基于喷泉码信息差异分簇的V2V协作数据分发方案

新兴车联网应用需要分发的数据量不断增加,车辆难以在一个RSU通信范围内收到完整数据,跨RSU通信完成率低,时效性差。针对此问题,提出一种基于喷泉码信息差异分簇的V2V协作数据分发方案。经过喷泉编码的数据由RSU广播;车辆通过XGBoots预测车速,以此计算V2V链路生存时间;链路可靠性和车辆的喷泉码信息差异构建引力模型来分簇,在簇内以V2V传输共享编码包,在保证完成率的前提下大幅降低数据分发延迟。仿真结果表明,与已有方案ECDS相比,对于不同大小的数据,该方案在保证完成率的基础上,平均时延降低了38%。

一种基于协作和多普勒频移的车辆定位算法

为提高车辆间自组织网(VANET)中车辆定位的精度,提出了一种基于车辆间协作和多普勒频移的算法(CDCFO),并采用无迹卡尔曼滤波器(UKF)来进行车辆定位.多车辆间相互关联的状态和测量信息,如位置、速度以及专用近程车间通信(DSRC)信号的多普勒频移等,通过协作共享可以被有效融合和处理,来提高对车辆运动状态估计和预测的准确度;UKF直接使用非线性测量方程,因此可以避免扩展卡尔曼滤波器(EKF)在对非线性测量方程进行线性化时忽略高阶项带来的误差.计算机分析和仿真结果表明,相对于常规GPS和CDCFO-EKF算法,提出的CDCFO-UKF算法对车辆目标的位置估计平均误差和均方根误差等定位性能都有较大提高.