维多利亚308|官方版

本书全面、系统地阐述了5G+C-V2X车载通信关键技术。全书共12章，主要内容包括车载时变信道建模技术、协作通信技术、全双工技术、D2D技术、NOMA技术、组播通信技术、虚拟小区与NB-IoT技术、区块链技术、计算卸载技术、认知无线电技术和可见光技术。本书系统性强，内容编排连贯；注重基本概念、基本原理概述，对系统基本性能的物理意义解释明确；强调车载通信在实际中的应用；注重知识的归纳、总结。本书深入浅出，概念清晰，语言流畅，既可作为从事车载通信系统研究与开发的电信工程师、工程管理人员的指导和参考用书，也可作为电子与通信工程领域通信与信息系统、信号与信息处理等学科的研究生和高年级本科生的参考书或教材，同时对通信领域进行教学、研究、开发的教师、学生有很好的参考价值。

第1章  概述	1
1.1  引言	1
1.2  C-V2X概述	2
1.3  C-V2X的应用前景	4
1.3.1  C-V2X有望成为车联网首选方案	4
1.3.2  5G V2X更能满足智能网联汽车的需求	5
参考文献	5
第2章  车载时变信道建模技术	7
2.1  引言	7
2.2  基于几何的协作散射车载时变信道模型	8
2.2.1  车载时变信道模型描述	8
2.2.2  车载时变信道冲击响应	11
2.3  车载时变信道非平稳特性统计分析	14
2.3.1  车载时变信道空间自相关特性分析	15
2.3.2  车载时变信道时间自相关特性分析	16
2.3.3  车载时变信道Wigner-Ville谱分析	17
2.3.4  车载时变信道遍历容量分析	18
2.4  仿真结果与性能分析	19
2.5  本章小结	24
参考文献	25
第3章  协作通信技术	28
3.1  引言	28
3.2  时变信道下车载协作通信系统MPSK调制方法	29
3.2.1  场景建模	29
3.2.2  MPSK调制下误码率分析	31
3.2.3  仿真结果与性能分析	35
3.3  时变信道下车载中继协议与M-QAM调制方法	38
3.3.1  车载中继协议设计	38
3.3.2  M-QAM调制下平均误码率分析	39
3.3.3  仿真结果与性能分析	46
3.4  联合车辆分簇与功率控制方法	50
3.4.1  运动态车辆分簇方法	50
3.4.2  准静态车辆分簇方法	54
3.4.3  准静态车辆分簇下的功率控制	58
3.4.4  仿真结果与性能分析	61
3.5  本章小结	64
参考文献	64
第4章  全双工技术	67
4.1  引言	67
4.2  非对称编码的全双工车载通信	68
4.2.1  非对称编码的信息传输	69
4.2.2  BER性能分析	73
4.2.3  BER性能优化	74
4.2.4  仿真结果与性能分析	76
4.3  全双工双向中继车载协作通信	79
4.3.1  场景建模	79
4.3.2  系统中断概率分析	81
4.3.3  仿真结果与性能分析	85
4.4  全双工D2D车载通信	87
4.4.1  场景建模	88
4.4.2  策略与簇间频谱复用准则	90
4.4.3  基于ILA理论的复用资源分配机制	96
4.4.4  仿真结果与性能分析	98
4.5  本章小结	103
参考文献	103
第5章  D2D技术	106
5.1  引言	106
5.2  时延QoS保证的C-V2X车载通信功率分配方法	108
5.2.1  系统模型	108
5.2.2  功率分配	113
5.2.3  仿真结果与性能分析	114
5.3  时变信道下D2D-V车载通信功率控制方法	117
5.3.1  系统模型	118
5.3.2  车载时变信道下非完美CSI描述	119
5.3.3  D2D-V功率控制	120
5.3.4  仿真结果与性能分析	125
5.4  C-V2X D2D车载通信能效优化方法	129
5.4.1  系统模型	129
5.4.2  拉格朗日和丁克尔巴赫方法	132
5.4.3  仿真结果与性能分析	136
5.5  本章小结	140
参考文献	140
第6章  NOMA技术	142
