一种车联网中NR侧行链路多跳中继性能优化方法及系统

一种车联网中nr侧行链路多跳中继性能优化方法及系统
技术领域
1.本发明属于车联网nr侧行链路优化技术领域，特别涉及一种车联网中nr侧行链路多跳中继性能优化方法及系统。


背景技术：

2.nr侧行链路具有低延迟、高容量、抗干扰能力强等优点，采用pc5接口，可灵活用于车对车、车对基础设施和车对行通信。此外，nr侧行链路可以在两种不同的操作模式下工作，即模式1和模式2。具体地，在模式1中，nr侧行链路由基站和ue之间的无线资源控制(radio resource control，rrc)连接进行集中管理；在模式2中，nr侧行链路的ue自主从资源池中选择传输资源。由于nr侧行链路由传统的设备到设备(device-to-device，d2d)通信演化而来，与d2d通信类似，nr侧行链路也面临传输范围小的局限性。为了进一步提高nr侧行链路的传输范围，3gpp release 17和release 18提出了nr侧行链路中继，其中多个nr侧行链路可以通过使用其他车辆或路边单元(road-side unit，rsu)作为中继节点以多跳方式链接在一起。通过nr侧行链路多跳中继，车联网关键消息可以在无蜂窝网络覆盖的情况下传递到更远距离。
3.现有技术的缺陷和不足：
4.现有方案采用参考信号接收功率(reference signal receiving power，rsrp)测量作为nr侧行链路中继设置的标准，该方案虽然在实际网络部署中易于实现。但是，在密集的车联网中rsrp测量的精度可能会不准确，此外rsrp测量无法指导网络设计和部署。关于其他关于nr侧行链路中继的发明专利cn114208072a、cn115699816a和cn114902744a，忽略了部分nr侧行链路的物理层规范(资源分配方式、功率控制、子信道选择等)。


技术实现要素：

5.本发明的目的在于提供一种车联网中nr侧行链路多跳中继性能优化方法及系统，以解决上述问题。
6.为实现上述目的，本发明采用以下技术方案：
7.第一方面，本发明提供一种车联网中nr侧行链路多跳中继性能优化方法，包括：
8.根据真实nr侧行链路多跳中继场景，建立关键消息在nr侧行链路多跳中继场景下的系统模型；
9.构建车联网关键消息多跳传输的性能解析框架，解析关键消息的多跳传递概率、多跳传输时间和总传播距离；
10.根据系统模型，计算多轮随机传输场景下的性能平均表现结果，验证性能解析框架正确性；
11.基于验证后的性能解析框架，公式化nr侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题；
12.在给定关键消息传递距离或端到端传递概率和生命周期的条件下，求解混合整数
线性规划问题，输出最优性能下的对应网络参数。
13.可选的，系统模型具体为：
14.根据真实nr侧行链路多跳中继场景，定义关键消息通过nr侧行链路多跳中继场景下的rsu空间分布模型、资源分配模型、干扰模型和流量模型。
15.可选的，解析关键消息的多跳传递概率、多跳传输时间和总传播距离：
16.根据系统模型，基于随机几何方法推导nr侧行链路多跳中继场景下，关键消息平均传递速率、传输延迟、最大传输跳数、进而推导传递距离和端到端传递概率的解析确定式，传递距离和端到端传递概率的解析确定式共同构成车联网关键消息多跳传输的性能解析框架。
17.可选的，验证性能解析框架正确性：
18.根据给出的系统模型，通过蒙特卡洛实验随机生成传输场景，计算多轮随机传输场景下的性能平均表现结果，与性能解析确定式计算结果作对比；如果实验结果和计算结果匹配，则车联网关键消息多跳传输的性能解析框架是正确的。
19.可选的，混合整数线性规划问题：
20.根据关键消息最大生命周期、传递距离要求、端到端传递概率要求和nr侧行链路多跳中继网络参数选取范围要求，给出具有多约束的优化问题；该优化问题以端到端传递概率或传递距离为优化目标，以nr侧行链路多跳中继网络参数{ρ,ω,m}选取为优化变量。
21.可选的，输出最优性能下的对应网络参数：
22.在给定关键消息传递距离或端到端传递概率和生命周期的条件下，采用粒子群算法，求解最优的端到端传递概率或传递距离，并给出最优性能下的对应网络参数{ρ
*
,ω
*
,m
*
}，其中ρ
*
为最优性能下的rsu选择工作模式2的比例，ω
*
为最优性能下的rsu发射功率补偿因子，m
*
为最优性能下的rsu选择传输子信道的尺寸；基于给出的多约束、多目标的混合整数线性规划问题，粒子群算法以较低的时间复杂度解决该问题，并给出对应的最优性能下的对应网络参数{ρ
*
,ω
*
,m
*
}。
23.可选的，工作模式总体包括模式1和模式2，在模式1中，nr侧行链路由基站和rsu之间的rrc连接进行集中管理；在模式2中，nr侧行链路的rsu自主从资源池中选择传输资源，rsu选择模式2的比例为ρ，选择模式1的比例为1-。
24.第二方面，本发明提供一种车联网中nr侧行链路多跳中继性能优化系统，包括：
25.模型构建模块，用于根据真实nr侧行链路多跳中继场景，建立关键消息在nr侧行链路多跳中继场景下的系统模型；
26.性能解析框架构建模块，用于构建车联网关键消息多跳传输的性能解析框架，解析关键消息的多跳传递概率、多跳传输时间和总传播距离；
27.验证模块，用于根据系统模型，计算多轮随机传输场景下的性能平均表现结果，验证性能解析框架正确性；
28.规划问题构建模块，用于基于验证后的性能解析框架，公式化nr侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题；
29.求解输出模块，用于在给定关键消息传递距离或端到端传递概率和生命周期的条件下，求解混合整数线性规划问题，输出最优性能下的对应网络参数。
30.第三方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储
