本发明涉及车联网通信
技术领域：
，具体涉及一种高密度车载通信环境下的车联网资源分配方法。
背景技术：
：车联网是未来智能交通系统(intelligenttransportationsystem，its)的核心部分，其借助新一代信息和通信技术，实现车内、车与人、车与车、车与路、车与服务平台的数据交换，目标是改善道路安全，提高交通效率，减少对环境的影响，并提供额外的信息娱乐，核心实现方式是车对一切(vehicletoeverything，v2x)通信。现实中高车辆密度的情形会导致出现庞大消息流或短时流量激增的情况，如何有效利用及管理有限的网络容量和无线电资源以降低用户之间的干扰从而保证高可靠低时延通信将成为v2x通信中最重要的问题。将端到端(devicetodevice,d2d)通信技术引入蜂窝网络具有提高频谱效率，缓解高密度车载环境下频谱资源紧张、提高吞吐量，缓解高密度车载环境下短时流量激增、降低端到端延迟，保障v2x通信的低时延要求、增加信道增益、多跳增益等的优点。然而，使用d2d通信重用蜂窝网络的频谱资源将对蜂窝用户产生额外的干扰。基于高密度车载通信环境下，为了保障车辆到车辆(vehicletovehicle,v2v)通信得以进行，一个蜂窝用户的资源很可能被多个车辆用户重用。同一个蜂窝用户的资源被越多的车辆用户重用，则其受到的干扰就会越发严重。因此研究如何在保证蜂窝用户不受到严重干扰的前提下尽可能地重用其资源的资源分配方法具有重要意义。技术实现要素：本发明的目的是为了解决现有技术中的上述缺陷，提供一种高密度车载通信环境下的车联网资源分配方法。本发明的目的可以通过采取如下技术方案达到：一种高密度车载通信环境下的车联网资源分配方法，该方法的应用场景为双向多车道的道路一侧部署基站，基站覆盖半径为r，基站覆盖范围内存在n个以速度v行驶于道路上的车辆通信对(vehicleuserequipment,vue)和m个均匀分布在道路之外的蜂窝用户(cellularuserequipment,cue)，该方法包括以下步骤：s1、建立高密度车载通信环境下的信道模型，建立资源分配的分配矩阵a和重用矩阵计算vue接收端的信噪比和cue接收端的信噪比s2、以小于规定的信噪比阈值小于最大中断概率门限po为限制条件，构建以最大化基站覆盖范围内能够成功通信的vue数目为优化目标的资源分配模型；s3、使用级数定理对上述资源分配模型中的约束条件进行推导简化，降低资源分配模型求解复杂度；s4、启发式求解简化后的资源分配模型，确定基站覆盖范围内所有vue的传输功率，得到资源分配方法。进一步地，所述的步骤s1过程如下：s11、建立高密度车载通信环境下的信道模型：gi,j表示发射机i到接收机j的信道功率增益，其计算公式为：其中，a*为路径衰落常数；hi,j为小规模衰落系数，βi,j为阴影衰落，li,j为发射机i到接收机j的距离；λ为衰减指数；s12、建立资源分配的分配矩阵a和重用矩阵分配矩阵a表示cue资源被不同vue重用情况，其表达式为：其中am,n表示第m个cue的资源是否被第n个vue重用；重用矩阵表示vue是否重用同一cue资源的情况，其表达式为：其中rn′,n表示第n个vue的通信资源是否与第n′个vue重用同一个cue资源；s13、vue接收端的信噪比计算公式如下：其中表示第m个cue的发射功率，gm,b为第m个cue到基站的信道功率增益，表示第n个vue的发射功率，gn,b为第n个vue到基站的信道功率增益，σ2表示加性高斯白噪声的功率谱密度；s14、cue接收端的信噪比计算公式如下：其中gn表示第n个vue发送端到接收端的信道功率增益，表示第n′个vue的发射功率，gn′,n为第n个vue与第n′个vue之间的信道功率增益。