认知车联网中基于改进的强化学习的频谱接入方法

认知车联网通过提高频谱利用率,从而可以满足认知车联网通信的需求。然而,先前的研究仅考虑车辆与车辆之间的通信链路或者车辆与路边设施之间的通信链路,或者仅存在单一认知车辆的通信环境。因此,所提方法适用于同时存在上述两种链路的多认知车辆的认知车联网环境。为了提高认知车辆接入信道的成功率,通过结合信干噪比重新设计了反馈函数进而提出一种改进的强化学习方法。通过对比传统的强化学习算法与贪婪算法,所提出的方法的性能与收敛性明显优于其他方法,能够明显的提高频谱利用率。

基于深度强化学习的认知车联网频谱接入算法

先前的研究仅考虑仅仅存在认知车联网单一通信环境的问题,这样不能充分利用频谱资源。为了提高频谱利用率,提出一种适用于同时存在多个认知车辆的认知车联网环境的方法。同时为了提高认知车辆频谱接入的成功率,通过结合不同情况下的授权车辆和认知车辆的吞吐量设计了不同的反馈函数提出了一种改进的深度强化学习方法。所提出方法的性能明显优于传统的Q学习算法,能够更明显地提高频谱利用率,满足日益增长的车联网通信需求。

基于强化学习的认知车联网资源分配方案

与传统的认知物联网不同,认知车联网(Cognitive Internet of Vehicles,CIoV)的特点是车辆具有高移动性,这就导致了信道状态信息(Channel State Information,CSI)的快速变化,因此难以获得完美的CSI。在这一背景下,研究了CIoV的联合信道分配和功率控制的资源分配问题,旨在最大限度地提高所有车辆用户的总吞吐量。此外,提出了一种混合深度强化学习算法,以解决离散的信道分配和连续的功率控制。仿真实验表明,与其他未考虑未知CSI的方案相比,所提方案有效地提高了CIoV的总吞吐量。

基于拟牛顿内点法的认知车联网能效优先资源分配算法

为了提高认知车联网中多用户资源分配的能效及实时性,提出了一种在信道状态信息不理想情况下最大化系统能效的资源分配算法.联合考虑额定系统传输功率、主用户干扰阈值、最低通信速率以及用户间比例公平性等约束条件,将主用户的干扰约束条件转换成概率型约束条件.然后,采用Bernstein近似的方法处理该概率型约束,通过设置公平门限来解决用户间的比例公平性问题.最后,分别采用高、低复杂度的子载波分配算法,配合拟牛顿内点法进行功率分配.仿真结果表明,所提算法的能效约为最优解上界的93%,既能满足系统能效要求,又降低了计算复杂度,适用于对实时性要求较高的车联网系统.

基于位置预测的认知车联网协作频谱感知算法

针对认知车联网中由地形起伏或密集城市结构而引起的频谱感知性能低、延时大等问题,提出了一种基于位置预测的协作频谱感知算法。首先,采用能量检测法进行本地频谱感知,通过将次用户接收到的信号能量大小和预先设定的阈值进行比较,初步判定频谱是否被主用户占用。然后,利用认知车联网中车辆位置预测技术,计算车辆位置和信道状态信息,并据此设置置信值,删除置信值低的次用户。最后,在融合中心采用加入置信值的似然比融合规则得到最终判决结果。仿真结果表明,与传统算法相比,所提算法能有效提高频谱感知性能并缩短感知时间,尤其适用于对实时性要求较高的车联网系统。

一种门限自适应的认知车联网频谱感知算法

能量检测中门限值的设定直接影响频谱感知的检测性能。认知车辆的移动性导致了车载通信环境的动态变化,提出了一种基于FCM的动态双门限能量检测算法,门限值随环境自适应变化,双门限检测算法消除了噪声不确定的影响。仿真结果表明,所提算法在车载通信场景中具有很好的自适应性,检测性能更好。

认知车联网频谱分配的免疫优化实现

为了满足车联网日益增长的频谱需求,对车联网的频谱资源分配问题进行研究。在车联网中引入认知无线电技术形成了认知车联网。将车联网用户看作认知节点,考虑授权用户的移动性、多认知用户之间的干扰等因素影响,对其进行建模。基于图着色模型,将其建模为最大化认知节点吞吐量的优化问题,进而提出一种基于免疫优化的求解算法。设计了适合频谱分配问题的矩阵编码方式、抗体修正方式、比例克隆等策略,保证算法的寻优能力。仿真实验表明:所提算法能获得较高的认知节点吞吐量,适合于认知车联网的频谱分配。

车联网环境下认知中继选择优化研究

车已经是现代生活的必需品,随之而来的车联网的应用也将越来越广泛。在车联网通信中,由于其有限的可用频谱资源,限制着车联网技术的发展。本文在频谱共享的车联网网络中就提高车联网性能给出了优化的认知中继选择方案,并对多链路和单一链路下不同的方案分别进行了仿真分析。

面向车辆高速移动的频谱感知算法研究

为了解决多普勒效应对于车联网中频谱检测速度与精度的影响,研究了在车辆高速移动情况下的频谱感知算法.首先通过引入认知无线电以及车联网技术,构建认知车联网络,针对频谱利用率低下的问题提出一种频谱感知算法.实验结果表明,该算法可以很好地消除多普勒频移效应,提高了频谱检测的性能,解决了车辆在高速移动状态下信号失真等问题.

基于车辆位置和相关性的协作频谱感知算法

考虑路径损耗和阴影效应对认知车辆接收信号的影响,提出了一种基于车辆位置和相关性的协作感知算法。所提算法在保证感知性能的同时,尽可能选取较少的感知节点参与协作,接着提出一种介于硬判决融合和软判决融合之间的数据融合方法,参与协作的认知车辆上传2 bit的本地感知信息到路侧单元进行线性加权融合判决。仿真结果表明,所提算法与现有频谱感知算法相比有了很好的改进,取得了感知性能和感知开销的折中。

结合区块链的车联网隐私保护可信预测缓存架构

第6代移动通信系统提供的高效通信技术促进了车联网的快速发展。车联网中已发布数据中的位置和查询请求等敏感信息容易遭到恶意攻击,使隐私泄露。对此,根据认知引擎感知用户需求,提出一种基于区块链的可信预测缓存架构(TPCAB)。首先,基于深度学习方法提出一种请求预测模型以预测用户需求,从而提高缓存命中率;其次,采用信任机制评估信任值解决与不同邻居通信时交互不可信的问题;最后,基于区块链的特性将交易过程中生成的大量信任数据和交易数据存储在区块中。仿真实验结果表明,用TPCAB能够有效提高缓存命中率,防止数据被篡改,可达到隐私保护的效果。