Statistical Analysis of Geometric Algorithms in Vehicular Visible Light Positioning
针对车载可见光定位中几何算法受信道噪声影响产生统计误差的问题，本文提出两种未被探究的几何算法，对比现有最优算法性能并推导克拉美罗下界分析理论性能，发现方位角类算法横向定位精度高、距离类算法纵向精度高。
2023-08-21 cs.SY eess.SP eess.SY
Extended Kalman Filter Beam Tracking for Millimeter Wave Vehicular Communications
毫米波（mmWave）通信是一种很有前途的技术，以满足车辆通信不断增长的数据流量。不幸的是，由于用于补偿高路径损耗的窄波束，在该频谱中需要更频繁的信道估计。因此，开发高效的波束跟踪算法对于实现该技术至关重要，特别是对于车辆通信中快速变化的环境。在本文中，我们提出了一种创新的方案，用于波束跟踪的基础上扩展的卡尔曼滤波器（EKF），提高了49%的均方误差性能在车辆设置。我们建议使用的位置，速度和信道系数作为状态变量的EKF算法，并表明，这种方法的结果在改进的波束跟踪与低计算复杂度，考虑到系统的运动学特性。我们还明确推导出封闭的表达式的雅可比矩阵的EKF算法。
2019-11-05 eess.SP
Measurement Based Non-Line-Of-Sight Vehicular Visible Light Communication Channel Characterization
车辆可见光通信（V-VLC）旨在提供安全的补充车辆到一切通信（V2X），以提高道路安全和交通效率。V-VLC提供定向传输，主要实现视距（LoS）通信。然而，由于附近物体的反射使得非视线（NLoS）传输成为可能，从而将使用场景扩展到LoS之外。本文提出了一种基于宽带测量的NLoS信道特性，并对直流偏置光正交频分复用（DCO-OFDM）V-VLC方案在NLoS信道中的性能进行了评估。本文提出了一种基于距离的NLoS V-VLC信道路径损耗模型，该模型考虑了反射面特性和NLoS V-VLC信道脉冲响应（CIR），并通过加权双伽玛函数将车辆反射引起的时间展宽效应考虑在内。建议的路径损耗模型产生更高的精度高达14 dB相比，单阶反射模型，而CIR模型估计的半高全宽高达2 ns的精度。我们进一步证明，对于DCO-OFDM传输，对于黑色、橙色和白色车辆反射引起的测量NLoS V-VLC信道，可以在7.86 m、9.79 m和17.62 m的距离内实现10^-3的目标误码率。
2021-11-22 cs.SY eess.SP eess.SY
Propagation Channels for mmWave Vehicular Communications: State-of-the-art and Future Research Directions
车载通信本质上支持汽车应用的安全性和信息娱乐。因此，行业领导者设想车辆通信在第五代移动通信技术中发挥更大的作用。多年来，车载传感器的数量稳步增加，这可能导致在短时间内产生更多的关键数据通信量。此外，诸如远程/自动驾驶和诸如高清电影流之类的信息娱乐等新兴应用需要多个Gbit/s量级的数据速率。如此高的数据速率需要大的系统带宽，但是在低于6 GHz的蜂窝频带中可用的带宽非常有限。这引发了对毫米波（mmWave）频带（10 GHz-300 GHz）的研究兴趣，其中大带宽可用于支持为新兴车辆应用设想的高数据速率和低延迟通信。然而，利用毫米波通信需要彻底了解相关的车辆传播信道，这与6 GHz以下的研究有很大不同。尽管它们的意义，在文献中报道的毫米波车载信道的调查很少。这项工作突出了毫米波车载通信信道的关键属性，并调查了最近的文献信道表征的努力，以提供一个差距分析，并提出可能的方向，为未来的研究。
2018-12-06 cs.IT eess.SP math.IT
Fast Channel Estimation and Beam Tracking for Millimeter Wave Vehicular Communications
毫米波（mmWave）被认为是高带宽车载通信的唯一可行解决方案。然而，提供令人满意的服务质量所需的频繁的信道估计和波束成形限制了用于车辆通信的毫米波。在本文中，我们提出了一种新的信道估计和波束跟踪框架毫米波通信在车载网络设置。对于信道估计，我们提出了一种算法，称为鲁棒自适应多反馈（RAF），实现现有的信道估计算法的估计性能相当，与一个显着较少的反馈位数。我们推导出估计误差（PEE）的RAF算法的概率上界和下界，给定一些信道估计，其准确性通过蒙特卡罗模拟验证。对于波束跟踪，我们提出了一个新的实用模型的毫米波车载通信。与现有的算法相比，该模型基于位置、速度和信道系数，使得跟踪性能有了显著的提高。针对新的波束跟踪模型，重新推导了雅可比矩阵方程，降低了车载通信的复杂度。大量的仿真结果表明，我们提出的信道估计方法和波束跟踪算法与现有的算法和模型相比，具有优越性。仿真结果表明，RAF算法可以达到预期的PEE，而平均而言，减少了75.5%的反馈开销和总的信道估计时间的14%。波束跟踪算法也被示出为显着提高波束跟踪性能，允许更多的空间用于数据传输。
2019-09-25 eess.SP
Intelligent Reflecting Surface Aided Vehicular Communications
我们调查使用的智能反射表面（IRS）在毫米波（mmWave）车载通信网络。智能反射表面由无源元件组成，可以反射具有可调相移的输入信号。通过适当调整相移，我们可以提高链路性能。这被称为相位优化或无源波束成形。我们考虑在上行链路中的速率最大化的问题，它利用IRS。然而，使用IRS在信道估计方面带来更多挑战。我们提出了两种方案，以减少与利用IRS相关联的信道估计开销。一种方法使用反射元件的分组，另一种方法基于设备的位置执行被动波束成形。数值结果表明，IRS可以带来显着的改善现有的通信。此外，得到一个实际的洞察车载通信辅助IRS，我们使用商业射线跟踪工具来评估性能。