器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现一种车联网中nr侧行链路多跳中继性能优化方法的步骤。
31.第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现一种车联网中nr侧行链路多跳中继性能优化方法的步骤。
32.与现有技术相比，本发明有以下技术效果：
33.本发明提出了一种通用的多跳nr侧行链路中继方案，用于v2x网络中事件触发的非周期性关键消息的高效灵活传播。所述关键消息为分散环境通知消息(decentralized environmental notification message,denm)具体地，rsu作为从源到目的的中间中继，每个rsu可以独立地选择概率为ρ的模式2和概率为1-的模式1；每个rsu可以独立地选择ω为发射功率补偿因子；每个rsu可以独立地选择m为侧行链路子信道中物理资源块(physical resource block，prb)个数。
34.本发明构建了基于随机几何的车联网中nr侧行链路多跳中继的性能解析框架，其中rsu和干扰设备分别被建模为一维泊松点过程(poisson point process，ppp)和二维ppp。在该框架的帮助下，本发明通过仔细解决nr上行链路和nr侧链路传输频域资源共享引起的干扰问题，成功地给出了几个重要的性能指标，包括denm的多跳传递概率和总传播距离。同时，基于蒙特卡洛实验证实了理论框架的有效性。
35.对于给定的denm生命周期，本发明将denm在车联网中经由nr侧行链路多跳中继的过程公式化为一个典型优化问题，并提出了一种基于粒子群优化算法来确定nr侧行链路参数的最优设置，从而使多跳传递概率(或传播距离)最大化。
36.数值结果验证了本发明的有效性。本发明通过对性能的解析和优化，可以求取nr侧行链路的最佳网络参数{ρ
*
,ω
*
,m
*
}，在多跳传递概率和传播距离方面显著增强nr侧行链路可实现性能区域。
附图说明
37.图1为本发明提出的一种用于车联网中nr侧行链路多跳中继的性能解析及优化方法的流程框图；
38.图2为本发明设计的nr侧行链路多跳中继场景；
39.图3为本发明中nr侧行链路多跳中继传输资源池配置示意图；
40.图4为本发明中nr侧行链路多跳中继第k跳传输示意图；
41.图5为nr侧行链路时间域示意图；
42.表i为解决本发明中nr侧行链路多跳中继性能优化的粒子群优化算法；
43.图6a、图6b为本发明中nr侧行链路多跳中继性能解析框架的基于蒙特卡洛实验验证结果；
44.图7为本发明中nr侧行链路多跳中继传输性能随功率补偿因子ω变化的情况；
45.图8a、图8b为本发明中nr侧行链路多跳中继性能优化结果和最优参数设置。
46.图中，1.从车辆发送给其临近rsu1的denm消息；2.从rsu1到rsu2的第一跳nr侧行链路传输；3.从rsu2到rsu3的第二跳nr侧行链路传输；4.从rsu3到rsu4的第三跳nr侧行链路传输；5.nr上行链路传输ue对目标rsu的干扰；6.从ue到gnb的nr上行链路传输；7.分配给
每个区域的用于nr侧行链路传输模式2和nr上行链路传输的共享资源池，其中包含n个连续的prb；8.分配给每个区域的用于nr侧行链路传输模式1的资源池，其中包含(n
z-n)个连续的prb；9.分配给每个区域的资源池，其中包含nz个prb，由7和8共同组成；10.用于nr侧行链路传输模式2的传输子信道，从7中随机选出，其中包含m个连续的prb；11.用于nr侧行链路传输模式2的传输子信道或用于nr上行链路传输的传输子信道，从7中随机选出。如果11用于表示nr侧行链路传输模式2的传输子信道，其中包含m个连续的prb；如果11用于表示nr上行链路传输的传输子信道，其中包含m
′
个连续的prb。12.从rsuk到rsu
k+1
的第k跳nr侧行链路传输；13.区域的中心位置，位于道路一侧；14.第k跳nr侧行链路传输的目标rsu
k+1
位置，同时为描述第k跳nr侧行链路传输各设备相对位置极坐标系的原点o；15.描述第k跳nr侧行链路传输各设备相对位置的极坐标系，原点o位于第k跳nr侧行链路传输的目标rsu
k+1
处，极轴沿道路方向指向denm传输的方向。在15中，rsui表示第i个rus，其坐标由rsui到原点o的距离ri和rsui到原点o连线与极轴夹角θi表示为(ri×
cosθi,0)。在15中，uej表示第j个nr上行链路传输的ue，其坐标由uej到原点o的距离r
′j和uej到原点o连线与极轴夹角θ
′j表示为(r
′j×
cosθ
′j,r
′j×
sinθ
′j)；16.nr侧行链路传输时间域最小调度粒度时隙，其中2
η
个连续时隙组成一个子帧，10个子帧组成一个帧，每个帧占用10毫秒，这里根据3gpp标准ts 38.211，η由nr的子载波间隔所决定，因此每个时隙的时间为1/2
η
；17.denm到达发送队列的时间，其在每个时隙中服从均匀分布u(0,1/2
η
)；18.denm到达发送队列后等待下一个时隙开始被发送所需的时隙对齐时间，在本发明中时隙对齐时间表示为ta＝0.5
×
1/2
η
毫秒。
具体实施方式
47.本发明所要解决的技术问题是提出了一种针对车联网中nr侧行链路多跳中继的性能解析及优化方法。所述方法基于随机几何理论和粒子群优化算法，解析和优化nr侧行链路网络参数包括：nr侧行链路中rsu选择工作模式2的比例ρ、nr侧行链路中rsu发射功率补偿因子ω和nr侧行链路中rsu选择传输子信道的尺寸m。
48.本发明内容中描述的场景为nr侧行链路多跳传输场景，可以基于所述方法完成多个rsu协同中继，将车联网关键消息传递至更遥远的目标ue，实现对nr侧行链路传输范围的增强。
49.所述nr侧行链路符合3gpp相关标准ts 38.213、tr 38.886、tr 38.885、ts 38.331、tr 37.985、ts 38.104、ts 38.211、ts 38.214、tr 37.885、tr 38.785和ts22.186。
