本发明属于无线通信领域，更具体地，涉及一种基于毫米波的车载自组织网络性能分析方法。
背景技术：
车联网通过建立人到车、车到车、车到路边单元等形式的网络，可以实现车辆之间道路交通状况的共享、车辆行驶和制动信息的交换，进一步提供多媒体共享和移动网络服务等功能。
早期对车联网络的研究主要集中在车辆的相对位置上。通常仅从几何的角度出发，简单地认为当车辆的欧氏距离小于某个阈值时，通信就可以实现，而超过该阈值时车辆之间的通信无法建立或者发生通信中断。更近一步的研究是根据车辆的空间位置，按照一定的策略将车辆分簇，将整个车联网络构建成二层网络。
但上述研究都忽略了信道状况。信道可能存在着衰落和阴影效应，同时进行通信的车辆之间可能存在着同频干扰，导致车辆的通信情况不单单只受间距的影响。
技术实现要素：
针对现有技术的缺陷，本发明提供了一种基于毫米波的车联自组织网络性能分析方法，通过计算毫米波网络的覆盖概率、传送容量和区域频谱效率、可达速率的覆盖率来对毫米波网络进行定量分析，将信道衰落、阴影效应和同频干扰等通信因素纳入到车联网性能分析的影响因素考虑之中，由此解决现有对车联网络性能分析过程中对通信因素考虑不足的问题。
为实现上述目的，本发明提供一种基于毫米波的车载自组织网络性能分析方法，该方法包括以下步骤：
S1.建立基于毫米波的车载自组织网络，其中，车辆之间的通信使用毫米波；
S2.所述基于毫米波的车载自组织网络中车辆节点分布在单向直道路上，其到达过程服从齐次泊松点过程，通信链路分为视距链路和非视距链路，信道衰落服从指数分布，建立毫米波车联自组织网络的分析模型；
S3.根据毫米波车联自组织网络的分析模型，计算网络覆盖概率Pc；
S4.基于网络覆盖概率Pc，计算基于毫米波的车载自组织网络的传输容量λ*；
S5.基于传输容量λ*和网络覆盖概率Pc，计算基于毫米波的车载自组织网络的区域频谱效率ASE；
S6.基于网络覆盖概率Pc，计算基于毫米波的车载自组织网络的可达速率覆盖概率Pr。
具体地，基于毫米波的车载自组织网络化为主瓣和旁瓣的模型，G为天线毫米波波束的主瓣增益，g为天线毫米波波束的旁瓣增益，天线模型为如下：
前半部分的天线增益
后半部分的天线增益
干扰链路的天线增益
任意两个通信车辆之间通信链路的天线增益Gi、任意通信车辆与路边单元通信链路的天线增益Gj和GI同分布。
具体地，所述网络覆盖概率Pc的计算公式如下：
其中，
其中，T为信号与干扰加噪声比阈值，N0为环境噪声，Pt为车辆节点的发射功率，G为天线毫米波波束的主瓣增益，g为天线毫米波波束的旁瓣增益，r0为典型链路的长度，αL为视距链路的路径损耗指数，αN为非视距链路的路径损耗指数，LΦ为其他通信车辆引起的干扰，其中，LΦ＝LΦFLΦB，LΦF为典型节点前方通信车辆引起的干扰，LΦF＝LΦFLLΦFN，其中，LΦFL和LΦFN分别为该部分的视距干扰和非视距干扰，LΦB为典型节点后方通信车辆引起的干扰，LΦB＝LΦBLLΦBN，其中，LΦBL和LΦBN分别为该部分的视距干扰和非视距干扰，LM为通信路边单元引起的干扰，LM＝LMFLMB，LMF为典型节点前方通信路边单元引起的干扰，LMB为典型节点后方通信路边单元引起的干扰，λ为正在通信车辆的密度，ak、bk为归一化的天线增益，pk为典型节点波束方向指向的概率分布，pk∈{0.5，0.5}，其中，Ph为路边单元的发射功率，Pt为车辆节点的发射功率，ρ为通信链路中障碍物密度的参数，L为相邻两个路边单元的间距，y为典型节点到其前方第一个路边单元的距离。
具体地，所述传输容量λ*的计算公式如下：
其中，LM为通信路边单元引起的干扰，T为信号与干扰加噪声比阈值，N0为环境噪声，Pt为车辆节点的发射功率，G为天线毫米波波束的主瓣增益，r0为典型链路的长度，αL为视距链路的路径损耗指数，αN为非视距链路的路径损耗指数，FL、FN、BL、BN为中间变量，ak、bk为归一化的天线增益，pk为典型节点波束方向指向的概率分布，pk∈{0.5，0.5}，ρ为通信链路中障碍物密度的参数，Pc为网络覆盖概率。