2020-11-05 eess.SP
Radar-assisted Predictive Beamforming for Vehicular Links: Communication Served by Sensing
在未来的车载网络中，传感和通信功能将交织在一起。在本文中，我们研究了雷达辅助的预测波束形成设计的车辆到基础设施（V2I）通信，利用双功能雷达通信（DFRC）技术。为了实现联合传感和通信功能的路边单元（RSU），我们提出了一种新的扩展卡尔曼滤波（EKF）框架来跟踪和预测每辆车的运动参数。通过利用RSU的雷达功能，我们表明，通信波束跟踪开销可以大大减少。为了在保证下行通信和速率的同时提高感知精度，我们进一步提出了一种多车辆的功率分配方案。数值结果表明，所提出的DFRC波束跟踪方法的跟踪性能显着优于通信的反馈为基础的技术。此外，所设计的功率分配方法是能够实现一个良好的性能之间的权衡感测和通信。
2020-01-25 eess.SP
Physical Layer Security in Vehicular Communication Networks in the Presence of Interference
通过分析车载通信网络的保密容量，研究了在干扰约束条件下车载通信网络的物理层安全问题。该系统认为一个合法的接收机节点和窃听节点，在一个共享的网络中，都在来自其他用户的干扰的影响下。双瑞利衰落信道用于捕获车辆网络的无线通信信道的影响。我们提出了标准的对数表达式的系统容量的替代形式，以方便分析的联合矩生成函数（MGF）的随机变量表示的信道衰落和干扰。封闭形式的表达式的MGFs获得和蒙特卡罗模拟提供整个验证结果。结果表明，系统的保密容量的性能是受干扰器的数量和他们的距离。结果进一步证明了窃听者位置的不确定性对分析的影响。
2019-11-18 eess.SP
Joint Radar-Communication-Based Bayesian Predictive Beamforming for Vehicular Networks
在本文中，我们开发了一种预测波束形成方案的基础上的双功能雷达通信（DFRC）技术，其中路边的单位估计的运动参数的车辆利用DFRC信号的回波。与传统的基于反馈的波束跟踪方法相比，该方法可以减少信令开销，提高跟踪性能。提出了一种新的消息传递算法，该算法通过最大后验估计获得了接近最优的性能。仿真结果表明了所提出的DFRC方案的有效性。
2020-04-26 eess.SP
Multi-Agent Context Learning Strategy for Interference-Aware Beam Allocation in mmWave Vehicular Communications
Abdullah Gul University（阿卜杜拉·居尔大学）；University of Hertfordshire（赫特福德大学）；University of Surrey（萨里大学）
针对毫米波车辆通信中高移动性导致的波束重叠干扰问题，提出基于Contextual Bandit的MACOL策略，利用相邻波束状态知识智能分配波束，在重负载下将干扰维持在约10%的低水平。
2024-01-04 cs.LG eess.SP
MmWave-LoRadar Empowered Vehicular Integrated Sensing and Communication Systems: LoRa Meets FMCW
本文提出毫米波LoRadar系统，将LoRa调制与FMCW雷达结合，解决信号双重不连续性问题，实现车辆ISAC，仿真验证其优越性。
2025-05-16 eess.SP
Vehicular Visible Light Positioning for Collision Avoidance and Platooning: A Survey
本文综述车载可见光定位方法，提出一种性能更优的新VLP方案，并通过真实驾驶场景仿真验证其可满足防撞与编队行驶的厘米级、高于50 Hz定位需求。
2023-11-02 cs.SY eess.SP eess.SY
Spatio-temporal Dynamics of Cellular V2X Communication in Dense Vehicular Networks
蜂窝车联网（C-V2X）通信是由第三代合作伙伴计划（3GPP）提出和开发的主要V2X解决方案。我们之前的工作研究了C-V2X的可扩展性，并证明了它在密集车辆场景中容纳大量车辆的潜力。然而，科学文献中的现有研究大多采用网络层面的方法来解决这个问题，并且没有评估重网络负载情况下C-V2X网络的时间和空间动态。在这项工作中，我们揭示了这些网络的时空特性，并研究了拥塞控制算法在密集的车辆自组织网络（VANESTO）中的有效性，在稳定时间，稳定性和可靠性方面，用于安全关键的车辆应用程序，其中延迟起着重要作用。
2019-07-28 cs.SY eess.SP eess.SY
Experimental measurements of a joint 5G-VLC communication for future vehicular networks
5G网络的主要革命性特征之一是超低延迟，这将为未来的智能汽车提供新服务。5G技术将能够支持极低的延迟。得益于新技术和广泛灵活的架构，集成了新的频谱和接入技术。特别地，可见光通信（VLC）被设想为用于车辆通信的非常有前途的技术，因为信息可以通过使用灯（如交通灯和汽车灯）来流动。本文描述了联合使用5G和VLC网络为汽车提供实时信息的首批实验之一。应用范围从道路安全到紧急报警。
2020-06-29 cs.NI eess.SP
Roadside IRS-Aided Vehicular Communication: Efficient Channel Estimation and Low-Complexity Beamforming Design
