没有合适的资源?快使用搜索试试~ 我知道了~
沙特国王大学学报一种改进的基于置信度的非视线节点质心定位A.阿穆坦河卡维亚拉桑印度Puducherry本地治里工程学院计算机科学与工程系阿提奇莱因福奥文章历史记录:收到2019年2019年9月18日修订2019年10月13日接受在线预订2019年保留字:邻域置信度非视线节点随机逼近同时摄动自适应罚函数A B S T R A C T在非视距(NLOS)环境下,通信过程中交互车辆的位置验证需要协同确定,以实现无风险环境下最小的拥塞。非视距条件下的车辆节点在车辆网络中传播紧急消息时,有可能有意或无意地将信道拥塞和广播风暴引入网络。因此,网络的NLOS车辆节点需要通过直接交互和邻居协作来检测,使得紧急消息传播的速率维持在最大程度。本文提出了一种基于秩准则的改进置信度质心算法(RCICCS),用于非视距节点的潜在定位建议RCICCS计划使用的综合成本,计算使用原始成本和惩罚成本,以提高定位NLOS节点的有效性。因此,NLOS节点的有效位置确定基于秩准则的邻居的信任度,在扰动过程中使用梯度的方法迭代增强的基础上。实验分析表明,该方案在非视距条件下,能够显著提高紧急信息的传递率©2019作者由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍在车辆网络中,由于紧急事件或警报,车辆驾驶员表现出的延迟响应是道路上重大事故原因的主要原因(Verma和Hasbullah,2014)。驾驶员的这种延迟响应也是导致基础设施的巨大物理损坏和人的生命损失的主要碰撞的原因(Yan等人,2007年)。司机的延迟反应也增加了救援车辆到达的时间,并进一步增加了救援车辆与道路上其他车辆相撞的可能性(Gentner和Groh,2011)。这主要是由于驾驶员收集的与紧急事件或状况有关的错误信息和信息不足(福田和*通讯作者。电子邮件地址:amuthan@pec.edu(A. Amuthan),kaviarasanr64@pec.edu(R.Kaviarasan)。沙特国王大学负责同行审查Okamoto,2012)。因此,驾驶员需要在紧急情况下被正确和准确地引导,以防止网络中的车辆碰撞率(Su等人,2016年)。NLOS节点是指其位置确定被恶意或非恶意地隐藏于网络上的其他合作车辆的车辆节点(Boban等人,2014年)。需要防止网络的NLOS节点,因为它们会增加网络中的拥塞率,数据包延迟和能耗(Tropea和Santamaria,2015)。 根据最近的分析,提出了大量的贡献,以有效缓解NLOS节点(Muhammad等人,2015;Monir Vaghefi等人,2015; Neudecker等人,2012年)。大多数NLOS检测机制未能处理在涉及定位的优化过程期间出现的大多数问题(Kasaraneni等人,2016年)。贡献的NLOS节点检测方案的存在减少了紧急消息传输,并将分组延迟和能量消耗增加到最大水平(Yan等人, 2015年)。本 文 提 出 了 一 种 基 于 秩 准 则 的 改 进 置 信 度 中 心 算 法(RCICCS),该算法利用原始代价和惩罚代价以及车辆节点的位置坐标信息该建议的RCICCS方法使用三个因素,例如估计位置https://doi.org/10.1016/j.jksuci.2019.10.0041319-1578/©2019作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。制作和主办:Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页:www.sciencedirect.comA. 阿穆坦河Kaviarasan/ Journal of King Saud University1837测度、估计距离测度和邻域置信度作为改进的同时扰动和随机逼近方法(SPSAM)的输入,以促进NLOS节点的有效定位。