一、专用短程通信中主动与被动通信方式的性能比较（论文文献综述）
李慧文[1]（2021）在《基于优先级的车联网拥塞控制研究》文中研究说明相比较传统无线通信网络,车联网（Vehicle-to-Everything,V2X）具有节点移动性高、通信环境复杂、频谱资源更有限等特点,因此需要设计针对V2X的拥塞控制策略。基于优先级的通信作为车联网提供服务质量（Quality of Service,QoS）支持的方法之一,通过为关键信息提供更高级别的通信保障,提高V2X中的通信质量及无线通信资源的利用效率,在拥塞控制中也有一定应用意义。基于上述背景,本文提出了节点优先级概念,以及考虑节点优先级的基于功率的拥塞控制方法,以解决既往研究中优先级的设计缺乏对节点特征、节点状态和周围通信环境等特征的考虑的问题,同时兼顾了拥塞控制算法的节点公平性和对环境的适应性等。具体方法为:（1）提出了一种基于静态节点优先级的动态功率控制方法。该方法基于节点的静态优先级分配不同功率区间,节点根据周围邻居节点的优先级分布情况对高优先级邻居进行功率退让,在各自的功率区间内进行功率设定;同时使用公平性指标等对通信性能进行更全面的评价。仿真结果表明,使用该分布式功率控制方法实现不同优先级节点差异化通信,同时能够提供更好的QoS支持。（2）基于车辆特征、车辆时空属性定义了动态节点优先级,并根据质量、速度、距离三种相对因素对车辆之间的相对优先级关系进行描述;根据该动态节点优先级提出了一种自适应功率控制方法,根据负载情况进行相应的功率调整,相对优先级影响节点功率自适应调整的步长,增加功率时高优先级节点步长更长而降低功率时高优先级节点步长更低,从而保证高优先级节点的消息发送。仿真结果表明,该算法可以同时改善低密度下网络的连通性及高密度下的负载控制情况,且保证节点对环境的适应性。
李敏[2]（2021）在《基于地理位置的车联网路由方法研究》文中指出车联网诞生之初,旨在为驾驶员和乘客提供安全、舒适的服务体验,是为了解决交通出行难和尾气排放导致的环境污染等问题。车联网是构建智慧互联城市的基石,也是国家重点关注的新基建领域。但是车联网中节点的高速动态性以及拓扑结构频繁快速变化的特点,使得它面临了许多挑战。其中,建立稳定可靠的路由是其主要挑战之一。本文从传统的基于地理位置的贪婪转发路由协议出发,提出了一种基于地理位置的权重选择路由协议（W-GPCR）,其主要研究内容如下:（1）针对贪婪转发策略选取下一跳最优中继节点,只考虑节点之间的距离远近,缺乏对其它影响路由协议性能的因素考量,引入节点运动方向和节点密度等因素,设计了一种计算节点综合权值的公式,通过计算综合权值来选取最优的下一跳中继节点,在一定程度上减少了路由选择的局限性;（2）针对修复策略按照右手定则投递数据包时,可能出现路由环路和数据包投递远离目标节点的情况,将数据包的投递方向作为主要衡量指标,节点之间距离和节点密度作为辅助指标,设计了一种计算权值的公式,权值最大的节点将被选为下一跳节点,能够有效解决按照右手定则投递数据包所伴随的一系列问题;（3）针对稀疏网络中偶遇路由空洞容易导致路由死亡的问题,提出了一种路由恢复策略。设计了一种权值计算公式,通过计算节点的权值来选择下一跳节点,能够避免数据包投递再次陷入路由空洞的窘境,并且寻找其它潜在路径去向目标节点投递数据包,增强了路由协议的可靠性。通过仿真结果表明,W-GPCR路由协议相较于GPSR、GPCR、Gpsr J+、GCRP在包投递率、端到端时延和平均跳数方面均更优。最后本文还探讨了W-GPCR路由协议在工程中的实现方法,给出了路由寻优的具体步骤,以及其中的数据交互步骤和流程。并用实车进行了组网实验,实验验证了本文所提W-GPCR路由协议的合理性和有效性。
乔旭[3]（2021）在《基于车联网的自动驾驶车辆编队算法研究》文中提出车联网作为通信电子,交通运输与汽车等行业相融合的新兴方向,与5G和人工智能等新兴技术一起共同实现传统汽车和交通行业的重大变革。自动驾驶同样作为人工智能与汽车电子深度结合的产物,正在促进和整合到新能源汽车及智能化汽车的发展当中来,并不断吸收最先进的人工智能技术,迸发出强大活力。伴随着车联网与自动驾驶技术的发展,工业以及社会发展对其应用提出了更高的要求,促生出一系列相关的产业和方向,其中车辆编队作为自动驾驶和车联网技术结合发展的方向,受到业内广泛关注。车联网技术是当今乃至未来车辆编队实现的重要部分,而主要包括车车、车路、车云等通信,通过标准的通信协议实现彼此之间信息的共享和传播。对于车辆编队而言,有效的状态同步和信息传递必不可少。车辆编队需要保证队列整体的行驶稳定,车辆之间相互配合,这就需要彼此之间状态和信息同步。而对于自动驾驶汽车的编队而言,由于每个车辆独立地进行决策和规划,可能导致车队整体的决策冲突或者不稳定。因此在本文中提出将单车的决策规划结果作为通信信息在队列内进行同步,并头车作为车队的通信主体和编队主体,同时负责队内通信和队外通信,并保证队列内车辆的决策自洽和鲁棒性,从而生成合理的规划曲线。目前业内应用的自动驾驶规划算法主要是基于采样和优化算法实现,同时多采用路径-速度解耦的方法,如百度Apollo采用基于Frenet坐标系的Lattice Planner算法。该方法在应用中容易导致车辆实际规划的路线不能有效反映决策,其主要原因在于路径规划层没有考虑速度规划的执行,导致实际规划的路线不能符合速度规划的预期从而无法执行。因此本文在基于Frenet坐标系的路径-速度解耦的算法基础之上,提出基于STL时空坐标系的轨迹规划算法,并将其应用在车辆编队中。提出角度锚点法来对STL时空坐标系的决策进行表征,保证路径与速度规划相一致协同进行,最终生成最优的轨迹规划曲线。车辆编队的状态大致可以分为队列拓扑稳定和队列拓扑调整两种。前者在车队正常行进中,根据需要来调整速度以及加速度使得车队在正常行进过程中保持稳定和安全,后者则根据需要进行局部的轨迹规划实现如入队和离队等操作,来调整队列的拓扑结构。本文将编队算法分解为纵向编队和横向编队,分别实现整体的速度规划和局部的轨迹规划。前者在编队正常行进过程中对车队的效率,安全和稳定性进行调整,后者则根据实时路况和车队行进需要对车队的拓扑结构进行调整。