50.所述nr侧行链路中继过程符合3gpp相关标准tr 38.836、tr 23.752。
51.所述nr侧行链路多跳传输采用单播的传输方案，通过在侧行链路控制信息(sidelink control information，sci)中指定接收rsu的设备id来完成传输。当目标rsu接收到所述关键消息后，首先检查消息的生命周期是否超时。若消息超时则丢弃该消息；若消息未超时则将消息转发给下一个临近的rsu，已完成对消息的中继传输。
52.所述车联网关键消息为欧洲电信标准化协会(european telecommunications standards institute，etsi)标准etsi en 302 637-3中规范的分散环境通知消息(denm)。所述的denm用于道路危险预警应用，是事件触发型的非周期性消息。一旦通过网联汽车检测到了安全隐患事件，车载智能交通系统的相关应用就立即将denm通过所述nr侧行链路发送给临近rsu。
53.所述rsu内部存储其临近其余rsu设备id，支持nr侧行链路单播通信的智能交通系统路侧单元，可以自主选择nr侧行链路工作模式(模式1或模式2)，可以自主选择nr侧行链路功率补偿因子，可以自主选择传输子信道尺寸，并且具备多星座高精度全球导航卫星系统定位功能。
54.所述随机几何方法被认为是无线网络部署过程中最合适的分析工具，以阐明创新技术在无线网络中应用时的最终性能极限，并指导最优算法和协议的设计，以达到目标的最终极限。随机几何性能解析方法已多次成功地应用于蜂窝网络、多层蜂窝网络、毫米波蜂窝网络、d2d无线网络等场景中的覆盖范围、功率传输、能量效率优化等方面的分析。
55.所述粒子群算法是一个根据鸟群觅食行为衍生出的启发式优化算法。粒子群算法具有收敛速度快、参数少、算法简单易实现的优点(对高维度优化问题，比遗传算法更快收敛于最优解)，在无线网络的性能优化方面具有广泛的应用。
56.所述的工作模式总体包括模式1和模式2，在模式1中，nr侧行链路由基站和rsu之间的rrc连接进行集中管理；在模式2中，nr侧行链路的rsu自主从资源池中选择传输资源。在所述的方法中，rsu选择模式2的比例为ρ，选择模式1的比例为1-。
57.所述的发射功率补偿因子ω遵循3gpp标准ts 38.214。具体的，发射rsu可以根据与接收rsu之间的nr侧行链路路径损耗来控制自身发射功率：
58.pk＝min{
max
,[p0+10lg(2
η
·
m)+ω
·
plk]}
[0059]
其中，pk为rsu的实际发射功率，min{
·
}为返回一组值中的最小值的函数，pmax为rsu的最大发射功率，p0为rsu的标称发射功率，η为nr网络的子载波间隔配置因子，m为rsu选择传输子信道的尺寸，ω为rsu发射功率补偿因子，plk为发射rsu和接收rsu之间的nr侧行链路路径损耗。
[0060]
所述nr侧行链路路径损耗由3gpp标准tr 37.885中下述表达式所得，用以在本发明中估计发射rsu和目标rsu之间的实际nr侧行链路路径损耗。
[0061]
plk＝32.4+20lg(dk)+20lg(fc)
[0062]
其中，dk为发射rsu和目标rsu之间的欧氏距离，fc为nr的中心频率。
[0063]
所述传输子信道的尺寸为子信道中包含prb个数。所述子信道为nr侧行链路最小频率域调度单元。根据3gpp标准ts 38.331规范，子信道可以有m个连续的prb构成，其中m∈{10,12,15,20,25,50,75,100}。
[0064]
所述性能解析关注nr侧行链路多跳中继的两大关键性能指标：端到端传递概率s
tot
和消息传递距离d
tot
。端到端传递概率被定义为每一跳nr侧行链路传输的信干噪比(sinr)均大于给定阈值β的概率，即s
tot
＝r(sinr1≥β,sinr2≥β,
…
,sinrk≥β,
…
,sinrk≥β)。其中pr(
·
)为概率的计算函数，sinrk为nr侧行链路传输第k跳接收端的信干噪比，k为denm生命周期内传输的最大跳数。消息传递距离被定义为denm从第一跳到第k跳所传递的总距离。
[0065]
为了实现对车联网中nr侧行链路多跳中继的性能解析及优化，本发明采用的技术方案包括如下步骤：
[0066]
一种车联网中nr侧行链路多跳中继性能优化方法，包括：
[0067]
根据真实nr侧行链路多跳中继场景，建立关键消息在nr侧行链路多跳中继场景下的系统模型；
[0068]
构建车联网关键消息多跳传输的性能解析框架，解析关键消息的多跳传递概率、多跳传输时间和总传播距离；
[0069]
根据系统模型，计算多轮随机传输场景下的性能平均表现结果，验证性能解析框架正确性；
[0070]
基于验证后的性能解析框架，公式化nr侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题；
[0071]
在给定关键消息传递距离或端到端传递概率和生命周期的条件下，求解混合整数线性规划问题，输出最优性能下的对应网络参数。
[0072]
具体的：
[0073]
步骤s1，构建车联网关键消息经过nr侧行链路多跳中继场景下的性能解析问题，建立系统模型。
[0074]
具体地，根据真实nr侧行链路多跳中继场景，定义关键消息通过nr侧行链路多跳中继场景下的rsu空间分布模型、资源分配模型、干扰模型和流量模型。
[0075]
步骤s2，基于随机几何方法，构建车联网关键消息多跳传输的性能解析框架，解析关键消息的多跳传递概率、多跳传输时间和总传播距离，给出上述性能的确定式。
[0076]
具体地，根据步骤s1给出的系统模型，基于随机几何方法推导nr侧行链路多跳中继场景下，关键消息平均传递速率、传输延迟、最大传输跳数、进而推导传递距离和端到端传递概率的解析确定式。传递距离和端到端传递概率的解析确定式共同构成车联网关键消息多跳传输的性能解析框架。
[0077]