具体地，区域频谱效率ASE的计算公式如下：
ASE＝λ*log2(1+T)Pc
其中，λ*为传输容量，Pc为网络覆盖概率，T为信号与干扰加噪声比阈值。
具体地，可达速率的覆盖概率Pr的计算公式如下：
Pr＝P[Blog2(1+SINR)＞RT]
其中，B为通信带宽，SINR为信干噪比，RT为信干噪比等于阈值T时的可达速率。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
(1)本发明通过将毫米波技术与传统的车联网相结合，拥有丰富的可利用的频谱资源，且由于毫米波波束窄、指向性好的特点，可摈除干扰获得较好的传输效果。
(2)本发明充分考虑了诸如信道衰落、阴影效应和同频干扰等因素，使得研究模型更接近真实的通信场景。
附图说明
图1为本发明实施例提供基于毫米波的车载自组织网络性能分析方法流程图。
图2为本发明实施例提供的基于毫米波的车载自组织网络结构示意图。
图3为本发明实施例提供的基于毫米波的车载自组织网络与蒙特卡洛仿真不同典型链路长度的覆盖概率分布曲线图。
图4为本发明实施例提供的基于毫米波的车载自组织网络的不同道路长度下的覆盖概率分布曲线图。
图5为本发明实施例提供的基于毫米波的车载自组织网络不同典型链路长度的传送容量分布图。
图6为本发明实施例提供的基于毫米波的车载自组织网络不同典型链路长度的区域频谱效率分布图。
图7为本发明实施例提供的基于毫米波的车载自组织网络不同典型链路长度的可达速率的覆盖概率分布曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1为本发明实施例提供基于毫米波的车载自组织网络性能分析方法流程图。如图1所示，该方法包括以下步骤：
S1.建立基于毫米波的车载自组织网络，其中，车辆之间的通信使用毫米波；
图2为本发明实施例提供的基于毫米波的车载自组织网络结构示意图。如图2所示，车载自组织网络环境中，路边单元间距固定在路边分布；车辆节点在单向直道路上行驶，并且其到达过程服从泊松点过程。作为发射机的车辆节点和作为接收机的车辆节点之间通信时，其他正在通信的车辆为干扰车辆。
考虑到毫米波波束窄、指向性强的特点，所有车辆的通信模块都部署定向天线，天线波束的主瓣方向在一维空间内呈二项分布，即波束方向对准前方或后方且概率相等并且主瓣波束和旁瓣波束在一条直线上。我们把毫米波天线模型化为主瓣和旁瓣的模型，主瓣增益为G，旁瓣增益为g。与传统的蜂窝网一个显著的区别是，在传统的蜂窝网中，毫米波天线波束的主瓣为了和与其通信的节点对准，可能指向二维平面中的任意方向，而在本发明的毫米波车联自组织网络中，由于车辆节点分布在单向直道路上，所以毫米波天线波束的主瓣也只会沿着道路的方向。我们考察接收机作为典型节点，其对应的发射机作为通信节点，显然典型节点的天线波束的主瓣方向指向车辆行驶的方向。我们以典型节点所在的位置为原点，把道路分为前半部分和后半部分。那么我们得出天线模型如下：
前半部分的天线增益
同理，后半部分的天线增益
最终我们得到干扰链路的天线增益
任意两个通信车辆之间通信链路的天线增益Gi、任意通信车辆与路边单元通信链路的天线增益Gj和GI同分布。
S2.所述基于毫米波的车载自组织网络中车辆节点分布在单向直道路上，其到达过程服从齐次泊松点过程，通信链路分为视距链路和非视距链路，信道衰落服从指数分布，建立毫米波车联自组织网络的分析模型；
针对阴影效应，我们首先根据通信链路有没有障碍物遮挡，分为视距链路(LOS)和非视距链路(NLOS)，并且一条链路总是属于二者其一的。所以我们有PLOS＝1-PNLOS。其中，PLOS是链路属于视距链路的概率，PNLOS是链路属于非视距链路的概率。另外，我们又有PLOS＝e-ρd，其中，d为视距链路的长度，ρ是一个与通信环境中障碍物的密度有关的量。