智能反射面（IRS）是一种很有前途的控制无线传播环境的技术，可以有效地提高通信性能。然而，在高移动性的通信场景中，如车辆通信的快速时变的信道使得它具有挑战性，以获得瞬时的信道状态信息（CSI）有效的IRS与大量的反射元件。在本文中，我们提出了一种新的路边IRS辅助车载通信系统来应对这一挑战。具体而言，通过利用道路两侧的IRS的交错等间隔的对称部署和附近的IRS控制器之间的合作，我们提出了一种新的两阶段信道估计方案，离线和在线训练，分别获得所提出的低复杂度的被动波束形成方案所需的静态/时变CSI有效。所提出的IRS波束成形和在线信道估计设计利用无线网络中现有的上行链路导频，并且不需要对现有传输协议进行任何改变。此外，它们可以由每个IRS控制器独立地实现，而不需要来自用户的服务BS的任何实时反馈。仿真结果表明，所提出的设计方案能够有效地获得较高的IRS无源波束形成增益，从而显著提高高速车载通信系统的通信吞吐量。
2023-02-15 cs.IT eess.SP math.IT
Data-driven Network Simulation for Performance Analysis of Anticipatory Vehicular Communication Systems
提供可靠的连接被认为是未来自动驾驶的关键推动因素。预期通信技术已经被提出用于主动地考虑通信系统自身内的高度动态无线电信道的属性。由于现实世界的实验是非常耗时的，缺乏一个可控的环境，性能评估和新的预期车载通信系统的参数研究通常是基于网络仿真进行。然而，由于所需的简化和未知参数的宽范围（例如，移动网络运营商（MNO）特定的网络基础设施配置），所实现的结果通常与现实世界评估中的行为显著不同。在本文中，我们提出了数据驱动的网络仿真（DDNS）作为一种新的数据驱动的方法来分析和优化预期的车载通信系统。不同的机器学习模型被组合以实现所分析的系统的行为的接近现实的表示。在一个概念验证评估集中在机会车辆数据传输，所提出的方法进行了验证，对现场测量和系统级网络仿真。与后者相比，DDNS不仅提供了更快的结果生成，而且由于通过机器学习方法隐式地考虑了跨层依赖性，它还实现了对真实世界行为的更好的表示。
2019-11-28 cs.NI eess.SP
A Deep Learning Based Resource Allocation Scheme in Vehicular Communication Systems
在车辆通信中，小区内干扰和严格的延迟要求是具有挑战性的问题。针对混合车辆到车辆（V2V）和车辆到基础设施（V2I）通信，提出了一种联合频谱重用和功率分配问题。分别认识到V2I和V2V链路的高容量和低延迟要求，我们的目标是最大化容量和延迟要求的加权和。通过将原始问题分解为分类子问题和回归子问题，开发了基于卷积神经网络（CNN）的方法来获得关于频谱重用和功率分配的实时决策。数值结果进一步表明，所提出的CNN可以达到类似的性能穷举方法，而只需要其CPU运行时间的3.62%。
2019-03-10 cs.NI eess.SP
Integrated Sensing and Communication-assisted Orthogonal Time Frequency Space Transmission for Vehicular Networks
正交时频空间（OTFS）调制是支持高移动性车载网络中可靠信息传输的一种很有前途的选择。在本文中，我们认为就业的综合（雷达）传感和通信（ISAC）技术，以协助OTFS传输的上行链路和下行链路车辆通信系统。受益于OTFS-ISAC信号，路边单元（RSU）能够同时向车辆发送下行链路信息并估计车辆的感测参数，例如，位置和速度，基于反射回波然后，依靠估计的车辆的运动学参数，RSU可以构建车辆网络的拓扑结构，使得能够预测在接下来的时刻的车辆状态。因此，RSU可以根据预测的参数有效地制定发射下行链路波束成形器以抵消信道不利，使得车辆可以直接检测信息而不需要执行信道估计。对于上行链路传输，RSU可以基于车辆网络的上述动态拓扑来推断与不同信道路径相关联的延迟和多普勒。因此，上行链路信道估计不需要如传统方法中那样插入保护空间，这去除了所需的训练开销。最后，考虑到信道估计的不确定性，提出了一种有效的上行链路检测器。通过数值模拟，我们证明了所提出的ISAC辅助OTFS传输方案的好处。
2021-05-11 eess.SP
MRR-Based Line-Laser Scanning for Reliable Vehicular Positioning and Optical Communication
本文提出基于MRR的线激光扫描技术，实现无需机械跟踪的车辆联合感知、定位与通信系统，提升空间覆盖和通信可靠性。
2025-12-13 eess.SP
Bayesian Predictive Beamforming for Vehicular Networks: A Low-overhead Joint Radar-Communication Approach
双功能雷达通信（DFRC）系统的发展，车辆定位和跟踪可以与车辆通信相结合，将导致更有效的未来车辆网络。在本文中，我们开发了一种预测波束形成方案的DFRC系统的背景下。我们考虑一个系统模型，其中路边单元估计和预测的DFRC信号的回波的基础上的车辆的运动参数。与传统的基于反馈的波束跟踪方法相比，该方法可以减少信令开销，提高精度。为了实时准确地估计车辆运动参数，提出了一种基于因子图的消息传递算法，该算法能获得最大后验概率估计的近优解。然后，基于预测的角度来设计波束形成器，以建立通信链路。通过适当的近似，因子图上的所有信息都可以以封闭形式导出，从而降低了复杂度。仿真结果表明，所提出的DFRC的波束形成方案是优于基于反馈的方法在估计和通信性能。此外，所提出的消息传递算法实现了类似的性能的高复杂度的基于粒子的方法。
2020-05-15 eess.SP