仿真实验的结果表明,RCICCS方案具有有效的信道利用率,提高了紧急数据包的分发速率,降低了能量消耗,降低了数据包在车载网络中传输的延迟.本文件随后各节的结构如下。第2重点介绍了文献中最新的NLOS节点检测方法第3节详述了实施拟议的RCICCS计划的模拟设置的细节和确定的结果进行了调查,以了解所提出的RCICCS计划的优势,阐述在第4节。第五介绍了RCICCS计划的主要贡献以及未来改进的可能性。2. 相关工作在这一节中,最主要的工作的文献贡献的潜在定位的NLOS节点的详细与他们的优点和局限性如下。最初,使用最佳正则化的概念提出了定位NLOS节点的综合位置和估计偏差校正方法(IPEBCM),以便高度解析检测过程中涉及的总均方误差(Kbayer和Sahmoudi,2017)。在这种IPBCM方法中,利用了降低信号的概念,告警消息的传输速率得到了极大的提高,降低了网络中的数据包但是,在该IPEBCM中使用的基于邻域的定位函数的利用率被确定为相对较低。网络中车辆节点的精确位置估计过程中所涉及的通信开销也被证明是高的。然后,提出了一种可靠的NLOS节点确定方法,该方法使用由网络的参考节点鲁棒地转发的接收到的反射信号(Mondal等人,2018年)。该方法利用可靠的非视距信号来估计估计误差范围,以提高检测过程的准确度。消息传输的数据速率被确定为比比较IPEBCM方法最大,因为它们在减少可能侵入本地化过程的错误方面是灵活在此基础上,提出了一种模糊可信方法为了解决引入到车辆网络中的NLOS节点的存在的影响(Soleymani等人,2017年)。该模糊信任方案在通信过程中进行了一系列的安全验证,以确保数据来源的适当性这种模糊信任方案被确定为独立于网络中 然后,提出了基于增益参数的NLOS节点检测方案,用于有效定位,使得过程中涉及的开销显著最小化到最大水平(Bauer等人,2013年)。与IPEBCM方法相比,这种基于增益参数的NLOS节点检测方法减少了对用于本地化的相邻节点的最大数量紧急消息的速率和邻居的知晓率也比IPEBCM和文献中基于模糊的定位方法相对更好提出了一种新的非视距节点检测方法用于处理主要发生在网络位置验证过程中的欺骗攻击(Zubairu,2017)。该NLOS节点检测方案在保证正确验证的前提这种NLOS节点检测方案也证明了它的优势,因为它利用车辆节点和它们的邻居节点之间的欧几里得距离在网络中进行适当的定位。此外 ,作者还 提出了 一种加权 距离双 曲估计方 案,用 于检测VANEAN 中 的 非 视 线 节 点 ( WDHE-NLOS ) ( 其 他 参 考 文 献 ,2019)。通过引入距离无关机制,结合双曲函数的自适应特性,提出了预测NLOS节点位置的WDHE-NLOS方案。该WDHE-NLOS方案在不同车载节点和NLOS节点强度下均具有较好的信道利用率、紧急消息传递率和邻居感知率。然后,提出了一种合作志愿者协议,用于检测车辆网络中的NLOS节点(CVP-NLOS),将数据传播活动限制为仅限于特定车辆,而不是涉及完整的车辆集。 (Alodadi等人,2017年)。与基于IPBCM和模糊信任机制的NLOS节点检测方法相比,该CVP-NLOS检测方法在信道利用率、紧急消息发送率和邻居感知率等方面都有明显的优势。此外,提出了一种改进的NLOS节点多跳位置验证方案(MHLV-NLOS)定位,以有效传播网络中的警告消息(Abumansoor和Boukerche,2011年)。MHLV-NLOS方案的信道利用率、能量消耗和端到端时延均优于CVP-NLOS和WDHE-NLOS方案。这种MHLV-NLOS方案也被估计为更好地利用邻居精确估计双曲距离,这有助于更好的定位。此外,提出了距离矢量跳算法,Yin et al.(2019)作为一种无距离NLOS节点定位方法。它利用跳分组中存在的信息,该跳分组有助于从网络的锚节点确定每个车辆节点的位置。该算法利用参考节点协同计算单跳距离,并将计算结果广播给网络中的其他节点,以实现可靠的定位过程。它便于车辆节点将计数的跳数转换为每个参考节点之间的语义物理距离估计。