車聯(lián)網(wǎng)支持車輛與其它網(wǎng)絡(luò)設(shè)備進行通信,能夠為車輛提供相關(guān)駕駛信息,交通路況、以及多媒體業(yè)務(wù)。這些信息能夠降低交通事故發(fā)生概率,提升駕駛體驗。本文主要關(guān)注車輛之間安全告警信息的可靠傳輸問題。具體的研究成果和貢獻概況如下:與普通用戶相比,車輛通信環(huán)境復(fù)雜多變,車輛間通信可靠性難以保障。然而,車到車間通常傳輸安全告警信息,這些信息為安全駕駛提供重要參考,因此車輛間的通信時延要求嚴(yán)格,可靠性要求高。實驗表明,城市交通環(huán)境下,車輛之間數(shù)據(jù)傳輸?shù)膩G失大概率由于遮擋等非視距因素導(dǎo)致。在車輛間的鏈路為非視距的情況下,車與車之間的通信需要其他車輛或者基礎(chǔ)設(shè)施的輔助轉(zhuǎn)發(fā),以保證通信的可靠性。因此,準(zhǔn)確識別非視距鏈路尤為重要。本文借助卷積神經(jīng)網(wǎng)絡(luò)算法,提出了利用信道狀態(tài)信息,車輛位置信息,和信號接收強度指示作為輸入向量,對鏈路的視距和非視距進行判定。在十字路口環(huán)境中,收集真實視距和非視距鏈路的信號特性作為依據(jù),驗證了提出的鏈路非視距識別算法的準(zhǔn)確性。同時,將鏈路識別機制作為車輛間信號散播的參考依據(jù),基于NS3搭建了車聯(lián)網(wǎng)系統(tǒng)仿真平臺,驗證了非視距鏈路識別對車輛間通信可靠性的提升。其次,本文研究了車聯(lián)網(wǎng)異常節(jié)... 

【文章來源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【部分圖文】：

仿真場景示意圖

圖 3.14 卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練誤差性能曲圖我們可以看出，在使用 CSI+RSSI+鏈路距離作為特差收斂的下界要低于以 CSI+RSSI 作為特征的收斂下I+RSSI+鏈路距離作為特征進行非視距識別能夠更加程度上能夠證明了我們所提出機制的優(yōu)越性。下面給的 RNN 模型性能對比，如下圖 3.15 示：0 200 400 600 800 1000 1200 1400Epoch0.050.060.070.080.090.10.110.120.13osLCSI+RSSI

圖 4.7 異常節(jié)點檢測準(zhǔn)確率率方面，VAE 具有較高的準(zhǔn)確率，能夠?qū)崙]系統(tǒng)中可能出現(xiàn)的特殊情況，即訓(xùn)練數(shù)據(jù)不變，這里選取正常數(shù)據(jù)作為原始訓(xùn)練樣行采樣，獲取了新生成的數(shù)據(jù)并利用這部分目為 1000 時，該數(shù)據(jù)集由 500 個原始數(shù)據(jù)樣本數(shù)目為 1500 時，該數(shù)據(jù)集由 500 個原面以此類推。我們使用上述數(shù)據(jù)集以及參數(shù)如下圖所示：正常數(shù)據(jù)：異常數(shù)據(jù)：


本文編號：3622746