进一步地，所述的步骤s2中，使用小于规定的信噪比阈值和小于最大中断概率门限po作为限制条件，以最大化基站覆盖范围内能够成功通信的vue数目为优化目标，建立的资源分配模型如下：其中，p1为优化目标，c1、c2、c3、c4、c5和c6均为约束条件，un表示第n个vue是否重用基站覆盖范围内任意一个cue的资源，表示cue的规定的信噪比阈值，表示vue的规定的信噪比阈值，po表示vue的最大中断概率门限，分别表示cue以及vue中发射机的最大发射功率。进一步地，所述的步骤s3中，使用级数定理对步骤s2建立的资源分配模型中的约束条件c3、c4进行推导简化，降低求解复杂度：s31、初始化cue的发射功率为s32、将确定的代入c3，得到表达式为：s33、使用级数定理对c4进行化简，得到的表达式为：s34、根据s33和s34的表达式，得到的取值范围：表示取值范围的下界，表示取值范围的上界，两者的计算公式分别如下：s35、根据s34的结果，将步骤s2中提出的资源分配模型的c3、c4、c5和c6约束转化为的取值范围的约束，得到优化后的资源分配模型为：进一步地，所述的步骤s4中，对基站覆盖范围内的vue确定传输功率和资源分配方法，过程如下：s41、计算vue重用基站覆盖范围内的每一个cue时的取值范围s42、如果步骤s41中得到的小于则说明该vue可以重用当前cue的上行链路资源；反之，则该vue不能重用当前的cue；s43、如果步骤s42中确定该vue可以重用当前的cue，则设定该vue的发射功率为步骤s41计算得到的更新分配矩阵a和重用矩阵并对当前vue结束计算；反之，则继续遍历下一个cue，直到基站覆盖范围内所有的cue都不能重用为止；s44、对所有vue重复步骤s41、s42和s43，得到基站覆盖范围内所有vue的传输功率和资源分配方法。本发明相对于现有技术具有如下的优点及效果：(1)适用于基站覆盖范围内vue数目远远大于cue数目的高密度车载通信环境，在如今道路车辆数目越发密集的情形下更加具有现实意义。(2)将最大化小区中能够成功通信的vue数目作为资源分配模型的优化目标提高vue在蜂窝环境下的资源分配公平性，保障了v2v通信的可靠性。(3)通过对比随机资源分配算法，本发明所提出的资源分配算法在同一基站覆盖范围内vue和cue数目一致的情况下能够成功分配更多vue资源；且随着基站覆盖范围内vue数目的不断增加的情形下，本发明所提出的资源分配算法成功分配的vue数量仍然大于随机分配方法，具有良好的性能和稳定性。附图说明图1是本发明中公开的资源分配方法所基于的物理小区模型示意图；图2是本发明公开的高密度车载通信环境下的车联网资源分配方法的流程图；图3是本发明中公开的车联网资源分配方法与随机分配方法的仿真结果对比图。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例如图1所示，应用场景为双向多车道的道路一侧部署基站，基站覆盖半径为r，基站覆盖范围内存在n个以速度v行驶于道路上的车辆通信对(vehicleuserequipment,vue)和m个均匀分布在道路之外的蜂窝用户(cellularuserequipment,cue)。其中vue包含两辆车辆，一个为发送端，一个为接收端。图2展示了整个发明方法的流程图，本实施例中高密度车载通信环境下的车联网资源分配方法具体包括以下步骤：s1，建立高密度车载通信环境下的信道模型，建立资源分配的分配矩阵a和重用矩阵计算vue接收端的信噪比和cue接收端的信噪比该步骤s1过程如下：(1)建立高密度车载通信环境下的信道模型：gi,j表示发射机i到接收机j的信道功率增益，其计算公式为：其中，a*为路径衰落常数；hi,j是小规模衰落系数，是一个服从均值为1的独立复指数分布，用瑞利衰落来模拟；βi,j是阴影衰落，服从具有标准偏差的对数正态分布ξ，li,j是发射机i到接收机j的距离，λ是衰减指数。