该方法也是一种利用最小-最大原理来确定非视距车辆节点位置的简化方法在Qing等人(2018)提出的双曲线定位方法中,基于包含潜在位置估计算法来确定源的精确位置。双曲线定位方法是在获得TDOA信息的基础上,对定位问题进行无为了有效地通过TDOA因子的估计来当基站以与实际源相当的线性方式定位时,车辆节点的位置此外,Carter的波束形成机制能够促进方位和源范围的精确解(Kadur等人, 2018年)。然而,卡特特别地,三边测量的过程有助于通过计算与目标的距离来确定目标位置。1838A. 阿穆坦河Kaviarasan/ Journal of King Saud University\成姆吉吉姆吉吉成.姆吉吉我是。\将其自身定位到其位置先前已知的任何三个参考节点。为了计算距离,参考节点需要安装全向天线来计算距离。进而基于RSSI或其他参数的评估来识别距离(Yan等人, 2019年)。所审查的方案的上述缺点形成了制定RCICCS的基础,并基于有影响力的性能指标(例如紧急消息传递率、信道利用率、紧急消息传递中的分组延迟和NLOS节点检测中的能量消耗)对其进行研究,以得出其优于WHDE-NLOS、CVP-NLOS的结论。3.2. 原始和自适应罚函数代价在这个阶段中,在优化过程中计算原始和自适应惩罚函数成本,以减少节点定位过程中涉及的弱点。原始成本是归因于车辆网络的不可靠性的度量,当错误通过基于邻域的通信过程在网络中四处移动时,这些不可靠的廉价措施的影响急剧增加因此,基于等式(1)估计原始成本:NLOS和MHLV-NLOS机制。P¼ X。da-d f。ð1 Þj2NNI计划(RCICCS)在所提出的RCICCS方案中,假设在车辆网络区域域A×A中,在R个参考节点的情况下,网络中的最大车辆数为T,其中参考节点的位置信息[ai;bj]是在没有干预的情况下正确已知的。在该建议的RCICCS方案中,车辆节点(非参考节点)总是仅由移动中的参考节点确定。所提出的方法是有效的,在提供面向位置的信息取决于计算的距离度量确定的参考节点的基础上,其可达性的每一个neighbor直接通信。首先,基于改进的同时扰动和随机逼近方法(SPSAM)的概念,随机初始化非参考节点的位置坐标。此外,在SPSAM方法上施加置信区间度量(MCI),使得基于所确定的距离和估计的坐标来提高NLOS节点定位的精度。优化过程采用改进的同时摄动随机逼近法,使坐标和距离的预测值与实测值的误差之和最小。在第一阶段中,原始成本和自适应惩罚函数成本被用于优化过程中,在第二阶段中,一个额外的参数命名为置信矩阵包括与以前的成本,以消除错误的问题传递,-3.1. 用于定位节点的初始化步骤在所提出的RCICCS方案中,该步骤负责收集来自网络的车辆节点的潜在输入(位置信息)。最初,使位置信息(诸如与网络的邻域车辆节点之间存在的距离的测量有关的数据、网络上的可能邻域集合以及参考节点信息)在网络的车辆节点之间周期性地交换。该阶段采用集中式方法来有效地提取必要的位置信息,因为分布式方案的初始化可能会导致大量的能量操作,以满足数据分发过程中的通信要求。此外,该阶段基于到达时间度量、到达时间与RSSI之间的差来提取车辆节点的位置信息。因此,误差建模与时间到达度量,时间到达dif,基于参考度量和RSSI的距离估计和定位其中NNj是相邻节点的集合,其中damij和dfmij分别表示节点i和j之间确定的实际和预测距离。这种原始成本估计单独不能处理控制网络中的误差传播的问题,因此自适应罚函数成本和置信矩阵分别用于SPSAM和CM-SPSAM的过程中。此外,当参考节点位置存在于直线中时,该主成本是不合适的。参考节点的存在也加剧了车辆定位时的估计误差与参考节点完全相反。在这种情况下,约束优化技术被证实可以最大程度地解决这种位置模糊性的问题(Sitek和Wikarek,2014年)。在这种约束优化技术中,在位置估计中使用跳数测量的益处。因此,在所提出的RCICCS方案中使用的优化过程集中于基于满足约束HPa=HPf来降低估计成本,其中HPa= HPf。