步骤s3，基于蒙特卡洛实验方法，验证性能解析框架正确性。
[0078]
具体地，根据步骤s1给出的系统模型，通过蒙特卡洛实验随机生成传输场景，计算多轮随机传输场景下的性能平均表现结果，与步骤s2给出的性能解析确定式计算结果作对比。如果实验结果和计算结果匹配，说明步骤s2给出的车联网关键消息多跳传输的性能解析框架是正确的。
[0079]
步骤s4，基于验证后的性能解析框架，公式化nr侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题。
[0080]
具体地，根据实际场景需求(包括关键消息最大生命周期、传递距离要求、端到端传递概率要求)和nr侧行链路多跳中继网络参数选取范围要求，给出具有多约束的优化问题。该优化问题以端到端传递概率或传递距离为优化目标，以nr侧行链路多跳中继网络参数{ρ,ω,m}选取为优化变量。
[0081]
步骤s5，在给定关键消息传递距离(或端到端传递概率)和生命周期的条件下，采用粒子群算法，求解最优的端到端传递概率(或传递距离)，并给出最优性能下的对应网络参数{ρ
*
,ω
*
,m
*
}，其中ρ
*
为最优性能下的rsu选择工作模式2的比例，ω
*
为最优性能下的rsu发射功率补偿因子，m
*
为最优性能下的rsu选择传输子信道的尺寸。
[0082]
具体地，基于步骤s4给出的多约束、多目标的混合整数线性规划问题，粒子群算法可以以较低的时间复杂度解决该问题，并给出对应的最优性能下的对应网络参数{ρ
*
,ω
*
,m
*
}。
[0083]
实施例：
[0084]
以下描述对应所提出技术方案步骤s1：构建车联网关键消息经过nr侧行链路多跳
中继场景下的性能解析问题，建立rsu空间分布模型、资源分配模型、干扰模型和流量模型。
[0085]
步骤s1提供经由车联网中的nr侧行链路中继rsu进行denm远程传输的一个典型场景示例。在遵循图1所示的本发明提出方法的流程的情况下，可以在步骤s1中对所述功能和布置中进行改变，可以酌情省略、替换或添加各种过程或组件。例如，可以忽略所述的nr侧行链路与nr上行链路共享资源池的情况。上述的省略、替换或添加将体现在步骤s2所完成的性能解析框架中。
[0086]
应当注意的是，下面结合附图阐述的详细描述旨在描述各种配置，并不旨在表示只有本说明书描述的配置可以被实践。详细描述包括用于标识各类设备的编号(如rsui和uej)、rsu所属的区域、性能解析框架中的各种变量符号和优化问题所考虑的约束条件等。所属领域技术人员在明白这些概念后可以在没有这些特定详细描述或修改这些特定详细描述的情况下实践本发明。
[0087]
如图2所示，典型的denm由车辆感知到的道路突发事件产生。车辆可以将该事件驱动的非周期denm发送给其最接近的rsu。通过多个rsu的协同，该denm可以在其生命周期t
max
内通过nr侧行链路多跳中继传递至更远的距离，进而将道路突发事件传递给更多道路车辆。
[0088]
如图2所示，在给定的地理区域中可以部署任何数量的无线网络接入设备，且上述设备在空间中随机分布且其位置满足泊松点过程分布。具体的，在本发明涉及的场景中，rsu沿直线道路分布，服从强度为λ的一维泊松点过程φ；nr上行链路传输ue随机分布在道路周围，服从强度为λ
′
的一维泊松点过程φ
′
。
[0089]
如图2所示，rsu根据其所处的地理位置可以被划分到不同的区域中，例如rsu1和rsu2被划分到区域2中，而rsu3和rsu4被划分到区域3中。所述区域为面积2
×
2a的正方形区域，可以由nr侧行链路侧行链路控制信息(sci)中携带的12比特的区域id指示。为提高nr侧行链路频率域资源的利用率并减小来自附近设备的传输干扰，可以为不相邻的区域分配相同的频率域资源池，而为相邻的区域分配相互正交的频率域资源池。
[0090]
根据上述的区域划分，rsu之间的传输将分为两种情况：区域内传输和跨区域传输。如图2所示，2为从rsu1到rsu2的单跳nr侧行链路传输即为区域内传输，3为从rsu2到rsu3的单跳nr侧行链路传输即为跨区域传输。
[0091]
如图2所示，ue采用nr上行链路传输6与其最接近gnb进行通信。
[0092]
图2中所示的gnb的位置和分布在本发明中可以被省略，因为本发明不涉及对与gnb的位置和分布的nr有关的下行链路的分析。
[0093]
如图3所示，对于每个区域内所属的nr侧行链路传输rsu和nr上行链路传输ue，它们被分配一个固定的资源池9。该资源池由nz个prb组成。
[0094]
对于资源池9中，本发明又将其进一步分为如图3所示的两个部分，分别为：分配给每个区域的用于nr侧行链路传输模式2和nr上行链路传输的共享资源池7，其中包含n个连续的prb；分配给每个区域的用于nr侧行链路传输模式1的资源池8，其中包含(
z-)个连续的prb。
[0095]
本发明中，每个nr侧行链路传输的rsu均可以自主的选择工作模式。具体地，rsu选择模式2传输的概率为ρ；选择模式1传输的概率为(1-)。
[0096]
结合图2和图3说明，对于例如从rsu1到rsu2的区域内nr侧行链路传输，rsu1选择
模式2传输(即从资源池7中随机选择子信道)的概率为ρ；选择模式1传输(即从资源池8中被集中分配子信道)的概率为(1-)。而通过nr上行链路传输的ue则从资源池7中随机选择子信道。
[0097]
因此，在资源池中随机选择子信道的rsu和ue会产生一定概率的碰撞。如图3所示，10为本发明所述的denm传输的子信道(由连续m个prb组成)，11为与denm传输的子信道发生碰撞的干扰子信道。
[0098]
如果干扰子信道的连续m个prb由其他采用nr侧行链路模式2传输的rsu选择，则两个子信道的碰撞概率ξ为：
[0099][0100]
如果干扰子信道的连续m
′
个prb由采用nr上行链路传输的ue选择，则两个子信道的碰撞概率ζ为：
[0101][0102]
