认知车联网关键技术研究

To target the complexity of communication business, the shortage of spectrum resources, the high delay requirement and safety problem in the Internet of Vehicle, this project plans to investigate the Cognitive Radio Internet of Vehicle (CRIoV) based on mobile cognitive radio technology, especially from the following four aspects which are spectrum sensing, spectrum access, spectrum handover and malicious attacks. In this project, data mining is applied to make use of the data of the licensed channel stored in the cloud to design the cooperative spectrum sensing algorithm which can enhance the global spectrum sensing performance. Relying on the fuzzy mathematics theory and the queuing model, a spectrum handover strategy regarding graded users is designed to implement spectrum handover under multiservice. A distributed hybrid optimization algorithm based on channel state prediction is proposed and a location correlation based joint-resource-allocation strategy is designed to improve the efficiency of resource allocation. By studying the attacks from malicious users, a robust malicious user defense strategy is proposed to improve the security of CRIoV. Furthermore, the accuracy of the proposed algorithms and strategies will be verified by theoretical analysis, simulations and necessary experiments, which will lay the foundation for the future application to the practical CRIoV communication system.

针对车联网中通信业务繁杂、频谱资源紧缺、时延要求高和安全性等问题，本项目拟通过研究基于移动认知无线电技术的认知车联网来有效解决上述问题，并具体从频谱感知、接入、切换和恶意攻击四个方面深入研究。本申请拟利用存储在云端的授权信道使用数据，设计基于数据挖掘的协作频谱感知算法，以提升全局频谱感知性能；利用模糊数学理论和排队论模型，设计基于从用户分级的频谱切换策略，以实现多种业务下的频谱切换；提出一种信道状态预测和分步式混合优化算法，设计基于位置相关性的资源联合分配策略；通过研究当前认知车联网中来自恶意用户的攻击，设计一种稳健的恶意用户防御策略以提高车联网的安全性。本申请将通过深入的理论分析、计算机仿真并辅之必要的实验，验证所提算法的准确性，为将来能够应用于实际认知车联网通信系统奠定基础。

认知车联网技术有效的避免了车联网中日益增加的海量数据交换和日益增长的智能网联车辆数量所带来的频谱资源短缺问题，大幅改善了车联网的整体通信水平。但是车联网中由于移动速度快，连接时间短，拓扑结构不稳定等原因，无法满足具有QoS保障的通信。在此前提下对认知车联网的基于云端数据挖掘的协作频谱感知算法，基于空时自适应分级的频谱切换技术，基于位置相关性的资源分配算法和基于博弈论的信息安全机制四个方面作深入的理论研究。.研究重点包括：提出了出基于云端数据挖掘的协作频谱感知算法，采用云计算模块提供历史数据的存储空间以及超高的运算能力；设计基于数据挖掘的空闲信道预测模块；设计基于数据挖掘的协作感知数据融合网络，并采用机器学习算法分析感知结果的可靠性从而进一步修正协作频谱感知算法。.提出了适应认知车联网自身特点的QoE模型和标准，并建立混合抢占优先权和非抢占优先权队列模型，综合考虑频谱感知，目标信道选择，从用户业务优先级，多决策优化算法等实现分级频谱切换策略；基于机器学习技术和车联网可用频谱的时空动态变化特点来预测信道可用性，自适应执行智能频谱切换，计算了切换时延、切换概率等参数分析系统性能。.提出了针对车联网环境下的认知无线网络的资源分配问题，建立了衬底接入方式下基于位置相关性的协作感知框架。根据获取的实际信道状态信息以及车辆和交通状况的各种因素，构建基于认知车联网资源分配效用函数和约束条件，并设计了一种有效的优化算法。设计了一种基于能效最优的认知车联网资源分配算法。.提出了一种认知车联网中基于博弈论的信息安全机制。提出认车联网中一种智能、通用的频谱数据篡改模型。根据认知车联网的协作频谱感知过程存在的恶意车辆发起攻击，利用序贯概率比检验高效感知的特点，提出一种稳健的协作频谱感知算法以对对抗网络中存在的恶意车辆。在前面研究的基础上，利用博弈论的方法，分别研究防御和攻击双方的策略。