并且HP_f_f_f对应于实际和预测的跳数,每个参考节点指向它们的相邻节点。与大多数传统方案类似,Dijkstra或Bellman Ford算法被认为是减少跳数的但是,当在所确定的跳数中存在折衷时,则并入的约束优化技术负责成本惩罚。这种成本惩罚通过增加每一个连续优化轮中的惩罚程度来促进跳数估计中的校正然而,这种成本惩罚被确定为实际上是不可行的,因为它在每一个和每一个连续的优化轮中引起高的处理成本因此,跳数估计方案的精确替代方法是邻居集确定方法。在所提出的RCICCS方案中使用的邻居集确定方法中,通过( i)利用 hello 消息估计真邻居集(TNS)和(ii)基于计算位置识别估计邻居集(ENS)来为每个邻居i估计两类邻居集在这种情况下,如果需要定位的NLOS车辆节点在真实邻居集(TNS)和估计邻居集(ENS)中不可用,则确定惩罚成本并将其添加到惩罚成本。 因此,可以基于TNS和ENS的互补(TNS)的交集来确定节点的集合EN^S)。类似地,如果网络的NLOS节点是估计邻居集(ENS)的元素并且从不存在于真实邻居集(TNS)中,则将惩罚成本添加到原始成本(ENSTN^S)。因此,该优化问题集中在等式(2)中定义的最小化惩罚增加的成本。P¼X。. da-df。Σ2ð2Þj2NNI3.改进的基于置信度的质心在建议的RCICCS计划的初始步骤中考虑了这些计划A. 阿穆坦河Kaviarasan/ Journal of King Saud University1839.ð Þ×因为tcostmaxeijIJp姆吉吉姆吉吉成我J12鲁克河使得对于8k2NS,dam ik≥6RC,对于8k2NNS,damik>RC.位置置信度和测量距离的归一化和其中R最大置信因子。 因此计算邻域置信度C是NS和NNS分别作为每个单独节点“i”的邻居和非邻居集合的通信范围。因此,所提出的RCICCS方案的惩罚成本函数有助于将约束优化成本问题转化为简单的最优成本,这在定位NLOS中是必不可少的通过使用基于Dempster Shafer证据(McClean,2014)和考虑相对置信度参数(rcp)导出的等级标准的权重,基于等式(4)实现因子网络的车辆节点该惩罚成本函数还在消除任何约束P¼.P=-ercω。da-df=Pð4Þ局部化优化问题被认为是约束优化的潜在特征。在该方法中,考虑了基于对数障碍函数原理的优化方法,以保持定位的可行性。因此,所提出的RCICCS方案的累积成本是基于Eq. (三)在这个建议的RCICCS计划中,RCp的值被分配给1,这个因素被认为是可调的过程中,涉及有效的本地化的优化。3.4. 基于RCICCS方案的NLOS节点有效定位成本总计:damij-df mij。在最后阶段,RCICCS方案遵循迭代j2TNS TNSn.随机变量X. l n.- 我知道damij-RC。在从网络导出输出(位置信息(ai;bj))(1)从前几个阶段的估计。在这个本地化j2TNS\EcNS . . ..过程中,在每个特定运行中选择一个感兴趣的,然后随机变量J2.ENXS\TNbS- 是的ln-dfmij-R C.ð3Þ执行优化过程以确定现在正被高度聚焦的节点的确切位置。集成的SPSAM有助于确定其中Pf随机数是单调递增的惩罚函数NLOS节点采用多元分析原理,大多数的一般优化方法。亲-这取决于执行过程中使用的回合数。因此,在有效定位期间,没有任何约束被施加在优化过程上。3.3. Rank准则的计算改进了置信矩阵的测度。在该阶段中,基于估计的位置置信度、测量的距离置信度和邻域置信度来确定Rank准则改进的置信矩阵度量。该算法将估计的位置置信度定义为与车辆节点在网络中的位置相关的信任度,并在实现过程中作为全局参数定期更新参考节点的估计位置置信度因子总是被分配为1,因为它们被假设为在网络中具有最大的可信度NLOS节点的有效定位过程解释如下。在步骤1中,在等式1中导出的累积成本是公式(4)用于计算d,d是公式(4)中定义的定位函数的主要因素(五)dk1½ dk-bkωhkdk 5其中,hk= dk=每个近似点dk的估计梯度值。