张宏涛[4]（2021）在《车载信息娱乐系统安全研究》文中认为随着汽车智能化、网络化的快速发展,智能网联汽车面临的网络安全问题日益严峻,其车载信息娱乐（IVI）系统的安全性挑战尤为突出,研究IVI系统网络安全问题对提升汽车安全性具有重大意义。目前,针对IVI系统网络安全问题开展的系统性研究工作比较缺乏,涉及到的相关研究主要集中在汽车安全体系、车载总线网络安全、车联网隐私保护、车载无线通信安全等方面。针对IVI系统存在复杂多样的外部网络攻击威胁、与车载总线网络间的内部双向安全威胁以及数据传输安全性保障需求等问题,本论文通过深入分析IVI系统面临的网络安全风险,构建了基于STRIDE和攻击树的IVI系统网络安全威胁模型,提出了基于零信任安全框架的IVI系统外部网络安全威胁防护方法、基于安全代理的轻量级IVI系统总线网络安全防护方法、基于匿名交换算法的IVI系统数据传输威胁抑制方法和基于模糊综合评定法的IVI系统数据传输机制优化方法。论文的主要研究工作包括:1.针对IVI系统面临的网络安全风险,从外部环境、内部网络、应用平台、业务服务等多个维度进行分析,采用分层级建模方式,构建了基于STRIDE和攻击树的IVI系统网络安全威胁模型,并利用层次分析法对安全风险进行量化评估。IVI系统网络安全威胁模型的构建,有利于研究人员从攻击角度分析IVI系统存在的安全威胁,能够深入、全面、直观的掌握IVI系统所面临的网络安全风险及其本质。2.针对IVI系统面临来自外部网络环境的安全威胁,基于身份认证和访问授权的安全信任基础,构建了IVI系统零信任安全访问控制系统,通过利用持续的、动态的、多层级的、细粒度的访问授权控制提供动态可信的IVI系统安全访问;同时,基于“端云端”三层结构的外部安全信息检测系统,向零信任安全访问控制系统中的信任算法提供外部安全风险信息输入,以提高访问控制决策的全面性和准确性。相对于传统基于防火墙安全边界的IVI系统外部网络安全防护设计,本方法在目标资源隐藏、身份认证策略、访问权限控制以及外部安全信息决策等方面具有明显的优势。3.针对IVI系统与车载总线网络之间存在的内部双向安全威胁,采用简单、有效的轻量级设计思路,通过融合IVI应用服务总线访问控制、总线通信报文过滤、报文数据内容审计和报文传输频率检测等安全机制与设计,实现了IVI系统的内部总线网络安全防护。本方法在总线访问权限控制以及数据报文异常检测方面具有较好的防护效果,很大程度上降低了IVI系统与车载总线网络之间的安全风险。4.针对IVI系统数据在车联网传输过程中存在的安全风险,在使用综合评价法对数据传输过程中所面临安全威胁目标进行等级识别的基础上,通过匿名化技术增强传输数据自身的安全性,并采用基于随机预编码的密钥匿名交换算法,实现数据传输过程的攻击威胁抑制。相对于现有的相关研究,本方法在威胁识别和威胁目标抑制等方面具有更好的效果,且检测偏差控制在2%以内。5.针对传统车联网数据传输机制存在的传输时延长、传输中断率高、传输速度慢等问题,在使用模糊综合评价法分析评价车联网环境下数据传输特征的基础上,通过利用数据传输路径选择、传输路径切换以及数据传输荷载分配等手段,实现车联网环境下的IVI系统数据传输机制的优化。与传统车联网数据传输机制相比,本方法在传输速率上提高3.58MB/s,且丢包率降低41%,提高了数据传输的可靠性。本论文针对智能网联汽车IVI系统存在的复杂多样安全风险,在分析并构建IVI系统网络安全威胁模型的基础上,研究提出了有针对性的IVI系统网络安全防护和优化方法,有效提升了IVI系统的安全性,进一步完善了智能网联汽车的整体网络安全体系,对增强智能网联汽车的安全性和可靠性起到了积极作用。
宋慧[5]（2021）在《面向车联网中CAMs速率的自适应拥塞控制研究》文中研究说明互联网时代的崛起,加速了物联网的发展。在物联网的发展下,为了解决日常交通状况拥堵的现状,车载自组织网络技术（Vehicular Ad Hoc Network,VANET）成为研究的重点技术。车载自组织网络技术也叫做车联网技术,它为智能交通系统（Intelligent Transportation System,ITS）的发展奠定了基础。目前车联网技术作为当前汽车产业研究的重点技术,是智能交通系统的关键技术。车联网技术中有许多系统,其中针对安全应用程序需求,保障车辆之间传输的车载安全通信（Vehicular Safety Communication,VSC）是最主要的系统。VSC通信系统收集的合作意识消息（Cooperative Awareness Messages,CAMs）由于周期性的传输给其他车辆,将导致信道负载呈上升状态,引起拥塞。拥塞问题对安全应用产生了很严重的负面影响,导致交通事故、道路堵塞、错误的交通决策信息等问题。如何解决这些问题,成为了研究VSC通信的一大热点。本文展开介绍了VANET技术的发展,分析了目前在VANET通信中拥塞控制的不足,在现有研究基础上设计面向CAMs的车联网拥塞控制方案,本文主要做的工作如下:（1）对车联网的主要技术进行了相关的阐述。介绍了由欧洲电信标准协会（European Telecommunications Standards Institute,ETSI）规定的CAM文档协议以及CAMs的生成规则。并且通过微观道路仿真平台SUMO（Simulation of Urban Mobility）与网络仿真平台OMNET++（Objective Modular Network Testbed in C++）的连接,成功的构建了VSC系统仿真平台。（2）对车载安全通信的拥塞控制方案进行研究,发现目前车联网拥塞控制主要通过限制传输CAMs速率或者调整信道的竞争窗口等措施来进行改善,限制CAMs消息的传输将会造成车联网通信的基本安全信息传输不够及时,通信网络的资源分配不够公平。本文从CAMs传输速率结合信道竞争窗口两个方面进行分析设计,一方面,考虑到网络资源分配的公平性,采用网络效用最大化算法,迭代计算CAMs速率,使得CAMs的传输速率最优;另一方面,提出CAMs消息自源检测与邻居检测方式自适应的进行信道拥塞控制,这样可以避免拥塞控制的滞后性。（3）考虑了隐藏站效应的前提以后,分别对单接收器与双接收器进行建模,不同接收器接收CAMs的传输的概率也不同。本文从多方面进行考虑,提出新的接收概率计算模型,将单接收器概率与双接收器概率相结合,并将所提出拥塞控制模型下CAMs的接收概率与其他方案进行了比对。为了评估所提出的方案的性能,通过兰州市城市交通道路场景进行实验,验证所构建的仿真平台的实用性以及提出的面向CAMs拥塞控制方案的有效性,并且与其他拥塞控制方案在合作意识消息接收概率、通吐量、平均延迟三个方案进行比较分析。实验结果表明,本文提案中CAMs信息接收概率优于其他控制方案,通吐量大约提高10%。
张骁[6]（2021）在《智能移动终端间短距离通信安全关键技术研究》文中提出物联网和移动互联网的快速发展,以智能手机为代表的移动设备间短距离通信广泛应用于智能家居、移动支付、智能交通等众多领域,使人们生产生活方式深刻变革的同时也对信息安全提出了新的挑战。目前短距离通信方式有很多种,而利用智能手机上部署最广泛的麦克风和摄像头等必备硬件,实现短距离通信是其中热门的研究分支。基于高帧率高清晰度视频的人眼与摄像头互不干扰的摄像头-屏幕短距离隐蔽通信,以及基于友好干扰技术的声音短距离通信,是非常重要的两个研究方向。目前动态摄像头-屏幕间短距离隐蔽通信,存在用户拍摄角度有限、解码耗时长、数据隐私保护不足等可用性与安全性问题;基于友好干扰技术的声音短距离通信,则存在难以抵御盲源信号分离攻击等安全性问题。针对以上问题,本文主要研究基于自身硬件短距离通信安全,核心是探索真实环境中智能设备间的摄像头-屏幕间和基于声音信道的安全短距离通信。本文以提高摄像头-屏幕间隐蔽通信与声音短距离通信的可用性与安全性为目的,主要研究以下三个方面的内容:（1）提出一种基于快速图像校正算法的摄像头-屏幕间短距离隐蔽通信协议。以往研究通过优化通信方式与编码图形,提升通信的可用性。