基于协作节点选取和FCM算法的认知车联网频谱感知方法技术

本发明专利技术公开了一种基于协作节点选取和FCM算法的认知车联网频谱感知方法，步骤如下：认知车辆向路侧单元发送通信请求；根据所需车流密度及车辆间距离确定参与协作车辆数，路侧单元利用车辆位置和车辆间相关性选取认知车辆进行协作频谱感知；选取的认知车辆运用能量检测方法进行频谱感知，利用FCM算法对认知车辆检测统计量进行聚类，获取聚类中心和隶属度矩阵，当检测统计量隶属度差异值大于某一阈值时进行本地判决；路侧单元基于协作节点位置和相关性进行加权融合判决，判断主用户是否存在。本发明专利技术基于车辆位置和车辆间相关性动态选取协作车辆，保证频谱感知准确性并节省开销；考虑车辆位置的移动，无需信噪比等先验信息，提高检测性能。

【技术实现步骤摘要】
基于协作节点选取和FCM算法的认知车联网频谱感知方法
本专利技术涉及认知无线电和车载自组网领域
，具体涉及一种基于协作节点选取和FCM算法的认知车联网频谱感知方法。
技术介绍
随着社会的进步，汽车行业飞速发展，汽车数量的持续上涨，保障交通安全、提高通行效率需要为车辆提供高速率、低延时、高可靠的通信，车载自组织网络(VehicularAd-hocNetworks，VANET)应运而生，主要包括V2V(VehicletoVehicle)和V2I(VehicletoInfrastructure)两种通信方式。车联网作为新型智慧城市的一个标志越来越受到人们的关注，是智能交通系统领域中的研究热点。然而，随着车辆的增多，车载娱乐的多样化，通信需求大幅度增加，分配给VANET的5.9GHz频段的专用短程通信信道已经不能满足车载通信的需求，车辆高峰时期，将面临信道拥塞，频谱资源短缺的问题。为解决这一问题，提出了通过认知无线电(CR)技术的动态频谱接入(DSA)。CR的核心功能之一是通过频谱感知识别授权频段的频谱空洞，允许非授权用户在不影响授权用户的通信系统性能的前提下，动态地接入授权用户的空闲频段进行通信。要实现认知无线电通信，频谱感知是首要环节，只有有效地检测到特定频段内是否有可用频谱机会，才能进行下一步工作。将认知无线电技术应用到车载自组网领域，认知车联网(CR-VANET)应运而生。车联网中具有认知功能的车辆被称之为认知车辆，认知车辆配备认知无线电通信设备，可以接入DSRC信道，也可以接入其他空闲授权频段。认知车辆通过对周围环境中已授权频谱资源进行感知，快速准确地判断出授权频段的占用情况，自适应调整收发设备至空闲授权频段上通信，提高频谱利用率。针对实际环境中路径损耗和阴影效应等诸多因素对感知性能的不利影响，以及车辆位置的不断变换使接收到的信号能量随之变化的情况，如何研究出满足要求的频谱感知方法，有效使用空闲频谱进行通信，提高频谱利用率已经成为专家学者关注的热点。
技术实现思路
本专利技术的目的在于解决现有车载频段无法满足车载通信需求的问题，考虑路径损耗和阴影效应以及车辆移动等因素，提出一种基于协作节点选取和FCM算法的认知车联网频谱感知方法，动态选取参与协作感知的车辆节点，保证频谱感知准确性的同时节省了开销，利用基于FCM算法的能量检测技术进行频谱感知，自适应本地判决，无需信噪比等先验信息，提高了检测性能。本专利技术的目的可以通过采取如下技术方案达到：一种基于协作节点选取和FCM算法的认知车联网频谱感知方法，包括如下步骤：S1、路侧单元根据感知精度和感知开销的需求确定参与协作的车流密度，基于车流密度及认知车辆间距离确定参与协作车辆节点数，其中车辆位置信息由自带的GPS模块获取；S2、路侧单元基于车辆位置和车辆间相关性，引入新的参数，动态地选取相关性较小且距离主用户较近的认知车辆节点进行协作频谱感知；S3、参与协作的认知车辆采用能量检测技术进行频谱感知，将获得的检测统计量存储到车辆存储模块，利用FCM算法进行聚类，获取聚类中心和隶属度矩阵，当检测统计量隶属度差异值大于某一阈值时进行本地判决；S4、路侧单元将接收到的本地判决结果通过认知车辆的位置和相关性进行加权融合，判定该频段主用户是否存在，如果该频段主用户不存在，则认知车辆可以使用该频段进行通信，否则退出该频段的使用。