可在www.sciencedirect.com上在线获取ScienceDirectICTExpress 8（2022）296www.elsevier.com/locate/icte基于自适应感知的LTE-V 2 V半持久调度及其信道状态信息辅助的重选概率Jicheng Yin，Seung-HoonHwang韩国首尔东国大学电子电气工程系接收日期：2021年11月11日;接收日期：2021年12月8日;接受日期：2021年12月14日2021年12月24日在线提供摘要LTE-V 2 V模式4利用基于感测的半持久调度（SB-SPS）来支持车辆用户设备自主地选择适当的无线电资源，并允许UE被保留若干连续时段。然后，确定资源重选基于重选概率Pk。对于常规SB-SPS，对于所有车辆，Pk的值相同地固定。在这项工作中，我们介绍了一种改进的SB-SPS方案，其目的是根据信道自适应地调整重选概率Pk状态信息。仿真结果表明，该算法优于传统算法，有效地提高了各场景的性能版权所有2021作者。由爱思唯尔公司出版代表韩国通信和信息科学研究所这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：蜂窝车对车（C-V2X）;协作感知消息（CAM）;资源重选;基于感知的半持久调度（SB-SPS）;车对车（V2 V）模式41. 介绍可以广泛部署的无线网络提供了实现“联网车辆”概念的机会用于构建汽车网络的主要技术有两种，即Wi-Fi技术和蜂窝网络。专门为车辆通信设计的基于Wi-Fi的标准于2010年以IEEE 802.11p的名称获得批准。与此同时，3GPP最 近定 义 了 另一 个 技 术标 准 ， 称为 蜂 窝车 联 网 （C-V2X）。术语V2X可以指车辆到车辆（V2V）、车辆到行人（V2P）、车辆到基础设施（V2I）以及车辆到网络（V2N）通信[2，3]。长期演进（LTE）-V2X标准在版本14中定义，并且支持模式3和模式4资源分配方案。模式4使用基于感测的半持久调度（SB-SPS）来支持用户设备（UE）基于信道感测自动选择资源，并且UE可以在若干连续周期内重用这些资源[4]。此后，车辆UE*通讯作者。电子邮件地址：jicheng. dgu.ac.kr（J. Yin），shwang@dongguk.edu（S.H.Hwang）。同行审议由韩国通信研究所负责教育与信息科学（KICS）。https://doi.org/10.1016/j.icte.2021.12.002在这种情况下，UE（VUE）将以Pk的重选概率保留这些资源，或者以（1-Pk）的概率重选新资源。先前的几项工作已经分析了LTE-V 2 V模式4 SB-SPS算法的性能。Nabil等人在[5]中分析了模式4 SB-SPS的不同参数的影响。在[6]中，作者分析了主要影响LTE-V 2 V模式4的在[7]中，Bazzi et al.还研究了LTE-V 2 V模式4参数对分组接收率（PRR）的影响，并在此基础上选择合适的值进行仿真，得到了较好的PRR。从上述工作可以看出，参数值的选择对通信质量是非常重要的。在这些工作中，也考虑了Pk的影响，但其值保持固定，并且不包括根据CSI自动调整Pk的操作。其他参数的影响也在其他报道的作品中进行了讨论。在[8，9]中，已经提出了基于CSI的自适应传输功率的算法。文献[10]同时提出了一种自适应发送功率和消息间隔的算法。同时，在[11]中讨论了自适应分组长度和调制和编码方案（MCS）方法。在[122405-9595/© 2021作者。 由Elsevier B.V.代表韩国通信和信息科学研究所出版。这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。J. Yin和S.H.黄某ICT Express 8（2022）296297∈∈C-V2X和IEEE802.11p应用于车辆间通信。其中，高速公路排队的场景以及模式3、模式4和IEEE802.11p机制的测试在[14]中报告也有一些报告主要考虑模式4 SB-SPS的性能。在[15]中，测试了模式4的性能，并提出了四种类型的错误，并以分组传输率作为指标。在传统的SB-SPS算法中，在给定场景中，对于每个UE，Pk的值是相同的但这种设置并不能满足不同消费者在不同时刻的要求。