基于车辆临时网络中停用概率意识的功率控制算法

摘要

针对车辆自组网中基于中断概率最小化的自适应功率控制问题，提出了基于中断概率感知的功率控制算法(PC-OPA)。与现有的大多数工作不同，我们的功率控制方法以最小化停电概率为目标，然后受特定区域节点密度的影响。为了实现功率控制，假定每个终端的发射机都有累积干扰。发射机以最大功率发送数据，然后得到累积干扰感知中断概率。利用随机几何理论建立干扰模型，推导出故障概率与累积干扰之间的表达式。根据该表达式，调整发射机功率，优化中断概率。仿真结果验证了所提出的功率控制策略的有效性。结果表明，PC-OPA可以在中断概率和吞吐量方面获得显著的性能增益。与MPC (Maximum Power Control)算法和WFPC (Water-Filled Power Control)算法相比，所提出的PC-OPA在中断概率方面降低了23%，在吞吐量方面提高了25%。

1.介绍

车辆自组织网络(vanet)是一种很有前途的智能交通系统技术，它提供了许多应用，如交通和拥堵控制、安全协助和自动驾驶，所有这些都将彻底改变我们的生活，并为我们的生活带来巨大的好处[1- - - - - -5］．名为车辆到车辆（V2V）通信的VANET的关键技术涉及车辆和其他通信设备的网络，例如路边单元（RSU）。功率控制是保持更好地连接设备之间的网络的关键，用于vanets。但是，与当前的移动临时网络不同，VANET具有大量特征，例如广播，随机节点移动性，时间空间不确定性传输和干扰[6- - - - - -8];这使得Vanets更具挑战性。例如，当发射器具有最大功率控制的发送器发送数据时，在某些区域的大密度为节点带来对接收器的干扰更多，这导致了高的中断概率。解决了这个问题，提出了一种基于中断概率感知的功率控制算法，简单地命名为PC-OPA。

在vanet，交通拥堵很容易发生[9- - - - - -11］．当拥塞发生时，节点密度越大，干扰越大，可能导致高停机。此外，重传导致了更多的消耗，这导致了vanet的连接性差。如果追求高信道容量，则碰撞概率更大。因此，与传统的功率控制算法相比，PC-OPA以最优中断概率为目标，而不考虑最优信道容量。在[12[提出了基于广播消息（PCBM）算法的功率控制，其中根据节点的距离调整传输功率。此外，节点的广播区域受到限制，这降低了节点之间的干扰。然而，由于节点中的随机移动性，节点中的恒定位置很难得到。因此，PCBM算法很少考虑现实环境中的随机移动性。在[13]，提出了基于路边单元(PSRSU)的功率控制算法，该算法以保证一侧节点的连通性为目标。然而，路边单位(RSU)成本更高。当拥塞发生时，PCRSU算法不能很好地解决由于密度大而产生的干扰多的问题。在[14]，提出了基于信标的功率控制(Power Control based on Beacon, PCB)算法，该算法考虑了驱动程序的动作时间和节点的接入冲突。在长距离通信中，采用基于L信标的峰值功率控制算法来获取信噪比，而在短距离通信中采用基于S信标的最小功率控制算法来满足信噪比。在PCB算法中，根据通信距离，选择差分信标自适应VANET。因此，PCB算法得到了广泛的应用。然而，当车辆的速度非常快时，发射机内的功率消耗更多，从而导致更多的通信区域。此外，节点密度越高，多用户干扰越严重，导致故障概率越高。目前，针对多用户干扰较大的情况，研究了少功率控制算法。

本文从减少多用户的累积干扰方面对所提出的功率控制算法进行了性能改进。基于接收机的随机几何理论，建立了空间用户干扰模型。进一步推导了故障概率的表达式。在停电概率感知后，发射机调整功率。最后，PC-OPA要求获得最优的中断概率和良好的吞吐量。

