1.一种车联网链路选择和资源分配方法,其特征在于:该方法包括以下步骤:S1:基于空间相关度理论检测恶意路侧单元RSU节点,并确定车辆与RSU的最优匹配;
S2:确定车辆与资源块的匹配;
S3:车辆进行最优链路选择;
S4:采用拉格朗日乘数法、次梯度法求出最优传输功率;
具体为:K个蜂窝链路K={1,...,k,...,K},分别对应资源块K={1,...,k,...,K},将I个传输车辆 和接收车辆 一一配对,形成传输车辆到接收车辆TX‑RX的链路Φ={1,...,i,...,I},记为Vi;设I≤K,Vi复用一个蜂窝链路的资源块,且每个资源块只能被分配给一条Vi;ρ为所有Vi资源块分配的二进制矩阵,ρi,k=1表示资源块k分配给Vi;ρi,k=0表示资源块k未分配给Vi;
传输车辆 与接收车辆 有以下两种传输方式:直接传输模式V2V和中继传输模式V2I;在V2V传输模式中,传输车辆 直接与接收车辆 通信;在V2I传输模式中,通信被分为两个传输过程,传输车辆 到中继RSU,表示为V‑I,中继RSU到接收车辆 表示为I‑V;
使用基于空间相关度的Geary’C理论,通过统计方法来计算RSUn与周围RSU的关联性;
车联网中基于恶意RSU识别的车辆链路选择和资源分配方法包括以下4个步骤:恶意RSU识别,车辆与RSU匹配;车辆与资源块匹配;最优链路选择更新;车辆传输功率优化;具体技术方案如下:
假设在车联网中,传输车辆初始化模式决策向量X,X={x1,...,xi,...,xI},xi=1表示Vi选择V2V传输模式;xi=0表示Vi选择V2I传输模式;初始化的传输车辆都选择V2I传输模式;假设 的传输功率为 RSUn的传输功率 的传输功率相等;备选的中继RSU集合为R={R1,...,Rn,...,RN},其中,恶意RSU节点的数量为M;
Vi采用直接传输模式V2V和中继传输模式V2I;当Vi采用V2V传输模式,Vi复用资源块k时,其信噪比表示为:
计算出Vi在V2V传输模式的传输速率为:Vi在V2V传输模式的能效为:
当Vi采用V2I传输模式,传输车辆 与传输中继RSUn的信噪比表示为:中继RSUn与接收车辆 之间的信噪比表示为:在V2I传输模式中,Vi以RSUn为中继的信噪比表示为:Vi在V2I传输模式的能效为:
比较 和 选择最优传输模式;当 Vi选择V2V传输模式,否则,选择V2I传输模式;
车联网总能效表示为:
最大化网络总能效,优化问题表示为:s.t.(1)
(2)
(3)xi∈{0,1},ρi,k∈{0,1},约束条件(1)为蜂窝链路和V2V、V2I链路的最低SINR需求;约束条件(2)为传输车辆的最大传输功率限制;约束条件(3)表明传输链路和RB选择参数为0,1变量;
为降低问题求解复杂度,将原优化问题分解成两个等价的子优化问题:1.恶意RSU检测;2.最优资源分配,包括资源块、最优链路选择及功率分配;
1.恶意RSU检测
恶意RSU检测包含以下步骤:
Step1:传输车辆i向LSC发送请求,LSC建立传输车辆i的备选RSU集合,设RSU有相同的初始信任值,信任值集合为C={C1,...,Cn,...,CN};RSUn接收到LSC的请求后,将其到传输车辆i的SINR发送给LSC,LSC建立车辆i与RSUn的SINR矩阵A:其中SINRi,n表示RUSn向LSC上报的接收到的 SINR值;
Step2:LSC将低于SINR和信任度门限值的RSU从备选集合中移除;并基于空间相关度的Geary’C理论,通过统计方法来计算RSUn与其周围RSU的SINR信息关联性;
通过分析Geary’C的空间相关度特性,RSU与RSU集合成员的特征信息相似度越高,相应的空间相关度越小;可靠RSU之间的空间相关度小于可疑RSU与可靠RSU之间的空间相关度;
Vi的备选RSUn的空间相关度Ci,n由下式计算:其中,N表示Vi备选集合中RSU的个数,SINRi,n和SINRi,m分别表示RSUn和RSUm上报的接收到Vi的SINR值, 是备选集合中RSU接收到Vi的SINR平均值, 是RSUn和RSUm空间相关度权重因子;dnm是RSUn到m间的距离;集合中可疑RSU所占百分比会影响Ci,n的取值;可疑用户由如下准则判断:
其中,Di,n=1,为负面评分,表示RSUn被判定为可疑RSU,反之Di,n=0,为正面评分,表示可信RSU;ε0为可疑RSU判定门限,通过遍历搜索算法得到;
