毫米波V2I网络的链路层仿真研究（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

毫米波 V2I 技术是一种用于车辆到基础设施的通信的创新解决方案，它利用毫米波频段的高带宽和低延迟特性，实现了快速而可靠的车辆与城市基础设施之间的通信。本文旨在通过链路层仿真，对毫米波 V2I 网络在具有低层现代建筑的城市环境中的性能进行研究。

为了在仿真中模拟真实的城市环境，我们选择了一个类似于曼哈顿纽约市的网格状街道地理，并基于该地理特征设计了10条车辆路线。然而，由于我们无法获取特定城市某个部分的真实3D模型，我们通过使用 LoadVehRouteData.m 脚本，将这些路线替换到一个平面的虚拟环境中，以便进行仿真研究。这种方法使得我们能够轻松地生成所需数量的路线，例如，我们可以模拟50条不同的车辆路线。

通过进行这些链路层仿真，我们可以评估毫米波 V2I 网络在真实城市环境中的性能表现。我们研究了不同车辆之间的干扰、基础设施之间的信号传输效率以及信道容量等关键指标。通过收集仿真结果，我们可以深入了解毫米波 V2I 网络的潜力和局限，并为将来的优化和改进提供有价值的指导。

此外，通过在具有低层现代建筑的城市环境中进行仿真研究，我们可以获得对毫米波 V2I 网络在实际部署中的性能预期。这对于城市规划者和相关利益相关者来说是非常重要的，因为他们可以基于仿真结果来评估网络布局、频谱规划和基础设施部署的最佳实践。通过结合仿真结果和真实数据，我们可以为毫米波 V2I 技术的发展和推广做出更加可靠和有效的决策。

综上所述，本文的研究通过链路层仿真，对毫米波 V2I 网络在具有低层现代建筑的城市环境中的性能进行了深入的探究。通过模拟多条车辆路线，并评估关键指标，我们为毫米波 V2I 技术的优化和应用提供了有力的支持，并为相关利益相关者提供了宝贵的指导。这项研究对于推动智慧城市和智能交通系统的发展具有重要意义，并为我们更好地了解和利用毫米波 V2I 技术的潜力奠定了基础。

文献：

毫米波（mmWave）通信越来越被视为满足新兴智能交通系统（ITS）应用所要求的通信限制的一种手段。本文设计了一种新型的定向MAC协议，该协议包含城市环境中毫米波车辆到基础设施（V2I）网络特有的资源分配策略。我们特别考虑了一个网络，其中每个基站（BS）配备了混合波束成形天线阵列，同时为多辆车提供服务。使用特定于毫米波车辆通道的相干带宽和相干时间模型，提供了BS用于高效多用户调度的可靠资源分配方案。新颖之处在于多用户场景，即专门为毫米波信道设计的时频资源分配。为了评估网络，MATLAB 中完全内置了一个信道模拟器来执行链路层仿真。

📚2 运行结果

动态运行图：

部分代码：

function visualizePacking(RB, data, NRsbLeftUnpacked, IndRsbLeftUnpacked, TrimLoss)
 
subplot(211)
r = rectangle('Position',[0 0 RB(1) RB(2)]);
r.FaceColor = [1 1 1];
r.LineWidth = 1.5;
axis([-1 RB(1)+2 -1 RB(2)+2]);
 
nRectSmall = size(data,1);
for iSmall = 1:nRectSmall
    r = rectangle('Position',data(iSmall,:));
    r.FaceColor = rand(1,3);
    r.LineWidth = 1.5;
end
 
title('Guillotine Packing','FontSize',25,'FontName','Arial','FontWeight','bold');
 
subplot(212)
str1 = ['Trim Loss = ' num2str(TrimLoss)];
str2 = ['Total number of RSBs: ' num2str(nRectSmall)];
str3 = [' #RSBs left unpacked = ' num2str(NRsbLeftUnpacked)];
str4 = [' Index of RSBs left unpacked = ' num2str(IndRsbLeftUnpacked)];
text(0.15,0.5,{str1,str2,str3,str4},'Color','red','FontSize',16)
 
axis off
 
end

function visualizePacking(RB, data, NRsbLeftUnpacked, IndRsbLeftUnpacked, TrimLoss)

subplot(211)
r = rectangle('Position',[0 0 RB(1) RB(2)]);
r.FaceColor = [1 1 1];
r.LineWidth = 1.5;
axis([-1 RB(1)+2 -1 RB(2)+2]);

nRectSmall = size(data,1);
for iSmall = 1:nRectSmall
    r = rectangle('Position',data(iSmall,:));
    r.FaceColor = rand(1,3);
    r.LineWidth = 1.5;
end

title('Guillotine Packing','FontSize',25,'FontName','Arial','FontWeight','bold');

subplot(212)
str1 = ['Trim Loss = ' num2str(TrimLoss)];
str2 = ['Total number of RSBs: ' num2str(nRectSmall)];
str3 = [' #RSBs left unpacked = ' num2str(NRsbLeftUnpacked)];
str4 = [' Index of RSBs left unpacked = ' num2str(IndRsbLeftUnpacked)];
text(0.15,0.5,{str1,str2,str3,str4},'Color','red','FontSize',16)

axis off

end

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]赵宇,张伟.传感网络数据链路层上碰撞攻击检测模型仿真[J].计算机仿真, 2014(009):031.

[2]王曦爽,孟新.卫星网络仿真系统建模的研究[J].计算机工程与应用, 2004, 40(23):4.DOI:10.3321/j.issn:1002-8331.2004.23.045.

[3]R. Subramanian, "A Resource Allocation Scheme for Multi-User MmWave Vehicle-to-Infrastructure Communication," accepted for publication in the Future Technologies Conference (FTC) 2018, Vancouver, BC, Canada. 13-14 Nov. 2018.

🌈4 Matlab代码实现