本文首先刻画了摄像头-屏幕间短距离隐蔽通信共有的可用性与安全性问题,进而提出一种基于传感器数据的快速图像校正算法,改善摄像头-屏幕间通信角度受限的问题;在快速图像校正算法的基础上,提出一种基于用户类别的数据图形编码方案,通过将用户按照属性进行分类、优化编码图形并引入加密算法,减少解码时间开销、提升通信速度并保护用户隐私。通过实验验证了协议可以在变形程度达到60度的侧视角与俯仰视角,以及任意角度旋转变形的情况下校正图像,与已有工作相比可以减少90%的校正时间开销。图形编码方案引入加密算法,保护了用户隐私数据。协议总体通信速度增加了13%。实验结果显示了协议对于可用性与安全性的提升。（2）提出一种基于友好干扰技术的声音短距离安全通信协议。以往研究基于友好干扰技术保证声音短距离通信的数据安全,但没有充分考虑盲源信号分离攻击可以令友好干扰技术失效的问题。本文通过将智能手机的可移动性与秘密共享思想结合,有效抵御盲源信号分离攻击。在通信时协议通过令设备移动,对攻击者声音信道条件产生的随机影响,破坏盲源信号分离的攻击条件,抵御盲源信号分离攻击。协议只需要用户在通信时,以一定速度沿随机路径移动智能手机。基于秘密共享思想的数据传输,可以在用户没有达到安全移动速度时,保证数据的机密性。理论分析和实验验证显示了协议的可行性。实验结果表明,协议的安全通信距离可以达到30厘米,有效提升了声音短距离通信的安全性。（3）提出一种面向智能家居短距离通信场景的多因素身份认证协议。以往研究基于对称或非对称加密算法提出身份认证协议,未充分考虑针对短距离通信的特点进行改进。本文首先刻画了基于自身硬件短距离通信的特点,进而提出了面向智能家居短距离通信场景的多因素身份认证协议。通过摄像头采集用户生物特征,并与麦克风扬声器硬件指纹相结合,针对短距离通信方式特点进行优化。在认证设备与用户身份的同时,为后续通信提供会话密钥,并可以在后续通信中通过硬件指纹持续认证设备身份。理论分析和实验验证显示出协议的可行性和安全性。综上所述,本文系统研究了摄像头-屏幕间短距离隐蔽通信、基于声音信道短距离通信安全,提出了可用性与安全性更好的通信协议,并提出了面向智能家居场景的多因素身份认证协议,进一步保障了上述短距离通信方式的安全。通过理论分析和实验验证,对于基于自有硬件的短距离通信方式的实际应用、通信安全和用户隐私有重要的实际意义。
张婷[7]（2020）在《面向车联网智能信息传输的关键新技术研究》文中认为车联网（Internet of Vehicles）作为汽车驾驶、电子信息、交通运输等行业深度融合的新型产业形态,越来越成为各国竞相发展的重要方向。车联网以车内网、车际网和车载移动互联网为基础,利用先进的人工智能、信息处理、通信传输、电子传感及控制等技术,在车与X（X:车、路、人、服务平台）间进行无线通讯和信息交换,是实现智能交通、信息服务和车辆智能控制的一体化网络。车联网是一个典型的高速移动的通信网络,涉及动态交通场景中的信息传输、交互、重组、后台数据分析、决策支持等多个过程,信息在多种通信场景之间进行高效、可靠、智能地传输是研究的核心和关键。车联网特殊的应用环境以及节点的高速移动特性,使其在无线通信方面具有拓扑呈带状且频繁变化、路由连接可靠性差、链路传输时延大、数据采集及通信容易造成数据缺失等问题。本文针对车联网智能信息传输上述热点关键问题,从消息智能广播分发、车联网数据缺失修复以及数据分组路由传输三个方面进行了研究,即本文的论题“面向车联网智能信息传输的关键新技术研究”,研究内容和创新之处如下:（1）针对车联网消息广播分发,提出一种基于跨层的消息智能分发新方法（CLCBF,Cross-Layer Contention-Based Forwarding）,以抑制局部广播风暴现象的发生,提高信息传输的实时性和有效性。该方法首先分析和研究冗余杂散分发问题;然后,在此基础上构建数学模型,计算和评估关键性能指标;接下来,实现基于跨层的时延转发自适应传输控制。通过车辆节点流动的蒙特卡罗模拟验证了所提出的方法。实验表明,所提方法提高了分布式消息分发的性能,有效地促进了车联网数据传输的智能水平。（2）针对车联网数据缺失修复,提出一种基于FNN的张量异质集成车联网缺失数据估计新方法（FTEL,FNN-Based Tensor Ensemble Learning）,以应对车联网数据缺失、异常数据等低质问题。该方法首先基于车联网数据流特征构建张量模型;然后,将异质集成思想引入其归算建模中;接下来,利用模糊神经网络优化对张量分解及补全方法进行自适应动态加权异质集成,有效地提高归算精度。通过实证研究,证明了该算法的适用性和有效性。在随机数据元素缺失以及光纤结构性缺失情境下都能产生较为准确的归算结果。（3）针对数据分组路由传输,提出一种基于群智感知策略的可靠车联网数据传输新方法（VGCD,Vehiclar Grouping-Communicated Data）,以提高信息传输的可靠性和高效性。该方法从基于车联网的城市环境监测这一新兴应用入手,进行数据感知检测与传输一体化设计,分两个部分:一是感知监测采集部分,基于城市空气质量采集的车辆群智感知协同监测,避免信息的冗余和通信过载。二是数据传输部分,提出一种可靠数据传输最小延迟混合路由方法。算法基于编码机制设计冗余策略提高数据传输的可靠性,将编码机制与路由设计相结合,融合路由切换思想,以最小化延迟为目标进行基于概率的路由决策。在直线路段,提出基于模糊逻辑预测的车辆自适应连通性分簇路由算法,降低车辆协作过程中的通信开销,确保网络的高连通性;在交叉路口,提出基于概率的最小延迟路由决策算法,降低信息传输时延。实验表明,所提方法有效地提高了数据感知采集与传输效率,增加了传输的可靠性。
胡林[8]（2020）在《基于DSRC的车辆主动式安全通信性能分析与资源分配》文中认为随着世界经济的快速发展,全球汽车保有量持续增加。尽管安全气囊、安全带和自动制动系统等为车辆和乘客提供被动性安全保护的辅助配置已经应用了多年,交通事故伤亡率却有增无减,交通安全已成为制约现代社会快速发展的严重问题。智能交通系统（Intelligent Transportation System,ITS）是解决交通安全问题最有效的技术方法之一。专用短程通信（Dedicated Short Range Communication,DSRC）技术能够实现车辆之间互联互通进而形成车载自组织网络（Vehicular Ad Hoc Network,VANET）,VANET是ITS最重要的组成部分之一。车辆主动式安全通信（Vehicular Safety Communication,VSC）利用车载自组织网络实时与周围车辆交换安全消息,以提醒驾驶员可能发生的潜在危险,从而提高道路交通安全。通常,车辆主动式安全应用对车辆主动式安全通信有着严苛的性能要求,而车联网中存在着诸多影响车辆主动式安全通信性能的环境因素。为了检验现有协议能够满足安全应用的时效性和可靠性需求,本文采用数学分析模型的方法分析了基于DSRC的车辆主动式安全通信的性能。