本文的其余部分组织如下。部分2讨论了系统模型的相关工作，以及杂志特征分析中的用途。部分3.描述了PC-OPA的机理。仿真结果和所提出的匹配机制的验证将在本节中给出4．最后，本节给出了结束语5．

2.系统模型

vanet具有明显的随机性和动态性，使得多用户干扰难以发现。因此，多用户干扰在vanet的功率控制中很少被考虑。为了解决这个问题，需要用干扰的表达式来描述干扰与停电概率之间的关系，这是功率控制算法的理论支持。因此，根据随机性，应用随机几何理论建立系统模型，并推导出表达式[15，16］．在图1，我们介绍了城市道路系统的模式。

针对vanet具有随机性和动态性的特点，建立了节点随机到达某一区域的多用户干扰模型，可将其视为随机点过程。使用相同的概率 ，任何节点都由边缘连接 节点。边的总数为随机变量，边的平均值为 ．当 ，我们考虑一组位置由齐次泊松点过程(PPP)指定的传输节点[17]， ，传输节点在无限二维平面上。随机游动的节点服从独立均匀分布，具有移动性和可替代性。让和表示两辆相邻车辆之间的随机行走。让和表示…的速度和 ．因此，通信覆盖区域内的Tx的概率密度是

在通讯覆盖范围内 ，多用户干扰随着节点的密度和移动性的增加而增加，信息在目标节点中可能无法正确解码，而中断概率显著增加。我们假设网络趋于无穷大，Palm分布[18和Slivnyak定理[19];根据要求，通过TX的条件分布分析接收机的干扰，采用均匀泊松点过程，泊松点过程在均匀泊松点过程中移动。RX的信号干扰和噪声无线电₀是 在哪里 ，表示多用户干扰;因此, 在哪里是背景噪音，传动功率,为其他用户的传输功率，是频道增益，和传播距离。因此，参考节点对背景噪声和其他用户的干扰有影响。在图2，我们提出了接收机和干扰之间的关系。

根据随机几何，我们考虑了一个车辆自组织网络，它具有以下关键特性。

发射机节点位置采用均匀空间泊松点过程建模。二维任意有限区域中随机节点的个数 是有限的，称为泊松点过程的局部有限性，则任意节点的位置都是不重叠的。

假设有界的A和B是不相交的区域 ,和是独立随机变量吗为平面上的泊松点过程集。

有界不相交区域的密度是叠加的;换句话说，针对vanet的随机移动性特点，和假设随机过程是 同质泊松点过程。

根据Slivnyak定理，在移动和移除节点时，不影响齐次泊松点过程的分布。

简要介绍了随机几何的理论和性质，通过在vanet中建立空间累积干涉模型;可见，累积干扰和中断概率随节点密度的增加而增加，导致网络吞吐量显著下降。

3.基于停电概率感知的功率控制算法机理

在本节中，我们考虑一种功率控制算法，以最大功率发送数据，推导出中断概率公式，然后根据感知中断概率信息调整传输功率[21.］．最后，通过PC-OPA获得了最佳停用概率和网络吞吐量。

3．1.以最大功率发送数据

SINR如下所示: 在哪里 ,如果 ，本文认为网络传输中断。根据统计规律，分布在空间上的随机节点集称为泊松点过程。假设满足 ，和有相同的分布，然后呢为齐次泊松点过程。因此,在B的有界域中服从泊松分布，在有界函数中服从泊松分布 是一个测量。 在哪里为勒贝格测度，即B的面积。为单位空间的强度或平均密度。基于这样的假设，干扰源位置服从泊松点分布，干扰功率是传输距离幂律衰减的函数。接收机中累积的干扰信号构成二维空间中的散粒噪声 ；我们获得 在哪里为小功率衰落因子。

