[发明专利]一种基于认知无线电的车联网通信方法

摘要

本发明涉及一种基于认知无线电的车联网通信方法，包括步骤：1)建立狄利克雷模型，用于描述每一时刻来自不同车辆的感知数据之间的相关性；2)根据狄利克雷模型建立隐马尔科夫模型，用于描述观测值和隐蔽信道状态之间的关系；3)根据隐马尔科夫模型，根据下一信道状态更倾向于与前一信道相同的状态，确定信道状态转移概率；4)根据获得的信道转移概率，得到下一路段信道的可用性。与现有技术相比，本发明在CR‑VANET中采用机器学习算法，将充分利用历史频谱感知数据库，利用狄利克雷过程和非参数的隐马尔可夫模型，进而利用频谱数据和隐藏的信道状态之间的关系，提高通信效率。

主权项

1.一种基于认知无线电的车联网通信方法，其特征在于，包括步骤：1)建立狄利克雷模型，用于描述每一时刻来自不同车辆的感知数据之间的相关性，2)根据狄利克雷模型建立隐马尔科夫模型，用于描述观测值和隐蔽信道状态之间的关系，3)根据隐马尔科夫模型，根据下一信道状态更倾向于与前一信道相同的状态，确定信道状态转移概率，4)根据获得的信道转移概率，得到下一路段信道的可用性；所述狄利克雷模型中狄利克雷过程的共享特性为：其中：λ_i为车辆i的伪参数，λ^‑i为汽车i从其他汽车收集到的伪参数，N为路上的车辆数目，α为狄利克雷过程的基参数，G₀为狄利克雷过程的基变量，为以概率1/(α+N‑1)代表汇聚于λ_k的质点，为伪参数为的车辆数目；所述隐马尔科夫模型的状态转移概率为：其中：λ_·j为路段#j上某一车辆的信道状态参数，λ_·j‑1为路段#j‑1上某一车辆的信道状态参数，和为信道状态参数的一种取值，π_m,k为信道状态参数λ_·j在上一路段取值而当前路段取值的概率，其中λ_·j的概率分布为：p{Z_j＝k|{Z₁,...,Z_j‑1,Z_j+1,...,Z_R}}其中：Z_j为信道状态，R为划分的路段数，K为不同信道状态的数目，ζ为当前信道状态更倾向于与前一信道状态相同的程度系数，γ为状态转移矩阵中不同行之间的信息共享系数，为信道状态从Z_j‑1转移到k的次数，为从狄利克雷分布中抽取得到，δ(·)为单点分布；所述步骤3)具体包括步骤：31)初始化：给定历史频谱感知数据集{X_ij|在所有路段的经过车辆}和初始信道状态分配结果32)设定迭代次数t，设定和分配的信道状态数目，以及每个分配信道状态的频谱感知数据的总数目，离散分布为β～Dir{m_·1,...,m_·K,τ}，其中，Dir{·}为狄利克雷分布，33)根据每一个观察数据X_ij,i＝1,...,I,j＝1,...,R，依次更新缓存信道分组结果，34)修正具体为：如果在有一个真实存在一个序号为k的信道状态，使n_·k＝0，那么取出该信道状态和减量该信道状态，并其中n_·k为从任意信道状态改变为k，在信道状态序列中所需的次数，35)标记的辅助变量m_qk如下：对于所有车辆的每个信道的状态q＝1,2,...,K，设置m_qk＝0和n＝0，对于定义x如下：递增n，并且若x＝1，则增量为m_qk，其中Ber(·)为贝努力分布，36)迭代结束，得到信道状态转移概率：其中：为信道状态从Z_j‑1到k在信道状态序列{λ_·1,...,λ_·j‑1,λ_·j+1,...,λ_·R}中所需的次数；所述步骤4)具体包括步骤：41)设定迭代次数，给定从历史频谱感测数据中得到的信道状态转移矩阵[π₁；...；π_K+1]，对应的每一个状态和超参数的稳态概率为(a'_k,b'_k),k＝1,...,K+1，先前的信道状态分配结果为Zⁱ＝{Z_i1,...,Z_ij‑1}，其它车辆当前信道状态分配结果为，其中：t为迭代次数，K为分配的信道状态数目，42)定义X_ij新的信道状态：43)对于每个K当前实例的状态，给定f_k(X_ij)＝p(Z_ij|Zⁱ,Z^‑i)·p(X_ij；a'_k,b'_k)，k＝1,2,...,K，44)分配一个新的状态Z_ij：45)设置然后通过CCC向其它车辆广播分配的结果Z_ij，其中，CCC为公共控制信道，46)迭代结束，得到下一路段的车辆i(i＝1,...,N)信道状态预测分布：下一路段信道可用性的概率：其中：为状态转移矩阵，表示从状态Z_ij转移信道k状态的概率，Threshold为用于表明理想的a_k,b_k为信号观测模型建立时的Gamma函数的两个参数，更新后为a'_k和b'_k，k为信道状态的序号。