另外,DSRC标准只提供了固定的10 MHz控制信道用于车辆主动式安全通信,而日渐增长的车辆数量会使信道变得十分拥塞,进而降低系统的通信性能。为了缓解车辆主动式安全通信对频谱需求过大与频带资源短缺之间的矛盾,本文就基于DSRC的车辆主动式安全通信资源分配展开了研究,一方面通过设计出更加高效的拥塞控制算法以避免信道拥塞发生,另一方面利用认知无线电（Cognitive radio,CR）技术为车辆寻找出可接入的空白频带。本文的主要研究工作如下:（1）在现有的离散时间马尔可夫链（Discrete-time Markov Chain,DTMC）分析模型的基础上,提出了一个更加综合的DTMC模型来分析采用单一接入类别IEEE 802.11p增强型分布式信道访问（Enhanced Distributed Channel Access,EDCA）协议的基本安全消息单跳广播性能。该模型综合考虑了多种实际影响因素,包括非饱和网络、MAC层退避过程以及M/G/1排队系统、车辆移动性、数据包大小分布、隐藏终端问题、非精确信道。同时,还定义了数据包延迟、数据包递交率、数据包接收率等三个基于统计平均意义的指标评判基本安全消息单跳广播的性能优劣,并且还推导出了它们的闭合表达式。（2）针对DTMC分析模型本身存在的近似问题,提出了一个更加精确的基于半马尔科夫链（Semi-Markov Process,SMP）的综合分析模型用于分析采用四种接入类别IEEE 802.11p EDCA协议的多类型安全消息单跳广播性能。该模型综合考虑了各种影响因素,包括隐藏终端、非饱和网络、MAC层退避过程以及M/G/1/K排队模型、Nakagami-m信道。同时还定义了基于收发器之间距离的数据包延迟、数据包递交率、数据包接收率等能够更加深入地反映广播可靠性变化的网络性能指标,并推导出了它们的闭合表达式。（3）针对采用同步P-持续重复（synchronized P-persistent repetition,SPR）接入协议的车辆队列（Vehicle Platooning）,建立了一个以搜索最优基本安全消息传输速率分配为目标的队列管理优化问题,并求解出了车辆队列在任意巡航速度下对应的最优基本安全消息传输速率分配。（4）在认知车联网频谱感知算法研究中,针对现有的基于最大特征值的单天线频谱算法检测在高噪声环境下准确率不高的问题,提出了一种基于最大特征值的多天线频谱感知算法,并推导出了算法的阈值以及虚警率的闭合表达式。同时,还提出了一种基于中继的本地主接收器（Primary Receiver,PR）检测频谱感知算法,能够找到在现有的基于主发射器（Primary Transmitter,PT）检测的频谱感知算法中认定为无效的频谱接入机会,并推导出了算法相应的漏检率和虚警率的闭合表达式。另外,在基于中继的本地PR检测算法的基础上,针对车联网中存在的隐藏终端、信道衰减问题,进一步提出了一种基于中继的协作频谱感知算法,并分别推导出了算法在“AND”,“OR”,“K-秩”融合规则下相应的漏检率和虚警率的闭合表达式。
王慕雪[9]（2020）在《物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告》文中认为从物联网概念出现至今,我国一直十分注重物联网的发展,发展物联网已成为落实创新、推动供给侧改革、实现智慧城市的重要举措。学习借鉴国外物联网领域的前沿研究成果对我国物联网研究与建设具有重要价值。本次翻译实践报告以《物联网:技术、平台和应用案例》（The Internet of Things:Enabling Technologies,Platforms,and Use Cases）为翻译素材,重点对科技术语翻译进行分析总结。物联网英语术语作为科技英语术语的一种,具有专业性强、语义严谨等特点,本次翻译实践报告将原文中出现的术语分为已有规范译文的物联网英语术语和未有规范译文的物联网英语术语两类,继而开展调查分析工作。对已有规范译文的术语,重点是甄别行业领域,选取规范译文,并从缩略词、复合词和半技术词三个方面总结术语的翻译方法,为术语翻译提供指导;对尚未有规范译文的术语,基于术语特征和已有术语翻译方法,提出直译法、拆译组合法、不译法以及多种译法结合等翻译方法,并结合实例进行了具体说明。希望本实践报告能够为从事科技类文献翻译工作的译者提供一定参考。
罗贵阳[10]（2020）在《车路协同环境下通信资源调度方法研究》文中研究说明车联网是一种基于人、车、环境协同的可控、可管、可运营的开放融合网络系统,它借助新一代通信与信息处理技术,实现车与人、车、路、服务平台的全方位网络连接与智能信息交换,以提升汽车感知、认知、决策水平,最终实现人、车、环境的深度融合。车路协同是车联网的重要场景,通过全方位实施车车、车路动态实时信息交互,开展车辆主动安全控制和道路协同管理,充分实现人、车、路的有效协同,保证交通安全,提高通行效率。由于车辆的移动性、时空分布不均等特点,导致车联网在支撑大规模车路协同过程中会面临资源瓶颈问题。本文围绕车联网服务对数据传输的时延、可靠性、带宽等要求,针对基于蜂窝网络的车用无线通信网络（C-V2X）中的资源瓶颈问题,重点从介质访问控制层、网络层与应用层三个层面来研究车联网的资源调度方法,主要创新成果如下:1)在介质访问控制层,针对资源分配稳定性需求与车辆运动高动态的矛盾,提出了一种基于软件定义网络的介质访问控制协议（MAC）,以支持协同驾驶等安全相关服务数据的低时延、高可靠、高频率通信。该方法的核心思想是:通过控制层和数据层的解耦,解决MAC协议中基于不可靠的车车通信获取时隙分配消息带来的不可靠问题。首先,路侧基础设施基于共享的时隙分配消息来集中式分配与管理时隙资源,确保可靠广播。然后,为了解决车辆密度变化的问题,设计了车路自适应通信范围的广播机制。最后,从理论上对两个典型的分布式介质访问控制协议进行理论建模,以分析协议在非完美信道下的性能。仿真结果表明,所提方法在接入时延、接入碰撞率、可靠性、网络吞吐量等方面都有明显的性能提升。2)在网络层,针对车辆超视距感知过程中的数据协作传输的效率问题,提出了一种面向车辆快速移动的网络拓扑重建方法,以支持局部车辆之间协作分享大带宽与低时延的感知数据。该方法首先利用蜂窝链路来收集车路上下文信息,让基站调度车-车、车-路之间设备到设备的直接通信。然后,把协作数据传输问题建模为基于干扰图的最大独立子集问题。在构建的干扰图中,图上的节点代表可能的多播传输,节点的边代表传输之间的无线通信限制。最后,提出了均衡贪婪算法和整数规划分解算法来求解最大独立子集问题,以高效地重建网络拓扑。仿真结果表明,所提方案在降低复杂度的同时,能够明显提高局部协作数据传输的效率。3)在应用层,针对大规模车-蜂窝通信中负载不均衡问题,提出了基于全局交通态势学习的大规模车-蜂窝通信负载均衡方法,以支持驾驶数据的均衡分发。首先,对考虑的区域进行网格化,并用网格的流入流量和流出流量来表示交通态势。其次,设计了三维卷积神经网络来有效学习与挖掘交通态势中蕴含的时间相关性和空间相关性,并利用学习的特征来预测交通态势的演变趋势。最后,把负载均衡问题建模为非线性优化问题,并使用卷积神经网络来拟合优化的过程。实验结果表明,所提方案能够明显提高蜂窝链路资源的利用率。