考虑本发明所述的跨区域传输，需要额外配置由nc个prb组成的公共资源池，为如图2所示的从rsu2到rsu3的跨区域nr侧行链路传输提供传输资源。应当注意的是，当发射rsu与目标rsu位于不同区域时，发射rsu只能工作在模式1下。
[0103]
当发射rsu工作在模式2下时，由于资源随机地从资源池7中选择，子信道间的碰撞会使目标rsu遭受通信干扰。本发明用符号i表示单跳目标rsu受到的来自其他发生碰撞的nr侧行链路传输rsu的干扰的总和，用符号i
′
表示单跳目标rsu受到的来自其他发生碰撞的nr上行链路传输ue的干扰的总和。当发射rsu工作在模式1下时，由于资源由网络集中调度，子信道间的碰撞产生的干扰可以被忽略。
[0104]
基于步骤s1建立的rsu空间分布模型、资源分配模型、干扰模型和流量模型，本发明可以清晰描述车联网关键消息多跳传输场景，进而构建车联网关键消息多跳传输的性能解析框架。
[0105]
以下描述对应所提出技术方案步骤s2：基于随机几何方法，构建车联网关键消息多跳传输的性能解析框架，解析关键消息的多跳传递概率、多跳传输时间和总传播距离，给出上述性能的确定式。
[0106]
如图4所示，denm在第k跳nr侧行链路传输12中从rsuk被发送到rsu
k+1
，其传输距离被表示为dk。dk由步骤s1提供的rsu空间分布模型决定，根据一维泊松点过程的性质，dk的概率密度函数为：
[0107][0108]
为方便对来自不同设备的干扰的刻画，本发明设置了如图4所示的极坐标15。极坐标15原点o位于第k跳nr侧行链路传输的目标rsu
k+1
处，极轴沿道路方向指向denm传输的方向。在极坐标15中，rsui表示第i个rus，其坐标由rsui到原点o的距离ri和rsui到原点o连线与极轴夹角θi表示为(ri×
cosθi,0)。在15中，uej表示第j个nr上行链路传输的ue，其坐标由
uej到原点o的距离r
′j和uej到原点o连线与极轴夹角θ
′j表示为(r
′j×
cosθ
′j,r
′j×
sinθ
′j)。
[0109]
在本发明中，用符号δk表示面积为2a
×
2a区域的中心位置13和第k跳nr侧行链路传输的目标rsu
k+1
位置14之间的距离。根据一维泊松点过程的性质，δk的概率密度函数为：
[0110][0111]
本发明考虑了基于区域的资源复用，由子信道碰撞产生的干扰只来源于区域内。所以，第k跳目标rsu受到的来自其他发生碰撞的nr侧行链路传输rsu距离原点o的距离应该满足0≤ri≤r
max
，其中：
[0112][0113]
其中，θk为一个角度，当原点o位于区域的中心位置13上或者位于区域的中心位置13右侧时，θk＝0；否则，θk＝π。
[0114]
本发明考虑了宽度为w的道路。因为采用nr上行链路传输的ue为行人携带设备，所以采用nr上行链路传输的ue不能分布在宽度为w的道路上。所以，第k跳目标rsu受到的来自其他发生碰撞的nr上行链路传输ue距离原点o的距离应该满足r
′
min
≤r
′j≤r
′
max
，其中：
[0115][0116][0117]
基于如图4所示的位置关系，第k+1跳nr侧行链路传输为区域内传输的概率为：
[0118][0119]
由于本发明涉及的nr侧行链路传输多跳中继过程中每一跳相互独立，可以给出第k跳nr侧行链路传输为区域内传输的概率为
[0120]
如图5所示，nr侧行链路时间域结构为：每个帧为10毫秒，其中包含10个子帧；每个子帧为1毫秒，其中包含2
η
个时隙16。每个时隙为1/2
η
毫秒。其中nr网络的子载波间隔配置因子η由nr网络子载波间隔决定。本发明中，参数η与nr网络子载波间隔对应关系参考3gpp标准ts 38.214。
[0121]
在所述的nr侧行链路中，时隙为资源的时间域最小调度粒度。如图5中17和18所示，当denm到达发送队列时，传输需要对齐到下一个时隙的开始。因此在本发明中，考虑对齐延迟ta。所述对齐延迟ta＝0.5
×
1/2
η
毫秒。
[0122]
本发明中，所涉及的rsu工作在模式1时，其传输资源由gnb集中调度。由于传输资源的有限性，传输需要等待资源调度的延迟。因此在本发明中，考虑跨区域传输的等待延迟和区域内模式1传输的等待延迟
[0123]
跨区域传输的等待延迟和区域内模式1传输的等待延迟由步骤s1提供的资源分配模型和流量模型决定。
[0124]
跨区域传输的等待延迟由：跨区域传输资源池最大同时提供子信道数跨区域传输消息到达率λc＝(1-∈)λ和跨区域单跳传输延迟这里，为向下取整函数。
[0125]
具体地，基于排队理论，跨区域传输的等待延迟为：
[0126][0127]
其中，δtw为无线资源控制(radio resource control，rrc)连接时间。
[0128]
区域内模式1传输的等待延迟由：区域内传输资源池最大同时提供子信道数区域内模式1传输消息到达率λ1＝(1-ρ)∈λ和区域内模式1单跳传输延迟
[0129]
同理，区域内模式1传输的等待延迟为：
[0130][0131]
需要注意的是，本发明涉及的场景为了确保排队理论的平稳性，需要满足如下条件：和
[0132]
在本发明中，所述的跨区域单跳传输延迟区域内模式1单跳传输延迟以及区域内模式2单跳传输延迟其中，ω为denm的消息大小、ec为跨区域单跳传输的平均传输速率、e1为区域内模式1单跳传输的平均传输速率、e2为区域内模式2单跳传输的平均传输速率。
[0133]
在本发明中，平均传输速率ec、e1和e2可以由香农公式和随机几何理论解析得到：
[0134]
[0135][0136][0137]
其中：b＝m
·bprb
为传输子信道带宽、b
prb
为每个prb的带宽、和为干扰i和i
′
的拉普拉斯变换、为代替变量、μ为衰落系数的期望值、α为路径损耗指数、pk为第k跳发射rsu的传输功率、σ2为可加性高斯白噪声功率。
[0138]
计算平均传输速率需要得到rsu接收到干扰。本发明涉及的干扰强度由步骤s1所构建干扰模型决定。干扰i和i
′