然后,通过评估累积成本来执行扰动过程,以确定dkPertK,以便确认已经由SPSAM过程计算的所需梯度hkdk这个扰动过程是在梯度的正极限和负极限两者中进行研究,使得使用使用等式(6)计算的梯度值(hk dk)来促进理想位置。工作网络的非参考节点被认为是hd CdKbkDk-Cdk-bkDkð6Þ不可靠的节点,因此需要检查它们的信任度-kK周期性的价值因此,改进的同时-2bkDk新的扰动随机近似方法(SPSAM)被纳入本地化和估计的信任,在每一轮的实施。具体地,SPSAM方案使用针对每个车辆节点“i”的估计位置置信因子(P;a;b)因此,这个建议RCICCS计划被转换成三维问题定位节点。此外,测量的距离置信度是第二个参数,其被定义为节点与其直接邻居之间的距离的倒数。该测量的距离置信度是针对车辆节点的每个链路而不是针对与处于监测下的各个节点相关的位置置信度因子来确定的。该评估的距离置信度是与位置置信度因子相反的局部参数,位置置信度因子也需要在每一轮中更新和交换此外,邻域置信度是用于基于从所利用的改进SPSAM方法导出的输入来估计每个相邻车辆节点的可靠性该邻域置信度突出了基于位置置信因子和测量距离置信因子量化的信任度。因此,邻域置信因子是基于以下确定的局部参数:其中,bk在每次迭代中始终保持小正值,并且Dk作为基于等式2以随机方式确定的扰动因子。(七)、Dk½hD-r1ωD-r1ω:ωD-1i7因此,NLOS节点被有效地定位在建议的RCICCS计划,通过适应的变化在Dk,这是分布在零值附近。4. 模拟结果和调查所提出的RCICCS机制的性能通过EstiNet 8.1网络模拟器进行研究,因为它非常适合分析网络中NLOS节点的影响(Wang等人,2013;Wang,2014; Lin等人,2017年)。该EstiNet 8.1网络模拟器还具有将IEEE 802.11和EstiNet模块化框架的管理和数据平面相结合的潜力。建议RCICCS机制的模拟进行了2500 - 2500平方米的地形面积与1000车辆节点随机分布在网络中。科斯泰伊杰1840A. 阿穆坦河Kaviarasan/ Journal of King Saud University表1用于实施建议的RCICCS方案的仿真设置。模拟参数值网络地形面积2500 m× 2500 m模拟时间250 s传输距离200米带宽利用率10 Mbps车辆的最小和最大速度30 m/hr和70 m/hr紧急消息大小512字节使用MAC协议IEEE 802.11p最大车辆数移动生成器类别OpenStreetMap图1.一、RCICCS-不同车辆密度下的紧急消息传递率。图二、RCICCS-不同车辆密度下的通道利用率。表1中突出显示了在所提出的RCICCS方案的实现中使用的仿真设置参数。首先,所提出的RCICCS机制进行了研究,使用紧急消息传递率,信道利用率,分组延迟在紧急消息传输和能量消耗在NLOS节点检测在不同强度水平的车辆在网络中。图1和2强调了拟议的RCICCS机制的重要性,与现有的COM-图四、RCICCS-车辆密度下NLOS检测的能耗。图五. RCICCS-RCICCS-在不同参考节点下的紧急消息传递。图3.第三章。RCICCS-不同车辆密度下的数据包延迟。见图6。不同参考节点下的信道利用率。A. 阿穆坦河Kaviarasan/ Journal of King Saud University1841见图7。RCICCS-参考节点下紧急消息传输中的分组延迟。图8.第八条。RCICCS-参考节点下NLOS检测的能量消耗。从紧急消息传递率和信道利用率两个方面对CWHDE-NLOS、CVP-NLOS和MHLV-NLOS三种机制进行了评估。在所提出的RCICCS机制的实现期间,利用多个级别的成本和惩罚被确定为负责提高紧急消息传递率和信道利用率的速率,同时相应地增加车辆密度,因为NLOS节点定位中的可信度本质上是高度动态的因此,所提出的RCICCS机制的紧急消息传递率被确定为提高了25%,20%和16%,优于现有的WHDE-NLOS,CVP-NLOS和MHLV-NLOS机制。