二、专用短程通信中主动与被动通信方式的性能比较（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、专用短程通信中主动与被动通信方式的性能比较（论文提纲范文）
（1）基于优先级的车联网拥塞控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究目的与意义 |
| 1.4 研究主要工作及论文结构安排 |
| 1.4.1 论文主要工作及创新点 |
| 1.4.2 论文组织结构 |
| 第二章 车联网中拥塞控制技术及优先级策略 |
| 2.1 车联网中的拥塞控制技术 |
| 2.1.1 基于竞争窗口的拥塞控制 |
| 2.1.2 基于速率的拥塞控制 |
| 2.1.3 基于功率的拥塞控制 |
| 2.2 车联网中的优先级策略 |
| 2.2.1 提供QoS支持的车联网通信 |
| 2.2.2 DSRC中的优先级机制 |
| 2.2.3 基于优先级的车联网无线通信 |
| 2.2.4 资源分配的公平性 |
| 2.3 本章小结 |
| 第三章 基于静态节点优先级的动态功率控制算法 |
| 3.1 引言 |
| 3.2 节点优先级 |
| 3.2.1 基于优先级的车联网通信的特点 |
| 3.2.2 节点优先级 |
| 3.3 基于节点优先级的功率控制 |
| 3.3.1 静态节点优先级 |
| 3.3.2 基于静态优先级的动态功率控制算法 |
| 3.3.3 算法分析 |
| 3.4 仿真与分析 |
| 3.4.1 场景设计及仿真软件介绍 |
| 3.4.2 仿真参数设计 |
| 3.4.3 性能指标 |
| 3.4.4 仿真结果及分析 |
| 3.5 本章小结 |
| 第四章 基于动态节点优先级的功率自适应算法 |
| 4.1 引言 |
| 4.2 动态节点优先级 |
| 4.3 基于动态节点优先级的功率自适应算法 |
| 4.3.1 信道容量和负载 |
| 4.3.2 基于动态节点优先级的功率自适应控制算法 |
| 4.4 仿真及结果分析 |
| 4.4.1 场景设计 |
| 4.4.2 仿真参数 |
| 4.4.3 仿真结果 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 下一步研究展望 |
| 参考文献 |
| 附录1 缩略语表 |
| 致谢 |
| 攻读学位期间取得的研究成果目录 |
（2）基于地理位置的车联网路由方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外现状 |
| 1.2.1 车联网的国内外现状 |
| 1.2.2 车联网路由协议的国内外现状 |
| 1.3 本文的主要研究内容及章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2章节安排 |
| 第2章 车联网路由技术基础 |
| 2.1 车联网概述 |
| 2.1.1 车联网架构 |
| 2.1.2 车联网的特点及其面临的挑战 |
| 2.1.3 车联网的相关应用 |
| 2.2 车联网无线通信技术 |
| 2.2.1 DSRC |
| 2.2.2 C-V2X |
| 2.2.3 DSRC与C-V2X技术比较 |
| 2.3 车联网路由协议 |
| 2.3.1 基于拓扑的路由协议 |
| 2.3.2 基于地理位置的路由协议 |
| 2.3.3 基于集群的路由协议 |
| 2.3.4 基于地理广播的路由协议 |
| 2.3.5 基于广播的路由协议 |
| 2.4 本章小结 |
| 第3章 基于地理位置的车联网路由协议优化 |
| 3.1 基于地理位置的贪婪转发路由算法描述 |
| 3.1.1 贪婪转发策略 |
| 3.1.2 边缘转发策略 |
| 3.2 问题的提出及解决方案 |
| 3.3 W-GPCR路由算法设计 |
| 3.3.1 权重选择的贪婪转发策略 |
| 3.3.2 权重选择的修复策略 |
| 3.3.3 权重占比分配策略 |
| 3.3.4 受限转发策略 |
| 3.4 本章小结 |
| 第4章 仿真实验与结果分析 |
| 4.1 仿真工具介绍 |
| 4.1.1 SUMO介绍 |
| 4.1.2 NS3介绍 |
| 4.2 仿真平台与交通模型的搭建 |
| 4.3 仿真参数和性能指标 |
| 4.3.1 仿真参数设置 |
| 4.3.2 性能指标 |
| 4.4 仿真结果与分析 |
| 4.4.1 包投递率 |
| 4.4.2 平均端到端时延 |
| 4.4.3 平均跳数 |
| 4.5 本章小结 |
| 第5章 路由协议实现方法 |
| 5.1 实现步骤 |
| 5.1.1 权重选择的贪婪转发策略实现步骤 |
| 5.1.2 权重选择的修复策略实现步骤 |
| 5.1.3 受限转发策略实现步骤 |
| 5.2 路由协议的数据交互 |
| 5.3 路由协议在实车上的组网验证 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（3）基于车联网的自动驾驶车辆编队算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究路线与内容 |
| 1.3 论文结构 |
| 第2章 基础理论与相关工作 |
| 2.1 V2X通信标准及应用 |
| 2.1.1 国内外标准 |
| 2.1.2 应用 |
| 2.2 复杂约束下自动驾驶的决策规划 |
| 2.2.1 决策与规划 |
| 2.2.2 车辆运动学模型 |
| 2.2.3 基于Frenet坐标系的路径速度解耦规划 |
| 2.2.4 三维时空坐标系下决策规划 |
| 2.2.5 基于LQR算法的最优控制优化 |
| 2.3 智能车辆编队实现及应用 |
| 2.3.1 编队控制及稳定性 |
| 2.3.2 基于车联网的编队算法 |
| 第3章 基于三维时空坐标系的轨迹生成算法 |
| 3.1 概述 |
| 3.1.1 算法原理 |
| 3.1.2 算法框架 |
| 3.2 STL采样空间构建 |
| 3.2.1 时空坐标系下的相对位置关系 |
| 3.2.2 角度锚点法 |
| 3.2.3 决策表达 |
| 3.3 参考路径生成 |
| 3.3.1 DP算法 |
| 3.3.2 约束与优化 |
| 3.4 基于ILQR算法的优化 |
| 3.5 本章小结 |
| 第4章 车辆编队算法设计 |
| 4.1 系统设计 |
| 4.1.1 队列通信 |
| 4.1.2 队列决策与控制 |
| 4.2 纵向编队 |
| 4.2.1 基于PID的纵向编队控制 |
| 4.2.2 基于MPC的纵向编队控制 |
| 4.3 横向编队 |
| 4.3.1 车辆入队 |
| 4.3.2 车辆离队 |
| 4.4 仿真实验 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介与科研成果 |