6.1  引言	142
6.2  协作NOMA车载通信	143
6.2.1  车辆跟驰场景下分簇算法	144
6.2.2  协作NOMA功率控制方法	145
6.2.3  仿真结果与性能分析	155
6.3  NOMA+全双工车载通信	159
6.3.1  系统模型	159
6.3.2  NOMA安全传输策略	161
6.3.3  全双工中继选择方法	163
6.3.4  仿真结果与性能分析	170
6.4  本章小结	173
参考文献	173
第7章  组播通信技术	175
7.1  引言	175
7.2  车载社交网络中数据传输组播技术	176
7.2.1  系统模型	176
7.2.2  组播算法描述	178
7.2.3  最优中继选择	181
7.2.4  功率分配策略	184
7.2.5  仿真结果与性能分析	188
7.3  C-V2X车载安全数据传输组播技术	190
7.3.1  系统模型	190
7.3.2  TSMT-VSD中继选择策略与基站奖惩机制	193
7.3.3  VISSIM仿真平台	197
7.3.4  仿真结果与性能分析	202
7.4  本章小结	207
参考文献	208
第8章  虚拟小区与NB-IoT技术	210
8.1  引言	210
8.2  车载通信虚拟小区技术	212
8.2.1  系统模型	212
8.2.2  以多车辆为中心的动态虚拟小区	216
8.2.3  虚拟小区车载通信资源管理	219
8.2.4  仿真结果与性能分析	226
8.3  车载通信NB-IoT技术	229
8.3.1  系统模型	229
8.3.2  NB-IoT车载通信资源管理	232
8.3.3  仿真结果与性能分析	235
8.4  本章小结	238
参考文献	238
第9章  区块链技术	241
9.1  引言	241
9.2  城市场景下基于分簇的V2X车载信息传输方案	242
9.2.1  系统模型	242
9.2.2  车载紧急信息传输策略	246
9.2.3  车载非紧急信息传输策略	248
9.2.4  仿真结果与性能分析	249
9.3  交叉路口处基于分簇的V2X车载信息传输方案	253
9.3.1  应用场景及系统建模	254
9.3.2  车载信息安全的交通灯配时算法	257
9.3.3  基于区块链的车辆信任管理方案	260
9.3.4  软件开发平台搭建	263
9.3.5  仿真结果与性能分析	266
9.4  本章小结	270
参考文献	270
第10章  边缘计算——计算卸载技术	273
10.1  引言	273
10.2  计算卸载物理层安全的D2D-V频谱复用接入机制	274
10.2.1  计算卸载物理层安全通信系统模型	274
10.2.2  计算卸载物理层安全性能尺度	276
10.2.3  D2D-V链路动态接入机制与中断性能分析	277
10.2.4  D2D-V频谱复用的最优接入门限值	282
10.3  仿真结果与性能分析	286
10.4  本章小结	292
参考文献	293
第11章  认知无线电技术	295
11.1  引言	295
11.2  频谱感知	296
11.2.1  系统建模	296
11.2.2  能量检测算法	297
11.2.3  自适应加权双门限频谱感知算法	298
11.2.4  车载环境下的信道仿真模型	304
11.2.5  仿真结果与性能分析	305
11.3  频谱分配	308
11.3.1  系统建模	308
11.3.2  频谱分配算法	311
11.3.3  仿真结果与性能分析	313
11.4  本章小结	315
参考文献	316
第12章  可见光技术	317
12.1  引言	317
12.2  可见光的V2V通信平台设计	317
12.2.1  系统的总体构成	317
12.2.2  可见光的发送端	318
12.2.3  可见光的接收端	322
12.3  系统搭建和测试	325
12.3.1  字符传输	326
12.3.2  视频传输	329
12.4  本章小结	331
参考文献	331
附录A  缩略词对照表	332