在这项工作中，我们提出了一种改进的SB-SPS方案，以自适应地控制LTE-V 2 V模式4的重选概率，以便提高分组接收率（PRR）性能。使用该算法，VUE可以根据信道状态信息（CSI）自适应地调整SB-SPS过程中的重选概率Pk的值。本文的主要贡献如下：（1）研究了传统的具有单一和固定重选概率的SB-SPS算法在无线资源重选约束下的性能。(2)针对传统SB-SPS方案的不足，提出了一种基于CSI辅助的自适应重选概率SB-SPS方案。(3)基于信道干扰值，我们得到了一个合适的Pk值。(4)为了最大限度地考虑每辆车的不同情况，根据区间范围选择Pk值，而不是对所有车辆一刀切。(5)在多个场景下，传统的SB-SPS的性能与所提出的算法进行了比较。本文的其余部分组织如下：第2节概述了技术。第3节介绍了所提出的算法。第4节介绍了模拟设置和结果。最后，第五部分提出了本研究的结论2. 技术概述2.1. 侧链路LTE-V 2 V数字方案和消息LTE-V 2 V支持10和20 MHz信道，5.9此外，在物理层和MAC层上使用单载波频分多址（SC-FDMA），并且此外，信号被组织成在时域中每个持续时间为10 ms的帧，并且每个帧由10个子帧组成，每个子帧包括两个时隙。如果采用正常循环前缀，则每个子帧还包含14个正交频分复用（OFDM）符号。 在频域中，可用带宽被划分为若干正交子载波，每个子载波的间隔为15kHz。每个RB由频域中的12个连续子载波和时域中的1个时隙组成。注意，RB被成对分配，并且对应于180 kHz带宽和1 ms持续时间。协作感知消息（CAM）是支持VUE之间通信的消息类型[17]。道路交通中的合作意识意味着道路使用者和路边基础设施被告知彼此的位置、动态和属性。道路使用者包括各种道路车辆、设备，甚至行人[18]。CAM方案是一种包含基本用户信息（如速度、位置和加速度）的VoIP型消息;它涉及用户之间的周期性信息交换。每个消息分组具有对应的控制消息，即侧链路控制信息（SCI），其包含用于数据传输的调度信息。数据及其SCI的传输必须在同一个子帧中执行，并且它们可以使用相邻或不相邻的RB[19]。2.2. 基于感知的半持久调度资源分配算法的目的是为用户选择最合适的子信道资源来发送消息。采用SB-SPS算法的模式4可以支持VUE自主选择资源，SB-SPS算法分四步实现，如下所述：- 步骤1.信道感知：感知时间通常设置为1 s，在此期间，VUE连续测量每个子帧中每个子信道的侧链路接收信号强度指示（SL-RSSI），并将检测到的SL-RSSI值作为干扰值。- 步骤2.获取可用资源列表La：根据步骤1中获取的SL-RSSI值，获取可用资源列表La，并按照以下规则排除不合适的资源：（a）不能选择其他用户预留的资源;这样的资源预留信息可以从SCI中获取。(b)不能选择超过阈值TH的资源SL-RSSI值。(c)在半双工方案下，不能感测执行传输的资源。(d)不能选择未感测的资源。如果La的大小小于资源总量的20%，则 阈值TH增加3dB，并重复步骤2。- 步骤3.从La中选择20%的资源，用户随机选择一个选项。此外，SPS方案支持用户在若干连续的N（N[5，15]）时期。然后，SPS计数器设置为N。- 步骤4.重选：当每个数据包被发送时，SPS计数器减1。当SPS计数器为0时，VUE以概率Pk（Pk[0，0.8]）保留先前的资源，或者以概率（1-Pk）重选新的资源。2.3. 重选概率Pk对PRR在传统的SB-SPS算法中，重选概率Pk对于给定场景中的所有车辆是相同的。在这里，J. Yin和S.H.黄某ICT Express 8（2022）296298=Fig. 1. 公路中固定P k值低于rho 100/200（车辆/km）的PRR。我们选择了几个固定的Pk值，0和0.8是允许的最小值和最大值为了增加对比度，我们还将Pk值设置为0.2、0.4或0.6以测试SB-SPS方案的性能。我们使用了两个场景的车辆密度等于100和200辆/公里的一般高速公路的情况下，代表稀疏和拥挤的场景。其他参数与表1中所示的参数相同。结果如图1所示，其中x轴是发射器和接收器之间的距离。我们采用PRR作为评估指标，这是成功接收的数据包的数量除以发送的数据包的总数。从图中可以看出。1，固定的Pk并不总是保持最佳性能为两个不同的密度sce- narios;这是因为车辆的数量随着距离的增加而增加，并且有限的资源不能满足更多用户的需求。