| 致谢 |
（4）车载信息娱乐系统安全研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 汽车安全体系研究 |
| 1.2.2 车载总线网络安全研究 |
| 1.2.3 车联网隐私保护研究 |
| 1.2.4 车载无线通信安全研究 |
| 1.3 问题的提出与分析 |
| 1.4 论文的主要研究内容和章节安排 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文章节和内容安排 |
| 第二章 IVI 系统网络安全威胁分析与建模 |
| 2.1 引言 |
| 2.2 IVI系统网络安全威胁分析 |
| 2.2.1 IVI系统基本功能结构 |
| 2.2.2 IVI系统网络安全威胁分析 |
| 2.3 基于STRIDE和攻击树的IVI系统网络安全威胁模型 |
| 2.3.1 网络安全威胁建模方法 |
| 2.3.2 IVI系统网络安全威胁模型 |
| 2.4 基于层次分析法的IVI系统网络安全风险评估 |
| 2.5 小结 |
| 第三章 基于零信任安全框架的IVI系统外部网络安全威胁防护 |
| 3.1 引言 |
| 3.2 零信任安全 |
| 3.3 基于零信任安全框架的IVI系统外部网络安全威胁防护方法 |
| 3.3.1 外部网络安全防护结构分析 |
| 3.3.2 IVI应用资源安全等级分析 |
| 3.3.3 零信任安全访问控制系统 |
| 3.3.4 外部安全信息检测系统 |
| 3.4 实验分析 |
| 3.5 小结 |
| 第四章 基于安全代理的轻量级IVI系统总线网络安全防护 |
| 4.1 引言 |
| 4.2 安全代理技术 |
| 4.3 基于安全代理的轻量级IVI系统总线网络安全防护方法 |
| 4.3.1 内部总线网络安全防护结构分析 |
| 4.3.2 内部总线网络安全防护系统 |
| 4.4 实验分析 |
| 4.5 小结 |
| 第五章 基于匿名交换算法的数据传输威胁抑制方法 |
| 5.1 引言 |
| 5.2 匿名化技术 |
| 5.3 基于匿名交换算法的数据传输威胁抑制方法 |
| 5.3.1 安全威胁目标等级识别 |
| 5.3.2 数据匿名化分析 |
| 5.3.3 基于私密随机预编码的密钥匿名交换威胁抑制 |
| 5.4 实验分析 |
| 5.5 小结 |
| 第六章 基于模糊综合评价法的数据传输机制优化方法 |
| 6.1 引言 |
| 6.2 模糊综合评价 |
| 6.3 基于模糊综合评价法的数据传输机制优化方法 |
| 6.3.1 车联网无线通信传输机制 |
| 6.3.2 传输特征综合评价分析 |
| 6.3.3 无线通信传输机制优化 |
| 6.4 实验分析 |
| 6.5 小结 |
| 第七章 总结与展望 |
| 7.1 论文主要研究工作和成果 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（5）面向车联网中CAMs速率的自适应拥塞控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 研究背景以及意义 |
| 1.2 车联网概述 |
| 1.2.1 车联网中拥塞控制的国内外研究 |
| 1.2.2 车联网技术的应用 |
| 1.2.3 有待研究的问题 |
| 1.3 研究内容及论文框架 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文主要框架 |
| 1.4 本章小结 |
| 2 车载安全通信的理论知识 |
| 2.1 车载安全通信的主要架构 |
| 2.2 专用短距离通信 |
| 2.3 CAM协议概述 |
| 2.3.1 CAM协议文档 |
| 2.3.2 CAM消息生成文档 |
| 2.4 本章小结 |
| 3 车载安全通信仿真平台搭建 |
| 3.1 车联网仿真平台简介 |
| 3.1.1 车辆道路仿真平台 |
| 3.1.2 网络仿真平台 |
| 3.1.3 综合仿真平台 |
| 3.2 VSC通信仿真平台搭建 |
| 3.3 仿真环境实现 |
| 3.3.1 交通模块定义 |
| 3.3.2 仿真实验 |
| 3.4 本章小结 |
| 4 面向CAMs速率的自适应控制 |
| 4.1 速率传输策略 |
| 4.1.1 CAMs速率对车联网拥塞控制的影响 |
| 4.1.2 CAMs最优传输速率研究 |
| 4.2 信道拥塞控制策略 |
| 4.2.1 自源CAMs检测模块 |
| 4.2.2 邻居车辆检测模块 |
| 4.3 估算CAMs接收概率 |
| 4.3.1 模型符号定义 |
| 4.3.2 具体建模 |
| 4.4 仿真与评估 |
| 4.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（6）智能移动终端间短距离通信安全关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 摄像头-屏幕间短距离通信 |
| 1.2.2 基于声音信道的短距离通信安全 |
| 1.2.3 智能移动终端间短距离通信身份认证协议 |
| 1.2.4 现有工作存在的问题 |
| 1.3 本文研究内容 |
| 1.3.1 基于快速图像校正的摄像头-屏幕间短距离隐蔽通信研究 |
| 1.3.2 基于友好干扰技术的声音短距离安全通信研究 |
| 1.3.3 面向智能家居短距离通信场景的多因素身份认证协议研究 |
| 1.4 论文结构 |
| 2 基于快速图像校正的摄像头-屏幕间短距离隐蔽通信协议 |
| 2.1 引言 |
| 2.2 摄像头-屏幕间短距离隐蔽通信协议设计 |
| 2.2.1 动态摄像头-屏幕间短距离隐蔽通信原理 |
| 2.2.2 协议设计目标与协议结构 |
| 2.3 基于传感器姿态数据的快速图像校正算法 |
| 2.3.1 智能手机中的传感器 |
| 2.3.2 图像像素的坐标系变换 |
| 2.3.3 基于传感器数据的快速图像校正 |
| 2.4 基于用户分类的图形编码方案 |
| 2.4.1 基于用户分类的数据图形设计 |
| 2.4.2 图形编码方案安全性分析 |
| 2.4.3 协议发送与接收流程 |
| 2.5 实验与结果分析 |
| 2.5.1 实验设置 |
| 2.5.2 快速图形校正算法实验分析 |
| 2.5.3 通信性能分析 |
| 2.6 本章小结 |
| 3 基于友好干扰技术的声音短距离通信安全研究 |
| 3.1 引言 |
| 3.2 基于声音信道的安全短距离通信总体设计 |
| 3.2.1 设计目标 |
| 3.2.2 威胁模型 |
| 3.2.3 通信协议结构 |
| 3.2.4 秘密共享模块 |
| 3.2.5 数据信号载频选择 |
| 3.2.6 自适应信号强度选择 |
| 3.2.7 友好干扰信号的生成和移除 |
| 3.2.8 系统整合 |
| 3.3 安全性分析 |
| 3.3.1 位置攻击 |