与现有的WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比,所提出的RCICCS机制在不同车辆密度下的信道利用率分别提高了18%、14%和10%。图图3和图4描述了在不同的车辆密度下评估拟议的总指挥及控制系统的主要作用。紧急消息传输中的分组延迟和不同车辆数下的NLOS节点检测中的能量消耗也显著降低,因为在所提出的RCICCS方案中使用的惩罚成本的种类因此,所提出的RCICCS方案在紧急消息传输中所涉及的分组延迟被实现为比用于分析的基准方案分别减少20%、16%和12%实施的RCICCS方法所产生的能耗也显着减少了26%,22%和17%,优于用于分析的基线方案。此外,建议的RCICCS机制进行了研究,使用研究了网络中不同参考节点数下紧急消息的发送率、信道利用率、紧急消息传输的分组延迟和NLOS节点检测的能量消耗。图图5和图6例示了所提出的RCICCS机制相对于在不同数量的参考节点下的紧急消息递送率和信道利用率方面量化的比较的WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制的潜力。在RCICCS方案中采用秩准则改进的置信矩阵测度,提高了RCICCS方案的出现率图9.第九条。RCICCS-NLOS节点检测的平均处理时间。1842A. 阿穆坦河Kaviarasan/ Journal of King Saud University见图10。 R C I C C S -提高NLOS节点检测率。图十一岁RCICCS--NLOS节点检测中的邻域感知率。代理消息传递率和信道利用率,同时参考节点的数量相应增加,因为在检测NLOS节点中的置信度估计的可靠性是高度自适应的。因此,与现有的WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比,所提出的RCICCS机制的紧急消息传递率被确定为提高了21%、17%和12%。与现有的WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比,RCICCS机制的信道利用图7和8强调了在越来越多的参考节点下评估的拟议RCICCS的关键贡献。与WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比,RCICCS方案中的惩罚方法在减少紧急消息传输时延和NLOS节点检测能耗方面发挥了重要作用。因此,在紧急消息传递中,与所提出的RCICCS方案相关的分组延迟被实现为比传统的RCICCS方案显著降低23%、20%和15%用于分析的基准方案。对NLOS节点检测的实施RCICCS方法所使用的能源消耗也显着减少了21%,16%和12%优于用于分析的基线计划此外,图。图9和图10突出了所提出的RCICCS方法在使用平均处理时间和NLOS节点检测率的百分比改进来评估的NLOS节点检测中的关键意义。平均处理时间和百分比的改善,在NLOS节点检测率的拟议RCICCS方法被可视化,以提高到一个可接受的程度,因为使用艾滋病在更好的检测。因此,与基线WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比,所提出的RCICCS机制的平均处理时间减少了11%、9%和7%与可比较的WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比,所提出的RCICCS机制的NLOS节点检测率的百分比改进也被确定为增强13%、10%和7%。此外,Fig.图11和图12描绘了建议的RCICCS方法在使用邻域的NLOS节点检测中的作用A. 阿穆坦河Kaviarasan/ Journal of King Saud University1843见图12。 RCICCS-提高信道利用率。在恶意节点数量不断增加的情况下,感知率和信道利用率。