的拉普拉斯变换为：
[0139][0140][0141]
基于传输等待延迟单跳传输延迟时隙对齐延迟ta，以及nr侧行链路高层协议栈的执行延迟th。本发明可以解析地给出，跨区域单跳传输总延迟tc、区域内模式1单跳传输总延迟t1和区域内模式2单跳传输总延迟t2：
[0142][0143][0144][0145]
基于所述的跨区域单跳传输总延迟tc、区域内模式1单跳传输总延迟t1和区域内模式2单跳传输总延迟t2，本发明可以进一步解析地给出nr侧行链路单跳传输的总延迟：
[0146]
tk＝(1-)tc+[(1-)t1+t2]
[0147]
基于nr侧行链路单跳传输的总延迟tk，最大传输跳数k为：
[0148][0149]
其中，t
max
为denm的最大生命周期。
[0150]
基于nr侧行链路多跳中继的最大传输跳数k，demm的nr侧行链路多跳中继的端到端传递概率可以被解析为：
[0151]stot
＝[sc+(1-)s1+s2]k[0152]
所述sc为成功进行跨区域nr侧行链路单跳传输的概率、s1为成功进行区域内nr侧
行链路模式1单跳传输的概率、s2为成功进行区域内nr侧行链路模式2单跳传输的概率，上述成功单跳传输的概率可以被解析为：
[0153][0154][0155][0156]
其中，为代替变量、β为成功传递概率中信干燥比的阈值、和为干扰i和i
′
的拉普拉斯变换，由步骤s1所构建干扰模型决定。
[0157]
干扰i和i
′
的拉普拉斯变换为：
[0158][0159][0160]
基于nr侧行链路多跳中继的最大传输跳数k，demm的nr侧行链路多跳中继的从传递距离可以被解析为：
[0161][0162]
上述公式(1)和(2)即为本发明提供的一种用于车联网中nr侧行链路多跳中继的性能解析理论框架。
[0163]
在步骤s2得到用于车联网中nr侧行链路多跳中继的性能解析理论框架后，需要首先验证框架正确性。
[0164]
以下描述对应所提出技术方案步骤s3：基于蒙特卡洛实验方法，验证性能解析框架正确性。
[0165]
本发明在这里提供一种可行的蒙特卡洛实验方法。在每一轮蒙特卡洛实验中，rsu和ue的位置都是按照步骤s1中描述的泊松点过程φ和φ
′
在5
×
5平方公里的面积内随机部署生成。独立同分布的衰落系数h按照平均值为μ的指数分布为每个发射子信道或干扰子信道随机生成。在每一轮蒙特卡洛实验中，接收端rsu的接收sinr和两个相邻的rsu之间的距离可以被计算得到。通过将接收到的sinr与阈值β进行比较，得到成功轮次与总轮次的比率，该比率是单跳传递概率的模拟结果。对于单跳传播距离的模拟结果，可以从两个相邻rsu之间的距离的平均值获得。
[0166]
如图6a和图6b所示，连续的线条分别显示了各性能的理论解析结果，即根据步骤
s2计算得到的结果，离散的点分别显示了各性能的蒙特卡洛仿真实验结果。
[0167]
如图6a和图6b所示，仿真实验结果与理论解析结果的紧密匹配表明，本发明提出的一种用于车联网中nr侧行链路多跳中继的性能解析框架可以有效地描述所涉及的典型denm经过nr侧行链路多跳中继传递过程。
[0168]
基于s3步骤验证后的正确性能解析框架，本发明可以基于优化理论将车联网中nr侧行链路多跳中继传输公式化为一个可解决的数学优化问题。
[0169]
以下描述对应所提出技术方案步骤s4：基于验证后的性能解析框架，公式化nr侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题。
[0170]
下面将结合优化问题和算法，呈现本发明提供的一种用于车联网中nr侧行链路多跳中继的性能优化方法。
[0171]
优化问题(3)如下：
[0172][0173]
s.t.t
max
》0
[0174]
传输性能要求:
[0175]
0≤ρ≤1,
[0176]
0《ω≤1,
[0177]
m∈m
sub
,
[0178]
优化问题(3)中，f为目标函数，为性能指标上的约束条件。如果本发明目标为最大化denm端到端的传递概率，那么f＝s
tot
，即步骤s2给出的公式(1)，且如果本发明目标为最大化denm传递距离，那么f＝d
tot
，即步骤s2给出的公式，且d
req
和s
req
分别为上述两种情况下的性能指标要求。
[0179]
nr侧行链路传输的模式2选择概率需要满足：0≤ρ≤1；发射rsu的传输功率补偿因子需要满足：0《≤1；m
sub
为3gpp规定的子信道尺寸的子集，即为3gpp规定的子信道尺寸的子集，即且m
sub
中元素需要满足各资源池prb数量(n、nz、nc)的要求。例如，给定n＝36prb、n
z-n＝46prb、nc＝100prb，则m
sub
＝{10,12,15,20,25}。
[0180]
优化问题(3)是混合整数线性规划问题。在本发明中，为解决nr侧行链路多跳中继的性能优化的混合整数线性规划问题，采用如表i所述的粒子群算法解该问题。
[0181]
如表i算法中第13步所述，第u个粒子在第τ代迭代时，需要根据第τ-1代的位置更新自己的位置。具体地，第u个粒子在第τ代的位置为：
[0182][0183]
其中，为第u个粒子在第τ代的速度向量，可以由如下公式计算：
[0184][0185]
其中，w为迭代的关系因子、为第u个粒子在第τ-1代的速度向量、rand1和rand2为0到1范围内的两个任意随机数、为第u个粒子自身的历史最优位置、为所有粒子的全局历史最优位置。在如表i算法中，符号和表示的意思同上。
[0186]
如表i算法中第2步所述，本发明将整数变量m分为length(m
sub
)个簇，并用m
po
指示
本轮优化时，变量m对应的子集m
sub
中的具体数值。这里，函数length(
·
)可以给出子集包含的元素数目。通过所述第2步的方法，总数为u的粒子群可以分布在变量m等于不同值情况下进行独立搜索，直到m
po
遍历完整个子集m
sub
。由于length(m
sub
)≤8，因此本发明提出的算法具有较低的计算复杂度。