(2)建立资源分配的分配矩阵a和重用矩阵分配矩阵a表示cue资源被不同vue重用情况，其表达式为：其中am,n表示第m个cue的资源是否被第n个vue重用。若第m个cue的资源被第n个vue重用，则am,n＝1；反之，am,n＝0；重用矩阵表示vue是否重用同一cue资源的情况，其表达式为：其中rn′,n表示第n个vue的通信资源是否与第n′个vue重用同一个cue资源。若第n个vue的通信资源与第n′个vue重用同一个cue资源，则rn′,n＝1，反之，rn′,n＝0；初始化时矩阵a和内元素均为0。(3)计算vue接收端的信噪比若vue重用cue上行链路资源，则vue将受到：1)bs产生的干扰；2)重用的cue产生的干扰；3)重用相同cue的其他vue的发射端产生的干扰。其信噪比计算公式如下：其中表示第m个cue的发射功率，gm,b为第m个cue到基站的信道功率增益，表示第n个vue的发射功率，gn,b为第n个vue到基站的信道功率增益，σ2表示加性高斯白噪声的功率谱密度；(4)计算cue接收端的信噪比若cue资源被vue所重用，则cue将受到：1)bs产生的干扰；2)重用该cue资源的vue发射端产生的干扰。其信噪比计算公式如下：其中gn表示第n个vue发送端到接收端的信道功率增益，表示第n′个vue的发射功率，gn′,n为第n个vue与第n′个vue之间的信道功率增益。s2、构建资源分配模型通过限制基站覆盖范围中每个cue的小于规定的信噪比阈值以及每个due的小于最大中断概率门限po，使得基站覆盖范围内的cue和vue的通信质量得以保障。通过将最大化小区中能够成功通信的vue数目作为资源分配模型的优化目标来提高vue在蜂窝环境下的资源分配公平性，保障了v2v通信的可靠性。建立的资源分配模型如下：其中，un表示第n个vue是否重用基站覆盖范围内任意一个cue的资源，只要第n个vue能够重用基站覆盖范围内的任意一个cue的资源，则un＝1；反之，若第n个vue对基站覆盖范围内所有cue的资源都无法重用，则un＝0；表示cue的规定的sinr阈值，表示vue的规定的sinr阈值，po表示vue的最大中断概率门限，分别表示cue以及vue中发射机的最大发射功率。上述资源分配模型中p1为优化目标，其物理含义为基站覆盖范围内能够成功通信的vue数目总和；c1、c2、c3、c4、c5和c6均为约束条件，其中c2的物理含义为同一个vue只能重用一个cue的资源，c3和c4通过限制cue的小于和vue的通信中断概率小于po来保障cue和vue的通信质量，c5和c6对cue和vue的发射机的最大发射功率进行限制；s3、使用级数定理推导简化约束条件，降低资源分配模型求解复杂度：上述的资源分配模型是一个np难问题，想要得到最优解非常困难。本实施例采取构建vue的功率分配规则，使用级数定理对步骤s2建立的资源分配模型中的约束条件c3、c4进行推导简化并对步骤s2中资源分配模型进一步优化的方式对该优化问题进行启发式求解；该步骤过程如下：(1)初始化cue的发射功率为考虑到实际环境中cue处于基站覆盖范围内的时间相较于vue而言更久，而vue在基站覆盖范围内的留存时间较为短暂，因此本发明将初始化cue的发射功率为用于简化模型。(2)使用级数定理简化约束条件：将确定的代入s2的资源分配模型的c3中，并将确定的值移动到左边，得到的表达式为：使用级数定理对s2的资源分配模型的c4进行化简，得到的表达式为：该使用的级数定理为：其中z1，…，zn是相互独立的服从指数分布的随机变量，λi是第i个随机变量zi的均值的倒数，c是一个常量。