根据上述性质，当以最大功率发送数据时，中断概率为: 在哪里 —累计干扰面积 的半径;根据(的定义7),我们得到

成功的概率是: 和 ， 分别表示仅考虑噪声和干扰的成功概率。自 的拉普拉斯变换是

应用在这里 ， ： 封闭形式的中断概率表达式为: 与

我们定义中断概率。现在考虑具有有限中断概率的成功交付网络吞吐量。

B是带宽。

3．2．调整传动功率

调整传动功率 基于信道状态信息，其中被选中 ．显然，如果 ， 意味着最大的传输功率;然而 ， 是通道反演。

从函数(10)，我们有

通过调整传输功率，得到

则停机概率的封闭表达式为:

从(19)，为信道衰落的累积干扰。可以验证停机概率随功率控制指数而减小由于传输功率是可调整的。为了提高网络吞吐量，经过推导演算为(19)，可得到功率控制指数的最优解 ．

3．3.调整后传输功率的中断概率

调整后传输功率的中断概率判断是否有最大值。如果时，则通过发送方反馈CSI获取故障概率信息。如果为最大值，在传输功率后调整，则中断概率最小。自 ，是凸函数:

取对数(20.)，

持有人的不平等,

应用在这里 和 ，   ，

求(的导数)22.)，

函数(20.)最低时 ．结果表明，传输功率可调为 ；中断概率有最小值。

4.仿真和结果

在这里，我们给出一些数值结果来评估我们提出的PC-OPA策略的性能。我们将所提出的策略与WFPC(注水功率控制算法)和NPC(无功率控制算法)进行了比较。假设模拟区域为2000m2000米;节点的数量从0到160变化。模拟参数如表所示1．

在图3.给出了停电概率与功率控制指数之间的关系。不同环境下的路径损耗指数如表所示2．数字3.是为了……的情况吗 的四个不同值α,也就是说, ， ， , 是假定。不同的参数代表了不同的无线信道环境。如图所示，PC-OPA更有效，实现了中断概率的最小化。 表示最大传输功率，而 是通道反演。很明显, 无论无线电环境如何，都能在中断概率方面获得显著的性能增益 和 被认为本质上是等价的，即接收机的累积干扰和中断概率高。仿真结果验证了所提出的功率控制策略的有效性。

数字4是为了……的情况吗 的三个不同值α,也就是说, ， , 假定。我们将中断概率绘制为所提出的PC-OPA策略的吸收因子。显然，当吸收系数从5到50 dB/km变化时，中断概率降低。其原因是累积干扰作为吸收因子递减生长。累积干扰少，易于适应接收机的SINR。因此，在不同的无线电环境下，根据吸收因子的分布，使PC-OPA的中断概率最小化。

数字5结果表明，对于所提出的PC-OPA策略，优化中断概率是节点密度的函数。显然，随着节点密度的增加，中断概率也会增加。这是因为节点数目越多，累积的干扰就越多。然后大量累积的干扰会导致更多的中断。因此，为了减少多用户之间的累积干扰，节点的密度被限制在一定的区域内。发射机根据信道衰落分布的反馈，调整功率以减少累积干扰。仿真结果表明，所提出的PC-OPA策略在不同环境下均能达到最优中断概率，其目的是通过减少累积干扰来达到最优中断概率。

在数据6，7,8，我们将中断概率绘制为所提出的功率控制策略的一些参数，如峰值功率控制、PC-OPA和WFPC(注水功率控制)。综上所述，我们可以看出，随着节点密度的增加，中断概率也会增加。如图所示，PC-OPA策略实现了中断概率的最小化。在相同密度的情况下，PC-OPA、WFPC和MPC的中断概率分别为0.63、0.75和0.86。与MPC相比，PC-OPA大大降低了中断概率，MPC降低了23%。MPC算法使用最大功率发送数据。当信道超过某一点恶化时，传输将是徒劳的。WFPC算法是贪婪的。然而，WFPC算法的目标是实现最优容量，而不考虑中断概率。中断概率越大，网络连通性越差，重传概率越大。 Therefore, in this paper, the optimal outage probability algorithm is proposed. The PC-OPA achieves the optimal outage probability under multiusers.