同时，用户数量的增加增加了多个用户使用同一资源的概率，从而造成用户之间更大的干扰。这种情况在拥堵场景下尤为突出。隐藏节点的问题[19]也降低了数据包接收的性能通过该实验得出结论：固定的重选概率不能满足频繁更新的信道需求，用户需要根据实时CSI自主调整重选概率值，以提高通信效率。3. 该算法使用拥塞的信道。所提出的算法的伪代码如算法1所示，其细节如下：- 步骤1：一旦车辆重新选择资源，所有车辆编号被标记为Listall;重新选择资源的车辆被标记为Listselected;在 Listall 中 获 得 车 辆 使 用 的 资 源 编 号 并 记 录 为ListReID。得到每辆车的SL-RSSI矩阵- 第二步，对选中的List中的每一辆车进行循环，获取当前车辆新选中的资源ID。然后，根据列表ReID和列表all，找到使用相同资源的车辆，这些车辆被认为是干扰车辆。对干扰车辆的SL-RSSI矩阵求和并记为V_inter_f，并且将该值视为来自当前车辆的邻居- 步骤3：随机选择当前车辆的SL-RSSI矩阵中的最差值 作 为 阈 值 VTH ， 并 将 Vinterf 与 VTH 的 比 值 指 定 为Ratio，以执行以下操作：若Ratio ∈ [0，0.25），则P k= 0. 8.若Ratio ∈ [0.25，0.5），则P k= 0. 6.若Ratio ∈ [0.5，0.75），则P k= 0. 4.若Ratio ∈ [0.75，1），则Pk= 0. 2.否则，Pk=0。算法1.改进的SB-SPS方法。提出了改进的半持久调度方案具有信道感测信息辅助的重选可能性，ity。该机制的新颖之处在于在传统SB-SPS的基础上增加了一个步骤，使得用户可以根据CSI来调整重选概率值。因此，这不仅避免了那些使用好信道来重选资源的用户的时间浪费，而且增加了用户选择新信道而不是选择新信道的可能性。该机制的意义在于它基于CSI改变用户的重选概率。因此，每个用户的情况可以被考虑到最大程度的可能。如果状态良好，则干扰低，并且保留概率高。如果信道条件差，则干扰高，并且重选概率也低。J. Yin和S.H.黄某ICT Express 8（2022）296299×=表1参数设置。模拟和应用参数物理层参数参数值模拟时间30（s）平均信标周期0.1（s）Beacon size 300（mm）带宽10（MHz）感知距离150（m）发射功率23（dBm）天线增益3（dB）MCS 3高速公路14高速公路和拥挤的城市感知周期1（s）SB-SPS供选择20（%）参数重选概率，Pk变量用于下一次分配的最小和最大子帧五，十五高因此，用户可以根据实时CSI自动调整重选概率Pk以提高PRR。4. 仿真结果4.1. 模拟配置场景：第一个场景涉及一条普通高速公路，它在多条平行道路上具有随机的速度和方向。我们将道路长度设置为4000（m），宽度设置为3.5（m），车辆速度设置为114（km/h），车辆速度的标准差设置为12.6（km/h）。车辆密度rho设置为100和200辆/km，以表示稀疏和拥挤的公路场景。第二种情况是由3GPP建议的高速公路场景，如[18]中详述的。这对应在每个方向上的三个车道中的大约16（km），车辆的平均速度为240（km/h）。第三个场景是博洛尼亚，它代表了一个拥挤的城市场景。在一个1.6 1.3（平方公里）的市区，大约有667辆车，每辆车有25.4个邻居在100米（标准差25.4）和某些道路是高度负载与长尾巴在一些路口[19]。评估指标：PRR是正确接收的数据包与发送的数据包总数的比率。Number 的 成功接收到全部数据包上面提到的三种情况。使用所提出的方法后，两个一般公路场景的性能图如图1A和1B所示。2和3，分别对应于rho= 100辆/km和rho = 200辆/km。首先，注意到稀疏场景中的性能通常高于拥挤场景中的性能;这是因为在前一种情况下的车辆数量明显少于后一种情况。因此，用户之间的干扰较小，并且获得较高的PRR值。其次，彩色虚线是常规SB-SPS，其具有固定的Pk，黑色实线表示所提出的方法。在彩色谱线中，当Pk= 0.6和0.8时，性能较好。可以看出，对于所有固定的在Pk情况下，蓝线在开始时具有最佳性能，然后红线描绘的性能变得更好;这两条线的交点是在60米和80米的稀疏和拥挤的公路场景，分别。