进一步地，所述的步骤S1中，路侧单元根据所需参与协作的车流密度及车辆间距离确定参与协作车辆节点数，保证感知准确性的同时节省开销，有效解决因协作节点数固定，而造成某一路段参与协作节点选取较多带来的资源浪费，或因节点选取较少带来的感知准确性下降的问题。选取参与协作节点具体步骤是：S11、根据感知精度和能耗选择不同的车流密度，确定应选取参与协作的认知车辆数K＝ρ*dms(t)，ρ为车辆密度，dms(t)为M个车辆节点之间的最远距离；S12、如果车辆节点M≤K，车辆密度很小，全部车辆参与协作感知，K＝M，否则进行下一步，协作节点选取。进一步地，所述的步骤S2中，相对于传统的仅考虑节点与主用户距离或仅考虑节点相关性的节点选取方案，选择离主用户较近的节点可以提高接收主用户信号的信噪比，提高决策用户的准确度，但没有考虑协作用户相关性，导致协作增益下降；选取相关性较小的节点，能够增加协作用户的空间分集增益，改善感知性能，但协作用户距离主用户较远，接收主用户信号强度弱，感知准确度差，本专利技术中路侧单元基于车辆位置和车辆间相关性，引入新的参数，动态地选取相关性较小且距离主用户较近的认知车辆节点进行协作频谱感知，具体步骤是：S21、计算每个认知车辆与其他车辆节点之间的相关性，每个认知车辆与其他M-1个认知车辆节点之间的相关性之和：Ri,j(t)为t时刻认知车辆节点CRi和CRj之间的相关性，每个认知车辆节点与其他M-1个认知车辆节点之间的相关性之和归一化处理为Rai(t)；S22、分别计算M个认知车辆与主用户之间的距离di,p(t)，求得认知车辆与主用户之间的归一化距离为di(t)；S23、从M个认知车辆节点中选取K个参与协作感知，基于车辆的位置和相关性进行动态节点的选取，引入新的参数：Nodei＝α×Rai(t)+β×di(t)(i＝1,2,…M)其中α和β分别为车辆间相关性和车辆与主用户之间距离的系数，取值范围为(0,1)，定义α和β的值，从M个车辆节点的Nodei值中选取最小的K个作为参与协作的车辆节点，即选取相关性较小且距离主用户较近的K个认知车辆参与协作。进一步地，所述的步骤S3中，参与协作的认知车辆采用能量检测技术进行频谱感知，将获得的检测统计量存储到车辆存储模块，基于车辆移动过程中不同时隙的历史检测统计量，利用FCM算法进行聚类，当目标函数收敛时获取最终聚类中心和隶属度矩阵，当检测统计量隶属度差异值大于某一阈值时进行本地判决，具体步骤是：S31、参与协作的认知车辆将接收到的检测统计量存储到车辆存储模块，每个感知时隙都会接收到新的检测统计量，基于车辆移动过程中不同时隙的历史检测统计量，存储模块最多存放N个检测统计量，存储模块每个时隙都会更新；S32、聚类模块将接收到的n个检测统计量通过FCM算法分为c个模糊组，c取值为2，类中心为ci，每个检测统计量属于某一类i的隶属度为uij，若使检测统计量Tj自适应聚类，即要求含有约束条件的目标函数J的值最小，引入拉格朗日因子构造目标函数如下：式中，m是模糊加权系数,d(Tj,ci)表示欧式距离，λj(j＝1,2…,n)表示n个约束式的拉格朗日乘子，通过求导得到隶属度和聚类中心的计算公式；S33、初始化隶属度矩阵，计算并比较相邻两次目标函数J的差值，直到差值小于某一阈值ε时停止迭代，否则重新计算各个参量及目标函数；S34、通过最终获得的隶属度矩阵获取待判决检测统计量Tn的隶属度差异值，若|u1n-u2n|＞δ，进行本地检测统计量判决，并将结果上传到路侧单元；否则，由于隶属度差异值较小，低信噪比情况下判决结果可靠性低，会因误差很大致使误判，直接舍弃该认知车辆。进一步地，所述的步骤S4中，路侧单元将接收到的本地判决结果通过认知车辆的位置和相关性进行加权融合，判定该频段主用户是否存在，具体步骤是：S41、基于认知车辆的位置和本文档来自技高网...

