一种基于干扰的二维车载网安全应用的分析方法与流程

本发明涉及一种基于干扰的二维车载网安全应用的分析方法，属于车载自组网领域。

背景技术：

车载自组网是一种车辆之间相互通信的自组织网络。作为智能交通系统的重要组成部分，车载自组网除了能提供娱乐应用，还包括安全应用，如道路安全预警等。车辆通过周期性地广播信标来交换彼此的位置、速度等信息，从而驾驶员能依据周围车辆的状态和实时路况做出合理的选择。

目前，许多研究集中于车载通信系统的容量和服务质量(qos)的分析，考虑车载系统能否满足车载网中安全应用的可靠性要求。文献“packetdeliveryratioink-dimensionalbroadcastadhocnetworks”是在确定通信距离的假设下进行研究，但实际中车辆的通信距离与其发送功率、信号接收条件和信道衰减有关，因而这种分析方法过于理想化，存在一定的缺陷。文献“macandapplication-levelbroadcastreliabilityinvanetswithchannelfading”使用基于scaling-law的方法分析车载网的容量，但是该方法只能渐进的给出每对通信车辆间的容量，不能应用于实际容量分析。因此文献“interference-basedcapacityanalysisforvehicularadhocnetworks”提出一种基于信噪干扰比的容量分析方法，该方法采用nakagami信道衰减模型，并假设车辆服从log-normal分布，但该方法只是针对一维车载模型，而且没有考虑隐藏终端时间同步的问题和各种可能的干扰。

综上所述，基于干扰的车载网分析模型更具有实际意义，但现有研究的分析并不全面，因此我们对基于干扰的模型进行优化，并将其扩展至二维车载网环境。

技术实现要素：

本发明的目的是针对现有车载网容量和服务质量(qos)分析模型存在的问题，提出了一种改进的基于干扰的车载网安全应用分析方法，该方法充分考虑二维车载网环境下的隐藏终端时间同步问题和各种可能存在的干扰，并据此分析了车载网的qos和信道容量，以满足安全应用的可靠性要求。

本发明的目的是这样实现的：

一种基于干扰的二维车载网安全应用的分析方法，其特征在于，包含以下步骤：

步骤一对分析模型做出如下的假设：

假设a：每条路在每个方向上只有一个车道，因此十字路口可以近似成为交叉线；

假设b：十字路口之间彼此相隔很远，因此通信距离没有重叠；

假设c：所有的车辆都有dsrc通信装置，且发送功率和车长均相等；

假设d：车辆服从泊松分布；

假设e：采用nakagami信道衰减模型；

假设f：发送节点和干扰之间的距离应小于等于2倍的感知距离。

步骤二基于步骤一的假设建立直角坐标系，并定义di为发送节点和干扰节点之间的距离，di为接收节点和干扰节点之间的距离，ds为发送节点和接收节点之间的距离，re为发送节点的感知距离。

步骤三判断接受节点的位置；当接收节点位于水平坐标轴时，执行步骤四；当当接收节点位于垂直坐标轴时，执行步骤十。

步骤四分别考虑右边隐藏终端区域和上边隐藏终端区域的干扰；给定发送节点和接收节点的位置，计算发送节点和右边(上边)隐藏终端区域中第i(i”)个干扰节点之间距离的条件概率密度函数；为了简化整个计算过程，我们定义x0+re≤s1,s2,…,sl≤x0+2re为发送节点和右边区域干扰节点间距离的非次序统计量，因此随机变量si的累积分布函数为：

求得次序统计量di(di”)的分布分别为：

从而，对于给定发送节点和接收节点的位置，即ds确定，接收节点和右边(上边)隐藏终端区域中第i个干扰节点之间距离di(di”)的条件累积分布函数为：

对应的条件概率密度函数为：

步骤五计算右边(上边)隐藏终端区域有l个干扰节点的概率为：

步骤六计算接收节点和右边(上边)隐藏终端区域上各个干扰节点间距离总的条件概率密度函数分别为：

其中，pi表示节点为隐藏终端区域中第i个干扰的概率，大小为1/l。

步骤七分别计算右边隐藏终端区域和上边隐藏终端区域中所有干扰i在接收节点处功率的条件累积分布函数和条件概率密度函数：

根据相同的方法，求得左边和下边隐藏终端区域所有干扰在接收节点处功率的条件累积分布函数和条件概率密度函数。

步骤八计算各个区域在接收节点处累积干扰的功率概率密度函数，表示为

步骤九基于步骤四到步骤八的分析，计算接收节点的信噪干扰比sir的条件概率密度函数和条件累积分布函数：

步骤十先分别考虑右边隐藏终端区域和上边隐藏终端区域的干扰；给定发送节点和接收节点的位置，计算发送节点和右边(上边)隐藏终端区域中第i(i”)个干扰节点之间距离的条件概率密度函数；为了简化整个计算过程，我们定义x0+re≤s1,s2,…,sl≤x0+2re为发送节点和右边区域干扰节点间距离的非次序统计量，因此随机变量si的累积分布函数为：

