认知车载网的频谱感知性能分析

认知车载网中不同的衰落传播信道会影响频谱感知的性能。为了描述不同信道下的频谱感知性能,分析了加性高斯白噪声信道、瑞利衰落信道和Nakagami-m衰落信道条件下的频谱感知单用户能量检测概率和协作能量检测概率,重点是Nakagami-m衰落信道、检测衰落因子、次用户的数量和信噪比这几个参数对协作频谱感知性能的影响。仿真结果表明,通过对不同信道特性的准确了解能够帮助车辆在不同衰落信道环境下提高频谱的检测概率。     

车联网中基于网络编码的优先级信息分发方案

车联网中信息的共享尤其是紧急信息的分发至关重要。然而,传统的广播方式易引起网络风暴,导致信息传输时延高,预警效果差。为了实现海量信息的共享以及紧急信息的快速分发,提出了一种基于优先级的信息网络编码算法（Priority-based Information Network Coding Algorithm,PINCA）,根据信息类别确定优先级别,优先对高优先级数据包进行线性网络编码与传输。仿真结果表明,相同仿真环境下,采用所提的PINCA时,紧急信息传输时延比现有传输方案下的时延减小了至少23.494 4 ms,同时算法的时间复杂度也低于现有方案,可应用于路边设备稀疏的车联网系统中。     

基于SDN和MEC的5G VANET架构及其性能分析

为了在大规模的车载自组织网络（Vehicular Ad-hoc Network,VANET）中提供灵活的网络管理、控制和提高资源利用率,结合软件定义网络（Software Defined Network,SDN）、云无线接入网络（Cloud Radio Access Network,C-RAN）和移动边缘计算（Mobile Edge Computing,MEC）,提出了一种分层的5G VANET架构（5G MEC VANET）,能够支持智能交通系统各种功能和应用的动态特性,同时降低网络管理成本。此外,位于网络边缘的MEC框架避免了车辆与路边基站的频繁交互,减少了数据传播延时。仿真结果表明,与传统VANET和5G VANET架构相比,所提出的架构降低了传播时延,提高了网络带宽吞吐量,同时减少了控制器开销。     

认知无线Mesh网络自适应多路径算法

认知无线Mesh网络随着频谱空穴的变化,路径随之改变,给数据传输带来负面影响 。提出了一种自适应多路径算法,该算法采用多agent强化学习模型,结合多路径调度策略 , 通过Q-学习算法更新Q值路由表。在路由变动的情形下,节点能够始终有较优路径传输 数据。仿真结果表明,该算法能够减少网络时延,提高网络性能。     

车载自组织网中基于蚁群算法的延迟感知路由协议

针对城市道路环境下车载自组织网(VANETs)中通信性能下降以及数据传输失败的问题,提出了一种基于蚁群算法的延迟感知路由(ACDR)协议。首先,建立双向车道的数学延迟模型;然后,根据提出的端点十字路口(EI)的概念,ACDR利用蚁群优化(ACO)寻找最佳路线,其中前向蚂蚁根据本地路段延迟以及当前十字路口与目的节点的端点十字路口之间的全局时延来选择路径,后向蚂蚁则负责在返回路径时更新信息素,同时,相邻十字路口之间利用贪婪转发算法进行数据包的传递。最后仿真比较了ACDR协议与连通性感知路由(CAR)协议的性能,结果表明提出的ACDR协议的数据包的传输延迟小,丢包率低,通信性能好。     

无线传感器网络UDHR协议的设计与实现

针对无线传感器网络(WSN)数据流的特点,提出一种WSN上下行路由异构的协议(UDHR),上下行路由可采用不同的算法,适合于时间驱动、事件驱动以及查询的数据收集模式.利用OMNeT++平台对UDHR协议进行建模仿真,结果表明该协议开销小、扩展性好、健壮稳定.并且在自主开发的Testbed平台上实现了该路由协议,利用该平台可实时观察整个WSN网络拓扑变化、网络开销、监测每个节点能量消耗以及数据收集等情况.