在图7，我们绘制出中断概率作为距离从0到250米的函数。中断概率随距离而变化。需要注意的是(14）是为了渠道衰落的情况。PC-OPA的方法为不同距离提供通道衰落变化，并根据无线通道的时变特性自适应地调节传输功率;因此，与WFPC和MPC相比，PC-OPA的停电概率较低。

在图8，我们绘制出三种功率控制算法的停电概率作为节点密度的函数。现实环境表明，多普勒频率严重。当密度和多普勒频率增加时，接收机中的累积干扰增大。在一定的区域内，节点的密度很快趋于饱和，导致中断概率很快达到最大值。因此，节点的密度更接近于中断概率。在Jack通道模型中仿真结果表明，当车速等于 ，多普勒频率已给出 ．相比之下,图4，在相同密度下，故障概率随节点数量增加而增加。在多普勒频率下，PC-OPA、WFPC和MPC的中断概率分别为0.83、0.92和0.98。与MPC相比，PC-OPA大大降低了中断概率，MPC降低了9%。仿真结果表明，PC-OPA具有较好的实时性。这是因为PC-OPA在考虑多用户干扰的情况下，结合CSI的反馈，获得了最优的中断概率。

故障概率感知算法如算法所示1．数字9显示吞吐量随着节点密度而变化。随着密度节点的增加，吞吐量增加。显然，MPC越来越快地训练饱和度，然后WFPC是秒。PC-OPA在三种算法中实现了最大的吞吐量。在相同的节点密度的情况下，PC-OPA的网络吞吐量显着高于WFPC和MPC，然后PC-OPA的成功率为600.高交货率制作更多吞吐量，但结果更累积的干扰。如图所示，PC-OPA可以根据CSI调整发射器功率，其中目的是优化中断概率。因此，在三个功率控制算法中，PC-OPA实现了最佳的中断概率，然后实现了最大的吞吐量。

5.结论

本文针对节点的随机移动性、多用户干扰、高中断概率等问题，提出了一种功率控制算法，简称PC-OPA。PC-OPA通过随机几何分析多用户干扰情况，建立中断概率与信道累积干扰之间的关系。最后，PC-OPA的目标是最小化中断概率。而且，吞吐量增加了，而中断概率降低了。仿真结果验证了所推导的表达式，验证了所提出的PC-OPA的可行性。结果表明，一般情况下，并非所有终端都需要使用其最大功耗来达到最佳停电概率。如果所有终端都使用最大功耗，很容易增加累积干扰。因此，本文提出了基于CSI的PC-OPA算法。仿真结果表明，与MPC和WFPC相比，PC-OPA的中断概率降低了23%，吞吐量提高了25%。

数据可用性

用于支持本研究发现的数据可由通讯作者要求提供。

的利益冲突

作者声明他们没有利益冲突。

致谢

这项工作得到下列项目的部分支持:国家自然科学基金61571318，广西科技项目(AC16380094, 1598008-29, AA17204086)，广西自然科学基金(2016GXNSFAA380226)，广西自然科学基金重点项目(2016 GXNSFDA380031)，广西大学科研项目(ZD 2014146)。