求得次序统计量di(di”)的分布分别为：

从而，对于给定发送节点和接收节点的位置，即ds确定，接收节点和右边(上边)隐藏终端区域中第i个干扰节点之间距离di(di”)的条件累积分布函数为：

对应的条件概率密度函数为：

步骤十一计算右边(上边)隐藏终端区域有l个干扰节点的概率为：

步骤十二计算接收节点和右边(上边)隐藏终端区域上各个干扰节点间距离总的条件概率密度函数分别为：

其中，pi表示节点为隐藏终端区域中第i个干扰的概率，大小为1/l。

步骤十三分别计算右边隐藏终端区域和上边隐藏终端区域中所有干扰i在接收节点处功率的条件累积分布函数和条件概率密度函数：

根据相同的方法，求得左边和下边隐藏终端区域所有干扰在接收节点处功率的条件累积分布函数和条件概率密度函数。

步骤十四计算各个区域在接收节点处累积干扰的功率概率密度函数，表示为

步骤十五基于步骤十到步骤十四的分析，计算接收节点的信噪干扰比sir的条件概率密度函数和条件累积分布函数：

步骤十六结合步骤九或步骤十五所得的信噪干扰比sir的条件概率密度函数和条件累积分布函数，计算接收车辆成功接收发送车辆发送的数据包的概率prp：

prp为距离ds和θ的函数，其中，ds表示发送车辆和接收车辆之间的距离，θ表示信噪干扰比sir的接收阈值，pth表示接收功率pr的接收阈值，droi表示安全应用的感兴趣区域(roi)的大小，即安全应用的实体覆盖的地理区域的大小。

步骤十七计算数据包的接收比率prr，即在发送车辆的roi内，无传输误差的接收车辆占所有接收车辆的百分比：

其中，β(x)为车辆密度。

步骤十八计算信道容量(linkcapacity)的累积分布函数和概率密度函数：

fc(x)＝pr(wlog2(1+sir)＜x)＝fsir(2^x/w-1),

其中，w为信道带宽，fsir和fsir分别为信噪干扰比的累积分布函数和概率密度函数。

步骤十九计算传输容量ct：

其中，ξp()和ξd()分别为安全应用的可靠性要求和延迟要求，λc为数据包的生成速率，nroi是距离发送车辆droi内的平均车辆数。

附图说明

图1是本发明中所述的经典车载网干扰场景；

图2是本发明中所述的十字路口中接收车辆为(xr,0)的干扰场景；

图3是本发明中所述的十字路口中接收车辆为(0,yr)的干扰场景。

具体实施方式

下面结合附图对本发明进行详细描述：

首先对分析模型做出如下的假设：

假设1每条路在每个方向上只有一个车道，因此十字路口可以近似成为交叉线；

假设2十字路口之间彼此相隔很远，因此通信距离没有重叠；

假设3所有的车辆都有dsrc通信装置，且发送功率和车长均相等；

假设4车辆服从泊松分布；

假设5采用nakagami信道衰减模型；

假设6发送车辆和干扰车辆之间的距离应小于等于2倍的感知距离。

同时，对于经典的车载网干扰场景(如图1)，我们定义di为发送车辆和干扰车辆之间的距离，di为接收车辆和干扰车辆之间的距离，ds为发送车辆和接收车辆之间的距离，re为发送车辆的感知距离。

针对本发明的二维车载网场景，我们建立如图2所示的直角坐标系。

考虑接收车辆分别位于x轴(见图2)和y轴(见图3)两种情况。

情况1：当接收车辆位于x轴时，我们首先分别考虑右边隐藏终端区域和上边隐藏终端区域的干扰。

步骤1给定发送车辆和接收车辆的位置，计算发送车辆和右边(上边)隐藏终端区域中第i(i”)个干扰车辆之间距离的条件概率密度函数。

为了简化整个计算过程，我们定义x0+re≤s1,s2,…,sl≤x0+2re为发送车辆和右边隐藏区域中干扰车辆间距离的非次序统计量，因此随机变量si的分布为：

其中，r的取值范围为[x0+re,x0+2re]。

类似的，可得发送车辆和上边隐藏区域中干扰车辆间距离的非次序统计量的分布，即随机变量si小于r'的概率：

其中，r'的取值范围为[(re²-xo²)^1/2,((2re)²-xo²)^1/2]。

结合概率论的知识，我们可以求得次序统计量di(di”)的分布，即距离di(di”)小于τ(τ')的概率：

其中，τ(τ')的取值范围为[re,2re]。

从而，对于确定位置的发送车辆和接收车辆，即(x0,0)和(xr,0)确定，接收车辆和右边(上边)隐藏终端区域中第i个干扰车辆之间距离di(di”)的条件累积分布函数为：