[0187]
在初始化时，为保证最优网络参数{ρ
*
,ω
*
,m
*
}满足优化问题(3)中的各项约束条件，如表i算法中第5-8步所述，需要为每个粒子初始化满足要求的位置。
[0188]
在迭代过程中，为保证最优网络参数{ρ
*
,ω
*
,m
*
}满足优化问题(3)中的各项约束条件，如表i算法中第14-16步所述，通过赋值为-1的惩罚方法，来保证每个粒子满足要求。
[0189]
表i：
[0190][0191]
基于s4步骤提出的优化问题和其对应解决方法，本发明将通过计算给出车联网中
nr侧行链路多跳中继传输的最优性能和对应最优参数。
[0192]
以下描述对应所提出技术方案步骤s5：在给定关键消息传递距离(或端到端传递概率)和生命周期的条件下，采用粒子群算法，求解最优的端到端传递概率(或传递距离)，并给出最优性能下的对应网络参数{ρ
*
,ω
*
,m
*
}，其中ρ
*
为最优性能下的rsu选择工作模式2的比例，ω
*
为最优性能下的rsu发射功率补偿因子，m
*
为最优性能下的rsu选择传输子信道的尺寸。
[0193]
同时给出本发明的理论解析和仿真实验结果，并结合理论解析和仿真实验结果，验证本发明提供的性能解析和优化的效果。除非另有说明，其他仿真实验所涉及的参数为：
[0194]
nr网的子载波间隔为15khz、相应的子载波间隔配置因子η＝0、每个prb的带宽b
prb
＝180khz。区域半边长a＝0.025km、道路宽度w＝0.01km、每个区域资源池prb个数nz＝100、跨区域公共资源池prb个数nc＝84、每个区域为nr侧行链路模式2和nr上行链路预留资源池prb个数n＝36。
[0195]
rsu最大发射功率p
max
＝26dbm、rsu标称发射功率p0＝-26dbm、衰落系数的期望值μ＝1、路径损耗指数α＝4、可加性高斯白噪声功率σ2＝1dbm、成功传递概率中sinr阈值β＝-20db、rus分布强度λ＝50rsus/km。
[0196]
上行链路传输ue发射功率p
′
＝26dbm、上行链路传输ue子信道prb个数m
′
＝16、上行链路传输ue分布强度λ
′
＝500ues/km。
[0197]
nr侧行链路高层协议栈的执行延迟th＝1.5ms、rrc连接时间δtw＝2ms。denm消息大小ω＝1000bytes、dnem生命周期t
max
＝100ms。
[0198]
粒子群算法的例子总数u＝50、迭代总代数τ
max
＝100、惯性因子w＝0.5。
[0199]
在仿真实验中，本发明采用5
×
104次相互独立的蒙特卡洛实验的平均值作为仿真实验结果。
[0200]
图6a显示了denm单跳传递概率s和其组成部分{sc,s1,s2}，随rsu分布强度λ的变化情况。
[0201]
图6b显示了denm多跳的端到端传递概率s
tot
和总传递距离d
tot
，随rsu分布强度λ的变化情况。
[0202]
如图7所示，虚线展示了本发明中nr侧行链路多跳中继端到端denm传递概率s
tot
随功率补偿因子ω变化的情况、实线展示了本发明中nr侧行链路多跳中继总传递距离d
tot
随功率补偿因子ω变化的情况。从图7可以看出，本发明涉及的两个性能指标s
tot
和d
tot
均随ω的增大而增大。
[0203]
因此，在本发明中，我们优选地采用ω＝1为最优性能下的最优rsu发射功率补偿因子ω
*
。
[0204]
图8a显示了基于本发明提出的一种用于车联网中nr侧行链路多跳中继的性能优化方法下，在给定的性能指标要求km时，最优端到端denm传递概率的变换情况和最优网络参数{ρ
*
,m
*
}设置情况。
[0205]
图8b显示了基于本发明提出的一种用于车联网中nr侧行链路多跳中继的性能优化方法下，在给定的性能指标要求时，最优总传递距离的变换情况和最优网络参数{ρ
*
,m
*
}设置情况。
[0206]
由图8a和图8b可以看出，采用本发明提出的一种用于车联网中nr侧行链路多跳中继的性能解析及优化方法可以在确保约束条件的情况下，通过调整网络参数ρ和m实线目标性能的最优化，并且解析地给出对应网络参数的取值。
[0207]
本发明再一实施例中，提供一种车联网中nr侧行链路多跳中继性能优化系统，能够用于实现上述的一种车联网中nr侧行链路多跳中继性能优化方法，具体的，该系统包括：
[0208]
模型构建模块，用于根据真实nr侧行链路多跳中继场景，建立关键消息在nr侧行链路多跳中继场景下的系统模型；
[0209]
性能解析框架构建模块，用于构建车联网关键消息多跳传输的性能解析框架，解析关键消息的多跳传递概率、多跳传输时间和总传播距离；
[0210]
验证模块，用于根据系统模型，计算多轮随机传输场景下的性能平均表现结果，验证性能解析框架正确性；
[0211]
规划问题构建模块，用于基于验证后的性能解析框架，公式化nr侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题；
[0212]
求解输出模块，用于在给定关键消息传递距离或端到端传递概率和生命周期的条件下，求解混合整数线性规划问题，输出最优性能下的对应网络参数。
[0213]
本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，在本发明各个实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0214]
本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种车联网中nr侧行链路多跳中继性能优化方法的操作。
[0215]
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关一种车联网中nr侧行链路多跳中继性能优化方法的相应步骤。
