✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知，求助可私信。
🔥 内容介绍
本文探讨了一个在车联网(I2V)场景中运行的、基于毫米波(mmWave)频段和802.11ad帧的分组调度器项目。该项目基于以色列理工大学Eldar教授的研究成果，该研究证明了802.11ad帧可用于雷达操作，并能提供关于移动物体（例如高速公路上的车辆）位置和速度的精确信息。
该项目采用离散事件模拟(DES)方法构建，其中802.11ad的时间槽(TS)被视为系统中的一个事件。车辆沿x轴移动，其速度范围符合高速公路场景的典型情况。假设每辆车都与网络同步，并等待从基站(BS)接收数据。
基站包含调度逻辑，在每个时间槽(TS)中，它根据车辆的应用需求决定为哪辆车服务。通过估计车辆的位置和速度来控制波束宽度和传输扇区。基站还控制每个时间槽的操作模式：雷达模式或通信模式。在雷达模式下，它发送虚拟的802.11ad帧来估计给定扇区内车辆的位置和速度。在通信模式下，它向车辆发送相关信息。
模拟结束后，脚本会绘制关于吞吐量、到基站的距离以及每个时间槽(TS)的信噪比(SNR)的测量结果。
一、系统架构与功能模块
该分组调度器模拟了一个典型的I2V场景，其中基站作为中央控制单元，负责车辆的定位、数据传输和资源分配。系统架构主要包含以下几个功能模块：
-
车辆模型: 模拟车辆在高速公路上的运动轨迹，包括位置、速度和加速度等参数。模型考虑了车辆的随机性，以模拟真实交通状况。 车辆模型根据预设的速度范围随机生成其初始速度，并在模拟过程中根据一定的加速度变化模型更新其位置和速度。 为了简化模拟，车辆的加速度变化被设定为随机过程，但可以根据实际需求进行更复杂的建模。
-
基站模型: 基站是系统的核心，负责调度和资源分配。其主要功能包括：
-
车辆状态估计: 利用802.11ad帧进行雷达探测，估计车辆的位置和速度。该模块需要考虑毫米波信号的传播特性，例如多径效应和衰落。 估计过程可能涉及到信号处理算法，例如多普勒频移测量和波束成形技术。
-
分组调度算法: 根据车辆的位置、速度、应用需求和信道状态等信息，决定在每个时间槽(TS)为哪辆车服务。 调度算法可以是基于优先级的、基于公平性的，或者更复杂的混合算法。
-
波束控制: 根据估计的车辆位置和速度，控制波束宽度和传输扇区，以提高传输效率和减少干扰。 这需要考虑毫米波波束的指向性和扫描机制。
-
操作模式选择: 在每个时间槽(TS)选择雷达模式或通信模式。 雷达模式用于车辆定位，而通信模式用于数据传输。 模式的选择策略需要平衡定位精度和数据传输效率。
-
-
信道模型: 模拟毫米波信道特性，包括路径损耗、多径衰落和阴影衰落等。毫米波信道的特性对系统性能有着显著的影响，因此需要一个精确的信道模型。 此模型应该考虑毫米波传播的特殊性，例如高路径损耗和对障碍物敏感等。
-
802.11ad帧模型: 模拟802.11ad帧的传输过程，包括帧头、帧负载和CRC校验等。 这部分需要根据802.11ad协议标准进行建模。
-
性能评估模块: 收集和分析模拟结果，包括吞吐量、延迟、信噪比(SNR)和到基站的距离等指标。 该模块通过绘图和统计分析等方法对模拟结果进行可视化和量化分析。
二、模拟结果分析与讨论
模拟结果将以图表形式呈现，直观地展示吞吐量、距离和信噪比随时间槽变化的趋势。 通过分析这些结果，可以评估不同分组调度算法、波束控制策略和操作模式选择策略对系统性能的影响。 例如，可以比较不同调度算法下的平均吞吐量、延迟和公平性，以及不同波束控制策略下的信噪比和覆盖范围。
模拟结果的分析需要考虑以下几个方面：
-
吞吐量: 反映单位时间内成功传输的数据量，是衡量系统效率的重要指标。 需要分析影响吞吐量的因素，例如车辆密度、信道状态和调度算法。
-
延迟: 反映数据从基站到车辆的传输时间，是衡量系统实时性的重要指标。 需要分析不同调度算法和信道状态下的延迟特性。
-
信噪比(SNR): 反映信号强度与噪声强度的比值，直接影响数据传输的可靠性。 需要分析不同波束控制策略和信道状态下的SNR变化规律。
-
到基站的距离: 影响信号强度和传输延迟，需要分析不同距离下的系统性能。
三、未来工作展望
本项目可以进一步扩展，例如：
-
更复杂的车辆运动模型: 考虑车辆加速度的非线性变化和车辆间的相互影响。
-
更精细的信道模型: 考虑更多毫米波信道特性的影响，例如多用户干扰。
-
更先进的分组调度算法: 研究和实现更优化的调度算法，例如基于深度学习的智能调度算法。
-
考虑实际应用场景: 将模拟结果与实际高速公路场景进行对比分析。
总之，本项目通过离散事件模拟方法，研究了基于毫米波802.11ad帧的I2V场景分组调度器，并对系统性能进行了评估。 该项目的研究成果对于设计和优化I2V系统具有重要的参考价值。 未来的工作将致力于进一步完善模型和算法，以提高系统的性能和可靠性。
📣 部分代码
if DEBUG
fprintf('car %d reaches car %d at time %.2f at location %.2f\n', ...
cID,cIDCol{cID},tCol(cID),xIntUpdate{cID}(1));
end
% Update total time to simTarget. The total time is the product
% within the intervals xInt and the velocity at each interval (like
% an Integral). we add 0 as to simulate the end of the simulation.
cInitTime(cID) = sum(diff([xInt{cID} 0])./vInt{cID});
% Update the status of the cars behind the car that just collided
[xInt,vInt,cPass,cInitTime] = update_tail_cars_velocities ...