Joint Sensing, Communication, and Computation Resource Allocation for Cooperative Perception in Fog-Based Vehicular Networks
为了扩大自主车辆的感知范围和可靠性，协同感知受到了广泛的关注。然而，考虑到大量的共享消息，有限的带宽和计算资源在车辆网络成为瓶颈。在本文中，我们研究如何平衡共享消息和有限的资源在基于雾的车辆网络的体积。为此，我们首先考虑其时空价值和延迟性能的合作感知的总满意度的特征。然后，在满足车辆最大延迟和逗留时间约束的前提下，联合分配感知块消息、通信资源块和计算资源，以最大化协作感知的满意度和.由于其非凸性，我们将原问题解耦成两个独立的子问题，并设计相应的解决方案。仿真结果表明，与现有的基线相比，我们提出的方案可以有效地提高合作感知的总满意度。
2021-12-12 cs.NI eess.SP
Poster: Resource Allocation with Conflict Resolution for Vehicular Sidelink Broadcast Communications
在本文中，我们提出了一种基于图的资源分配方案的侧链路广播V2V通信。利用关于车辆的地理位置和频谱资源利用的可用信息，eNodeB能够将相同的侧链路资源集合分配给分布在若干通信集群中的不同车辆。在通信集群内，防止时域分配冲突是至关重要的，因为车辆不能同时发送和接收，即，它们必须在正交的时间资源中发送。在这项研究中，我们提出了一个解决方案的基础上的二分图，其中车辆和频谱资源表示的顶点，而边缘表示在每个资源的基础上的SINR，每个车辆感知的可实现的速率。上述时间正交性约束可以通过将冲突顶点聚合成宏顶点来接近，这另外降低了搜索复杂度。我们通过数学和模拟表明，所提出的方法产生一个最佳的解决方案。此外，我们提供的模拟表明，该方法优于其他竞争的方法，特别是在高车辆密度的情况下。
2018-05-18 eess.SP
Site-specific online compressive beam codebook learning in mmWave vehicular communication
毫米波（mmWave）通信是支持车辆网络中Gbps传感器数据共享的一种可行的解决方案。在车载通信中使用毫米波和高移动性的大型天线阵列使得设计快速波束对准解决方案具有挑战性。在本文中，我们提出了一种新的框架，学习信道的出发角（AoD）统计在基站（BS），并使用此信息来有效地获取信道测量。我们的框架集成了在线学习的压缩感知（CS）码本学习和优化的码本用于基于CS的波束对准。我们制定了一个CS矩阵优化问题的基础上，AoD统计在BS。此外，基于CS信道测量，我们开发了在BS处更新和学习这样的信道AoD统计的技术。我们使用置信上限（UCB）算法来学习AoD统计和CS矩阵。数值结果表明，CS矩阵在所提出的框架提供更快的波束对准比标准CS矩阵设计。仿真结果表明，所提出的波束训练技术可以减少80%的开销相比，穷举波束搜索，和70%相比，不利用任何AoD统计的标准CS解决方案。
2020-05-11 eess.SP
A Drone-Aided Blockchain-Based Smart Vehicular Network
全球车辆数量的惊人增长已成为一个严重的挑战，导致悲剧性事件，环境污染，拥堵等，因此，有前途的方法之一是设计一个智能车辆系统，因为它有利于安全驾驶。目前的车载系统缺乏数据可靠性、安全性和易部署性。基于这些问题，本文提出了一种安全、易于部署、质量可靠的无人机智能车载系统。然而，通信网络中操作无人机数量的增加使它们更容易受到网络攻击，这可能完全破坏通信基础设施。为了解决这些问题，我们提出了一个基于区块链的注册和认证系统，用于无人机，智能车辆（SV）和路边单元（RSU）等实体。本文主要关注基于区块链的安全系统设计和无人机的最佳放置，以提高整个网络的频谱效率。特别是，我们调查RSU与无人机的关联，考虑多个通信相关的因素，如可用带宽，无人机可以支持的最大链接数，以及回程限制。我们表明，所提出的模型可以很容易地覆盖在当前的车辆网络收获的安全和可靠的通信的好处。
2020-07-25 eess.SP
Reconfigurable Intelligent Surface for Vehicular Communications: Exact Performance Analysis with Phase Noise and Mobility
最近的研究提供了一个近似的性能可重构智能表面（RIS）辅助系统在广义衰落信道的相位噪声造成的不完善的相位补偿在RIS。在本文中，我们开发了精确的分析和上限的RIS辅助车辆通信系统的性能考虑相位噪声与移动性在非对称衰落信道的相干组合接收信号反射的RIS元素和直接传输从源终端。我们采用了一种新的方法来表示PDF和CDF的产品的四个信道系数在一个单一的单变量Fox-H函数。我们使用导出的PDF开发一个精确的统计分析的端到端的SNR的RIS辅助系统使用多变量Fox-H函数。
2022-09-21 cs.IT eess.SP math.IT
Integrated Sensing, Computing and Semantic Communication for Vehicular Networks
本文提出车联网中集成感知、计算与语义通信的ISCSC框架，利用EKF跟踪车辆并联合优化语义保密速率与PCRB，实现可靠感知、高吞吐与安全通信。
2025-05-31 eess.SP
Reconfigurable Intelligent Surface Enabled Vehicular Communication: Joint User Scheduling and Passive Beamforming
