基于空-时二维感知的认知车载网动态频谱接入技术的研究

By using cognitive radio technology, the spectrum utilization rate can be improved efficiently in future massive dense vehicular networks. This will be an important technology to realize intelligent transport system for future 5G mobile communicatons. Precisely because of it, cognitive vehicular network (CVN) is being one of the research highlights. However, the poor accuracy of spectrum sensing and large time delay of spectrum access and handoff are still urgent problems to be solved in CVN. This research intends to study some key issues of dynamic spectrum access, include: spatial-temporal spectrum sensing model, layer-based CD-BMDP adaptive spectrum access strategy and classed spectrum handoff under proactive decision, to improve spectrum access capability for high-dynamic network topology of CVN.

车载网中利用认知无线电技术可以大幅提高未来大规模密集车载网络的频谱利用率，是实现未来5G移动网络中交通智能化的重要技术手段。因此，认知车载网也正逐渐成为研究热点之一，但仍面临着频谱感知精度不高、频谱接入和切换延时较大等方面的问题。本项目拟通过在车载网中建立基于空-时二维联合频谱感知模型，来研究分层的CD-BMDP自适应频谱接入策略以及预判决机制下的分级频谱切换等动态频谱接入问题，提高认知车载网高动态网络拓扑结构下的频谱接入能力。

认知车载网被认为可以为高密度交通信息的有效传播提供可行的解决方案，是在5G网络中实现交通智能化的重要技术手段之一。认知车载网通过在车载网络中应用认知无线电技术为网络中的交通信息提供额外的频谱资源进行信息传播，从而可以大幅提高未来车载网络的频谱利用率和网络性能，但认知车载网仍面临着频谱效率不高、网络容量小等方面的问题。为了解决这些问题，本项目从以下几个方面做了一些研究。①针对空-时连通性和频谱感知以及资源分配，本项目提出了能提高车辆间空-时连通性的方案和认知车辆节点间多重效率最大化的频谱感知和频谱资源共享方法。主要包括：利用深度学习提出了基于多重能效的认知无线资源分配方法；以最大化认知车辆用户谱效和能效为目标，提出了一种基于频谱感知的频谱共享模式下的最优感知时间和最佳功率分配方法；对稀疏车辆场景提出了路侧单元全局次优的多层调度算法和多个路侧单元的局部最优调度算法。②针对主从用户共享频谱的接入模式，本项目借助智能反射表面建立了一种新型网络架构，使其在动态频谱接入模式和适应车辆移动场景下找到了一种抑制或消除主从用户间的干扰和提高从用户容量的波束赋形方法。该方法实现了：智能反射面辅助下的多输入多输出认知无线网络中从用户发射机和反射面波束赋形的联合优化，在不增加对主用户干扰和系统总能耗下提高了从用户系统吞吐量；在主用户通信信道估计误差存在下的下行认知无线系统中从用户发射机和反射面波束赋形的联合优化，该方法对从用户频谱感知精度有很好的鲁棒性。③针对频谱切换时的排队接入机制，本项目找到了一种高效的频谱接入排队机制，对离散用户接入频谱时的工作-休假排队建模，并在此基础上完成了对频谱切换和接入时的离散时间排队网络性能分析，从频谱切换前的频谱等待角度实现减少频谱接入延时的目标。