本文選題：車聯(lián)網(wǎng) + 協(xié)同車輛安全系統(tǒng)��； 參考：《大連理工大學(xué)》2016年博士論文

【摘要】：協(xié)同車輛安全系統(tǒng)是車聯(lián)網(wǎng)最重要也是最具有挑戰(zhàn)性的一種應(yīng)用。車輛追蹤性能是協(xié)同安全系統(tǒng)的基礎(chǔ),協(xié)同安全系統(tǒng)主要依賴IEEE 802.11p周期性廣播車輛狀態(tài)信息,實現(xiàn)車輛間移動軌跡的追蹤。然而,車聯(lián)網(wǎng)中,車輛移動環(huán)境影響網(wǎng)絡(luò)性能,在高車輛密度情形下,IEEE 802.11p信道產(chǎn)生擁塞,通信性能下降,而通信性能下降反過來直接導(dǎo)致車輛移動軌跡追蹤精度下降。車輛移動物理動態(tài)性和通信過程之間緊耦合的關(guān)系,要求必須建立自適應(yīng)于車輛移動環(huán)境的信道擁塞控制策略,充分公平使用信道帶寬資源,保證不同車輛密度情形下車輛準(zhǔn)確追蹤性能。本文以建立車輛移動環(huán)境與IEEE802.11p交互模型和信道訪問控制協(xié)議為目標(biāo),分別從以下幾個問題展開研究：(1)目前的信道擁塞控制策略是在信道發(fā)生擁塞之后或者車輛密度變化之后才對網(wǎng)絡(luò)參數(shù)進行調(diào)整,這就需要一定的時間,從擁塞的信道狀態(tài)恢復(fù)至正常的信道狀態(tài),無法滿足車輛追蹤實時性需求。為了保證動態(tài)車輛密度環(huán)境下車輛間實時追蹤,基于模型預(yù)測控制方法,提出了一種自適應(yīng)于車輛密度的功率主動控制策略。首先,建立了動態(tài)車輛密度與信息分發(fā)速率交互模型,基于該模型,將一個時域內(nèi)的功率控制問題轉(zhuǎn)化為一個非線性優(yōu)化問題,并設(shè)計了一個分布式功率迭代算法;然后,在一個時域優(yōu)化問題的基礎(chǔ)上,針對車輛密度變化的時變性,提出了基于車輛密度估計和滾動優(yōu)化的功率自適應(yīng)控制算法,該算法主動引導(dǎo)IEEE 802.11p在不同車輛密度情形下達到期望的信息分發(fā)速率性能,并實現(xiàn)準(zhǔn)確的車輛追蹤。(2)車聯(lián)網(wǎng)中最近鄰居車輛具有較高的碰撞危險系數(shù),應(yīng)該賦予最近鄰居車輛較高的數(shù)據(jù)包發(fā)送優(yōu)先權(quán)。然而,傳統(tǒng)的信道擁塞控制方法不能保證不同車輛密度情形下最近鄰居車輛的追蹤精度需求。為了充分利用信道資源,且維持最近鄰居車輛追蹤精度,提出了一個自適應(yīng)于車輛追蹤精度需求的功率反饋控制框架。在該框架下,首先,設(shè)計了一個描述車輛密度、數(shù)據(jù)包成功接收概率和車輛追蹤精度之間交互關(guān)系的參考模型,該參考模型基于期望的車輛追蹤精度需求,獲取期望的數(shù)據(jù)包成功接收概率,作為功率自適應(yīng)控制過程的一個參考點；然后,設(shè)計了一個功率控制器,該控制器基于期望的數(shù)據(jù)包成功接收概率和實際的數(shù)據(jù)包成功接收概率之問的偏差,產(chǎn)生實時的功率控制序列,維持動態(tài)車輛密度和外界干擾影響下可接受的車輛追蹤精度。(3)目前公平信道資源分配策略基于最大最小化方法實現(xiàn),該方法沒有考慮資源分配的效率問題,不能保證每個車輛的追蹤精度最優(yōu)。為了保證每個節(jié)點公平的信道資源訪問機會,且實現(xiàn)準(zhǔn)確的車輛追蹤,提出了描述車輛追蹤精度與接收節(jié)點數(shù)據(jù)包成功接收速率之間交互關(guān)系的效用函數(shù)；基于車輛追蹤精度效用函數(shù),利用博弈論方法,設(shè)計了一個帶有懲罰函數(shù)的競爭窗口調(diào)整博弈模型,給出了博弈模型納什均衡點引導(dǎo)算法,該算法能夠使得信道訪問機會比較大的節(jié)點受到其它鄰居節(jié)點的懲罰,從而引導(dǎo)所有節(jié)點達到相同的信道訪問概率；為了實現(xiàn)帕累托最優(yōu),設(shè)計了一個分布式競爭窗口調(diào)整算法,該算法通過在每個節(jié)點間交互競爭窗口信息,引導(dǎo)每個節(jié)點到達帕累托納什均衡點,實現(xiàn)節(jié)點間相同的信道訪問機會且保證準(zhǔn)確的車輛追蹤。(4)目前信道擁塞控制策略假設(shè)數(shù)據(jù)包的丟失主要由于信道中多個節(jié)點并發(fā)發(fā)送數(shù)據(jù)包產(chǎn)生的碰撞造成。然而,由于隱藏終端的存在,并不是所有成功發(fā)送的數(shù)據(jù)包都能被周圍鄰居節(jié)點成功接收。目前的信道擁塞控制策略沒有考慮隱藏終端的影響。針對上述背景,基于比例-積分-微分控制方法,提出了一個自適應(yīng)于車輛密度與隱藏終端數(shù)量的動態(tài)反饋功率控制策略。首先,建立了動態(tài)車輛密度和隱藏終端影響下的信息分發(fā)速率模型,基于該模型,給出了能夠預(yù)測不同車輛密度情形下期望信息分發(fā)速率狀態(tài)的參考模型；然后,設(shè)計了反饋功率控制模型,該模型基于期望信息分發(fā)速率和車輛實際信息分發(fā)速率之間的偏差,產(chǎn)生功率控制序列,引導(dǎo)車輛在動態(tài)車輛密度和隱藏終端因素影響下達到期望的車輛追蹤精度性能。
[Abstract]:Cooperative vehicle safety system is the most important and most challenging application of vehicle network. Vehicle tracking performance is the basis of cooperative security system. The cooperative security system mainly relies on the IEEE 802.11p periodic broadcast vehicle state information to realize the tracking of the vehicle movement trajectory. However, the vehicle network, vehicle mobile environment affects the network. In the case of high vehicle density, the IEEE 802.11p channel is congested and the communication performance decreases, and the communication performance decline in turn leads to the decrease of the tracking precision of the vehicle. The relationship between the dynamic physical dynamics of the vehicle and the tight coupling between the communication processes requires the establishment of the channel congestion control adaptive to the vehicle mobile environment. The strategy is to make full and fair use of channel bandwidth resources to ensure accurate tracking performance of vehicles with different vehicle density. This paper aims at establishing vehicle mobile environment and IEEE802.11p interaction model and channel access control protocol, and studies the following problems respectively: (1) the current channel congestion control strategy is in channel occurrence. The network parameters are adjusted after the congestion or the vehicle density changes, which requires a certain time to recover from the congestion channel state to the normal channel state, which can not meet the real-time requirement of vehicle tracking. In order to ensure the real time tracking of vehicles in the dynamic vehicle density environment, the model predictive control method is proposed. A power active control strategy that adapts to vehicle density. First, an interactive model of dynamic vehicle density and information distribution rate is established. Based on this model, a power control problem in time domain is