| 3.3.2 盲源信号分离攻击 |
| 3.3.3 拒绝服务攻击 |
| 3.3.4 重放攻击与中间人攻击 |
| 3.4 实验与结果分析 |
| 3.4.1 实验基础设置 |
| 3.4.2 通信质量分析 |
| 3.4.3 通信速度分析 |
| 3.4.4 盲源信号分离攻击能力分析 |
| 3.4.5 抵御盲源信号分离攻击分析 |
| 3.4.6 秘密共享方案实验结果分析 |
| 3.4.7 耗电量分析 |
| 3.4.8 与已有工作比较 |
| 3.5 本章小结 |
| 4 面向智能家居短距离通信场景的多因素身份认证协议 |
| 4.1 引言 |
| 4.2 面向智能设备间短距离通信的多因素身份认证协议设计 |
| 4.2.1 身份认证安全设计目标 |
| 4.2.2 威胁模型 |
| 4.2.3 面部识别原理与过程 |
| 4.2.4 硬件指纹识别原理与过程 |
| 4.3 身份认证协议注册与认证流程 |
| 4.3.1 注册阶段 |
| 4.3.2 认证阶段 |
| 4.4 安全性分析 |
| 4.4.1 BAN逻辑分析 |
| 4.4.2 攻击分析 |
| 4.5 实验与结果分析 |
| 4.5.1 实验环境设置 |
| 4.5.2 身份认证效率分析 |
| 4.5.3 已有工作对比结果分析 |
| 4.5.4 用户接受度分析 |
| 4.6 本章小结 |
| 5 结论 |
| 5.1 论文的主要贡献 |
| 5.2 下一步研究方向 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）面向车联网智能信息传输的关键新技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 选题背景 |
| 1.1.2 依托课题 |
| 1.2 车联网概述 |
| 1.2.1 车联网概念及体系结构 |
| 1.2.2 车联网基本特征 |
| 1.2.3 车联网通信 |
| 1.2.4 车联网应用 |
| 1.3 研究的目的和意义 |
| 1.4 本文主要研究内容 |
| 1.5 本文组织结构 |
| 第二章 车联网信息传输的相关技术 |
| 2.1 车联网DSRC/WAVE通信技术 |
| 2.1.1 IEEE802.11p协议 |
| 2.1.2 IEEE1609协议 |
| 2.1.3 MAC层 CSMA/CA机制 |
| 2.1.4 MAC层 TDMA机制 |
| 2.2 消息广播分发机制 |
| 2.2.1 消息广播分发机制及面临的挑战 |
| 2.2.2 消息广播分发协议分类与分析 |
| 2.2.3 消息广播分发跨层干扰受限的功率分配策略 |
| 2.3 车联网数据缺失修复 |
| 2.3.1 张量概念与运算 |
| 2.3.2 张量修复与填充理论 |
| 2.3.3 车联网数据缺失估计机制 |
| 2.4 数据分组传输路由协议 |
| 2.4.1 基于拓扑结构的路由协议 |
| 2.4.2 基于地理位置贪婪路由协议 |
| 2.4.3 基于簇的分层结构路由协议 |
| 2.4.4 基于条件预测及其它路由协议 |
| 2.5 本章小结 |
| 第三章 面向车联网应用环境的消息智能分发新方法 |
| 3.1 引言 |
| 3.2 消息分发时间分析 |
| 3.2.1 消息分发协议抑制“泛洪”冗余杂散分发方法 |
| 3.2.2 冗余杂散分发问题的产生 |
| 3.3 智能消息分发新方法模型 |
| 3.3.1 物理层信道模型 |
| 3.3.2 MAC层策略 |
| 3.3.3 网络层消息分发时延转发机制 |
| 3.3.4 基于跨层的消息分发时延转发策略 |
| 3.4 基于跨层的自适应智能消息分发方法(CLCBF) |
| 3.5 仿真分析与实验测试 |
| 3.5.1 仿真分析 |
| 3.5.2 实验测试 |
| 3.6 本章小结 |
| 第四章 基于FNN的张量异质集成车联网缺失数据估计新方法 |
| 4.1 引言 |
| 4.2 车联网数据集张量设置与性能度量 |
| 4.2.1 数据集张量设置 |
| 4.2.2 车联网数据来源 |
| 4.2.3 性能度量指标 |
| 4.3 算法描述 |
| 4.3.1 基于FNN的张量异质集成模型 |
| 4.3.2 算法策略 |
| 4.3.3 模糊神经网络优化 |
| 4.3.4 基于FNN的张量异质集成缺失数据估计方法的设计 |
| 4.3.5 算法复杂度分析 |
| 4.4 实验测试和讨论 |
| 4.4.1 性能度量 |
| 4.4.2 性能分析 |
| 4.5 本章小结 |
| 第五章 基于群智感知策略的可靠车联网数据传输新方法 |
| 5.1 引言 |
| 5.1.1 研究的主要问题 |
| 5.1.2 研究现状 |
| 5.2 系统概述与建模 |
| 5.2.1 系统概述 |
| 5.2.2 系统建模 |
| 5.3 基于群智感知策略的可靠车联网数据分组传输新方法 |
| 5.3.1 方法概述 |
| 5.3.2 算法策略 |
| 5.4 仿真分析与实验测试 |
| 5.4.1 仿真环境设置 |
| 5.4.2 实验分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 在学期间取得的科研成果和科研情况说明 |
| 致谢 |
（8）基于DSRC的车辆主动式安全通信性能分析与资源分配（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作与贡献 |
| 1.4 本文的结构安排 |
| 第二章 基本安全消息广播性能分析 |
| 2.1 系统描述和基本假设 |
| 2.1.1 系统描述 |
| 2.1.2 基本假设 |
| 2.2 平均服务时间计算 |
| 2.2.1 退避过程数学模型 |
| 2.2.2 平均时间间隙 |
| 2.2.3 平均服务时间 |
| 2.3 网络性能指标 |
| 2.3.1 数据包递交率 |
| 2.3.2 数据包延迟 |
| 2.3.3 数据包接收率 |
| 2.4 模型验证与分析 |
| 2.4.1 仿真场景与参数设定 |
| 2.4.2 仿真结果分析 |
| 2.5 本章小结 |
| 第三章 多类型安全消息广播性能分析 |
| 3.1 系统描述与基本假设 |
| 3.1.1 接入协议 |
| 3.1.2 半马尔可夫过程 |
| 3.1.3 高速公路环境模型 |
| 3.1.4 系统假设 |
| 3.2 分析模型 |
| 3.2.1 整体模型 |
| 3.2.2 退避过程数学模型 |
| 3.2.3 平均服务时间计算 |
| 3.2.4 定点迭代算法 |
| 3.3 网络性能指标 |
| 3.3.1 数据包延迟 |
| 3.3.2 数据包递交率 |
| 3.3.3 数据包接收率 |
| 3.4 模型验证与分析 |
| 3.5 本章小结 |
| 第四章 车辆队列中基本安全消息传输速率分配优化 |
| 4.1 背景介绍与系统模型 |
| 4.1.1 车辆队列 |
| 4.1.2 接入协议 |
| 4.1.3 系统模型 |
