针对传统认知车联网(Vehicle to Everything,V2X)频谱感知受主用户频谱活动特性和车辆移动性的影响,感知性能较低的问题,提出了基于Markov的主用户频谱统计模型和认知车辆移动性的频谱感知方法。该方法使用二态马尔可夫链构建主用户频...针对传统认知车联网(Vehicle to Everything,V2X)频谱感知受主用户频谱活动特性和车辆移动性的影响,感知性能较低的问题,提出了基于Markov的主用户频谱统计模型和认知车辆移动性的频谱感知方法。该方法使用二态马尔可夫链构建主用户频谱统计模型,根据历史统计数据计算主用户频谱状态转移概率,根据认知车辆的移动特性,计算存在频谱机会时的内部概率,最终推导出系统漏检概率的表达式。实验结果表明,该方法在瑞利衰落信道中信噪比为-8 dB时,漏检概率相比传统方法降低了6.5%,具有更好的感知性能。展开更多
文摘针对传统认知车联网(Vehicle to Everything,V2X)频谱感知受主用户频谱活动特性和车辆移动性的影响,感知性能较低的问题,提出了基于Markov的主用户频谱统计模型和认知车辆移动性的频谱感知方法。该方法使用二态马尔可夫链构建主用户频谱统计模型,根据历史统计数据计算主用户频谱状态转移概率,根据认知车辆的移动特性,计算存在频谱机会时的内部概率,最终推导出系统漏检概率的表达式。实验结果表明,该方法在瑞利衰落信道中信噪比为-8 dB时,漏检概率相比传统方法降低了6.5%,具有更好的感知性能。