邻居意识和信道利用率下的恶意节点的数量不断增加,被发现是很好的持续,因为建议RCICCS计划使用多个成本,如惩罚成本和置信矩阵措施,动态保持最大的可靠性网络,这样NLOS节点被检测到一个有效的方式。因此,与基线WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比,所提出的RCICCS机制的邻居感知率所提出的RCICCS机制的信道利用率也被确定为与可比较的WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比5. 结论建议的RCICCS方法被提出作为一个可靠的尝试,以促进有效的检测NLOS节点,以防止在车辆网络中的紧急消息传输过程中的数据传播的拥塞和障碍。提出的RCICCS方法的优点,改进的SPSAM和秩准则增强的置信矩阵的措施,以促进更好地定位网络中的NLOS节点。仿真结果表明,与WHDE-NLOS、CVP-NLOS和MHLV-NLOS机制相比,RCICCS方案的邻居感知和信道利用率分别提高了11%和9%。提出的RCICCS方法的NLOS节点检测率和平均处理率也证实了比文献中的基线NLOS检测方案提高了8%和11%。在未来,它计划制定一个集成的谐波搜索和粒子引用Verma,K.,Hasbullah,H.,2014. VANET中基于Bloom filter的IP-CHOCK拒绝服务攻击检测方案安全通信网络 8(5),864-878。Yan,G.是的,Choudhary,G.,Weigle,M. C.的方法,Olariu,S.,2007.通过主动位置检测提供VANET安全性。载于:第四届ACM车辆自组织网络国际研讨会会议记录-VANETGentner,C.,格罗岛,2011. NLOS检测虚警和检测概率的解析推导。In:2011 IEEE73rd Vehicular Technology Conference(VTC Spring),1(1),34-43.福田,K.,Okamoto,E.,2012.传感器网络中基于IMR的NLOS检测对TOA定位性能的改善。In:The International Conference on Information Network 2012,1(1),78-85.苏,Z.,Shao,G.,刘洪,2016. TOA系统中NLOS误差抑制的软最小值方法。2016年IEEE第84届车辆技术会议(VTC秋季)1(1),56-65。Boban,M.,巴罗斯,J.,Tonguz,O.K.,2014.面向大规模仿真的基于几何的车对车信道建模。IEEE运输车辆Technol.63(9),4146-4164.特罗佩阿,M.,圣玛丽亚,A.F.,2015.车辆交通优化在温哥华:一个建议,为节点重新路由和拥塞减少。高级电气Eng.13(4),78-86.穆罕默德,S。J.,Zhang,S.,(1991),中国农业科学院,Dyo,V.,2015.车辆自组织网络中可靠安全消息通信的网络编码:综述。2015年第四届未来一代通信技术国际会议(FGCT),1(2),89-96。Monir Vaghefi,R.,Amuru,S.,比勒河M.,2015.利用协作提高NLOS环境下移动节点的跟踪性能。在:2015 IEEE国际通信会议(ICC),1(2),78-87。Neudecker,T.,安,N.,通古兹岛K.,Gaugel,T.,Mittag,J.,2012年。虚拟交通灯在非视距环境下的可行性在:第九届ACM国际研讨会的车辆互联网络,系统和应用程序-VANET'12。1(2),78-87.卡萨拉内尼河Sahmoudi,M.,里斯湖2016.用于合作定位的多GNSS接收机钟差精确估计。 In:2016 European Navigation Conference(ENC),1(1),54-63.Yan,S.,马兰尼河,内瓦特岛彼得斯湾,澳-地W.,2015.莱斯衰落信道中单基站对VANESTO 的 位 置 欺 骗 检 测 。 