当距离较小时，邻居的数量也较少，充足的信道资源可以保证VUE频繁更新信道资源。然而，随着距离的增加，用户的数量也随着干扰的增加而增加。此时，保持稳定性以减少碰撞的发生。黑线的主要特点是它的性能总是最好的。这是因为我们设计了Pk随实时CSI变化的过程。这两个元素可以结合起来相互作用，从而提供VUEPRR=总数 发送的数据包（1）更好的选择，以实现更高的PRR。此外，即使在180 m的最远距离处，由所提出的实施参数设置：本工作中使用的模拟器是LTE-V 2 Vsim[20]，它基于MATLAB，主要用于LTE-V 2X资源分配。系统中的参数设置如表1所示。4.2. 数值结果本节介绍了传统SB-SPS和方法的两种情况下，约为0.9和0.55，这是优于那些与传统的机制。在稀疏场景中，当Pk为0时，PRR小于0.75，算法性能提高了20%左右。图4显示了高速公路场景的PRR，整体性能比一般公路差。原因有二：首先，该场景下的车辆数量非常多，必然会造成资源选择上的拥堵，从而增加碰撞J. Yin和S.H.黄某ICT Express 8（2022）296300===图二. 公路上rho 100（车辆/km）以下的传统方法和改进方法的PRR。(For对颜色的解释 在此图例中，读者可参考本文的网络版本图三. 在公路rho 200（车辆/km）下，传统方法和改进方法的PRR。(For对颜色的解释 在此图例中，读者可参考本文的网络版本降低PRR。另一种是车速很高时VUE信息更新频繁;如果信息不能及时更新，可能会造成更多的数据包接收错误。此外，图中各条线的趋势。4类似于高速公路场景，所提出的算法仍然可以提供更好的性能。在城市拥挤的情况下也观察到类似的趋势。与其他两个场景相比，博洛尼亚具有最低的PRR性能，因为该场景代表了拥挤的城市场景。在前两个场景中，仅考虑视线（LOS）情况，而在城市场景中，考虑非视线（NLOS）条件，因为存在建筑物、公共设施和其他对象，这可能导致消息传输错误并导致较低的整体性能。从放大插图图。 五，观察到当使用固定的Pk时，趋势与以前不同。 首先，红色曲线，P k= 0。8个维持见图4。3GPP高速公路下传统方法和改进方法的PRR。图五. 城市拥挤条件下传统方法和改进方法的PRR。更好的性能，然后P k0。6在后期提供了更高的PRR，这与前两种情况相反。造成这种差异的主要原因是场景类型;因此，这表明了高效参数算法对于不同类型场景的重要性。同时，我们发现，使用本工作中提出的改进的SB-SPS在所有三种情况下仍然提供最佳的PRR性能（黑色实线这意味着所提出的方法不仅对一般的平行道路起着重要的作用而且在复杂的城市环境下提供更好的性能。5. 结论在这项工作中，我们提出了用于LTE-V 2 V模式4的传统SB-SPS算法的性能。我们观察到某些限制，因为重新选择的价值J. Yin和S.H.黄某ICT Express 8（2022）296301概率Pk对于每个VUE是固定的和统一的。为此，提出了一种基于信道感知信息辅助重选概率的改进SPS，允许每个用户根据实时CSI自动调整重选概率Pk。然后，我们将Pk的值划分为多个范围，以考虑用户的不同情况。最后，我们对三种场景（包括两种不同密度的高速公路、高速公路和拥挤的城市场景）的PRR进行了仿真。通过对比分析，得出该算法优于传统算法的结论.在未来，我们打算调查更多的参数设置的SB-SPS计划为不同的消息类型。与此同时，为解决交通挤塞情况下资源有限的问题，我们会研究有效率的资源分配方案，以便提出更合适的机制。CRediT作者贡献声明尹吉成：方法论、软件、数据策展、可视化、调查、写作– review Seung-Hoon Hwang：概念化，方法论，调查，写作竞合利益作者声明，他们没有已知的可能影响本文所报告工作确认这 项 工 作 得 到 了 韩 国 MSIT/IITP 的 ICT 研 发 [2021-0-01140，基于超高速V2X通信的自动驾驶服务技术的开发]的支持。引用[1] 新SI提案：基于LTE的V2X服务的可行性研究，3GPP TSG RAN会议#68，2015，RP-151109。[2] 对车辆到一切（V2X）服务的LTE支持的研究，3GPPTR22.885，版本14（2015）V14.0.0。[3] 技术规范组服务和系统方面;V2X服务的服务要求，3GPP TS22.185，版本16（2020）V16.0.0。