| 4.1.4 网络效用函数最大化问题 |
| 4.2 网络性能指标 |
| 4.2.1 干扰范围和干扰源数量 |
| 4.2.2 数据包延迟 |
| 4.3 交通性能指标 |
| 4.3.1 交通安全先决条件 |
| 4.3.2 交通流量 |
| 4.4 传输速率分配优化 |
| 4.4.1 网络效用函数 |
| 4.4.2 集中式优化问题 |
| 4.5 仿真实验与验证 |
| 4.5.1 模型验证 |
| 4.5.2 性能评估 |
| 4.6 本章小结 |
| 第五章 认知车联网频谱感知算法研究 |
| 5.1 问题描述与系统模型 |
| 5.1.1 问题描述 |
| 5.1.2 闭环功率控制 |
| 5.2 基于最大特征值的多天线频谱感知算法 |
| 5.2.1 最大特征值检测原理 |
| 5.2.2 阈值和虚警率 |
| 5.3 基于中继的本地频谱感知算法 |
| 5.3.1 检测器工作原理 |
| 5.3.2 检测器设计 |
| 5.4 基于中继的协作频谱感知算法 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（9）物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 翻译任务与过程描述 |
| 1.1 翻译任务介绍 |
| 1.2 翻译文本描述 |
| 1.3 翻译工具介绍 |
| 1.4 翻译过程设计 |
| 第二章 术语与物联网英语术语 |
| 2.1 术语及术语翻译方法 |
| 2.2 物联网英语术语特征 |
| 2.3 物联网英语术语翻译方法 |
| 第三章 翻译案例分析 |
| 3.1 已有规范译文的物联网英语术语 |
| 3.1.1 缩略词术语 |
| 3.1.2 术语中的复合词 |
| 3.1.3 术语中的半技术词 |
| 3.2 未规范的物联网英语术语 |
| 3.2.1 直译法 |
| 3.2.2 拆译组合法 |
| 3.2.3 不译法 |
| 3.2.4 多种译法结合法 |
| 第四章 总结与反思 |
| 4.1 翻译总结 |
| 4.2 翻译问题与不足 |
| 参考文献 |
| 附录1 术语表 |
| 附录2 原文 |
| 附录3 译文 |
| 致谢 |
（10）车路协同环境下通信资源调度方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要缩略语及中英文对照 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 车与路的网联智能化与协同化 |
| 1.1.2 基于蜂窝技术的C-V2X |
| 1.1.3 基于车路协同的智能交通系统 |
| 1.2 研究问题与目标 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 1.5 课题来源 |
| 第二章 车联网资源调度方法研究综述 |
| 2.1 车联网介质访问控制层资源调度研究现状 |
| 2.1.1 介质访问控制层协议 |
| 2.1.2 基于软件定义网络的资源调度方法 |
| 2.2 车联网网络层资源调度研究现状 |
| 2.2.1 异构网络中的数据分发 |
| 2.2.2 基于软件定义网络的数据协作传输 |
| 2.3 车联网应用层资源调度研究现状 |
| 2.3.1 车-蜂窝通信负载均衡 |
| 2.3.2 交通态势预测 |
| 2.3.3 基于深度学习的优化问题逼近算法 |
| 2.4 本章小结 |
| 第三章 基于软件定义网络的时隙资源调度方法 |
| 3.1 引言 |
| 3.2 信道质量对分布式MAC协议的影响 |
| 3.2.1 基于单跳感知的STDMA |
| 3.2.2 基于两跳感知的VeMAC |
| 3.2.3 数值仿真 |
| 3.3 基于路侧调度的MAC协议 |
| 3.3.1 基于控制与传输分离的时隙资源分配管理体系 |
| 3.3.2 路侧协调下的时隙资源调度 |
| 3.3.3 基站间时隙资源调配最优化 |
| 3.4 性能评估 |
| 3.4.1 对比试验以及评估参数 |
| 3.4.2 实验设置 |
| 3.4.3 仿真验证 |
| 3.5 本章小结 |
| 第四章 基于干扰图的网络拓扑重建方法 |
| 4.1 引言 |
| 4.2 系统概述与问题建模 |
| 4.2.1 系统概述 |
| 4.2.2 基于边缘调度的协作数据传输 |
| 4.2.3 最大化资源利用率计算 |
| 4.3 基于图论的网络拓扑资源调度方法 |
| 4.3.1 基于图论的协作数据传输 |
| 4.3.2 整数规划分解算法 |
| 4.4 性能评估 |
| 4.4.1 理论分析 |
| 4.4.2 实验设置 |
| 4.4.3 实验结果 |
| 4.5 本章小结 |
| 第五章 基于宏观交通态势学习的车-蜂窝通信负载均衡方法 |
| 5.1 引言 |
| 5.2 系统概述与问题建模 |
| 5.2.1 系统概述 |
| 5.2.2 交通态势预测 |
| 5.2.3 负载均衡 |
| 5.3 车-蜂窝通信资源的均衡调度 |
| 5.3.1 基于卷积神经网络的交通态势预测 |
| 5.3.2 实时负载均衡模型 |
| 5.3.3 端到端负载均衡模型训练 |
| 5.4 性能评估 |
| 5.4.1 实验设置 |
| 5.4.2 对比方法 |
| 5.4.3 实验结果 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 工作总结 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文目录 |
| 攻读博士学位期间参与项目及专利 |
四、专用短程通信中主动与被动通信方式的性能比较（论文参考文献）
- [1]基于优先级的车联网拥塞控制研究[D]. 李慧文. 北京邮电大学, 2021(01)
- [2]基于地理位置的车联网路由方法研究[D]. 李敏. 湖南工业大学, 2021(02)
- [3]基于车联网的自动驾驶车辆编队算法研究[D]. 乔旭. 吉林大学, 2021(01)
- [4]车载信息娱乐系统安全研究[D]. 张宏涛. 战略支援部队信息工程大学, 2021(01)
- [5]面向车联网中CAMs速率的自适应拥塞控制研究[D]. 宋慧. 兰州交通大学, 2021(02)
- [6]智能移动终端间短距离通信安全关键技术研究[D]. 张骁. 北京交通大学, 2021(02)
- [7]面向车联网智能信息传输的关键新技术研究[D]. 张婷. 天津理工大学, 2020
- [8]基于DSRC的车辆主动式安全通信性能分析与资源分配[D]. 胡林. 电子科技大学, 2020(03)
- [9]物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告[D]. 王慕雪. 青岛大学, 2020(02)
- [10]车路协同环境下通信资源调度方法研究[D]. 罗贵阳. 北京邮电大学, 2020