【技术实现步骤摘要】
一种空地一体化车辆网频谱资源优化方法
本专利技术涉及一种空地一体化车辆网频谱资源优化方法，属于移动网络领域。
技术介绍
车辆网依赖超高的可靠性、低延迟的数据传输，具有传播环境独特、车辆移动快速、频谱资源稀缺等特点，这使得固定部署的路边单元和蜂窝网络难以适应未来网络的动态性。城市中车流的聚集和移动会产生大量移动热点，这些热点在时域和空域分布不匀，地面基站无法实现有效覆盖。在信号较弱的区域，终端设备会消耗更多通信资源以满足QoS需求。无人机小基站辅助的通信增强方案逐渐受到关注。在对无人机小基站部署的相关研究中。WShi等人结合无人机链路的通信特性，基于用户覆盖考虑宏基站与无人机小基站链路通信质量(参考文献：WShi.MultipleDrone-CellDeploymentAnalysesandOptimizationinDroneAssistedRadioAccessNetworks[J].IEEEAccess,2018,6:12518-12529)。该方案没有考虑资源管理对空地通信的影响。在资源管理方面，Peng等人提...
【技术保护点】
1.一种空地一体化车辆网频谱资源优化方法，其特征在于，包括以下步骤：/n步骤一、构建车辆网通用场景，包括宏基站、无人机小基站和车辆；其中宏基站为
【技术特征摘要】
1.一种空地一体化车辆网频谱资源优化方法，其特征在于，包括以下步骤：
步骤一、构建车辆网通用场景，包括宏基站、无人机小基站和车辆；其中宏基站为和两组，每组基站互不相邻并使用相同的频谱资源；无人机小基站作为中继，将宏基站的流量信号发送到与其关联的车辆设备；代表车辆集合，车辆处于宏基站覆盖范围，或车辆处于宏基站覆盖范围；
步骤二、构建空地通信框架，包括构建：宏基站-车辆M2V链路模型、无人机小基站-车辆D2V链路模型、宏基站-无人机小基站M2D链路模型和无人机小基站跟踪车群移动模型；
步骤三、采用网络虚拟化划分频谱资源；
步骤四、根据步骤二、步骤三，通过求解目标函数的方式选择合适的无人机小基站部署位置和资源切片比例。
2.如权利要求1所述的一种空地一体化车辆网频谱资源优化方法，其特征在于，步骤二中，构建宏基站m与车辆M2V链路通信模型，具体步骤包括M2V链路频谱效率的计算：
其中，pm代表宏基站m的发射功率，Gi，m代表宏基站m与车辆i的路径损失，δ2代表信道噪声。
3.如权利要求1所述的一种空地一体化车辆网频谱资源优化方法，其特征在于，步骤二中，构建无人机小基站与车辆D2V链路通信模型，具体步骤包括D2V链路频谱效率的计算：
其中，pk，g代表部署在vk，g位置的无人机小基站的发射功率，代表无人机小基站之间的干扰，σ代表信道噪声，Gi，k，g作为D2V链路平均路径损失，由以下公式得到：
其中
li，k代表车辆i与部署在vk，g位置的无人机的距离，zg代表无人机高度，ηLOS和ηNLOS代表视距遮挡与非遮挡的信号接收损失，c代表光速，fc代表频率，PLOS(zg，li，k)作为D2V链路短距离视距(LineofSight，LoS)概率，由以下公式得到：
PLOS(zg，li，k)＝(1+a1·exp(-a2·(arctan(zg/li，k))-a1)-1
其中，a1和a2代表由城市环境因素决定的常量。
4.如权利要求1所述的一种空地一体化车辆网频谱资源优化方法，其特征在于，步骤二中，构建宏基站与无人机小基站M2D链路通信模型，具体步骤包括M2D链路频谱效率的计算：
其中，pm代表宏基站m的发射功率，σ代表信道噪声，Gk，g，m作为M2D链路平均路径损失，由以下公式得到：
其中，dk，g，m代表vk，g位置的无人机与宏基站m的距离，θ代表无人机与宏基站的夹角，α、θ0和η0分别代表地面路径损失指数、角度偏移量和过剩路径损失偏移量，b1和b2代表过剩路径损失标量和补偿参数。
5.如权利要求1所述的一种空地一体化车辆网频谱资源优化方法，其特征在于，步骤二中，构建无人机小基站跟踪车群移动模型，具体步骤包括无人机沿车群移动方向的速度的计算：
其中，ωi，k，g为无人机与车辆的从属变量，代表车辆平均速度，|hi|为车辆i的速度，I为车辆总数，，分别为双向车道靠近或远离宏基站一侧车辆集合。
6.如权利要求1所述的一种空地一体化车辆网频谱资源优化方...
【专利技术属性】
技术研发人员：白光伟，衡奕龙，沈航，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。