Step3:由于同一时刻内RSU会收到多个传输车辆的接入请求,并将接收到的SINR发送给LSC;LSC基于Geary’C理论进行判断后,将生成判决矩阵B:其中,若超过一半车辆都将RSUn判断为可疑RSU,则LSC判定RSUn为恶意RSU节点并从本次备选集合中移除;
Step4:识别出恶意RSU节点后,LSC根据判决矩阵信息,更新集合中RSU的信任值;对于RSUn有多个传输车辆请求连接,不同车辆对RSUn的评分不同;对于RSUn,LSC收到7个正面评分,3个负面评分;前者是多数评分,后者是少数评分;计算RSUn的信任值变化量θn,如下所示:
其中θn∈[‑1,1],m和n分别是正面和负面评分的数量;两类评分的权重由θ1和θ2进行控制:
其中F(·)控制对于少数评分的敏感度,不同F(·)影响着θn的变化趋势,进而影响着θn3
对少数评分的敏感程度;采用F(x)=x ,小比例的负面评分对于θn计算结果影响较小,更能符合多数车辆的判断结果;
Step5:若RSUn的信任值低于信任值门限,则在下一时刻,RSUn将被从备选RSU集合中移除;
2.最优资源分配
Vi得可信RSU集合,将RSU接收到Vi的SINR降序排列,并求出Vi的匹配度Mi,即集合中备选RSU个数;然后通过匹配度对Vi和RSU进行最优匹配:Vi与RSU匹配后,进行资源块分配,Vi复用对其干扰最小的蜂窝链路资源块,得出资源块匹配关系ρi,k;比较不同传输模式下网络的能效值,得车辆的最优传输模式决策向量X;当时,选择V2V传输模式;否则,选择V2I传输模式;
原优化问题转化为最优功率分配问题,如下所示:s.t.(1)
(2)
该问题是一个凸优化问题,定义拉格朗日函数,对应限制条件定义拉格朗日乘数,解出最优的
车联网中基于恶意RSU识别的车辆链路选择和资源分配方法具体步骤如下:
201:传输车辆产生传输需求;
202:初始化模式决策向量X,车辆传输功率;
203:传输车辆向LSC发送连接RSU的请求;
204:LSC为传输车辆设定RSU备选集合,集合中的RSU向LSC上报接收到各个车辆的SINR;
205:通过Geary’C空间相关特性,得出RSUn的空间相关度Ci,n;
206:判断Ci,n是否是可疑用户;
207:若Ci,n>ε0,则判断RSU为可疑RSU;
208:若Ci,n≤ε0,则判断RSU为可信RSU;
209:超过一半车辆情况下将RSUn判断为可疑RSU,则LSC将RSUn判定为恶意RSU节点,并将其从本次备选集合中移除;
210:根据判决矩阵更新RSU信任值;
211:传输车辆在备选可信RSU集合中选择SINR最大的RSU接入,并复用对其干扰最小的资源块;
212:利用拉格朗日乘数、次梯度更新法求出最优传输车辆功率
213:算法结束。
2.根据权利要求1所述的一种车联网链路选择和资源分配方法,其特征在于:在所述步骤S1中,假设传输车辆最初时选择汽车‑基础设施V2I传输模式;首先,传输车辆向本地轻量化服务中心LSC发送请求;然后,传输车辆通过LSC建立备选RSU集合,初始化RSU信任值;最后,RSU将接收到传输车辆的SINR发送给LSC,LSC建立车辆与RSU的信号与干扰加噪声比SINR集合。
3.根据权利要求1所述的一种车联网链路选择和资源分配方法,其特征在于:在所述步骤S1中,将低于SINR门限值和信任度的RSU将从传输车辆的RSU备选集合中去除;并且由于车联网中存在恶意RSU节点,会播报虚假的SINR信息给LSC;因此,基于空间相关度的Geary’C理论,通过统计方法来计算某RSU与其周围RSU的关联性,生成判决矩阵,以识别恶意RSU节点;最后,传输车辆选择接入可信任RSU集合中最大SINR的RSU。
4.根据权利要求1所述的一种车联网链路选择和资源分配方法,其特征在于:在所述步骤S1中,LSC根据判决矩阵信息,更新集合中RSU的信任值;若RSU信任值低于信任值门限,则将该RSU从备选RSU集合中移去。
5.根据权利要求1所述的一种车联网链路选择和资源分配方法,其特征在于:在所述步骤S2中,假设LTE eNB已预先分配好资源块,传输车辆到接收车辆间的链路复用蜂窝链路资源块,将信道质量最好的RB与对应车辆进行匹配。
6.根据权利要求1所述的一种车联网链路选择和资源分配方法,其特征在于:在所述步骤S3中,车辆根据不同链路能效值进行模式选择,即若汽车‑汽车V2V能效值更大,则选择V2V传输模式;否则,选择汽车‑基础设施V2I传输模式;更新模式决策向量X,直到系统中所有车辆都确定传输模式。
7.根据权利要求1所述的一种车联网链路选择和资源分配方法,其特征在于:在所述步骤S4中,采用拉格朗日乘数法、次梯度更新的方法求出最优的传输车辆功率