对应的条件概率密度函数为：

步骤2计算右边(上边)隐藏终端区域有l(l”)个干扰车辆的概率为；

步骤3计算接收车辆和右边(上边)隐藏终端区域上各个干扰车辆间距离的条件概率密度函数，即距离小于x的概率：

其中，pi表示车辆为隐藏终端区域中第i个干扰的概率，大小为

步骤4分别计算右边隐藏终端区域和上边隐藏终端区域中所有干扰i在接收车辆处功率的条件累积分布函数和条件概率密度函数：

类似的，我们可以求得左边和下边隐藏终端区域所有干扰在接收车辆处功率的条件累积分布函数和条件概率密度函数。

步骤5计算所有隐藏终端区域的干扰车辆在接收车辆处累积干扰的功率概率密度函数，表示为

其中，

步骤6计算接收车辆的信噪干扰比sir的条件概率密度函数和条件累积分布函数：

情况2：当接收车辆位于y轴时，同样，我们先分别考虑右边隐藏终端区域和上边隐藏终端区域的干扰。

步骤1给定发送车辆和接收车辆的位置，计算发送车辆和右边(上边)隐藏终端区域中第i(i”)个干扰车辆之间距离的条件概率密度函数。

为了简化整个计算过程，我们定义x0+re≤s1,s2,…,sl≤x0+2re为发送车辆和右边区域干扰车辆间距离的非次序统计量，因此随机变量si的累积分布函数为：

其中，r的取值范围为[x0+re,x0+2re]。

类似的，可得发送车辆和上边隐藏区域中干扰车辆间距离的非次序统计量的分布，即随机变量si小于r'的概率：

其中，r'的取值范围为[(re²-xo²)^1/2,((2re)²-xo²)^1/2]。

结合概率论的知识，我们可以求得次序统计量di(di”)的分布，即距离di(di”)小于τ(τ')的概率：

其中，τ(τ')的取值范围为[re,2re]。

从而，对于确定位置的发送车辆和接收车辆，即即(x0,0)和(0,yr)确定，接收车辆和右边(上边)隐藏终端区域中第i个干扰车辆之间距离di(di”)的条件累积分布函数为：

对应的条件概率密度函数为：

步骤2计算右边(上边)隐藏终端区域有l个干扰车辆的概率为；

步骤3计算接收车辆和右边(上边)隐藏终端区域上各个干扰车辆间距离总的条件概率密度函数分别为：

其中，pi表示车辆为隐藏终端区域中第i个干扰的概率，大小为

步骤5计算所有隐藏终端区域的干扰车辆在接收车辆处累积干扰的功率概率密度函数，表示为

其中，

步骤6计算接收车辆的信噪干扰比sir的条件概率密度函数和条件累积分布函数：

经过上述步骤，我们完成基于干扰的二维车载网安全应用的分析模型，最终分别求得两种情况下，接收车辆处的信噪干扰比sir的条件概率密度函数和条件累积分布函数。

基于上述干扰模型，我们对车载网的信道容量和服务质量(qos)进行评估。首先定义车载网的4个性能指标(prp、prr、信道容量、传输容量)，然后基于干扰模型中求得的信噪干扰比进行进一步性能评估，具体过程如下：

步骤1计算接收车辆成功接收发送车辆发送的数据包的概率prp：

prp为距离ds和θ的函数，其中，ds表示发送车辆和接收车辆之间的距离，θ表示信噪干扰比sir的接收阈值，pth表示接收功率pr的接收阈值，droi表示安全应用的感兴趣区域(roi)的大小，即安全应用的实体覆盖的地理区域的大小。

步骤2计算数据包的接收比率prr，即在发送车辆的roi内，无传输误差的接收车辆占所有接收车辆的百分比：

其中，β(x)为车辆密度。

步骤3计算信道容量(linkcapacity)的累积分布函数和概率密度函数：

fc(x)＝pr(wlog2(1+sir)＜x)＝fsir(2^x/w-1),

其中，w为信道带宽，fsir和fsir分别为信噪干扰比的累积分布函数和概率密度函数。

步骤4计算传输容量ct：

其中，ξp()和ξd()分别为安全应用的可靠性要求和延迟要求，λc为数据包的生成速率，nroi是距离发送车辆droi内的平均车辆数。