In : 2015 IEEE 81st Vehicular TechnologyConference(VTC Spring),1(1),34-42.Kbayer,N.,Sahmoudi,M.,2017.多径/非视线环境中GNSS定位的正则化估计。In:2017 European Navigation Conference(ENC),(1),34-43.Mondal,K.,Mandal,P.S.,Sinha,B.P.,2018.一种基于NLOS信号的鲁棒确定性节点定位方法。国际通信杂志网络分布量System. 20(3),263. Soleymani,S.A.,Abdullah,A.H.,Zareei,M.,Anisi,M.H.,Vargas-Rosales,C. KhurramKhan,M.,Goudarzi,S.,2017.基于模糊逻辑的雾计算车载自组网安全信任模型。 IEEE Access 5(1),15619-15629鲍尔,S.,Obst,M.,斯特雷特河,Wanielik,G.,2013.城市GNSS车辆定位中阴影图的非视线检测评估-增益方法。2013年IEEE第77届车辆技术会议(VTCSpring)1(1),56-65。Zubairu,B.,2017年。非视距VANET定位验证中欺骗攻击的新方法。创新Comput.内特尔1(1),45-59.其他参考Alodadi,K.,Al-Bayatti,A.H.,Alalwan,N.,2017.车载自组网中非视距节点检测的志愿者合作协议。Veh. Commun. 9(1),72-82.Abumansoor,O.,Boukerche,A.,2011. VANET中非视距(NLOS)环境下的协作多跳定位验证在:2011 IEEE无线通信和网络会议,1(1),45-54。Sitek,P. ,Wikarek ,J.,2014.约束搜索问题建模与优化的混合方法。管 理 基础5(3),7-22。1844A. 阿穆坦河Kaviarasan/ Journal of King Saud UniversityMcClean , S. , 2014. Dempster-Shafer 理 论 Wiley StatsRef : StatisticsReferenceOnline 1(1),50-68.Wang,Shie-Yuan,Chou,Chih-Liang,Yang,Chun-Ming,2013. EstiNet开放流网络模拟器和仿真器。IEEE通信Mag.51(9),110-117.王,S.,2014. SDN OpenFlow网络模拟器和仿真器的比较:EstiNet与Mininet。2014年IEEE计算机与通信研讨会(ISCC),1(1),56-85。Lin,Y.,(1996年),赖,Y.,Wang,C.,中国地质大学,赖,Y.,2017. OFBench:OpenFlow交换机性能测试套件。IEEE系统J. 1(2),1-11.Jian Yin,L.,2019.一种新的基于半度量加权质心的距离矢量跳定位算法。 移动信息系统2019(1),1-9。Qing,G.,Wei,K.,万春,T.,2018. LOS/NLOS混合条件下基于动态目标函数的无线定 位 方 法 2018 Ubiquitous Positioning , Indoor Navigation and Location-BasedServices(UPINLBS)1(1),45- 54Kadur,T.,Chiang,H.,Fettweis,G.,2018年NLoS室内环境中鲁棒波束跟踪的实验验证在:2018年第25届国际电信会议(ICT)1(1),23-42。Yan,X.,罗,Q,杨,Y.,Liu,S.,Li,H.,Hu,C.,2019年。ITL-MEPOSA:改善无线传感器网络中不确定性传播最小的三边定位及锚节点的优化选择。In:IEEEAccess,vol. 7,pp. 53136-53146。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功