鉴于其控制和操纵无线环境的能力，可重构智能表面（RIS），也称为智能反射表面（IRS），已经成为第六代（6G）蜂窝网络的关键使能技术。同时，车辆环境无线电传播受到诸如高层建筑物之类的引起传输失真的大量对象的负面影响。因此，这项工作致力于探索区域RIS技术与车辆通信的集成，同时考虑到这种通信环境的动态性。具体来说，我们提供了一个系统模型，路边单元（RSU）利用RIS提供间接的无线传输到断开连接的区域，称为暗区。暗区是RSU覆盖范围内的点，其中通信链路由于阻塞的存在而被阻塞。详细地说，利用离散RIS来提供RSU与通过非服务区的车辆之间的通信链路。因此，RSU资源调度和RIS无源波束成形或相移矩阵的联合问题被表述为以最小平均比特率最大化为目标的优化问题。该问题是一个混合整数非凸规划问题，难以求解，且没有考虑到车载网络中的不确定动态环境。因此，我们采用基于深度强化学习的替代方法来确定RSU无线调度和块坐标下降（BCD）来解决RIS的相移矩阵\textit{i.e.,}被动波束成形。定义了马尔可夫决策过程，讨论了求解方法的复杂性。我们的数值结果表明，我们提出的方法优于基线技术。
2021-01-28 eess.SP
Inverse Learning assisted V2I Communication for Intent Based 6G ISAC Vehicular Networks
National Institute of Technology Calicut（卡利卡特国家技术学院）
针对6G车联网中集成感知与通信的RSU自主决策，提出逆学习方法推断其意图函数，实现V2I通信自适应波束分配等应用。
2026-06-12 eess.SP
Integrated Sensing, Communication, and Positioning in Cellular Vehicular Networks
针对蜂窝车联网中感知、通信与定位一体化的未知变量耦合问题，提出结合车辆定位与计算成像ISAC模型的框架，通过区域离散化和交替优化算法求解，验证了方法有效性。
2025-10-03 eess.SP
Scheduling Out-of-Coverage Vehicular Communications Using Reinforcement Learning
Huawei Technologies Duesseldorf GmbH（华为技术杜塞尔多夫有限公司）；Technische Universität Berlin（柏林工业大学）
车对车（V2V）通信的性能在很大程度上取决于所采用的调度方法。虽然集中式网络路由器提供高V2V通信可靠性，但它们的操作通常限于具有全蜂窝网络覆盖的区域。相反，在蜂窝覆盖区域外，使用相对低效的分布式无线电资源管理。为了利用集中式方法的优势来增强缺乏蜂窝网络覆盖的道路上V2V通信的可靠性，我们提出了VRLS（车辆强化学习），这是一种集中式调度器，可以主动为覆盖范围外的V2V通信\textit{before}车辆离开蜂窝网络覆盖范围分配资源。通过在模拟车辆环境中进行训练，VRLS可以学习鲁棒且适应环境变化的调度策略，从而无需在复杂的现实环境中进行有针对性的（重新）训练。我们评估VRLS在不同的移动性，网络负载，无线信道和资源配置下的性能。VRLS通过在高负载条件下将分组出错率降低一半并在低负载情况下实现接近最大的可靠性，在没有蜂窝网络覆盖的区域中优于最先进的分布式调度算法。
2022-07-13 cs.AI cs.NI eess.SP
Frame Error Rate Prediction for Non-Stationary Wireless Vehicular Communication Links
本文提出一种基于深度神经网络的方法，利用几何随机信道模型和硬件在环仿真训练模型，预测非平稳车载通信链路的帧错误率，并在实测数据上验证了有效性。
2023-04-12 eess.SP
Integrated Sensing and Communication for Joint GPS Spoofing and Jamming Detection in Vehicular V2X Networks
车联网（V2X）通信预计将成为第六代（6G）智能交通系统（ITS）的重要组成部分。仅依靠车载传感器的自动驾驶汽车无法绕过安全性和可靠性的限制。因此，通感一体化被认为是实现高情境和自我感知水平的有效方法，使V2X能够感知物理世界并根据紧急情况调整其行为。通过全球定位系统（GPS）的安全导航对于ITS的安全运行至关重要。然而，由于民用GPS接收器缺乏加密和认证机制，欺骗者可以通过发动GPS欺骗攻击来轻易复制卫星信号，从而欺骗车辆并操纵导航数据。此外，由于其共享性质，V2X链路容易受到干扰攻击，这可能危及车辆安全。本文提出了一种联合检测V2X网络中GPS欺骗和干扰攻击的方法。仿真结果表明，该方法能以较高的检测概率检测出欺骗和干扰。
2023-02-01 eess.SP
Methodologies for Future Vehicular Digital Twins
本文针对智能交通系统中现有无线通信信道测量、建模与仿真方法效率不足的问题，概述车载数字孪生相关现有方案的局限，探讨未来研究的可行方向，为高可靠车载通信系统的开发验证提供参考。
2023-12-15 eess.SP
Joint Relay Selection and Beam Management Based on Deep Reinforcement Learning for Millimeter Wave Vehicular Communication
协作中继通过为数据传输提供多条路径来提高无线网络中的可靠性和覆盖范围。中继将在更高频段的车载网络中发挥重要作用，因为移动性和频繁的信号阻塞会导致链路中断。为了确保中继辅助车载网络的连通性，中继选择策略应被设计为有效地找到未阻塞的中继。受移动毫米波（mmWave）网络中波束管理的最新进展的启发，本文解决了这样一个问题：如何才能选择最好的中继与最小的开销从波束管理？在这方面，我们制定了一个顺序决策问题，以共同优化中继选择和波束管理。我们提出了一种基于深度强化学习（DRL）的联合中继选择和波束管理策略，使用波束索引和波束测量的马尔可夫特性。建议的DRL为基础的算法学习适应动态信道条件和业务模式的时变阈值。数值实验表明，该算法优于基线没有事先信道知识。此外，基于DRL的算法可以在快速变化的信道下保持高的频谱效率。
