《電子技術應用》
您所在的位置：首頁 > 通信與網(wǎng)絡 > 設計應用 > 面向車聯(lián)網(wǎng)多播業(yè)務中斷概率約束的資源優(yōu)化研究
面向車聯(lián)網(wǎng)多播業(yè)務中斷概率約束的資源優(yōu)化研究
電子技術應用
王璐
（山西大學 物理電子工程學院,，山西 太原 030006）
摘要： 隨著汽車工業(yè)和通信技術的迅速發(fā)展,，獲取高質(zhì)量的交通信息在車輛緊急情況中至關重要,。在車聯(lián)網(wǎng)中車輛的高速移動性會導致信息傳輸面臨中斷的風險，同時隨著車輛數(shù)目的增加,，有限的頻譜資源為車聯(lián)網(wǎng)的功率分配帶來了挑戰(zhàn),。為了解決這一難題,，采用單頻網(wǎng)絡技術,，通過資源分配策略來降低信干噪比的中斷概率,，最小化單頻網(wǎng)絡中每個路邊單元的傳輸功率,。該優(yōu)化問題被建模為馬爾可夫決策過程,，并采用基于好奇心驅(qū)動的DQN（C-DQN）資源優(yōu)化算法來求解。大量仿真結(jié)果表明,，該方案在滿足較低中斷概率的前提下最小化傳輸功率,，所采用的算法與基準算法相比,，在學習速度和穩(wěn)定性方面具有良好的性能。
中圖分類號：TN929.5,；TP393 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.234072
中文引用格式： 王璐. 面向車聯(lián)網(wǎng)多播業(yè)務中斷概率約束的資源優(yōu)化研究[J]. 電子技術應用,，2023，49(10)：82-88.
英文引用格式： Wang Lu. Research on resource optimization for Internet-of-Vehicles multicast service with outage probability constraints[J]. Application of Electronic Technique,，2023,，49(10)：82-88.
Research on resource optimization for Internet-of-Vehicles multicast service with outage probability constraints
Wang Lu
(School of Physics and Electronic Engineering， Shanxi University,， Taiyuan 030006,， China)
Abstract： With the rapid development of automobile industry and communication technology, high quality traffic information in vehicle is of vital importance to the emergency situation. High-speed mobility of the vehicle in the car networking will lead to interrupt the risks to information transmission, at the same time with the increase of vehicle number, the limited spectrum resources connected to the power allocation poses challenges for car. In order to solve this problem, this paper uses the single frequency network technology, through resource allocation strategy to reduce the letter the interrupt probability of dry ratio, minimize the single frequency network transmission power of each side of the road in the unit. The optimization problem is modeled as a Markov decision process, and is solved by curiosity-driven DQN (C-DQN) resource optimization algorithm. A large number of simulation results show that the scheme can minimize transmission power on the premise of low interrupt probability, compared with the baseline algorithm, the adopted algorithm has a good performance in the learning speed and stability.
Key words : Internet of Vehicles；outage probability,；power allocation,；Markov decision process；curiosity-driven DQN

0　引言

車聯(lián)網(wǎng)在智能交通系統(tǒng)[1]中應用廣泛,，例如,，在車聯(lián)網(wǎng)中通過路邊單元實時發(fā)送交通數(shù)據(jù)給地面車輛，從而提高城市交通的安全性[2],。然而,，在智能交通系統(tǒng)中實時共享高質(zhì)量實況交通數(shù)據(jù)仍是一項有待商榷的問題，當有緊急事故發(fā)生時車輛無法了解情況可能會造成更加嚴重的后果,。為此,，本文提出了車聯(lián)網(wǎng)中基于單頻網(wǎng)絡(Single Frequency Network, SFN)技術[3]的交通信息傳輸方案。

