【摘要】：隨著智能交通系統(tǒng)的快速發(fā)展,人們對道路安全業(yè)務(wù)和車載娛樂服務(wù)的要求越來越高,各類車載通信業(yè)務(wù)爆發(fā)式增長,導(dǎo)致了用于車載自組網(wǎng)通信的無線電頻譜資源的匱乏。為了解決這一問題,將認(rèn)知無線電技術(shù)引入到車載自組織網(wǎng)絡(luò)中。認(rèn)知無線電技術(shù)可以機會性地接入授權(quán)頻段中未充分利用的部分,為車載通信提供額外的頻譜資源。頻譜感知技術(shù)是認(rèn)知無線電系統(tǒng)中實現(xiàn)授權(quán)頻譜資源再利用的首要環(huán)節(jié)。本文首先介紹了認(rèn)知車聯(lián)網(wǎng)(Cognitive Radio enabled Vehicular Ad-hoc Networks,CR-VANETs)中頻譜感知技術(shù)的相關(guān)知識,提出現(xiàn)有頻譜感知技術(shù)的局限性和所面臨的挑戰(zhàn)。針對傳統(tǒng)頻譜感知技術(shù)在車聯(lián)網(wǎng)環(huán)境下的不足之處進行改進,提出了兩種適合車載通信環(huán)境的頻譜感知方法,具體內(nèi)容如下:1、提出了一種基于模糊C均值(Fuzzy C-means,FCM)的動態(tài)雙門限能量檢測算法。認(rèn)知車輛的移動性導(dǎo)致了車載通信環(huán)境的動態(tài)變化,不同路段接收到的噪聲功率也隨之變化,現(xiàn)有能量檢測算法需要信噪比等其他先驗信息來獲取門限值,不能適應(yīng)快速變化的車載通信環(huán)境。針對這一問題,利用認(rèn)知車輛本地歷史感知數(shù)據(jù),提出基于FCM的動態(tài)雙門限能量檢測算法,通過FCM算法在動態(tài)變化的網(wǎng)絡(luò)環(huán)境中自適應(yīng)地獲取能量檢測的檢測門限,針對噪聲不確定性對單門限檢測帶來的不良影響,引入雙門限檢測方案,對不確定區(qū)域的檢測統(tǒng)計量也進行判決,保留更多的感知信息。仿真結(jié)果表明,所提算法在車載通信場景中具有很好的自適應(yīng)性,檢測性能更好。2、提出了一種基于車輛位置和相關(guān)性的協(xié)作感知算法。由于單節(jié)點頻譜感知技術(shù)存在很大的局限性,引入?yún)f(xié)作感知來提高系統(tǒng)的檢測性能。協(xié)作感知需要同時考慮感知性能和系統(tǒng)開銷,實現(xiàn)它們之間的良好折中。本文基于車輛位置和相關(guān)性進行協(xié)作節(jié)點選取,考慮路徑損耗和陰影效應(yīng)的影響,保證感知性能的同時盡可能選取較少的感知節(jié)點參與協(xié)作;接著提出一種介于硬判決融合和軟判決融合之間的數(shù)據(jù)融合方法,參與協(xié)作的認(rèn)知車輛上傳2bit的本地感知信息到路側(cè)單元,路側(cè)單元進行線性加權(quán)融合判決。本文在車輛移動的場景中對所提的算法進行了仿真實驗,與現(xiàn)有頻譜感知算法相比得到了很好的改進,取得了感知性能和感知開銷的折中。
【圖文】：

在很多高大的建筑物，單個認(rèn)知車輛在進行頻譜感知時，主用戶信號發(fā)很容易被一些高個寬闊的建筑物遮擋，受到路徑損耗、陰影效應(yīng)等的影用戶信號強度很弱，檢測的授權(quán)頻段很容易被誤判為空閑，從而導(dǎo)致隱戶通信系統(tǒng)產(chǎn)生干擾。作頻譜感知技術(shù)的引入是就是為了有效地解決上述問題，，提高頻譜感知頻譜感知是利用不同位置的認(rèn)知用戶對感興趣頻段進行頻譜感知，之決準(zhǔn)則進行聯(lián)合判決，提高頻譜感知的準(zhǔn)確性、可靠性。協(xié)作頻譜感知集增益提高系統(tǒng)的感知性能，同時還能在一定程度上降低對單個感知節(jié)要求。協(xié)作頻譜感知技術(shù)分類據(jù)認(rèn)知用戶共享本地感知信息的方式，將協(xié)作頻譜感知技術(shù)分為集中式協(xié)作感知、中繼式協(xié)作感知。

第二章 頻譜感知技術(shù)的基本理論集中式協(xié)作頻譜感知技術(shù)中，存在一個融合中心（FC），起控制、協(xié)調(diào)、數(shù)據(jù)融作用，認(rèn)知車聯(lián)網(wǎng)中通常選取路側(cè)單元（RSU）作為融合中心，如圖 2-9 所示。R取感興趣的頻段通知參與協(xié)作的認(rèn)知車輛進行頻譜感知，然后接收各個認(rèn)知車輛的檢測數(shù)據(jù)，最后 RSU 應(yīng)用一定的融合準(zhǔn)則對接收到的感知數(shù)據(jù)進行融合判決，并終的判決結(jié)果反饋給認(rèn)知車輛。集中式的架構(gòu)中，融合中心肩負著至關(guān)重要的作融合中心的運算性能、穩(wěn)定性等也有嚴(yán)格的要求。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN925;U495

【參考文獻】

相關(guān)期刊論文 前1條

1 段棟棟;駱德淵;;基于信噪比墻的協(xié)作能量檢測算法[J];電子設(shè)計工程;2014年06期

相關(guān)博士學(xué)位論文 前2條

1 史彥麗;模糊聚類和模糊聚類有效性的研究[D];大連理工大學(xué);2017年

2 鄧敏;認(rèn)知無線電空時域頻譜感知與幀優(yōu)化技術(shù)研究[D];華南理工大學(xué);2017年

相關(guān)碩士學(xué)位論文 前2條

1 聶雪琴;認(rèn)知車載自組網(wǎng)中協(xié)作頻譜感知算法研究[D];華南理工大學(xué);2017年

2 祝思婷;車輛密集場景下的認(rèn)知車聯(lián)網(wǎng)頻譜感知研究[D];北京郵電大學(xué);2017年

本文編號：2635406