基于LQG的车辆自组织网络拥塞控制方法技术

本发明专利技术公开了一种基于LQG的车辆自组织网络拥塞控制方法，主要解决现有技术无法得到精确状态变量，以及在控制网络拥塞时无法得到最佳载波监听门限值的问题。其实现步骤是：选取载波监听门限和网络吞吐量为控制量和状态变量，根据选取的控制量和状态变量建立控制方程和观测方程；利用卡尔曼滤波器对车辆的状态变量滤除噪声，得到精确的状态变量；根据网络发生拥塞时，网络的实际吞吐量会小于预设的吞吐量的特性，计算两者的误差；根据该误差设置代价函数，求解使代价函数最小时的控制量，并将其反馈到控制方程中，使实际网络吞吐量达到预设的网络吞吐量，实现对网络拥塞的控制。本发明专利技术提高了信道带宽的利用率和网络的吞吐量。

【技术实现步骤摘要】
基于LQG的车辆自组织网络拥塞控制方法
本专利技术属于通信
，更进一步涉及到车辆自组织网络中安全类应用消息的拥塞控制方法，可用于解决车辆网络中的拥塞问题。
技术介绍
当今社会，道路交通问题越来越引起人们的关注。由于道路安全管理落后和人们安全意识薄弱，我国面临严重的交通安全问题。随着车载自组织网络VANET)的快速发展，车与车之间以无线网络技术为基础的通信模式成为保障道路安全的一个关键组成部分。将VANET应用于智能交通系统ITS可以更好的帮助驾驶员提高行驶的安全性。VANET安全应用的主要目的是为道路上车辆行驶提供安全保障，这需要利用车辆间安全信息的交互来实现对周围车辆环境的感知以及对已发生的交通事故的警示。MacTorrent在2005年提出了两类安全信息：周期性的安全信息和事件驱动型安全信息。前者用来进行交通事故发生前的预警，后者用于事故发生后的报警。车辆间通过发送安全消息，使车辆能够熟悉周围车辆的行驶状态以及突发的紧急情况，因此需要确保安全消息可靠高效的传输。但是，车辆在行驶过程中很容易出现车辆密集的场景，在节点密集的网络环境中，由于每个节点都在周期性的发送心跳消息，会造成严重的网络拥塞。使数据包的丢包率、网络延迟大大增加，从而影响到车辆间的通信。因此安全信息的拥塞控制问题就显得尤为关键。当前IEEE802.11p工作组正致力于适用于车辆通信的标准化工作，在该标准中拥塞控制的唯一方法是一旦检测到信道占用率高于50％，则除了具有最高优先级的信息之外，其他信息禁止接入信道，但是该机制具有以下几点局限性：第一，并不能解决由周期性安全信息所造成的信道拥塞。第二，减少了周期性安全信息接入信道的机会，从而降低了车辆之间的相互感知程度，对于道路安全造成威胁。第三，由于事件驱动型安全信息较少，所以预留的信道带宽在大多数情况下不能被充分利用。MarcTorrent-Moreno等提出了D-FPAV(DistributedFairPowerAdjustmentforVehicularEnvironment)算法，该算法以公平性为前提，功率值从零开始以固定步长λ逐步增加，依据最大最小化原则实现功率控制，即在不超出信道负载的情况下，尽可能增大发送功率，这样既不会造成信道拥塞，又能够保证让更多的车辆收到车辆状态信息。但此算法会增加额外的通信开销，而且在协议中较难实。Razvan等人分析了载波监听门限对拥塞控制的影响。通过建立模型，验证了改变载波监听门限能显著的解决拥塞问题这一结论。同时还得出了一个结论：对于网络拥塞问题，对于不同的情况，应该有不同的载波监听门限来解决网络拥塞问题。RobertK等人提出了一种自适应调整载波监听门限的方法来解决拥塞问题。当信道发生拥塞时，节点根据消息在缓冲队列中等待的时间提高载波监听门限，使得消息能够接入信道。从而可以解决信道拥塞问题，可以显著地降低信道接入时延。但载波监听门限是阶梯性增加，往往得不到精确的载波监听门限。
技术实现思路