2022-12-19 eess.SP
Vehicular Behavior-Aware Beamforming Design for Integrated Sensing and Communication Systems
通信和传感是互联和自动驾驶车辆（CAV）的两个重要特征。在传统的车载设备中，通信和传感模块存在，但以隔离的方式存在，导致硬件资源和无线频谱的浪费。在本文中，以应付上述效率低下，我们提出了一种车辆行为感知的通感一体化（VBA-ISAC）波束成形设计的车载发射机与多个天线。在这项工作中，根据车辆行为来引导波束以辅助驾驶，同时在路边单元（RSU）的帮助下提供频谱高效的上行链路数据服务。具体来说，我们首先预测感兴趣的区域（AoI）的基础上感兴趣的车辆的轨迹。然后，我们制定了一个VBA-ISAC波束成形设计问题，以感测的AoI，同时最大限度地提高上行链路通信的频谱效率，其中的权衡因素被引入到平衡的通信和感测性能。提出了一种基于半定松弛的波束失配最小化（SDR-BMM）算法。为了降低硬件成本和功耗，我们进一步改进了所提出的VBA-ISAC波束形成设计，通过引入混合模拟数字（HAD）结构。数值结果验证了VBA-ISAC方案的有效性，并表明所提出的波束形成设计在频谱效率和雷达波束图优于基准。
2023-02-27 cs.CE cs.IT eess.SP
Beam Alignment and Tracking for Autonomous Vehicular Communication using IEEE 802.11ad-based Radar
涉及短接触时间的移动场景对自动驾驶车辆和路边基站（BS）之间的高带宽数据传输提出了挑战。毫米波频段是一种可行的解决方案，因为它们在60 GHz频段提供了巨大的带宽，具有几Gbps的数据传输速率。然而，波束成形被用作该频带中的默认模式，这需要在相对运动下精确且连续的对准。我们提出了一种方法，其中现成的IEEE 802.11ad WiFi路由器被配置为作为BS以及利用802.11ad前导码的特殊结构的雷达。我们将雷达功能嵌入到符合标准的操作中，这些操作不会修改超出802.11ad协议定义的帧的核心结构。这不仅减少了波束训练时间，而且还确保了随着车辆交通的增加而增加的可扩展性，因为雷达可以在最远200米的距离上精确测距0.1米。我们进一步分析了随后的成本效益之间的权衡分配给拟议的带内雷达和通信模式的时间。我们的研究结果表明，在波束训练过程中产生的开销减少了83%，实现了一个特定的模拟车辆的情况下，在经典的802.11ad操作。
2017-12-07 eess.SP
Non-Orthogonal Multiple Access Performance for Millimeter Wave in Vehicular Communications
在本文中，我们研究了毫米波（mmWave）车辆通信（VC）使用非正交多址接入方案（NOMA）在道路交叉口的性能，因为有地区更容易发生事故。我们研究的情况下，交叉口涉及两个垂直的车道，然后我们扩展到一个交叉口与多个车道的研究。传输发生在源和两个目的地之间。传输经历源自作为泊松点过程（PPP）分布的一组车辆的干扰。我们的分析包括建筑物和车辆在十字路口堵塞的影响。得到了闭型中断概率表达式。我们表明，节点到达交叉点，中断概率增加。反直觉，我们表明，非线的叹息（NLOS）的情况下有一个更好的性能比线的叹息（LOS）的情况。最后，我们比较了毫米波NOMA与OMA的性能，我们表明，NOMA提供了一个显着的改善OMA毫米波车载网络。通过Monte-Carlo模拟验证了分析的正确性。
2019-11-26 cs.IT eess.SP math.IT
URLLC-Awared Resource Allocation for Heterogeneous Vehicular Edge Computing
本文针对融合DSRC、mmWave和C-V2I的异构车辆边缘计算场景，提出一种基于MGF随机网络演算建模URLLC约束、并由李雅普诺夫引导深度强化学习求解的资源分配策略，以在满足URLLC要求下最小化系统效用。
2023-11-30 eess.SP
A C-V2X Platform Using Transportation Data and Spectrum-Aware Sidelink Access
智能交通系统和自动驾驶汽车有望在不久的将来为道路使用者带来更高效率和安全性的新体验。然而，一个高效和强大的车辆通信系统应该作为一个强大的骨干提供所需的基础设施连接。基于深度学习（DL）的算法由于其实现的低延迟和快速重配置特性而最近在各种车辆通信应用中被广泛采用。然而，收集实际且足够的运输数据以训练基于DL的车辆通信模型是昂贵且复杂的。本文介绍了一种基于实际交通模拟器和频谱感知接入的蜂窝车联网（C-V2X）验证平台。该集成平台可以生成真实的交通和通信数据，有利于基于DL的解决方案的开发和适应性。因此，车辆频谱识别和管理进行了进一步的研究，以证明动态slidelink访问的潜力。仿真结果表明，该平台能够有效地训练和实现基于DL的C-V2X算法。所开发的滑动链路通信可以采用不同的工作频段，具有显着的频谱检测性能，验证了其在现实世界的车辆环境中的实用性。
2021-06-04 eess.SP
Deep Reinforcement Learning-aided Transmission Design for Energy-efficient Link Optimization in Vehicular Communications
本文提出SI-D3QN深度强化学习算法，联合优化V2V通信中的MCS选择与功率控制，在保证节能的同时提升链路吞吐量29.6%。
2024-04-19 eess.SP