[0216]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0217]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0218]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0219]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0220]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种车联网中nr侧行链路多跳中继性能优化方法，其特征在于，包括：根据真实nr侧行链路多跳中继场景，建立关键消息在nr侧行链路多跳中继场景下的系统模型；构建车联网关键消息多跳传输的性能解析框架，解析关键消息的多跳传递概率、多跳传输时间和总传播距离；根据系统模型，计算多轮随机传输场景下的性能平均表现结果，验证性能解析框架正确性；基于验证后的性能解析框架，公式化nr侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题；在给定关键消息传递距离或端到端传递概率和生命周期的条件下，求解混合整数线性规划问题，输出最优性能下的对应网络参数。2.根据权利要求1所述的一种车联网中nr侧行链路多跳中继性能优化方法，其特征在于，系统模型具体为：根据真实nr侧行链路多跳中继场景，定义关键消息通过nr侧行链路多跳中继场景下的rsu空间分布模型、资源分配模型、干扰模型和流量模型。3.根据权利要求1所述的一种车联网中nr侧行链路多跳中继性能优化方法，其特征在于，解析关键消息的多跳传递概率、多跳传输时间和总传播距离：根据系统模型，基于随机几何方法推导nr侧行链路多跳中继场景下，关键消息平均传递速率、传输延迟、最大传输跳数、进而推导传递距离和端到端传递概率的解析确定式，传递距离和端到端传递概率的解析确定式共同构成车联网关键消息多跳传输的性能解析框架。4.根据权利要求1所述的一种车联网中nr侧行链路多跳中继性能优化方法，其特征在于，验证性能解析框架正确性：根据给出的系统模型，通过蒙特卡洛实验随机生成传输场景，计算多轮随机传输场景下的性能平均表现结果，与性能解析确定式计算结果作对比；如果实验结果和计算结果匹配，则车联网关键消息多跳传输的性能解析框架是正确的。5.根据权利要求1所述的一种车联网中nr侧行链路多跳中继性能优化方法，其特征在于，混合整数线性规划问题：根据关键消息最大生命周期、传递距离要求、端到端传递概率要求和nr侧行链路多跳中继网络参数选取范围要求，给出具有多约束的优化问题；该优化问题以端到端传递概率或传递距离为优化目标，以nr侧行链路多跳中继网络参数{ρ,ω,m}选取为优化变量。6.根据权利要求1所述的一种车联网中nr侧行链路多跳中继性能优化方法，其特征在于，输出最优性能下的对应网络参数：在给定关键消息传递距离或端到端传递概率和生命周期的条件下，采用粒子群算法，求解最优的端到端传递概率或传递距离，并给出最优性能下的对应网络参数{ρ
*
,ω
*
,m
*
}，其中ρ
*
为最优性能下的rsu选择工作模式2的比例，ω为最优性能下的rsu发射功率补偿因子，m
*
为最优性能下的rsu选择传输子信道的尺寸；基于给出的多约束、多目标的混合整数线性规划问题，粒子群算法以较低的时间复杂度解决该问题，并给出对应的最优性能下的对应网络参数{ρ
*
,ω
*
,m
*
}。
7.根据权利要求6所述的一种车联网中nr侧行链路多跳中继性能优化方法，其特征在于，工作模式总体包括模式1和模式2，在模式1中，nr侧行链路由基站和rsu之间的rrc连接进行集中管理；在模式2中，nr侧行链路的rsu自主从资源池中选择传输资源，rsu选择模式2的比例为ρ，选择模式1的比例为1-ρ。8.一种车联网中nr侧行链路多跳中继性能优化系统，其特征在于，包括：模型构建模块，用于根据真实nr侧行链路多跳中继场景，建立关键消息在nr侧行链路多跳中继场景下的系统模型；性能解析框架构建模块，用于构建车联网关键消息多跳传输的性能解析框架，解析关键消息的多跳传递概率、多跳传输时间和总传播距离；验证模块，用于根据系统模型，计算多轮随机传输场景下的性能平均表现结果，验证性能解析框架正确性；规划问题构建模块，用于基于验证后的性能解析框架，公式化nr侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题；求解输出模块，用于在给定关键消息传递距离或端到端传递概率和生命周期的条件下，求解混合整数线性规划问题，输出最优性能下的对应网络参数。9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种车联网中nr侧行链路多跳中继性能优化方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种车联网中nr侧行链路多跳中继性能优化方法的步骤。

技术总结
一种车联网中NR侧行链路多跳中继性能优化方法及系统，包括：建立关键消息在NR侧行链路多跳中继场景下的系统模型；构建车联网关键消息多跳传输的性能解析框架；基于系统模型和蒙特卡洛试验方法，计算多轮随机传输场景下的性能平均表现结果，验证性能解析框架正确性；公式化NR侧行链路多跳中继传输过程为一个多约束、多目标的混合整数线性规划问题；在给定关键消息传递距离或端到端传递概率和生命周期的条件下，求解混合整数线性规划问题，输出最优性能下的对应网络参数。本发明将关键消息在车联网中经由NR侧行链路多跳中继的过程公式化为一个典型优化问题，并提出了一种基于粒子群优化算法来确定NR侧行链路参数的最优设置，从而使多跳传递概率或传播距离最大化。从而使多跳传递概率或传播距离最大化。从而使多跳传递概率或传播距离最大化。


技术研发人员：刘家佳 王佳黛 付强
受保护的技术使用者：西北工业大学
技术研发日：2023.07.31
技术公布日：2023/10/15