[發明專利]一種ICV網絡中物理層安全資源分配方法有效
| 申請號: | 202011027229.6 | 申請日: | 2020-09-25 |
| 公開(公告)號: | CN112153744B | 公開(公告)日: | 2022-08-02 |
| 發明(設計)人: | 陳曉華;李瑞恩;羅雪文;林慶豐;于啟月 | 申請(專利權)人: | 哈爾濱工業大學 |
| 主分類號: | H04W72/04 | 分類號: | H04W72/04;H04W72/08;H04W4/44;H04W4/46 |
| 代理公司: | 哈爾濱華夏松花江知識產權代理有限公司 23213 | 代理人: | 楊曉輝 |
| 地址: | 150001 黑龍*** | 國省代碼: | 黑龍江;23 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 icv 網絡 物理層 安全 資源 分配 方法 | ||
一種ICV網絡中物理層安全資源分配方法,解決了現有分配方式不能優化V2V時延的問題,屬于無線通信技術領域。本發明包括:S1、每個V2V鏈路中的發送車輛為一個智能體,智能體采用深度強化學習網絡實現,包括訓練后的目標網絡和實時網絡,目標網絡用于對實時網絡的參數進行更新;S2、每個智能體得到環境的局部觀測,包括合法、干擾和竊聽信道的信息、發送載荷、時延限制、目標網絡的訓練迭代次數和探索利用概率;S3、每個智能體根據局部觀測利用實時網絡輸出動作,該動作包括發送信號占用的頻帶和發射功率;S4、所有智能體的目標網絡從環境收到同一個獎勵,環境進入到下一時刻的全局狀態,轉入S2,獎勵包括系統保密容量和時延限制。
技術領域
本發明涉及一種ICV(Intelligent Connected Vehicle,智能網聯車)網絡中基于強化學習的資源分配方法,屬于無線通信技術領域。
背景技術
近些年來,通信技術迅速發展,5G第一階段已經在3GPP R15中被凍結,其中,包括V2X(Vehicle to Everything,車與外界的信息交換)在內的車聯網技術成為5G的研究重點,車聯網成為5G的主要應用場景之一。中國采用基于LTE和5G的V2X通信技術在近些年成為智能交通系統的主要技術,V2V(Vehicle-to-Vehicle,車-車通信)技術具有更廣泛的通信范圍,更低的延遲和更高的傳輸速率,能夠適應各種應用場景。
V2X包括V2I(Vehicle-to-Infrastructure,車-基礎設施通信)和V2V等,其中車輛到基站的V2I鏈路主要傳遞高速率的娛樂、視頻等業務,車輛到車輛的V2V鏈路主要傳遞低速率低時延的道路、車輛、交通等信息。由于頻譜資源的稀缺,允許V2V鏈路復用V2I鏈路的頻譜資源,可以大幅提高頻譜效率。但是會不可避免地引入同頻干擾,導致V2V鏈路和原始V2I鏈路系統容量的下降,所以有效的無線資源管理方式能夠減小由于資源復用帶來的負面效果。另外,V2V通信安全是V2V通信中的關鍵研究領域,傳統的方法是在物理層的上層進行加密或鑒權等,這些方法需要占用車輛或BS(Base Station,基站)自身的計算資源,而其加密能力的強弱依賴于其計算能力的強弱,同時隨著攻擊者計算能力的增強,加密算法極易被破解。近些年來,物理層安全成為通信安全的一個熱門研究領域,相比于傳統的加密或鑒權技術,能帶來額外的保密性能。物理層安全技術利用無線通信的物理層特性提供一種額外的安全保護方案,同時不需要占用大量計算資源,能夠在提高系統保密能力的同時減輕用戶計算負擔。
從資源分配角度看,頻譜資源是有限的。在4G的OFDM(Orthogonal FrequencyDivision Multiple,正交頻分復用)系統中,V2V鏈路與V2I鏈路利用underlay(復用授權頻段的頻率資源)的方式復用子載波,這使子載波的分配變得更加復雜,而由于子載波的復用,不同類型用戶之間的同頻干擾使得問題的分析難以簡化,也會使用戶的系統容量下降。同時,不合理的子載波分配方式也會降低用戶的保密容量,造成頻譜資源浪費,降低通信系統的保密性能。目前的V2V無線資源分配問題,主要是建立優化模型,采用優化算法來求解。集中式的資源分配需要基站收集信息計算決策后再通知給各個車輛用戶,會產生較大的時延。同時,很多問題難以建立確定的數學模型,如時延優化,以及優化問題通常是非凸的,難以求得解析解。傳統的資源分配方式沒有優化V2V時延,會影響需要極低時延的V2V通信性能。因此,有效的資源分配方式會更好地滿足V2V時延要求并極大地提高系統保密性能。
發明內容
針對現有資源分配方式不能優化V2V時延的問題,本發明提供一種ICV網絡中物理層安全資源分配方法。
本發明的一種ICV網絡中物理層安全資源分配方法,所述方法包括如下步驟:
S1、每個V2V鏈路中的發送車輛為一個智能體,所述智能體采用深度強化學習網絡實現,包括訓練后的目標網絡和實時網絡,目標網絡用于對實時網絡的參數進行更新;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于哈爾濱工業大學,未經哈爾濱工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011027229.6/2.html,轉載請聲明來源鉆瓜專利網。