路径损耗指数αI的分布为：
其中，αL为视距链路的路径损耗指数，αN为非视距链路的路径损耗指数。
任意两个通信车辆之间的通信链路的路径损耗指数αi、任意通信车辆与路边单元通信链路的路径损耗指数αj和αI同分布。
针对信道衰落，我们假定信道衰落系数hI服从均值为1的指数分布，路边单元间距固定为L，我们假设典型节点到前方第一个路边单元的距离为y，并且假设y服从均匀分布。
任意两个通信车辆之间的通信链路的信道衰落系数hi、任意通信车辆与路边单元通信链路的信道衰落系数hj和hI同分布。
干扰包括其他正在通信车辆的干扰、路边单元的干扰以及通信的背景噪声的干扰，其中，来自正在通信的其他车辆与车辆引起的干扰以及车辆与固定间距的路边单元引起的干扰属于同频干扰。
正在通信的其他车辆的同频干扰功率路边单元引起的同频干扰功率
由于我们假设通信车辆节点分布服从泊松点过程，因此各个车辆的通信情况在统计平均的角度上有着相同的特征。我们任意选取某辆车作为典型节点分析，并作为车辆自组织网络的节点的代表进行仿真计算，仿真过程中所用的参数见表1。根据本发明的模型场景，我们把同频干扰以典型节点所在位置为原点分为前向干扰和后向干扰。
表1
S3.根据毫米波车联自组织网络的分析模型，计算网络覆盖概率Pc。
其中，T为信号与干扰加噪声比(SINR)阈值，N0为环境噪声，Pt为车辆节点的发射功率，G为信号的天线波束的主瓣增益，r0为典型链路的长度；LΦ为其他通信车辆引起的干扰，其中LΦ＝LΦFLΦB，LΦF为典型节点前方通信车辆引起的干扰，LΦF＝LΦFLLΦFN,其中，LΦFL和LΦFN分别为该部分的视距干扰和非视距干扰；同理，LΦB为典型节点后方通信车辆引起的干扰，LΦB＝LΦBLLΦBN,其中，LΦBL和LΦBN分别为该部分的视距干扰和非视距干扰；LM是通信路边单元引起的干扰，LM＝LMFLMB,LMF为典型节点前方通信路边单元引起的干扰，LMB为典型节点后方通信路边单元引起的干扰。
覆盖概率的公式化简为：
其中，
其中，λ为正在通信车辆的密度，ak、bk为归一化的天线增益，g为天线波束的旁瓣增益，pk为典型节点波束方向指向的概率分布，pk∈{0.5，0.5}；其中，Ph为路边单元的发射功率，Pt为车辆节点的发射功率；ρ为通信链路中障碍物密度的参数；L为相邻两个路边单元的间距，y为典型节点到其前方第一个路边单元的距离。
S4.基于网络覆盖概率Pc，计算基于毫米波的车载自组织网络的传输容量λ*；
传输容量定义为在给定SINR阈值T和网络的中断概率ε后，网络所能承载的最大用户密度。
其中，中间变量FL、FN、BL、BN为常数，计算方式如下：
S5.基于传输容量，计算基于毫米波的车载自组织网络的区域频谱效率；
区域频谱效率ASE定义为ASE＝λ*log2(1+T)(1-ε)，经变化得到ASE＝λ*log2(1+T)Pc
S6.基于覆盖概率，计算基于毫米波的车载自组织网络的可达速率覆盖概率；
我们给出可达速率覆盖概率的一般公式。根据公式RT＝Blog2(1+T)，B是系统的通信带宽，RT是信干噪比(SINR)等于阈值T时的可达速率。由覆盖概率Pc＝P[SINR＞T]，SINR为信号与干扰加噪声比，T是选取的SINR阈值，可以得到可达速率的覆盖概率的公式为
Pr＝P[Blog2(1+SINR)＞RT]