序

近年来，随着全球化经济和科技的不断发展进步，我国城市化发展进程的不断加快，车辆交通已成为人们日常生活的一部分，汽车拥有量呈爆炸式增长。根据国家统计局公布的数据，截至2020年年底，我国民用汽车保有量达到2.81亿辆。庞大的汽车保有量将导致城市交通拥堵，汽车排放的尾气将带来环境污染，而且道路交通的安全隐患也不断增加。除依靠拓宽道路、建设高架路和地铁等增加基础道路设施的手段外，还要充分发挥现代信息技术和车联网技术在解决交通问题中的作用。推进交通信息化、网络化和智能化，构建基于车联网的智能交通系统（Intelligent Transportation System，ITS），实现快捷、安全、高效、舒适、绿色环保出行，一直以来都是世界各国不懈努力的目标。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中明确提出“积极稳妥发展工业互联网和车联网”。
车联网或网联车有多种分类方式，从通信对象看，V2X（Vehicle-to-Everything）包括V2V（Vehicle-to-Vehicle，车到车，提供防碰撞安全能力）、V2I（Vehicle-to-Infrastructure，车到路，支持优化交通信号灯转换）、V2P（Vehicle-to-Pedestrian，车到人，支持为行人与骑行者提供安全预警）、V2N（Vehicle-to-Network，车到网或车到云平台，提供实时交通流量与路径规划及服务）等。对应的车端需要配备各类传感器（如摄像头、激光雷达）和OBU（通信、控制器和执行器，还可能含边缘计算），路端需要配备RSU（含通信与边缘计算能力）、传感器和信号灯，也可能需要边缘计算（MEC），网端需要有移动基站、MEC、通信云平台等，云端需要支持高精度地图、交通大数据分析、人工智能决策、智能出行应用软件及服务等。
从支持车辆的自动化能力看，可分为L1～L5共五级。L1为辅助驾驶，传输时延为100～1000 ms，网速为0.2 Mbps；L2为部分自动化，传输时延为20～100 ms，网速为0.5 Mbps；L3为条件自动化，传输时延为10～20 ms，网速为16 Mbps；L4为高级自动化，传输时延为1～10 ms，网速为100 Mbps；L5为全自动化，传输时延与网速能力同L4，但感知能力的配置与智能化水平可支持无人驾驶。
V2X从技术上可分为DSRC（专用短程通信技术）和C-V2X（基于蜂窝的车联网技术）。DSRC应用较早，工作在5.8 GHz频段，最大传输距离为800 m，最高车速为60 km/h，最大数据传输速率为27 Mbps，传输时延低于10 ms，但仅针对V2V / V2I场景，容量不足以应对交通拥堵，干扰管理和覆盖是其短板。C-V2X根据基于4G或5G而分为LTE-V2X和NR-V2X（或称为5G+C-V2X），工作频段和覆盖范围同移动通信系统，下行最大数据传输速率为1 Gbps，可以支持车辆编队行驶、高级驾驶、扩展传感器、远程驾驶、增强的情境感知、协作式驾驶和意图共享等。LTE-V2X和NR-V2X的区别首先是对车速的支持能力，分别为350 km/h和500 km/h，其次是控制面通信时延，分别低于50 ms和3 ms，显然只有NR-V2X才能适应L3及以上级别的要求。