参考文献

1. y张W.-Q。徐,人类。陈,y。“基于最速下降法的车辆网络传输功率控制”，电子与信息技术学报，第32卷，第2期10, pp. 2536-2540, 2010。视图:谷歌学者
2. F. Cunha, L. Villas, A. Boukerche等人，“VANETs中的数据通信:协议、应用和挑战”，特设网络，第44卷，第90-103页，2016。视图:出版商网站|谷歌学者
3. G. Samara，T. Alhmiedat和Salem。A. O. A.，“使用PSO的Vanet动态安全消息功率控制”计算机科学，卷。2014年3月3日。视图:谷歌学者
4. “基于探测消息的车辆自组网功率控制算法，”东南大学学报(自然科学版)号，第41卷。4, pp. 659-664, 2011。视图:谷歌学者
5. t . Hengliang城市交通环境下车辆自组网关键技术研究，北京交通大学，2013。
6. Jia G.，“车载自组网通信系统的设计与实现”，电子科技大学, 2012年。视图:谷歌学者
7. A. Nabeel，S. C. Ergen和O. Ozkasap，“用于现实和高效的公路Vanet模拟的车辆移动和通信信道模型”IEEE车辆技术汇刊号，第64卷。1, pp. 248-262, 2014。视图:出版商网站|谷歌学者
8. W.-B。Yu D.-W。妞妞,Z.-C。董超，“基于功率调节的车辆网络公平性研究”，电子科技大学学报，卷。40，不。5，pp。706-710，2011。视图:谷歌学者
9. 陈建平，“一种基于反馈的功率控制算法设计”，发表于2007车辆环境流动网络会议录(MOVE '07)，第67-72页，2007年5月。视图:谷歌学者
10. L. Cheng和R. Shakya，“VANET自适应功率控制的现实传播和交通建模，”在2010年IEEE无线电和无线研讨会论文集(RWW’10)，pp。2010年1月665-668。视图:谷歌学者
11. C. Shuqun和L. Xiaohua，“基于VANET网络条件信息的功率控制方法”，传感器与微系统技术第36卷第2期11页44-46,2017。视图:谷歌学者
12. 徐哲新，李世杰，肖磊，吴宇宇，“VANET中车辆状态信息的功率控制机制”，计算机应用杂志第36卷第2期8, pp. 2175-2180, 2016。视图:谷歌学者
13. S. Sou，“车辆网络中路边单元部署的节能模型”，IEEE通信信号，第140卷。7，第623-625页，2010。视图:出版商网站|谷歌学者
14. Y.-F。密苏里州,D.-X。Yu S.-N。包,S.-T。高，“基于预置阈值的VANETs信标传输功率控制算法”，东北大学学报第38卷第2期3, pp. 331-334, 2017。视图:谷歌学者
15. 徐瑞峰，“基于L in k可靠性的车辆自组织网络路由优化方案”，计算机工程，第42卷，第2期3，第13-17页，2016。视图:谷歌学者
16. 曲芳，吴振中，付永。Wang和W. Cho合著的《货车的安全和隐私审查》(A security and privacy review of VANETs)，IEEE智能交通系统交易，卷。16，不。6，pp。2985-2996,2015。视图:出版商网站|谷歌学者
17. B. L. Arkin和L. M. Leemis，“从重叠实现的非齐次泊松过程的累积强度函数的非参数估计”，管理科学第46卷，第46期7，第989-998页，2000。视图:出版商网站|谷歌学者
18. 肯尼迪。Coeurjolly, J. Møller, R. Waagepetersen，“空间点过程的手掌分布教程”，国际统计审查第85卷第1期3, pp. 404-420, 2017。视图:出版商网站|谷歌学者
19. M. Schlather，《关于由随机度量构造的一类随机几何模型》，Mathematische后，第213卷，141-154页，2000。视图:出版商网站|谷歌学者|MathSciNet
20. C. Campolo, C. Sommer, F. Dressler, and A. Molinaro，“关于相邻通道干扰在多通道vanet中的影响”，刊于2016年IEEE通信国际会议论文集，ICC 2016，第1-7页，马来西亚，2016年5月。视图:谷歌学者
21. 江昌明，张慧，韩振中，任勇，梁文昌，半藏L.，“车辆网络信息共享中断概率分析”，IEEE车辆技术汇刊，第65卷，第5期12, pp. 9479-9492, 2016。视图:出版商网站|谷歌学者

版权

版权所有©2018新通Wu等。这是分布下的开放式访问文章知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。