transformed into a nonlinear optimization problem, and a distributed power iterative algorithm is designed. Then, a time domain optimization problem is proposed. On the basis of the time variability of vehicle density change, a power adaptive control algorithm based on vehicle density estimation and rolling optimization is proposed. The algorithm initiatively guides IEEE 802.11p to achieve the desired information distribution rate performance under different vehicle density, and realizes accurate vehicle tracking. (2) the nearest neighbor vehicle in the network of vehicles. There is a higher collision risk factor, which should give priority to the nearest neighbor vehicle with higher packet transmission. However, the traditional channel congestion control method can not guarantee the tracking precision demand of the nearest neighbor vehicle under different vehicle density. In order to make full use of the channel resources and maintain the nearest neighbor vehicle tracking precision, the paper proposes a new method. A power feedback control framework adapts to the demand for vehicle tracking accuracy. Under this framework, a reference model is designed to describe the interaction between vehicle density, the successful receiving probability of the packet and the tracking accuracy of the vehicle. The reference model is based on the desired tracking precision requirement of the vehicle tracking, and obtains the successful reception of expected data packets. Probability, as a reference point for the adaptive control process of power, and then a power controller is designed. The controller is based on the deviation of the expected probability of receiving the packet and the successful reception probability of the actual packet, generating a real-time power control sequence, which is acceptable under the influence of dynamic vehicle density and external interference. (3) the current fair channel resource allocation strategy is based on the maximum minimization method. This method does not consider the efficiency of resource allocation, and does not guarantee the optimal tracking accuracy for each vehicle. In order to ensure the fair channel resource access for each node and achieve accurate vehicle tracking, a description car is proposed. The utility function of the interaction between the tracking precision and the receiving rate of the receiving node. Based on the utility function of the vehicle tracking precision, a game model with a penalty function is designed by game theory, and the Nash equilibrium point guidance algorithm of the game model is given, which can make the channel visit. In order to achieve Pareto optimality, a distributed competition window adjustment algorithm is designed to guide all nodes to the same channel access probability. In order to achieve Pareto optimality, a distributed competition window adjustment algorithm is designed to guide each node to Pareto Nash by interacting with the competition window information between each node. To achieve the same channel access between nodes and ensure accurate vehicle tracking. (4) the current channel congestion control strategy assumes that the loss of packets is mainly due to collisions generated by multiple nodes in the channel. However, because of the existence of hidden terminals, not all packets sent successfully can be weekly The current channel congestion control is successfully received. The current channel congestion control strategy does not take into account the impact of the hidden terminal. Based on the above background, a dynamic feedback power control strategy is proposed based on the proportional integral differential control method, which is adaptive to the vehicle density and the number of hidden terminals. First, the dynamic vehicle density and hidden terminal shadow are established. Based on the model, a reference model that can predict the rate state of the expected information distribution in different vehicle density is given. Then, the feedback power control model is designed. The model is based on the deviation between the expected information distribution rate and the vehicle actual information distribution rate, and produces a power control sequence. The guidance vehicle achieves the desired vehicle tracking accuracy under the influence of dynamic vehicle density and hidden terminal factors.