本发明实施例中正在通信的车辆的密度λ均为8*10-3m-1。图3为本发明实施例提供的基于毫米波的车载自组织网络与蒙特卡洛仿真不同典型链路长度的覆盖概率分布曲线图。从图中我们可以看出，蒙特卡洛仿真值和通过公式计算出的值能够很好的重合。另一方面，随着典型链路长度的增加，网络的覆盖概率整体呈下降趋势。这是因为当典型链路长度增加时，通信信号由于通信距离的增大而衰减进一步加剧，并且我们假设通信节点的波束已经对准，因此天线增益较高，所以接收信号的衰减也会经过高天线增益的进一步放大，所以接收信号功率显著降低。至于其他通信车辆的噪声干扰，虽然也会因为距离增大而出现衰减，但是由于其干扰波束可能对准，也可能未对准，因此从统计平均的角度而言，干扰节点的天线增益小于通信链路的天线增益，所以由于传播距离增大而引起的信号衰减经过天线增益的放大作用并没有典型链路那样大。简而言之，随着典型链路长度的增加，有用信号的衰减要强于干扰信号的衰减，因此在选取相同的观察阈值时，随着通信链路长度的增加，整体上覆盖概率是呈下降趋势的。因此，不难想到，提高车联网覆盖概率的一个可行办法是在合理范围内降低通信链路的长度。从这个层面而言，不相邻车辆之间通过多跳方式通信而非直接通信单从这个角度出发是合理的。
图4为本发明实施例提供的基于毫米波的车载自组织网络的不同道路长度下的覆盖概率分布曲线图。本发明的在研究过程中，是截取m×L长度的路段作为研究对象的，忽略了这个长度以外的路边单元对典型节点的干扰；在蒙特卡洛仿真过程中也忽略了这个长度以外的道路车辆对典型节点的干扰。显然，在这个范围内有2×m个路边单元。图中圆圈标记的线和和星号标记的线分别代表公路长度为4km(m＝2)和2km(m＝1)的情况，显然从图中可以看出，两条线已经完全重合了，亦即至少在2km以外的车辆和路边单元对典型节点的干扰已经可以忽略不计了。图中的菱形标记的线是公路长度为2km(m＝1)并且不考虑路边单元干扰的情况，与星号标记的线线相比，覆盖概率有明显提高。由此，我们可以得出如下结论：只有与典型节点直接相邻的两个(前边第一个和后边第一个)路边单元才能对典型节点产生明显的干扰，再远处的路边单元产生的干扰可以忽略不计。
图5为本发明实施例提供的基于毫米波的车载自组织网络不同典型链路长度的传输容量分布图。从图中可以看出，当网络的SINR阈值增加时，为了维持中断概率在原来水平，网络所能支持的节点密度显著下降，亦即为了确保网络还有85％的覆盖概率，我们在这里需要降低网络节点的密度来减小干扰对通信信号的影响。另一方面，典型链路长度为100m的容量曲线总是在链路长度为400m时的曲线上方。这表明在相同网络性能要求下，链路长度越短，它所能承载的网络密度越大。此外，从图中我们还可以看出，400m长度的通信链路和700m长度的通信链路在某个SINR阈值处都降为0，说明在这里即使车辆密度降为0，来自其他通信车辆节点的同频干扰消失，也不能达到预期0.15的中断概率要求。这是因为路边单元和背景噪声的干扰始终存在。只要上述两项一直存在，那么SINR就是个有限值，所以通过降低其他通信车辆节点的同频干扰的方式不可能无限增大网络的覆盖概率和传输容量。
图6为本发明实施例提供的基于毫米波的车载自组织网络不同典型链路长度的区域频谱效率分布图。从图中可以看出，频谱效率经过了先上升后下降的过程。从公式中也不难看出，随着SINR阈值的增加，网络所能支持的用户密度是下降趋势的，可是单位频带的速率却是上升趋势的，因此频谱效率会有一个最大值点。这个点是平衡网络密度和传输速率后的网络频谱效率的最大值点处。要求解这个最优网络密度点也很容易做到。我们只要解方程得到T*，并且将它带入到网路传输容量的公式中即可得到最优的网络节点密度。
图7为本发明实施例提供的基于毫米波的车载自组织网络不同典型链路长度的可达速率的覆盖概率分布曲线图。从图中可以看出，在同一SINR阈值处，随着通信链路长度的增加，网络的速率覆盖急剧恶化，这表明当在节点密度较小的诸如偏僻的高速路等通信环境中，车联自组织网络将由于性能欠佳而不再适用。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。