车载自组织网络（VANET）综述

车载自组织网络是未来智能交通系统的重中之重。车载自组织网络具有节点数量大、高速运动、沿路径移动以及受通信质量受环境影响大等特性。因此其网络体系结构与通用的无线自组织网络有很大区别。     

车载自组织网络中基于簇的协作传输机制

为提高公路车辆的数据服务效率和通信服务的能量利用率,将分簇算法应用于实际环境的数据传输,提出一种新的传输机制。针对公路环境,应用分簇和数据聚合,进行了实时的双向数据协作传输在公路上的应用设计。仿真结果表明:在公路环境中,整合了分簇和数据聚合的数据传输机制能有效提高服务率、减少服务时延、提高吞吐量并减少能耗。     

车载网络模拟技术研究

车载网络(Vehicular Ad Hoc Networks,VANETs)是移动自组织网络(Mobile Ad Hoc Networks,MANETs)和交通研究中出现的一个新兴领域。在研究VANETs的过程中,模拟无疑是一种实现网络协议和应用低成本、高效率的方式,因此具有重要作用。首先回顾了车载网中传统的模拟方法及其缺点,针对这些缺点提出将网络和交通模拟器结合的解决方案,然后根据结合的方式及适合的VANETs应用将车载网模拟器分为两类,并对目前主要的车载网模拟器进行介绍,分析其特点,最后指出目前VANETs模拟器存在的局限性以及未来发展的方向。     

有扰环境协作自组织网络的中继区域选择及系统性能分析(英文)

采用随机几何方法,分析了有扰的协作自组织网络的性能并给出中继的选择区域. 首先,假设随机网络中的节点服从泊松分布,得到最佳中继选择算法中断概率的闭式解; 其次,给出了此算法的网络容量; 最后,定义性能参数来衡量采用最佳中继选择算法带来的性能增益,并根据此参数得到中继选择区域以保证采用最佳中继选择算法时可以得到的性能增益. 分析和仿真结果表明: 最佳中继选择算法的性能不仅取决于源节点和中继节点的密度,还与路径损耗参数和解码门限等网络参数有关,在传输距离较远、干扰较多、解码门限较高等情况下比直接传输具有更大的优势.     

车载网中多信道报文分割传输算法

为了保证通信质量,提出一种多信道报文分割传输算法。首先根据可用服务信道(SCH)数量对报文进行分割,然后利用各个SCH来传输报文。考虑到由于部分信道未被使用和部分车辆不可达所导致的报文丢失现象,采用随机线性网络编码来对报文进行编码,并根据信道可用概率和车辆可用概率提出算法来确定需要增加的报文数量。仿真实验结果表明,该算法的可靠性高、信道使用量低,有效地缓解了车辆密度较低所导致的连接性较弱的问题。     

车辆自组网络中的数据下载研究

在车辆自组网络（VANET）环境中,当车辆从路边接入点（APs）下载文件时,可以利用移动节点之间的接触来携带/转发文件.本文提出了一种携带者选择算法,来增加车载下载者之间的传输速率的可能性.实验仿真表明,该方法可显著提高车载用户的下载速率.     

基于城市车载自组织网络中传输质量的自适应地理路由协议

车载自组织网络(VANET)一直以来受到越来越多的关注。然而,VANET的固有特性,如节点的高移动性、频繁变化的拓扑,在复杂的城市环境中为设计高效的路由协议提出了许多挑战。提出基于城市车辆网络(AGQOT)传输质量的自适应地理路由协议,作为道路路段的选择指导,一种称为传输质量(QOT)的度量被设计用来测量每个路段的性能,将路由连通性与分组传送率(PDR)相结合。在这种度量的帮助下,道路段可以逐个动态地选择,以构成最佳路由路径,避免局部最大和数据拥塞问题。提出一种改进的贪婪转发策略,使数据包沿着选定的路段转发,保证数据包传输的快速可靠。仿真结果表明,提出的协议可以提高网络在分组传输率和端到端延迟方面的性能。     

自组织网络中的智能容错导航算法研究

导航中的通信中断等灾难性故障是现代导航系统的障碍之一。为了实现车载导航系统的有效容错,提出了基于自组织网络智能节点的容错导航算法;给出了该算法的主要方案、数据结构和程序流程;提出了多路径选择的导航方案。实验仿真结果证明,该算法响应速度较快,能充分利用自组织网络中的残留数据。     

基于物理层网络编码的RFID标签防冲突算法研究

针对二进制搜索树算法在解决射频识别系统多标签冲突时读写速率低的问题,提出一种基于物理层网络编码的射频识别标签防冲突算法PNBA。PNBA算法将传统防冲突算法丢弃的多标签冲突信息压栈保存,引入物理层网络编码技术,结合栈顶信息和已识别标签信息,通过物理层网络编码的解码运算得到未被读取的标签信息,减少读写器和标签之间的交互次数,提高多标签的识别速率。理论分析和MATLAB仿真表明,PNBA算法与现有二进制搜索算法相比,能够减少读写读取次数,提高系统读写速率。在标签数目为100时,其读取次数比基本二进制搜索树算法低83%,比后退二进制搜索树算法低43%,读取次数效率达0.93。