【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：U495;TN929.5

【相似文獻】

相關(guān)期刊論文 前10條

1 張遠平;王雅;仲波;;二維受限編碼信道容量的分析[J];科學(xué)技術(shù)與工程;2006年24期

2 彭紀(jì)綱;一類輸入受限碼信道容量的估算[J];華中工學(xué)院學(xué)報;1985年S3期

3 蔣麗珍,鄔良能,余虹;單模壓縮信道的糾纏輔助容量[J];中國計量學(xué)院學(xué)報;2004年02期

4 時信華,李克,朱江,張爾揚;多進制多維信號集信道容量分析及其計算[J];國防科技大學(xué)學(xué)報;2002年05期

5 王春寶;劉鳳亮;閆西海;;隨機過程與排隊論在信道容量設(shè)計中的應(yīng)用[J];裝備指揮技術(shù)學(xué)院學(xué)報;2005年06期

6 白自權(quán);李道本;;一種符號干擾信道中最優(yōu)傳輸方式[J];北京郵電大學(xué)學(xué)報;2005年06期

7 滕志軍;鄭權(quán)龍;李可;;MIMO系統(tǒng)中基站天線遞增選擇算法[J];北京理工大學(xué)學(xué)報;2014年05期

8 馬勇;古雄;;三時隙網(wǎng)絡(luò)編碼傳輸與信道估計[J];科技視界;2012年30期

9 王文,吳偉陵;信息論(三) 第三講 信道和信道容量[J];國外自動化;1981年04期

10 郝建民;論帶通信道的信道容量的不確定性[J];遙測遙控;2002年04期

相關(guān)會議論文 前10條

1 屠佳;蔡躍明;;雙向中繼對秩虧MIMO信道容量的影響[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

2 周小林;方朝曦;;考慮陰影衰落的分布式多天線正交頻分復(fù)用系統(tǒng)的信道容量研究[A];中國通信學(xué)會第五屆學(xué)術(shù)年會論文集[C];2008年

3 劉寶妹;李琳;李正權(quán);;一種基于匙孔信道的空時網(wǎng)格編碼技術(shù)研究[A];第三屆全國虛擬儀器大會論文集[C];2008年

4 王謙;岳殿武;;具有同信道干擾的MIMO各態(tài)歷經(jīng)信道容量研究[A];2009通信理論與技術(shù)新發(fā)展——第十四屆全國青年通信學(xué)術(shù)會議論文集[C];2009年