[4] 演进通用陆地无线电接入（E-UTRA）;媒体接入控制（MAC）协议规范，3GPP TS 36.321，版本16（2021）V16.6.0.[5] A. Nabil，K.考尔角，澳-地Dietrich，V. Marojevic，性能分析在C-V2X网 络 中基 于 感 知 的 半持 久 调 度 ， 在： 2018 IEEE 88 thVeh.Technol. Conf. （VTC秋季），2018年，pp。1比5。[6] R. Molina-Masegosa，J. Gozalvez，M. Sepulcre，用于车辆通信的C-V2X模式4侧链路PC 5接口的配置，in：2018 14th Int. Conf.Mobile Ad-hoc Sensor Net. (MSN)，二零一八年，pp. 43比48[7] A. Bazzi，G. Cecchini，M. Menarini，B.M. Masini，A. Zanella，车辆Wi-Fi与侧链路蜂窝V2X的调查和前景，5G时代，未来互联网11（6）（2019）122.[8] B.康，S.荣格，S. Bahk，基于感知的蜂窝V2X模式4功率适配，2018 IEEE Int. Symp.动态光谱访问Netw. （DySPAN），2018，pp.一比四[9] A. Haider，S. H. Hwang，用于C-V2X模式4通信中基于感测的半持久调度的自适应发射功率控制算法，电子学8（8）（2019）846。[10] B. Kang，J. Yang，J. Paek，S. Bahk，Atomic：C-V2X模式4的自适应传输功率和消息间隔控制，IEEE接入 9（2021）12309[11] G.阿尔恩怀米湾Boujemaa，使用平均或瞬时SNR的自适应分组长度和MCS，IEEE Trans.Veh.技术67（11）（2018）10519-10527。[12] M. Wang，M.Winbjork，Z.张河，巴西-地Blasco，H.Do，S.索伦蒂诺，M. Belleschi，Y. Zang，基于LTE和DSRC的智能交通系统连接性的比 较 ， 2017 IEEE 85th Veh. Technol. Conf. （ VTC Spring ） ，2017，pp.1比5。[13] T. Nguyen ， P. Shailesh ，B. Sudhir湾卡 皮尔 湖姜 ，Z. Wu ，D.Malladi，J. Li，蜂窝车辆到一切和专用短程通信的比较，2017年IEEE Veh。网络Conf.（VNC），2017，pp. 101比108[14] V. Vukadinovic，K. Bakowski，P. Marsch，I. D.加西亚，H。Xu，M. Sybis，P. Sroka，K. Wesolowski，D.利斯特岛Thibault，3GPPC-V2X和IEEE 802.11 p，用于高速公路排队场景中的车辆到车辆通信，Ad Hoc Netw. 74（2018）17[15] M. Gonzalez-Martín ， M. 塞 普 尔 克 雷 河 Molina-Masegosa ， J.Gozalvez，C-V2X模式4车辆通信性能的分析模型，IEEE Trans.Veh.技术68（2）（2018）1155-1166。[16] A. Bazzi，A. Zanella，B.M. Masini，优化LTE-V 2 V中不同大小的周期性消息的资源分配，IEEE Access7（2019）43820[17] V2 V流量模型和性能指标，3GPP TSG RAN WG 1会议#82，2015，R1-153803。[18] 研究基于LTE的V2X服务，3GPP TR 36.885，版本14（2016）V14.0.0。[19] A. Bazzi，G. Cecchini，A. Zanella，B.M.马西尼，研究影响在3GPP C-V2 V模式4、IEEE接入6（2018）71685[20] G. Cecchini，A. Bazzi，B.M. Masini，A. Zanella，LTEV2Vsim：用于研究协作感知资源分配的LTE-V 2 V模拟器，2017年第5届IEEE国际会议模型技术会议Intell。运输系统（MT-ITS），2017，pp.80比85
我的内容管理
展开
