联合功率控制和信道分配的VANETs动态频谱接入研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:lgshow
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本论文拟对联合功率控制和信道分配的VANETs动态频谱接入算法展开研究。车载自组织网络(Vehicular Ad hoc Networks, VANETs)作为移动自组织网络(Mobile Ad hoc Network,MANETs)的一种特殊实现方式,节点具有随机移动性,信道传输具有多普勒频移,广播信息技术是节点传输数据的主要方式之一。为了满足车载用户的信号与干扰噪声比(Signal Interference to Noise Ratio, SINR),节点常以广播技术,使用最大的发送功率进行数据传输。这会导致多用户干扰严重,车载用户较难正确解码,中断概率高,网络吞吐容量低等问题。此外,传统的以固定带宽信道接入模式难以满足用户对频带使用的需求,尤其是在动态拓扑变化的车载自组织VANETs网络中,固定带宽模式面临频谱利用率低等问题。针对以上问题,本论文的主要研究内容如下:
  1、针对车载自组织网络多用户干扰问题,提出了面向中断概率最小化的车载自组织网络功率分配(Power Control based on Probability-Aware,PC-OPA)算法。该算法利用随机几何理论,建立空间累积干扰模型,推导出与累积干扰衰落分布相关的中断概率表达式。以中断概率最小化为目标,发送端根据获知的干扰分布情况调整发送功率,同时提高了网络吞吐量。仿真结果表明:与WFPC功率控制算法相比,PC-OPA算法降低了23%的中断概率,提高了25%的网络吞吐量。该机制也为动态频谱分配机制提供了接入授权频谱的使用约束。
  2、针对车载自组织网络多用户频谱分配与容量受限问题,提出了联合功率与信道分配的动态频谱接入( Spectrum Access based on Power Control and Channel Allocation,SA-PCCA)算法。以中断概率最小化的功率分配算法为基础,以传输容量最大化为目标,采用拉格朗日最优化算法,在功率和传输容量受限的前提下,节点最优化接入频谱,进而实现多用户共享频谱。仿真结果表明:与文献[72]算法相比, SA-PCCA算法将网络传输容量提高了30%,吞吐容量提高了25%。
其他文献
随着互联网技术的飞速发展,网络环境也变得日益复杂,人们在享受互联网带来便利的同时,网络安全问题也逐渐成为了关注的热点。入侵检测系统是应对各种层出不穷的攻击手段的有效防御技术之一,它能够检测出当前的网络环境是否存在遭受攻击的痕迹,并根据入侵检测设备内部的协议产生相应的报警,进而便于网络管理员对网络实施防御措施。单一的入侵检测设备无法满足当前复杂多变的网络环境的需求,在实际的网络环境中,往往是多种不同
在互联网技术全面快速发展的时代,各种新兴网络应用平台(社交网络、电子商务)日益普及,使得大量的数据被搜集整合在一起。这些海量数据往往蕴含着宝贵且重要的信息,数据带给人们的价值无法忽视,对这类网络图形数据的研究也逐渐成为人们关注的对象。随着互联网上的数据生成快速化,数据量也随指数上升。数据中出现的冗余、虚假的信息无形中增加人们获取有效信息的查询时间与查询难度。面对海量、繁杂的信息,如何快速、便捷的获
学位
说话人识别又称为声纹识别,其主要任务有两种:说话人确认和说话人辨认。经过几十年的发展,说话人识别技术已经广泛应用于安防、金融和司法等领域。随着深度学习技术的迅速发展,端到端神经网络在说话人识别中有良好的识别效果。但基于端到端神经网络的方法仍然存在一些问题,如由帧级别特征转换为句子级别特征的过程中难以提取到更多有用的帧信息、现有的损失函数因为正负样本数量不均衡导致的识别性能不理想及训练收敛速度过慢的
BOC 体制信号的频谱分裂特性与窄相关峰特性使其相较于 BPSK 体制信号能够为GNSS提供更高的频谱资源利用率以及更优的定位性能,因此BOC体制信号成为了现代GNSS的重要组成体制,并成为GNSS发展的主要候选体制。然而, BOC体制信号的相关函数多峰性导致接收设备对其的捕获和跟踪都具有会引起严重测距误差的模糊度,因此掌握BOC的无模糊度捕获与跟踪技术是现代GNSS接收机同步技术的关键。本课题正
学位
近年来,无人机的泛滥使用对空中安全管理造成了巨大的威胁,然其作为一种“低、慢、小”目标,探测难度较高,利用传统方法很难将其从复杂杂波背景中检测与识别出来。而无人机的微动特征是其特有的运动信息,利用微动特征对无人机进行识别具有重要应用价值。时频分析方法作为提取目标微动特征的主要手段仍然存在许多不足,其中线性时频分析方法的时间分辨率和频率分辨率相互制约易导致分析结果不准确,而二次型时频分析方法具有良好
工业过程能向智能化方向发展得益于故障检测技术的出现,作为保障工业系统稳定运行的关键技术,故障检测技术的重要性日益突出。以往传统的故障检测技术分析的是工业过程的运行机理,且要求工业过程模型十分的精确。但是,现在的工业过程系统非常复杂,这无疑使得构建精确的过程模型变得十分的困难。鉴于此,学术界的学者把目光转向了工业系统产生的数据,这些数据中包含了工业过程中的所有信息,如何从这些数据中挖掘出有用信息成为
学位
伴随着深度学习技术的快速发展,限制场景下的高分辨率人脸识别准确率已经超过了人类水平,在门禁、安检等领域均得到了广泛应用。但是在非限制场景下,当距离摄像机过远,识别准确率明显降低。低分辨率人脸由于尺寸较小,如何提取鉴别性特征是目前需要解决的难点,且其缺少的高频信息对于识别十分重要。本文针对低分辨率人脸识别率较低的问题,基于深度卷积神经网络,提出了结合人脸重建的识别方法和一种新的图像重建算法,主要研究
在许多对称密码算法中,密码S盒通常作为唯一的非线性部件,实现字节代换功能,以完成算法所需的数据混淆性。注意到,这些对称密码算法的安全强度与S盒的代数性质紧密相关。S盒的主要安全性指标有:非线性度、差分均匀性、双射性及代数次数等。然而伴随着各种新攻击方法的不断涌现,S盒是否存在未知的安全缺陷?如何更全面的评价S盒的安全强度?都是亟待讨论的问题。  本文以现有的密码S盒的安全性指标为基础,结合非线性不
学位
随着计算机应用技术和图像识别技术的发展,人们可以通过计算机实现仅存在于生物体中的视觉效果。如今,计算机视觉研究已成为一个跨学科的研究热点。主要目的是使计算机能够根据图像采集器捕获的图像对物体和场景做出正确的判断,包括对物体进行自动检测和识别。目前,目标检测与识别的研究成果被广泛应用于智能交通系统的车辆检测与识别中。智能交通系统(ITS)将人、车有机地连接在一个系统。这样车辆就可以在道路上实现安全自
学位
近年来,随着科学技术的发展,战争形式变得复杂多样,传统雷达已无法应对现代战争复杂的战场环境和电磁环境。认知雷达技术由于能够动态地感知环境变化、及时调整雷达参数,已经成为雷达领域未来研究的一个重点方向。但是,现有认知雷达成像技术对目标和环境的自适应能力仍然不强,缺乏有效的评价体系来为认知成像任务提供参考。另一方面,在对认知雷达图像的识别中,现有方法往往需要人工提取图像的特征进行识别,具有片面性和不确
学位