(cID,xInt,vInt,tInt,cPass,cInitTime,NCARS,DEBUG);
end
end
function [tCol , xIntUpdate, vIntUpdate, cIDCol] = detect_collision(cID,cIDColList,xInt,vInt,cPass)
tColList = Inf(length(cIDColList),1); % Final Collision time for each car in cIDColList
xColList = Inf(length(cIDColList),1); % Final Collision location for each car in cIDColList
% Iterate over each cIDCol that collided with cID
for idxIDCol = 1:length(cIDColList)
cIDCol1 = cIDColList(idxIDCol);
% Calculate intervals in terms of time (xInt -> tInt)
vIDList = vInt{cID};
xIDList = xInt{cID};
vIntColList = vInt{cIDCol1};
xIntColList = xInt{cIDCol1};
tIntID = cumsum(diff([xIDList 0]) ./ vIDList);
tIntCol = cumsum(diff([xIntColList 0]) ./ vIntColList);
% Append time intervals and use it as timestamps (ts)
tsList = [tIntID tIntCol];
tsList = sort(tsList);
% Check at each timestamp if cID has surpassed cIDCol
mID = xIDList(1); % Initial Location of cID
mCol = xIntColList(1); % Initial Location of cIDCol
tsPast = 0; % Previous timeStamp
for t = 1:length(tsList)
% Select speeds for each time stamp
index = find(tIntID >= tsList(t), 1, 'first');
vID = vIDList(index);
index = find(tIntCol >= tsList(t), 1, 'first');
vCol = vIntColList(index);
% Calculate where they are in space
mID1 = mID; mCol1 = mCol; % Backup in case they collide
mID = mID + vID * (tsList(t) - tsPast);
mCol = mCol + vCol * (tsList(t) - tsPast);
% Calculate if they colided in the time stamp interval
if mID > mCol % They have collided in the ts interval
tColInterval = (mID1 - mCol1)./(vCol - vID); % Time within time interval
tColList(idxIDCol) = tsPast + tColInterval;
xColList(idxIDCol) = mID1 + vID*tColInterval;
% fprintf('\t\t%d collides with %d at time %.2f at location %.2f\n', ...
% cID, cIDCol1, tColList(idxIDCol), xColList(idxIDCol));
break;
end
tsPast = tsList(t);
end
end
notFound = true;
while(notFound)
% We take the minimum since the first collision is the one
% that causes the speed correction. We return the instant, the location
% and the car ID
[tCol , indxCol] = min(tColList);
if ~ismember(cIDColList(indxCol),cPass) || isinf(tCol)
notFound = false;
else
tColList(indxCol) = Inf(1); % cID has already passed cIDPass
end
end
% The collision happens out of range, we do not care
if xColList(indxCol) > 0 ; tCol = Inf(1); end
% The new space intervals need to contain the updated location vector
% of cIDCol.
delta = 0.5; % Car correction in meters. It represents the car length.
% The car needs to break before reaching the next car
% (Physics 101)
xIntUpdate = xColList(indxCol) - delta;
% Update the latest velocity of the car that we just crashed. If cIDCol
% has crashed with someone earlier, it is not reflected in the new
% speed.
vIntUpdate = vInt{cIDColList(indxCol)}(end);
% ID of the car first car that collides with cID
cIDCol = cIDColList(indxCol);
end
function [xInt,vInt,cPass,cInitTime] = update_tail_cars_velocities(cID,xInt,vInt,tInt,cPass,cInitTime,NCARS,DEBUG)
someoneToUpdate = true;
cIDUpdate = [];
delta = 0.5; % Car length to be corrected in the collision location
while someoneToUpdate
for id = 1:NCARS
if ismember(cID,cPass{id})
cIDUpdate = id; % cIDUpdate is the car that is driving
% right behind the car updated in the
% previous iteration
break;
else
cIDUpdate = [];
end
end
if ~isempty(cIDUpdate) % Check if there is any car to be updated
% Update Basic parameters for cIDUpdate
xCol = xInt{cID}(end) - delta;
xInt{cIDUpdate} = [xInt{cIDUpdate} xCol];
vInt{cIDUpdate} = [vInt{cIDUpdate} vInt{cID}(end)];
tInt{cIDUpdate} = [tInt{cIDUpdate} tInt{cID}(end)];
cPass{cIDUpdate} = [cPass{cIDUpdate} cPass{cID}(end)];
% Update times
cInitTime(cIDUpdate) = sum(diff([xInt{cIDUpdate} 0])./vInt{cIDUpdate});
if DEBUG
fprintf('\tcar %d updated by car %d at time %.2f at location %.2f\n', ...
cIDUpdate,cID,tInt{cIDUpdate}(end),xInt{cIDUpdate}(end));
end
% The updated car needs to update its followers
cID = cIDUpdate;
else
someoneToUpdate = false;
end
end
end
⛳️ 运行结果
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🎁 私信完整代码和数据获取及论文数模仿真定制
🌿 往期回顾可以关注主页，点击搜索
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