本专利技术的目的在于针对上述现有技术的缺点，提出一种基于LQG的车辆自组织网络拥塞控制方法，以减少信道负载，提高信道带宽的利用率和网络的吞吐量。为实现上述目的，本专利技术的技术方案包括如下步骤：(1)根据网络吞吐量和载波监听门限之间的关系建立网络的控制方程和观测方程：控制方程：X(k)＝AX(k-1)+BU(k)+W观测方程：Y(K)＝CX(k)+V其中X(k)是状态变量，即网络的吞吐量，U(k)为控制向量，即载波监听门限，Y(k)为实际的网络吞吐量，A为N×N维时变矩阵、B为N×M维时变矩阵，C为N×N维矩阵，k表示当前时刻，W为系统干扰噪声，V传感器带来的量测噪声，假设W、V的均值都为0，在车辆网络中N的取值范围为1～3，M取值范围为1～2；(2)利用卡尔曼滤波器对网络的吞吐量进行估计，得出滤除噪声后的网络吞吐量(3)基于线性二次型最优控制模型，求解最优的控制向量；3.1)设置预期的网络吞吐量Yr(k)，当网络发生拥塞时，实际网络吞吐量Y(k)会小于预期的网络吞吐量Yr(k)，计算实际网络吞吐量与期望吞吐量之间的误差值：e(k)＝Yr(k)-Y(k)；3.2)根据误差值设置代价函数：J＝E(∑eT(k)Qe(k)+UT(k)RU(k))，其中Q为给定的半正定实对称常数矩阵，R为给定的正定实对称常数矩阵，eT(k)是e(k)的转置矩阵，UT(k)为控制向量U(k)的转置矩阵，E表示求期望值；3.3)定义使代价函数J最小的控制变量为最优的控制向量为U*(k)，根据线性二次型控制模型构建最优的控制向量U*(k)的计算式：其中，S(k)为最优反馈增益矩阵，为卡尔曼滤波器滤除噪声后的网络吞吐量；(4)利用黎卡夫方程求解最优反馈增益矩阵S(k)；(5)将步骤(2)和步骤(4)求得的值代入方程得到最优的反馈控制向量；(6)将最优的反馈控制向量U*(k)反馈到步骤(1)的控制方程中，使实际网络吞吐量Y(k)达到设定的预期网络吞吐量Yr(k)，实现对网络拥塞的控制。本专利技术与现有技术相比具有以下优点：1、能精确地提取状态变量。在现有的拥塞控制方法中采用的都是直接观测到的状态变量，而直接观测到的状态变量往往因为噪声的干扰而与真实值有偏差，因此拥塞控制策略并不能满足实际的需要。本专利技术由于采用了卡尔曼滤波的方法来滤除状态变量中的噪声，克服了现有拥塞控制方法中得不到精确的状态变量的问题。2、提高了信道带宽的利用率和网络的吞吐量。现有的拥塞控制方法中，通过阶梯性增加载波监听的方法来得到网络需要的载波监听门限，往往得不到精确值，本专利技术采用LQG的方法来计算载波监听门限值，可以精确计算出使网络吞吐量接近预期值的载波监听门限值，从而提高信道带宽的利用率和网络的吞吐量，保证了车辆的行驶安全。附图说明图1为本专利技术的实现流程图；图2为现有卡尔曼滤波器工作原理图；图3为现有线性二次型最优控制器的原理图。具体实施方式下面结合附图对本专利技术的技术方案进行详细说明。参照图1，本专利技术基于LQG的车辆自组织网络拥塞控制方，其实现步骤如下：步骤1，选取状态变量和控制量。能反映网络拥塞状况的网络参数很多，如吞吐量、信道负载、信道接入时延等。当网络发生拥塞时，网络的吞吐量会急剧下降。因此网络的吞吐量能很好的反映网络的拥塞情况，因此本专利技术选择网络的吞吐量来作为控制方程中的状态变量X(k)。由于改变载波监听门限能明显的改变网络的吞吐量，因此本专利技术选择载波监听门限作为控制量U(k)。步骤2，建立控制方程和观测方程。线性二次型模型是基于状态空间的的一种动态控制器，根据线性二次型模型和选择的网络吞吐量及载波监听门限建立网络的控制方程和观测方程如下：控制方程：X(k)＝AX(k-1)+BU(k)+W观测方程：Y(K)＝CX(k)+V其中，A为N×N维时变矩阵，B为N×M维时变矩阵，C为N×N维矩阵，k表示当前时刻，W为系统干扰噪声，V为传感器的量测噪声，假设W、V的均值都为0，在车辆网络中N的取值范围为1～3，M取值范围为1～2。步骤3，利用卡尔曼滤波器对网络的吞吐量进行估计，得出滤除噪声后的网络吞吐量参照图2，本步骤的具体实现如下：3.1)设定初始的网络吞吐量X(k-1|k-1)和协方差Z(k-1|k-1)；3.2)设系统本文档来自技高网...