车联网的功能还可以按有无路侧协同和有无车辆间协同来区分。在既无路侧协同也无车辆间协同的场景下，即仅提供单个车辆与边缘云节点通信，可支持本地信息分发、动态高精度地图、车载信息增强、车辆在线诊断。在这一场景下，边缘计算收集中心云及车载传感设备信息，提供高精度地图存储与更新，融合车辆报来的视频/雷达信号并下发分析结果，对车辆自动驾驶状态进行分析并提供应急处置。在无车辆间协同但有路侧协同的场景下，提供单一车辆与边缘计算及路侧智能设施交互，支持危险驾驶提醒和车辆违章预警。在该场景下，边缘计算收集路侧传感器信息，融合分析后，提供疲劳驾驶、夜间行车与恶劣天气提醒，识别车牌，判定超速、逆行、长期占用应急车道等违章行为并下发给车辆及上报给中心云。在有车辆间协同但无路侧协同的场景下，提供多车与边缘计算交互，支持V2V信息转发和车辆感知共享。在这一场景下，边缘计算作为桥接节点，以V2N2V方式支持车与车之间的数据交互，支持车到车通信，转发车辆的感知信息，解决如后车视野被前车遮挡的盲区等感知能力。在车辆间协同和路侧协同兼有的场景下，提供多车与边缘计算及路侧智能设施交互，支持匝道合流辅助、智慧交叉路口和大范围协同调度。该场景下的边缘计算收集匝道合流处的传感器信息和车辆状态信息，预测车、人和障碍物的相对位置、速度、方向，下发结果到车辆，优化交通信号灯参数，预测拥堵，并利用路径优化算法对车辆进行导航调度。
车联网要实现车、路、网、云、人的协同，在功能上相当复杂，在性能上特别是对安全与可靠性要求很高。5G的100 Mbps级的用户体验数据传输速率、空中接口0.5 ms的时延、可支持每平方千米高达100万台连接设备、优于99.9999%的可靠性、在室内停车场也能做到3 m精度的定位（2022年还可提供精度到0.3 m），这些性能使得5G比现有的无线通信手段更适合车联网的需要。
尽管如此，车联网和公众网的人与人通信还是有很大不同的，5G也会面临新的挑战。80%的公众网用户在室内使用，即处于非移动状态，而80%以上的城市车联网用户处于行驶状态，对移动性管理要求更高。公众网的移动通信在通信时占用信道，用户信道在线时间较短，而车联网在行驶中永远在线。公众网的通信基本是点到点方式，而车联网在V2V场景下是点到多点和多点到点甚至广播方式。公众网的通信基本是以下行为主的，而车联网上行数据量可能会超过下行数据量。公众网的通信所发送的信息是主叫方主动的，被叫方也是已知的，而车联网中每辆车发送的信息并不受车主所控。公众网跨运营商的用户间通信数据通常要在省间中心或省中心互联，车联网间跨运营商的通信需要在本地互联，以免时延太长。车联网海量物联网连接需使用分层管理与群组认证或多节点分布认证以免产生信令风暴，对车联网V2V场景还需要快速认证。公众网的通信通常采用包月或按流量收费，而车联网的商业模式有待探索。
车联网的新应用场景除对技术提出新挑战外，在管理上也需要体制机制的创新来适应，车联网不仅需要车路协同、车车协同，还需要人与车协同，因为马路上不仅有汽车还有非机动车与行人。车联网需要智能感知系统与车载电子系统协同，需要车内IT与OT（汽车运行技术）系统协同，需要车联网产品与服务协同；车联网应用到矿山、港口、农场、林场等，需要跨行业协同，还需要重视跨部门的协同，政府跨部门间数据共享与管理协同及法规的配套是更大的挑战。
车联网尽管涉及技术很多、管理复杂，但万变不离其宗，即源于通信的基础技术。本书作者参阅了相关领域国内外专家学者的著作和论文，通过深入研究提出了对实际场景建模和解决存在的具体问题的方法。本书设计了5G+C-V2X系统软件仿真平台，通过建模和设置各种交通场景，可得到相关的评估结果。本书作者在车联网的研究中对基础技术在车联网中的应用有较深入的认识。书中介绍了与基于5G的C-V2X有关的一系列基础技术，包括车载时变信道建模技术、协作通信技术、全双工技术、D2D技术、NOMA技术、组播通信技术、虚拟小区技术、NB-IoT技术、区块链技术、计算卸载技术、认知无线电技术及可见光技术等。
本书可作为从事车载通信系统研究与开发的电信工程师、工程管理人员及相关专业从事教学与研究的师生的参考书。从上述通信基础技术到实用的5G+C-V2X车联网技术还有不少需要深入研究的问题，我国车联网还处于试验阶段，真正大规模部署还将面临更大的挑战与考验，创新空间广阔，希望本书能为更多有志之士投身车联网的研究开发提供基本知识的培训。