(3)计算的取值范围：通过上述化简，可以得到的取值范围的上界和下界其计算公式为：(4)对步骤s2中资源分配模型进行优化：将步骤s2中提出的资源分配模型的c3、c4、c5和c6约束转化为的取值范围的约束，得到优化后的资源分配模型为：上述优化模型中p1为优化目标，其物理含义为小区内能够成功通信的vue数目，c1、c2和c3均为约束条件，其中c2的物理含义为同一个vue只能重用一个cue的资源，c3通过限制vue的发射功率来保障cue和vue的通信质量，至此，np难问题得以简化求解。s4、启发式求解简化后的资源分配模型，确定基站覆盖范围内所有vue的传输功率，得到资源分配方法：该步骤过程如下：(1)计算vue重用基站覆盖范围内的每一个cue时的取值范围(2)如果上述结果得到的小于则说明该vue可以重用当前cue的上行链路资源；反之，则该vue不能重用当前的cue；(3)一旦确定该vue可以重用当前的cue，则设定该vue的发射功率为计算得到的更新分配矩阵a和重用矩阵并对当前vue结束对所有cue的遍历；反之，则继续遍历下一个cue，直到基站覆盖范围内所有的cue都不能重用为止；(4)对基站覆盖范围内的所有vue进行上述遍历以及功率计算，得到所有vue的资源分配方法；遍历顺序均按照cue或vue的唯一编号的自然顺序进行。在性能仿真实验中，本实施例主要选取了成功通信的vue个数为衡量指标。主要仿真实验参数如下表1所示；表1.主要仿真实验参数表主要参数配置值物理小区半径500m基站到道路距离35m载波频率5.9ghzvue移动速度70km/hcue最大传输功率23dbmvue最大传输功率17dbmcue信噪比阈值-10dbvue信噪比阈值5dbvue最大中断概率门限0.01如附图3所示，它是基站覆盖范围内重用了cue通信资源并成功通信的vue数量与所有vue数量之间关系的仿真结果和在相同仿真环境下本实施例提出的资源分配方法与随机分配方法结果的对比图。考虑到本实施例针对的高密度车载通信环境下的资源分配方法很少，只把本实施例提出的方法与随机资源分配方法进行了对比与分析。从数值上可以看到，对于含有相同的vue数量的同一基站覆盖范围内，使用本实施例所提出的资源分配方法成功分配的vue数量明显大于随机分配方法成功分配的vue数量；而且随着基站覆盖范围内总vue数量的不断增加，即小区内部vue数目相较于cue数目不断增加的情形下，本实施例提出的资源分配方法成功分配的vue数量仍然大于随机分配方法，具有良好的性能。上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。当前第1页1 2 3
技术特征：1.一种高密度车载通信环境下的车联网资源分配方法，该方法的应用场景为双向多车道的道路一侧部署基站，基站覆盖半径为r，基站覆盖范围内存在n个以速度v行驶于道路上的车辆通信对和m个均匀分布在道路之外的蜂窝用户，车辆通信对简称vue，蜂窝用户简称cue，其特征在于，该方法包括以下步骤：
s1、建立高密度车载通信环境下的信道模型，建立资源分配的分配矩阵a和重用矩阵计算vue接收端的信噪比和cue接收端的信噪比
s2、以小于规定的信噪比阈值小于最大中断概率门限po为限制条件，构建以最大化基站覆盖范围内能够成功通信的vue数目为优化目标的资源分配模型；
s3、使用级数定理对上述资源分配模型中的约束条件进行推导简化，降低资源分配模型求解复杂度；
s4、启发式求解简化后的资源分配模型，确定基站覆盖范围内所有vue的传输功率，得到资源分配方法。
2.根据权利要求1所述的一种高密度车载通信环境下的车联网资源分配方法，其特征在于，所述的步骤s1过程如下：
s11、建立高密度车载通信环境下的信道模型：
gi,j表示发射机i到接收机j的信道功率增益，其计算公式为：
其中，a*为路径衰落常数；hi,j为小规模衰落系数，βi,j为阴影衰落，li,j为发射机i到接收机j的距离；λ为衰减指数；
s12、建立资源分配的分配矩阵a和重用矩阵