【技术保护点】
1.一种基于协作节点选取和FCM算法的认知车联网频谱感知方法，其特征在于，所述的认知车联网频谱感知方法包括如下步骤：S1、路侧单元根据感知精度和感知开销的需求确定参与协作的车流密度ρ，基于车流密度及认知车辆间距离dms(t)确定参与协作车辆节点数K＝ρ*dms(t)，其中，车辆位置信息由自带的GPS模块获取；S2、路侧单元基于车辆与主用户之间的距离di(t)和车辆间相关性Rai(t)，引入新的参数Nodei＝α×Rai(t)+β×di(t)，动态选取相关性较小且距离主用户较近的认知车辆节点进行协作频谱感知，其中α和β分别为车辆间相关性和车辆与主用户之间距离的系数，取值范围为(0,1)，i＝1,2,…M，M为车辆节点的个数；S3、参与协作的认知车辆采用能量检测技术进行频谱感知，将获得的检测统计量存储到车辆存储模块，利用FCM算法进行聚类，获取聚类中心和隶属度矩阵，当检测统计量隶属度差异值大于某一阈值时进行本地判决；S4、路侧单元将接收到的本地判决结果通过认知车辆的位置和相关性进行加权融合，判定该频段主用户是否存在，如果该频段主用户不存在，则认知车辆被授权使用该频段进行通信，否则退出该频段的使用。...

【技术特征摘要】
1.一种基于协作节点选取和FCM算法的认知车联网频谱感知方法，其特征在于，所述的认知车联网频谱感知方法包括如下步骤：S1、路侧单元根据感知精度和感知开销的需求确定参与协作的车流密度ρ，基于车流密度及认知车辆间距离dms(t)确定参与协作车辆节点数K＝ρ*dms(t)，其中，车辆位置信息由自带的GPS模块获取；S2、路侧单元基于车辆与主用户之间的距离di(t)和车辆间相关性Rai(t)，引入新的参数Nodei＝α×Rai(t)+β×di(t)，动态选取相关性较小且距离主用户较近的认知车辆节点进行协作频谱感知，其中α和β分别为车辆间相关性和车辆与主用户之间距离的系数，取值范围为(0,1)，i＝1,2,…M，M为车辆节点的个数；S3、参与协作的认知车辆采用能量检测技术进行频谱感知，将获得的检测统计量存储到车辆存储模块，利用FCM算法进行聚类，获取聚类中心和隶属度矩阵，当检测统计量隶属度差异值大于某一阈值时进行本地判决；S4、路侧单元将接收到的本地判决结果通过认知车辆的位置和相关性进行加权融合，判定该频段主用户是否存在，如果该频段主用户不存在，则认知车辆被授权使用该频段进行通信，否则退出该频段的使用。2.根据权利要求1所述的基于协作节点选取和FCM算法的认知车联网频谱感知方法，其特征在于，所述的步骤S1包括：S11、根据感知精度和能耗选择不同的车流密度，确定应选取参与协作的认知车辆数K＝ρ*dms(t)，ρ为车辆密度，dms(t)为M个车辆节点之间的最远距离；S12、如果车辆节点M≤K，车辆密度很小，全部车辆参与协作感知，K＝M，否则进入下一步骤S2，进行协作节点选取。3.根据权利要求1所述的基于协作节点选取和FCM算法的认知车联网频谱感知方法，其特征在于，所述的步骤S2包括：S21、计算每个认知车辆与其他车辆节点之间的相关性，每个认知车辆与其他M-1个认知车辆节点之间的相关性之和：Ri,j(t)为t时刻认知车辆节点CRi和CRj之间的相关性，每个认知车辆节点与其他M-1个认知车辆节点之间的相关性之和归一化处理为Rai(t)；S22、分别计算M个认知车辆与主用户之间的距离di,p(t)，求得认知车...

【专利技术属性】
技术研发人员：齐嘉杰，胡斌杰，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44