【技术保护点】
一种基于LQG的车辆自组织网络拥塞控制方法，包括如下步骤：(1)根据网络吞吐量和载波监听门限之间的关系建立网络的控制方程和观测方程：控制方程：X(k)＝AX(k‑1)+BU(k)+W观测方程：Y(K)＝CX(k)+V其中X(k)是状态变量，即网络的吞吐量，U(k)为控制向量，即载波监听门限，Y(k)为实际的网络吞吐量，A为N×N维时变矩阵、B为N×M维时变矩阵，C为N×N维矩阵，W为系统干扰噪声，V传感器带来的量测噪声，假设W、V的均值都为0，在车辆网络中N的取值范围为1～3，M取值范围为1～2；(2)利用卡尔曼滤波器对网络的吞吐量进行估计，得出滤除噪声后的网络吞吐量(3)基于线性二次型最优控制模型，求解最优的控制向量；3.1)设置预期的网络吞吐量Yr(k)，当网络发生拥塞时，实际网络吞吐量会小于预期的网络吞吐量Y(k)，计算实际网络吞吐量与期望吞吐量之间的误差值：e(k)＝Yr(k)‑Y(k)；3.2)根据误差值设置代价函数：J＝E(∑eT(k)Qe(k)+UT(k)RU(k))，其中Q为给定的半正定实对称常数矩阵，R为给定的正定实对称常数矩阵，eT(k)是e(k)的转置矩阵，UT(k)为控制向量U(k)的转置矩阵，E表示求期望值；3.3)定义使代价函数J最小的控制变量为最优的控制向量为U*(k)，根据线性二次型控制模型构建最优的控制向量U*(k)的计算式：其中，S(k)为最优反馈增益矩阵，为卡尔曼滤波器滤除噪声后的网络吞吐量；(4)利用黎卡夫方程求解最优反馈增益矩阵S(k)；(5)将步骤(2)和步骤(4)求得的值代入方程得到最优的反馈控制向量；(6)将最优的反馈控制向量U*(k)反馈到步骤(1)的控制方程中，使实际网络吞吐量Y(k)达到设定的预期网络吞吐量Yr(k)，实现对网络拥塞的控制。...

【技术特征摘要】
1.一种基于LQG的车辆自组织网络拥塞控制方法，包括如下步骤：(1)根据网络吞吐量和载波监听门限之间的关系建立网络的控制方程和观测方程：控制方程：X(k)＝AX(k-1)+BU(k)+W观测方程：Y(k)＝CX(k)+V其中X(k)是状态变量，即网络的吞吐量，U(k)为控制向量，即载波监听门限，Y(k)为实际的网络吞吐量，A为N×N维时变矩阵、B为N×M维时变矩阵，C为N×N维矩阵，k表示当前时刻，W为系统干扰噪声，V传感器带来的量测噪声，假设W、V的均值都为0，在车辆网络中N的取值范围为1～3，M取值范围为1～2；(2)利用卡尔曼滤波器对网络的吞吐量进行估计，得出滤除噪声后的网络吞吐量(3)基于线性二次型最优控制模型，求解最优的控制向量；3.1)设置预期的网络吞吐量Yr(k)，当网络发生拥塞时，实际网络吞吐量Y(k)会小于预期的网络吞吐量Yr(k)，计算实际网络吞吐量与期望吞吐量之间的误差值：e(k)＝Yr(k)-Y(k)；3.2)根据误差值设置代价函数：J＝E(∑eT(k)Qe(k)+UT(k)RU(k))，其中Q为给定的半正定实对称常数矩阵，R为给定的正定实对称常数矩阵，eT(k)是e(k)的转置矩阵，UT(k)为控制向量U(k)的转置矩阵，E表示求期望值；3.3)定义使代价函数J最小的控制变量为最优的控制向量为U*(k)，根据线性二次型控制模型构建最优的控制向量U*(k)的计算式：其中，S(k)为最优反馈增益矩阵，为卡尔曼滤波器滤除噪声后的网络吞吐量；(4)利用黎卡夫方程求解最优反馈增益矩阵S(k)；(5)将步骤(2)和步骤(4)求得的值代入方程得到最优的反馈控...

【专利技术属性】
技术研发人员：陈晨，孙灿顶，裴庆祺，张宁，李亚娟，薛刚，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61