认知车载网络中协作频谱感知与频谱分配算法研究.pdfVIP

摘 要 摘要 由于人们生活水平的提升，车辆越来越多，这就让道路安全问题变得严峻起来。 而为了缓解这个问题， 我们需要足够的频谱资源来支撑车载自组网中的信息传播和交 通事故预警。此外，车辆舒适性的提升也需要对频段进行使用。因此，已有的用于车 载自组网的频谱资源已经无法满足上述要求， 导致车载自组网面临着频谱资源不足的 情况。因此，为了缓解这个情况，认知车载网络（ CR-VANET ）应运而生，它是由认 知无线电技术（ CR ）和车载自组网（ VANET ）相结合而来的，在该网络中我们利用 CR 技术来探寻更多的可用频段以供车辆使用。 而在 CR-VANET 通信中，频谱感知和 分配技术则是需要重点探究的对象。 在频谱感知方面， 因为车载移动环境很复杂， 导 致信噪比变得很低，这就使得传统的能量检测算法检测不准确。而在频谱分配方面， 传统的算法忽视了以下两个问题： （1）信道增益； （2 ）空闲频谱可用时长的变化情况。 综上，为了解决上述所说问题，本文做了如下探究。 第一，本文对以下两个方面进行了简单的说明， （1）CR-VANET 的架构； （2） CR-VANET 中信道的衰落特点。然后对频谱感知和分配技术做了详尽的介绍。 第二，针对能量检测在信噪比较低的环境中的检测性能差的问题， 提出了基于信 任度的自适应加权双门限频谱感知算法。 该算法对位于双门限之外的能量值进行直接 判断，并对位于双门限之间的能量值采用基于距离和信噪比的自适应加权的判决。 数 值分析证明，我们提出的方法相比于能量检测算法在低信噪比环境下检测概率得到了 提升，因此，本文所提算法更适合于车载移动环境下的频谱感知。 第三，为提升网络吞吐量， 本文提出一种基于混合模拟退火的布谷鸟搜索算法的 频谱分配方法。 所提算法将信道增益和空闲频谱可用时长进行了综合考虑， 以使时隙 内车辆完成传输的总数据量达到最大来代替最大化网络吞吐量问题， 并以此为依据建 立了目标函数， 最后把可用频谱和算法中的鸟巢位置进行了一一映射， 采用混合模拟 退火的布谷鸟搜索算法对其进行求解。 数值分析证明， 我们提出的方法相比于遗传算 法能够有效的增加网络吞吐量，因此，本文所提算法更适合于 CR-VANET 中的频谱 分配。 关键词： 认知通信；双门限；加权检测；模拟退火算法；布谷鸟搜索算法 I