在分析现有相关技术的基础上,提出了一种基于边缘计算的分簇(Ad hoc On-demand Distance Vector,AODV)路由新算法.通过对传统的以最小跳数为基础的AODV路由协议进行优化,综合考虑车辆节点能量,车辆行驶速度的信息,结合车对车(Vehicle to...在分析现有相关技术的基础上,提出了一种基于边缘计算的分簇(Ad hoc On-demand Distance Vector,AODV)路由新算法.通过对传统的以最小跳数为基础的AODV路由协议进行优化,综合考虑车辆节点能量,车辆行驶速度的信息,结合车对车(Vehicle to Vehicle,V2V)以及车对路(Vehicle to Road,V2R)的通信模式,在路边单元RSU中添加边缘服务器,使用分簇的方法,簇内车辆节点使用V2V通信模式,簇间车辆节点使用V2V与V2R相结合的通信模式来进行路由的选择.仿真结果表明,该算法在高速移动车辆自组织网络中提高了路由的选择效率,降低了链路因高速移动而导致断开重新建立链接带来的网络拓扑控制开销.展开更多
提出一种不同宽度的双对角阵线性最小均方误差(dual-diagonal linear-minimum-mean-square-error,DDLMMSE)信道估计算法。该算法在DDLMMSE信道估计算法的基础上,利用相邻子载波间的相关性,将DDLMMSE算法中的对角阵扩展为K重对角阵,在不...提出一种不同宽度的双对角阵线性最小均方误差(dual-diagonal linear-minimum-mean-square-error,DDLMMSE)信道估计算法。该算法在DDLMMSE信道估计算法的基础上,利用相邻子载波间的相关性,将DDLMMSE算法中的对角阵扩展为K重对角阵,在不显著增加算法复杂度的前提下,提高了DDLMMSE信道估计算法的估计精度。仿真结果表明,与DDLMMSE算法相比,当正交频分复用(orthogonal frequency division multiplexing,OFDM)子载波数为128时,获得相同的误码率BER=10-1时,宽度为3的DDLMMSE算法所需的信噪比约有0.5 d B的减小,可以根据性能要求选择合适的宽度。展开更多
文摘在分析现有相关技术的基础上,提出了一种基于边缘计算的分簇(Ad hoc On-demand Distance Vector,AODV)路由新算法.通过对传统的以最小跳数为基础的AODV路由协议进行优化,综合考虑车辆节点能量,车辆行驶速度的信息,结合车对车(Vehicle to Vehicle,V2V)以及车对路(Vehicle to Road,V2R)的通信模式,在路边单元RSU中添加边缘服务器,使用分簇的方法,簇内车辆节点使用V2V通信模式,簇间车辆节点使用V2V与V2R相结合的通信模式来进行路由的选择.仿真结果表明,该算法在高速移动车辆自组织网络中提高了路由的选择效率,降低了链路因高速移动而导致断开重新建立链接带来的网络拓扑控制开销.
文摘提出一种不同宽度的双对角阵线性最小均方误差(dual-diagonal linear-minimum-mean-square-error,DDLMMSE)信道估计算法。该算法在DDLMMSE信道估计算法的基础上,利用相邻子载波间的相关性,将DDLMMSE算法中的对角阵扩展为K重对角阵,在不显著增加算法复杂度的前提下,提高了DDLMMSE信道估计算法的估计精度。仿真结果表明,与DDLMMSE算法相比,当正交频分复用(orthogonal frequency division multiplexing,OFDM)子载波数为128时,获得相同的误码率BER=10-1时,宽度为3的DDLMMSE算法所需的信噪比约有0.5 d B的减小,可以根据性能要求选择合适的宽度。