Channel-Adaptive Robust Resource Allocation for Highly Reliable IRS-Assisted V2X Communications
针对IRS辅助车联网中因多普勒频移导致的CSI不确定性，提出基于3GPP Mode 1架构的通道自适应鲁棒资源分配算法，通过分解问题并交替优化子问题，提升通信可靠性与效率，仿真验证其有效性。
2025-04-16 eess.SP
Simplified Temporal Convolutional-Based Channel Estimation for a WiFi Vehicular Communication Channel
Faculty of Engineering, North-West University（北西大学工程学院）；Centre for Artificial Intelligence Research（人工智能研究中心）；National Institute for Theoretical and Computational Sciences（理论与计算科学国家研究所）
针对IEEE 802.11p标准在高移动性场景下导频不足导致信道估计不准确的问题，提出一种基于简化时间卷积网络（DPA-TCN）的估计器，在混合信噪比数据集上训练，性能与LSTM-DPA-TA相当，但模型复杂度降低约65%。
2026-06-11 eess.SP
Green Internet of Vehicles (IoV) in the 6G Era: Toward Sustainable Vehicular Communications and Networking
车联网作为未来物联网最有前景的应用之一，已被公认为是发展智慧城市智能交通系统的基础技术。随着第六代（6G）通信技术的出现，大量网络基础设施将密集部署，网络节点数量将呈指数级增长，导致极高的能耗。在6G时代，人们对开发绿色车联网以实现可持续的车辆通信和网络的兴趣激增。在本文中，我们提出了绿色车联网的主要考虑因素，从五个不同的场景，包括通信，计算，交通，电动汽车（EV）和能量收集管理。从能量优化的角度比较了与每种情景相关的文献（例如，关于资源分配、工作负载调度、路由设计、业务控制、充电管理、能量收集和共享等）以及影响能量效率的相关因素（例如，资源限制、信道状态、网络拓扑、业务状况等）。此外，我们还介绍了6G中开发绿色车联网系统的潜在挑战和新兴技术。最后，我们讨论了设计节能车联网系统的研究趋势。
2021-08-26 cs.NI eess.SP
Social-Mobility-Aware Joint Communication and Computation Resource Management in NOMA-Enabled Vehicular Networks
针对车联网边缘计算中忽略社会域导致能量效率低的问题，本文提出社会移动性感知的联合通信与计算资源分配方案，通过SM-SSTSA算法、收紧下界方法和Kuhn-Munkres算法迭代求解，显著提升系统能量效率。
2023-07-08 eess.SP
Novel Many-to-Many NOMA-based Communication Protocols for Vehicular Platoons
本文提出面向车辆队列的多对多NOMA通信协议（UM-NOMA、DM-NOMA、UDM-NOMA），结合毫米波全双工聚类、联合簇头选择与功率分配及定制贪婪算法，在SIC误差达10%时仍较OMA提升总和速率最高50%。
2024-08-21 eess.SP
Active Movable-Element RIS Assisted Vehicular Semantic Communications: Modeling and Optimization
Jiangnan University（江南大学）；Nanchang University（南昌大学）；Tsinghua University（清华大学）；Brunel University of London（伦敦布鲁内尔大学）；Shanghai Jiao Tong University（上海交通大学）
针对车载环境信号阻塞与快时变信道挑战，提出RM-A-RIS辅助的车载语义通信系统，采用AO算法优化，在Sum-SSE上较三类基准分别实现132.9%、9.2%、35.2%提升。
2026-07-30 cs.NI eess.SP
Autonomous Self-Trained Channel State Prediction Method for mmWave Vehicular Communications
Faculty of Technical Sciences, University of Novi Sad（诺维萨德大学技术科学学院）；The Institute for Artificial Intelligence Research and Development of Serbia（塞尔维亚人工智能研究与发展研究所）；African Center of Excellence in IoT, University of Rwanda（卢旺达大学非洲物联网卓越中心）
本文提出一种面向5G毫米波车载通信的自主自训练CSI预测框架，基站利用车载用户CSI反馈与C-V2X CAM消息训练RNN模型，实现主动波束切换并验证其预测准确性。
2024-10-03 cs.AI eess.SP
A LiDAR-Aided Channel Model for Vehicular Intelligent Sensing-Communication Integration
本文提出了一种用于6G车辆智能感知通信一体化的LiDAR辅助毫米波信道建模方法（LA-GBSM），通过机器学习区分动静态散射体并量化多VTD条件下的参数分布，开发了VR算法，仿真验证了其有效性。
2024-03-21 eess.SP
