車聯(lián)網(wǎng)的合作認(rèn)知模型分析

?

車聯(lián)網(wǎng)的合作認(rèn)知模型分析

車載通信需要一種新型的認(rèn)證無(wú)線電（CR）技術(shù)和有效的頻譜管理。為體現(xiàn)頻譜效率的重要性，對(duì)車載網(wǎng)絡(luò)中的集中式和分布式合作頻譜感知（GBCS）提出一種系統(tǒng)模型。分析了GBCS中的決策融合技術(shù)。使用新理論為決策融合技術(shù)設(shè)計(jì)了系統(tǒng)模型，分析了主要通道探測(cè)發(fā)現(xiàn)的可能性和主要用戶發(fā)射器（PU Tx）中CR用戶或二級(jí)用戶的平均等待時(shí)間。基于數(shù)學(xué)分析以檢查探測(cè)發(fā)現(xiàn)和假警報(bào)的可能性。結(jié)果表明，合作認(rèn)知模型更加適合于車載網(wǎng)絡(luò)，最大限度地減少了干擾和隱藏的PU問(wèn)題。

在集中式頻譜感知中，有一些聯(lián)合的決策融合技術(shù)，如AND、OR及計(jì)算規(guī)則。決策融合技術(shù)包括其它寬帶檢測(cè)、盲頻譜感知、線性二次（LQ）檢測(cè)、隱馬爾科夫模型（HMM）。在分布式頻譜感知中，包括一些共同的決策融合方法和基于梯度分布的GBCS。

討論了在車載網(wǎng)絡(luò)集中式和分布式頻譜感知場(chǎng)景中GBCS的機(jī)遇和挑戰(zhàn)。提出新的理論模型論證合作車載網(wǎng)絡(luò)中頻譜感知的實(shí)現(xiàn)。在車載通信中利用集中式和分布式GBCS環(huán)境有效地使用頻譜波段。研究了車載網(wǎng)絡(luò)集中式GBCS的決策融合技術(shù)。使用新理論為決策融合技術(shù)設(shè)計(jì)系統(tǒng)模型，然后分析檢測(cè)主要通道的可能性以及PU Tx的CR用戶或二級(jí)用戶的平均等待時(shí)間。仿真和分析結(jié)果發(fā)現(xiàn)，通過(guò)增加主要通道的可用性，基于新理論檢測(cè)的概率較高。通過(guò)縮短GBCS中的主要通道過(guò)渡狀態(tài)，減少了PU Tx的CR用戶平均等待時(shí)間。CR可以應(yīng)用到不同的M2M（機(jī)器對(duì)機(jī)器）方案，也可以擴(kuò)展到物聯(lián)網(wǎng)環(huán)境。

刊名：IEEE Systems Journal（英）

刊期：2015年

作者：Anand Paul

編譯：王欣欣