SFN技術可以同時同頻地將數(shù)據(jù)發(fā)送給車輛,，有節(jié)省頻譜資源,、信號覆蓋范圍廣等優(yōu)點，近年來SFN技術發(fā)展得如火如荼,，為車聯(lián)網(wǎng)中數(shù)據(jù)傳輸提供了契機,。目前關于SFN多播資源分配的文獻，大多是考慮的靜態(tài)用戶,。在文獻[4]中,，作者提出了基于功率的非正交復用技術，采用SFN技術將數(shù)據(jù)多播給中心單元用戶,，實現(xiàn)了地面移動寬帶和電視廣播系統(tǒng)的融合,，從而提高頻譜利用率；在文獻[5]中,，作者對靜態(tài)用戶進行分組,，提出一種能夠找到接近最優(yōu)解的算法，從而提高了系統(tǒng)效用；在文獻[6]中,，作者對靜態(tài)用戶分組,，并考慮了視頻版本不同對用戶觀看視頻體驗的影響，提出了聯(lián)合優(yōu)化SFN集群形成,、用戶分組,、視頻資源分配和比特率選擇的方案，以實現(xiàn)最大化用戶的體驗質(zhì)量(Quality of Experience, QoE),；在文獻[7]中,，作者設計了360°視頻直播場景，提出了VRCast方案,，從而提高了用戶接收視頻的質(zhì)量,，并實現(xiàn)了用戶之間的公平性。但上述文獻中都是基于用戶的瞬時狀態(tài),，沒有考慮用戶的移動性,，不適用于車聯(lián)網(wǎng)場景當中，無法準確評估不同時隙車輛的移動位置,。

隨著5G技術的愈發(fā)成熟和即將到來的6G時代,，自動駕駛、車輛通信[8]等新興技術高速發(fā)展,，研究人員對車輛的移動性[9]進行了深入研究,，將可以實現(xiàn)快速、高效,、合理地進行數(shù)據(jù)傳輸,，提高接收數(shù)據(jù)成功率。目前已有文獻將重點放在根據(jù)車輛移動性進行資源分配,。在文獻[10]中,，作者提出了聯(lián)合優(yōu)化任務卸載決策、功率和帶寬分配的方案,，在降低信噪比(Signal to Noise Ratio, SNR)中斷概率的前提下,，最小化系統(tǒng)總能耗；在文獻[11]中,，作者提出了基于多智能體深度強化學習的資源分配框架,，在降低SNR中斷概率的前提下，通過聯(lián)合優(yōu)化信道分配和功率控制,，來提高用戶服務質(zhì)量(Quality of Service, QoS)[12],。上述文獻雖然考慮了車輛的移動性，但并未在SFN場景中考慮在有干擾基站的情況下產(chǎn)生信干噪比(Signal-to-Interference plus Noise Ratio, SINR)中斷概率的問題,。本文針對車聯(lián)網(wǎng)中基于SFN技術的交通信息傳輸場景,，提出了資源分配方案來降低SINR中斷概率,，最小化SFN中每個路邊單元(Road Side Unit, RSU)的傳輸功率。

綜上所述,，本文主要貢獻有：(1) 采用了SFN技術將數(shù)據(jù)同時同頻發(fā)送給車輛，同時考慮車輛移動性,，傳統(tǒng)的系統(tǒng)模型中只考慮靜態(tài)用戶,，本文模型在構(gòu)建MDP時，考慮了車輛實時移動位置坐標,、行駛速度等,，基于動態(tài)的信道信息來優(yōu)化RSU的功率分配；(2) 傳統(tǒng)的SFN傳輸方案中并沒有考慮干擾基站對傳輸功率的影響,，本文在SFN場景中考慮在有干擾基站的情況下產(chǎn)生SINR中斷概率的問題,；(3)采用基于好奇心驅(qū)動的 DQN(C-DQN)資源優(yōu)化算法來求解，與其他強化學習算法相比,，該算法收斂速度更快,，收斂值更高。




本文詳細內(nèi)容請下載：http://forexkbc.com/resource/share/2000005718




作者信息：

王璐

（山西大學  物理電子工程學院,，山西 太原 030006）


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權禁止轉(zhuǎn)載。