5 劉蕾蕾;洪偉;;視距傳輸下散射體對MIMO無線信道的影響[A];2007年全國微波毫米波會議論文集（下冊）[C];2007年

6 黃海燕;王秉中;;UWB室內(nèi)無線信道建模方法研究進展[A];2009年全國天線年會論文集（下）[C];2009年

7 于曉燕;王加慶;楊綠溪;;基于PSAM的MIMO時間—頻率雙選擇性信道的信道估計[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

8 樸大志;李啟虎;孫長瑜;;兩種典型淺海水聲MIMO信道容量的研究[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

9 閆秋娜;岳殿武;;具有同信道干擾的MIMO系統(tǒng)信道容量研究綜述[A];中國電子學(xué)會第十五屆信息論學(xué)術(shù)年會暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會論文集（下冊）[C];2008年

10 崔燕妮;陸安現(xiàn);申東婭;;Rayleigh-Lognormal衰落MIMO信道容量的研究[A];2009年全國天線年會論文集（下）[C];2009年

相關(guān)重要報紙文章 前5條

1 ;DFS：有關(guān)802.11n的新話題[N];網(wǎng)絡(luò)世界;2008年

2 陳代壽;MIMO提高信道容量[N];中國計算機報;2005年

3 王舒;MIMO：新一代移動通信核心技術(shù)[N];人民郵電;2006年

4 華為 劉方;802.11ac為WLAN帶來的六大變革[N];中國計算機報;2012年

5 ;VoIP向何處去[N];網(wǎng)絡(luò)世界;2001年

相關(guān)博士學(xué)位論文 前10條

1 顧軍;多小區(qū)多用戶MIMO系統(tǒng)干擾對齊技術(shù)研究[D];重慶大學(xué);2015年

2 Balla Moussa Coulibaly;寬帶與寬帶虛擬MIMO無線信道傳輸特性研究[D];華北電力大學(xué);2015年

3 任海英;干擾對齊在現(xiàn)代通信中的應(yīng)用研究[D];北京郵電大學(xué);2015年

4 蒲旭敏;近距離多天線無線通信關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2016年

5 董政;對稱α穩(wěn)定分布噪聲下稀疏雙選信道估計與編譯碼技術(shù)研究[D];解放軍信息工程大學(xué);2013年

6 王妮娜;基于壓縮感知理論的無線多徑信道估計方法研究[D];北京郵電大學(xué);2012年

7 周瑋;車輛對車輛無線衰落信道建模與仿真研究[D];武漢理工大學(xué);2012年

8 馮紹鵬;多天線OFDM無線通信系統(tǒng)中信道估計等問題的研究[D];北京郵電大學(xué);2007年

9 劉寅生;OFDM系統(tǒng)中基于面向判決的信道估計研究[D];北京交通大學(xué);2014年

10 李長青;UWB-OFDM系統(tǒng)中若干關(guān)鍵技術(shù)的研究[D];北京郵電大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 崔文娟;高移動場景下有限反饋信道研究[D];西南交通大學(xué);2015年

2 馮肖揚;WIMAX信道解碼系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

3 曲博;基于分簇的干擾對齊技術(shù)研究[D];電子科技大學(xué);2014年

4 程寧;室內(nèi)全雙工自干擾信道測量與建模[D];電子科技大學(xué);2014年

5 張志佼;多用戶空間相關(guān)MIMO信道容量研究[D];南京航空航天大學(xué);2014年

6 周濤;基于FPGA的線性干擾對齊通信系統(tǒng)的設(shè)計與實現(xiàn)[D];西安電子科技大學(xué);2014年

7 吳立新;多用戶中繼干擾信道中干擾對齊算法研究[D];西安電子科技大學(xué);2014年

8 付強;MIMO信道容量仿真分析與干擾信道編碼方案實現(xiàn)方法[D];西安電子科技大學(xué);2015年

9 呼樹同;基于MIMO的可見光通信的研究[D];北京交通大學(xué);2016年

10 戴錫平;MIMO-OFDM系統(tǒng)接收中信道估計技術(shù)研究[D];解放軍信息工程大學(xué);2014年

，

本文編號：1871257