中国工程院院士    邬贺铨            
2021年4月20日

前    言

随着5G、大数据、云计算、人工智能等新一代技术和汽车交通等领域的深度融合，以及工业和信息化部、财政部发布的“十三五”时期全国智能制造发展的纲领性文件——《智能制造发展规划（2016—2020年）》的实施和支持，我们生活中的汽车与汽车之间、汽车与道路之间、汽车与人之间，以及与云端的多维信息交互网络系统正在逐渐形成。未来车联网将逐步由目前的单车信息服务向V2X、ITS业务演进，将车、路、网及周边环境数据紧密结合，提高交通资源利用效率，提供更安全、更经济、更便利的出行服务。车联网对网络的要求主要体现在时延、带宽及可靠性3个方面，即车联网要求时延控制在5～10 ms，能提供稳定的10～100 MHz带宽，可靠性要大于99.99%。目前4G 网络普遍时延为25～100 ms，且无法提供超稳定的连接。5G网络数据传输速率的理论值将达到5 Gbps甚至10 Gbps，是4G网络的50～100倍，而时延均值也降至10 ms以内。因此，5G 大带宽、低时延等关键技术完全可为V2X通信提供强大支撑，基于5G高速率、高可靠性、大容量和低时延的特性，可支持3D高精度地图数据及车辆、行驶环境数据的传输，可实现汽车自主性AI，可实现大规模机器间的相互通信。
尽管5G通信技术还没有真正被应用于人们的日常生活中，但车联网技术已经逐渐被应用于人们的生活中，这其中最具代表性的就是C-V2X。C-V2X是指从LTE-V2X 到5G V2X 的平滑演进，它不仅支持现有的LTE-V2X应用，还支持5G+NR-V2X的全新应用。它基于强大的3GPP 生态系统和连续完善的蜂窝网络覆盖，可大幅降低未来自动驾驶和车联网部署成本。当前，我国发展5G技术的C-V2X同样具备先天优势：首先，我国拥有全球最大的LTE商用网络，如果采用5G通信技术解决车载通信方案，就可以有效降低车联网在路侧基础设施上的部署和投资；其次，更有利于我国抢占C-V2X技术、标准及产业的制高点，实现车联网产业的健康发展。
将5G通信技术应用于车联网领域，不但提供了一种新的车联网通信方式，而且保障了通信质量，使车联网的体系结构得到了优化，为车联网发展带来了重大变革。但我国5G 车联网的产业化普及同样也面临着重大的挑战，其主要的局限性体现在通信干扰、网络频繁切换、资源分配、隐私保护、通信安全等几个方面。全书共12章，主要内容包括车载时变信道建模技术、协作通信技术、全双工技术、D2D技术、NOMA技术、组播通信技术、虚拟小区与NB-IoT技术、区块链技术、计算卸载技术、认知无线电技术和可见光技术。本书可作为从事车载通信系统研究与开发的电信工程师、工程管理人员的指导和参考用书，也可作为电子与通信工程领域通信与信息系统、信号与信息处理等学科的研究生和高年级本科生的参考书或教材，同时对通信领域进行教学、研究、开发的教师与学生均有很好的参考价值。
本书参考了国内外有关著作和文献，在此向这些著作和文献的作者表示诚挚的感谢。此外，本书也得到了作者所指导的博士生、硕士生的支持和帮助，以及国家自然科学基金（No. 61872406）和浙江省重点研发计划项目（No. 2018C01059）的资助，在此表示衷心感谢。
由于作者水平有限，书中难免存在一些缺点和错误，敬请读者不吝批评指正。

肖海林

本书配套资源下载

对不起，暂无音视频资源！