基于马尔可夫理论的C-V2X通信-感知-决策技术

关键词：马尔可夫；C-V2X；边缘智能；识别算法；宏-微蜂窝网络

介绍

随着人们出行需求的多样化，对交通安全和效率的管理要求不断提高。由于基站频谱资源、覆盖范围、传输功率、干扰控制和应用范围等方面的技术持续变化，现有的交通通信系统已无法满足车联网系统的需求。宏蜂窝和微蜂窝基站系统的共存是未来无线网络通信中的一个必然且常见的现象。在这两种基站中，宏蜂窝基站占据主导地位。由于微蜂窝基站的引入，传统宏蜂窝基站的信息交互结构发生了变化，从而导致两种基站之间的相互干扰不可避免。

本文旨在对基于边缘智能的车联网通信一感知一决策集成问题进行更深入的研究。研究旨在整合用户终端行为偏好预测、通信网络边界推导和马尔可夫决策，以解决信息传输延迟以及车联网系统中的智能感知和决策问题。

系统框架

微蜂窝基站（微蜂窝）旨在通过解决宏蜂窝基站（Macrocell BS）覆盖的盲点和边缘问题来提升网络服务质量。该模型包括一个宏蜂窝基站和多个微蜂窝基站。宏蜂窝基站作为用户可以选择的传输站点之一，充当中央控制，处理所有请求和资源分配。同时，微蜂窝基站设置在宏蜂窝基站的覆盖区域内，以提高信号强度并减少宏蜂窝基站的传输负载。

在蜂窝系统中，宏蜂窝基站具有较高的传输功率和广泛的覆盖范围；微蜂窝基站是一种简单且低功耗的解决方案，可以有效解决宏蜂窝基站的盲点和覆盖不足问题。通过与宏蜂窝基站共享传输负载，微蜂窝基站可以确保用户的通信质量。

当用户从一个基站区域移动到另一个基站区域时，系统使用两个基站接收到的信号强度（RSS）作为参考。根据用户的RSS报告进行比较，分配匹配的基站资源给用户。理想情况下，当用户进入相应基站（BTS）的覆盖区域时，系统会分配相应的频道。

通信模型包括用户终端与基站之间的距离（d）、宏通道增益（h）以及路径损耗指数等参数。大规模衰落，包括阴影衰落，采用Okumura-Hatta模型表示，遵循均值为0、标准差为12dB的高斯分布。

对于现有用户，用户的当前位置被确定为坐标原点，即极点，离用户当前位置最近的微蜂窝基站被设定为极轴。对于用户，用户的下一个位置的概率遵循概率密度函数F（x）。根据惯性定理，用户原始运动方向的概率最高，而用户朝相反方向运动的概率最低，接近于0。由于用户的运动是不可预测的，因此他们的方向预测基于位置分布函数。

因此，可以预测用户从宏蜂窝基站和微蜂窝基站获得的接收信号强度（RSSM、RSSF）。

对于连接到宏基站的用户，他们有PMM的概率保持在当前状态，而转移到微蜂窝基站的概率是PMF。类似地，对于连接到微蜂窝基站的用户，他们有PFF的概率保持在当前状态，而转移到宏基站的概率是PFM。

在马尔可夫策略中，每个基站选择都与一个概率和相应的奖励相关联。选择的期望值是通过将其概率与奖励相乘得到的，价值函数是所有可能选择的期望值之和。本研究使用价值函数来表示用户在系统中选择的状态的预期接收信号强度。基站选择的最佳策略记为π，用户在做出选择后会收到奖励。

用户下一位置的信号强度可以视为一种奖励，而多个基站的可用性可以用来确定基站的最佳选择。

模拟结果

假设用户在实际情况下向不同方向移动。在这种情况下，用户选择基站的决定依赖于比较每个基站接收到的信号强度。在本次模拟中，仅考虑用户在宏基站和微蜂窝基站交汇处的基站选择。

在模拟中，1500个用户随机分布在微蜂窝基站的覆盖区域内，每个微蜂窝基站最多分配1000个用户。用户的操作速度基于实际速度，包括2m/s.4.5m/s和30m/s。模拟使用MATLAB实现。

为了比较我们提出的基站（BS）策略与非马尔可夫BS策略，每个用户的初始运动角度不同。由于速度差异，用户的预期接收信号强度（RSS）各不相同。

相比之下，我们提出的马尔可夫决策策略利用基于价值函数的基站选择序列来做出最佳选择。通过比较这两种策略，我们能够确定我们提出的策略在优化基站选择方面的有效性。使用非马尔可夫BS选择策略的用户所获得的平均频道吞吐量无论初始状态如何，RSS变化不大。

结论

本文提出的基于马尔可夫的基站资源分配算法在增加宏基站负载的同时，减少了原有微蜂窝基站的负载。为了确保基站边缘车辆的信息正常交互，该算法主要改善了系统通信资源分配的合理性和利用率。因此，基于马尔可夫的基站资源分配算法将在C-V2X网络的优化中发挥重要作用，并为进一步研究提供重要依据。