Dependence Control for Reliability Optimization in Vehicular Networks
车载网络将在增强道路安全、提高运输效率以及为道路上的用户提供无缝互联网服务方面发挥重要作用。获得车载网络的好处取决于满足严格的无线通信性能要求，特别是在延迟和可靠性方面。本文提出了一种依赖控制机制，以提高车辆网络的整体可靠性。特别地，首先对不同车辆到车辆（V2V）链路的通信延迟之间的依赖性进行建模。然后引入了随机序理论中的协调序概念，说明了可靠性越高，相关性越好。使用这种见解，制定功率分配问题，以最大限度地提高一致性，从而优化V2V系统的整体通信可靠性。为了获得一个有效的解决方案的功率分配问题，一个双重更新方法。仿真结果验证了依赖控制在车载网络可靠性优化中的有效性，并表明，所提出的机制可以实现高达25%的可靠性增益相比，使用随机功率分配的基线系统。
2019-08-03 cs.IT eess.SP math.IT
Spectrum Sharing using Deep Reinforcement Learning in Vehicular Networks
School of Computing；Engineering University of Huddersfield Huddersfield, United Kingdom
针对车载网络动态环境中频谱分配困难的问题，提出DQN模型利用深度强化学习实现高效频谱共享，实验证明SARL和MARL模型能提升V2V通信率并使累积奖励最大化。
2024-10-16 cs.AI eess.SP
On the Outage Probability of Vehicular Communications at Intersections Over Nakagami-m Fading Channels
在本文中，我们研究了车辆通信（VC）在十字路口，在存在干扰的Nakagami-m衰落信道。干扰源来自位于两条垂直道路上的车辆。我们推导了中断概率，并得到了封闭的形式。当目的地在道路上（车辆、骑自行车的人、行人）或在道路外（基站、路边单元）时，导出中断概率。我们比较了视距（LOS）场景和非视距（NLOS）场景的性能，并表明NLOS场景提供了更好的性能比LOS场景。我们还比较了交叉口的情况下，高速公路的情况下，并表明，交叉口的情况下的性能是最差的比高速公路的情况下，作为目的地走向交叉口。最后，我们研究了一个现实的情况下，涉及几个车道的VC的性能。所有的分析结果都通过Monte-Carlo模拟进行了验证。
2019-12-06 cs.IT eess.SP math.IT
Performance of Cooperative Detection in Joint Communication-Sensing Vehicular Network: A Data Analytic and Stochastic Geometry Approach
城市环境的日益复杂给自主车辆网络的部署带来了额外的不确定性。为了实现城市自主车辆的高效通信和障碍物检测，提出了一种基于联合通信与感知（JCS）技术的道路基础设施协同检测模型。为了抑制JCS信号因阴影和障碍物而引起的性能波动，我们首先从地理信息系统（GIS）中导出道路障碍物的统计信息。在此基础上，利用视距和非视距信道模型，分析了复杂城市场景下JCS信道特性和阴影影响因素。应用随机几何方法分析了干扰因素和JCS成功检测与通信的概率分布。仿真结果验证了基于LoS和NLoS信道的概率分析的合作检测模型，数值结果表明了几种不同的优化方法部署JCS道路基础设施。最后，对符合城市交通点结构布局标准的JCS道路基础设施配置优化方法进行了仿真分析。
2022-11-02 cs.SY eess.SP eess.SY
Rate Maximization in Vehicular uRLLC with Optical Camera Communications
光学相机通信（OCC）已成为未来自动驾驶汽车无缝操作的关键技术。通过利用OCC的卓越性能，我们可以满足车辆OCC中超可靠和低延迟通信（uRLLC）的严格要求。在本文中，我们介绍了一种速率优化方法，在车辆OCC通过最佳的功率分配，同时尊重uRLLC的要求。首先，我们制定了一个离散速率优化问题作为一个混合整数规划（MIP）的平均发射功率和uRLLC的约束，为一组给定的调制方案。为了降低求解MIP问题的复杂度，我们将离散速率问题转化为连续速率优化方案。然后，我们提出了一种基于拉格朗日松弛和二分法的算法来解决优化问题。考虑到所提出的算法，我们驱动的离散速率和连续速率优化方案的速率优化和功率分配方案，同时满足uRLLC约束。我们首先通过仿真分析所提出的系统模型的性能。然后，我们调查的平均速率和延迟为不同的目标位出错率的功率分配和速率优化方案的影响。结果表明，增加发射功率分配提高了平均速率和延迟性能。
2022-05-13 cs.NI cs.PF eess.SP
Optimized Age of Information Tail for Ultra-Reliable Low-Latency Communications in Vehicular Networks
虽然最近提出了信息时代（AoI）的概念来分析超可靠低延迟通信（URLLC），但大多数现有的工作都集中在平均AoI测量上。基于平均AoI设计无线网络将无法表征URLLC系统的性能，因为它不能解释以非常低的概率发生的极端AoI事件。相比之下，本文超越了平均AoI，以改善URLLC在车载通信网络的特征和控制的AoI尾部分布。特别是，传输功率最小化问题进行了研究，严格的URLLC的约束条件下的概率AoI确定性和马尔可夫交通到达。因此，提出了一种有效的新的映射之间的AoI和与时间相关的分布。随后，极值理论（EVT）和李雅普诺夫优化技术制定和解决的问题，同时考虑长和短的数据包传输。仿真结果表明，在缩短AoI分布尾部方面，除了到达率和AoI之间的权衡之外，与模拟最大队列长度分布的基线相比，有了两倍的改进。
2019-12-17 cs.NI eess.SP
