实验,与现有频谱感知算法相比得到了很好的改进,取得了感知性能和感知开销的折中。