分配矩阵a表示cue资源被不同vue重用情况，其表达式为：
其中am,n表示第m个cue的资源是否被第n个vue重用；
重用矩阵表示vue是否重用同一cue资源的情况，其表达式为：
其中rn′,n表示第n个vue的通信资源是否与第n′个vue重用同一个cue资源；
s13、vue接收端的信噪比计算公式如下：
其中表示第m个cue的发射功率，gm,b为第m个cue到基站的信道功率增益，表示第n个vue的发射功率，gn,b为第n个vue到基站的信道功率增益，σ2表示加性高斯白噪声的功率谱密度；
s14、cue接收端的信噪比计算公式如下：
其中gn表示第n个vue发送端到接收端的信道功率增益，表示第n′个vue的发射功率，gn′,n为第n个vue与第n′个vue之间的信道功率增益。
3.根据权利要求1所述的一种高密度车载通信环境下的车联网资源分配方法，其特征在于，所述的步骤s2中，使用小于规定的信噪比阈值和小于最大中断概率门限po作为限制条件，以最大化基站覆盖范围内能够成功通信的vue数目为优化目标，建立的资源分配模型如下：
p1:
c1:
c2:
c3:
c4:
c5:
c6:
其中，p1为优化目标，c1、c2、c3、c4、c5和c6均为约束条件，un表示第n个vue是否重用基站覆盖范围内任意一个cue的资源，表示cue的规定的信噪比阈值，表示vue的规定的信噪比阈值，po表示vue的最大中断概率门限，分别表示cue以及vue中发射机的最大发射功率。
4.根据权利要求3所述的一种高密度车载通信环境下的车联网资源分配方法，其特征在于，所述的步骤s3中，使用级数定理对步骤s2建立的资源分配模型中的约束条件c3、c4进行推导简化，降低求解复杂度：
s31、初始化cue的发射功率为
s32、将确定的代入c3，得到表达式为：
s33、使用级数定理对c4进行化简，得到的表达式为：
s34、根据s33和s34的表达式，得到的取值范围：
表示取值范围的下界，表示取值范围的上界，两者的计算公式分别如下：
s35、根据s34的结果，将步骤s2中提出的资源分配模型的c3、c4、c5和c6约束转化为的取值范围的约束，得到优化后的资源分配模型为：
p1:
c1:
c2:
c3:
5.根据权利要求1所述的一种高密度车载通信环境下的车联网资源分配方法，其特征在于，所述的步骤s4中，对基站覆盖范围内的vue确定传输功率和资源分配方法，过程如下：
s41、计算vue重用基站覆盖范围内的每一个cue时的取值范围
s42、如果步骤s41中得到的小于则说明该vue可以重用当前cue的上行链路资源；反之，则该vue不能重用当前的cue；
s43、如果步骤s42中确定该vue可以重用当前的cue，则设定该vue的发射功率为步骤s41计算得到的更新分配矩阵a和重用矩阵并对当前vue结束计算；反之，则继续遍历下一个cue，直到基站覆盖范围内所有的cue都不能重用为止；
s44、对所有vue重复步骤s41、s42和s43，得到基站覆盖范围内所有vue的传输功率和资源分配方法。
技术总结本发明公开了一种高密度车载通信环境下的车联网资源分配方法，步骤如下：建立高密度车载通信环境下的信道模型，建立资源分配的分配矩阵A和重用矩阵计算VUE接收端的信噪比和CUE接收端的信噪比以小于规定的信噪比阈值小于最大中断概率门限po为限制条件，构建以最大化基站覆盖范围内能够成功通信的VUE数目为优化目标的资源分配模型；使用级数定理对上述资源分配模型中的约束条件进行推导简化；最后启发式求解简化后的资源分配模型，确定VUE的传输功率，得到资源分配方法。该方法能提高基站覆盖范围内成功通信的VUE数目，保障CUE和VUE通信质量。
技术研发人员：胡斌杰;颜琦锐
受保护的技术使用者：华南理工大学
技术研发日：2020.02.27
技术公布日：2020.06.05
