【控制】基于Matlab实现5GNR—V2X拥塞控制算法

简介: 【控制】基于Matlab实现5GNR—V2X拥塞控制算法

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

随着汽车行业需求的增长,3GPP正在开发长期演进(LTE)蜂窝技术中的新功能,以专门解决车对所有(V2X)连接,特别是车对车(V2V)直接通信。在涉及安全性,交通管理或信息娱乐的大多数已启用应用程序的基础上,协作意识服务尤为重要,它对应于所有车辆在广播中定期发送的消息,以告知其状态和意图。为了优化无线电资源的使用,需要巧妙地执行数据包分配,遵循目前代表着一个具有挑战性的开放性问题的算法。考虑到解决协作意识时要面对LTE-V2V网络中资源分配的设计和验证,我们实现了一个名为LTEV2Vsim的模拟器,该模拟器将与所有感兴趣的研究人员共享。 LTEV2Vsim用MATLAB编写,可按照简单的模型或更复杂,更实际的输入文件管理车辆的机动性,并根据不同的已实现算法(包括网络控制和自主算法)执行分配。最后,为了演示LTEV2Vsim的可能性,提供了一些示例结果

⛄ 部分代码

% Simplified scenario to use WilabV2Xsim

% Packet size and MCS are set accordingly to utilize the whole channel

% Each transmission uses all the subchannels available.

% NR-V2X is considered for these simulations


% WiLabV2Xsim('help')


close all    % Close all open figures

clear        % Reset variables

clc          % Clear the command window


packetSize=1000;        % 1000B packet size

nTransm=1;              % Number of transmission for each packet

sizeSubchannel=10;      % Number of Resource Blocks for each subchannel

Raw = [50, 150, 300];   % Range of Awarness for evaluation of metrics

speed=70;               % Average speed

speedStDev=7;           % Standard deviation speed

SCS=15;                 % Subcarrier spacing [kHz]

pKeep=0.4;              % keep probability

periodicity=0.1;        % periodic generation every 100ms

sensingThreshold=-126;  % threshold to detect resources as busy


% Configuration file

configFile = 'Highway3GPP.cfg';



%% NR-V2X PERIODIC GENERATION

for BandMHz=[10]


if BandMHz==10

   MCS=11;

elseif BandMHz==20

   MCS=5;

end    


for rho=[100 200 300] % number of vehicles/km


       % Just for visualization purposes the simulations time now are really short,

       % when performing actual simulation, each run should take at least

       % 30mins or one hour of computation time.


   if rho==100

       simTime=10;     % simTime=300

   elseif rho==200

       simTime=5;      % simTime=150;

   elseif rho==300

       simTime=3;      % simTime=100;

   end

   

% HD periodic

outputFolder = sprintf('Output/NRV2X_%dMHz_periodic',BandMHz);


% Launches simulation

WiLabV2Xsim(configFile,'outputFolder',outputFolder,'Technology','5G-V2X','MCS_NR',MCS,'SCS_NR',SCS,'beaconSizeBytes',packetSize,...

   'simulationTime',simTime,'rho',rho,'probResKeep',pKeep,'BwMHz',BandMHz,'vMean',speed,'vStDev',speedStDev,...

   'cv2xNumberOfReplicasMax',nTransm,'allocationPeriod',periodicity,'sizeSubchannel',sizeSubchannel,...

   'powerThresholdAutonomous',sensingThreshold,'Raw',Raw,'FixedPdensity',false,'dcc_active',false,'cbrActive',true)

end

end



%% PLOT of results


figure

hold on

grid on


for iCycle=1:3

   rho=100*iCycle;


   % Loads packet reception ratio output file

   xMode2_periodic=load(outputFolder + "/packet_reception_ratio_"+num2str(iCycle)+"_5G.xls");


   % PRR plot

   % it takes the first column and the last column

   plot(xMode2_periodic(:,1),xMode2_periodic(:,end),'linewidth',2.5,'displayName',"Mode2, periodic generation, vehicles/km=" + num2str(rho))


end

   

   legend()

   title("NR-V2X, " + num2str(BandMHz) + "MHz, MCS=" + num2str(MCS))

   legend('Location','southwest')

   xlabel("Distance [m]")

   ylabel("PRR")

   yline(0.95,'HandleVisibility','off');

⛄ 运行结果

⛄ 参考文献

G. Cecchini, A. Bazzi, B. M. Masini, A. Zanella, “LTEV2Vsim: An LTE-V2V Simulator for the Investigation of Resource Allocation for Cooperative Awareness”, 5th IEEE International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS 2017), Naples (Italy), 26-28 June 2017. (Results obtained with version 1.0)

A. Bazzi, G. Cecchini, M. Menarini, B. M. Masini, A. Zanella, “Survey and Perspectives of Vehicular Wi-Fi Versus Sidelink Cellular-V2X in the 5G Era,” invited paper in Future Internet, 29 May 2019, 11(6), 122. DOI: 10.3390/fi11060122 (Results obtained with version 3.5)

⛄ 完整代码

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
12天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
6天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
6天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如"How are you"、"I am fine"、"I love you"等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
14天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
12天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
15天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。
|
12天前
|
算法
通过matlab对比遗传算法优化前后染色体的变化情况
该程序使用MATLAB2022A实现遗传算法优化染色体的过程,通过迭代选择、交叉和变异操作,提高染色体适应度,优化解的质量,同时保持种群多样性,避免局部最优。代码展示了算法的核心流程,包括适应度计算、选择、交叉、变异等步骤,并通过图表直观展示了优化前后染色体的变化情况。
|
9天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于深度学习网络的宝石类型识别算法matlab仿真
本项目利用GoogLeNet深度学习网络进行宝石类型识别,实验包括收集多类宝石图像数据集并按7:1:2比例划分。使用Matlab2022a实现算法,提供含中文注释的完整代码及操作视频。GoogLeNet通过其独特的Inception模块,结合数据增强、学习率调整和正则化等优化手段,有效提升了宝石识别的准确性和效率。
|
14天前
|
算法 5G 数据安全/隐私保护
基于MIMO系统的PE-AltMin混合预编码算法matlab性能仿真
本文介绍了基于交替最小化(AltMin)算法的混合预编码技术在MIMO系统中的应用。通过Matlab 2022a仿真,展示了该算法在不同信噪比下的性能表现。核心程序实现了对预编码器和组合器的优化,有效降低了硬件复杂度,同时保持了接近全数字预编码的性能。仿真结果表明,该方法具有良好的鲁棒性和收敛性。
31 8
|
15天前
|
算法
基于大爆炸优化算法的PID控制器参数寻优matlab仿真
本研究基于大爆炸优化算法对PID控制器参数进行寻优,并通过Matlab仿真对比优化前后PID控制效果。使用MATLAB2022a实现核心程序,展示了算法迭代过程及最优PID参数的求解。大爆炸优化算法通过模拟宇宙大爆炸和大收缩过程,在搜索空间中迭代寻找全局最优解,特别适用于PID参数优化,提升控制系统性能。