面向编队环境的基于记忆增强蜂鸟的动态频谱接入
网络与互联网体系结构
2023-02-02 v1
摘要
在本文中，我们提出了一种新颖的基于记忆增强非均匀采样的蜂鸟觅食算法（MEB），该算法设计用于运行在编队操作环境中的分布式车辆动态频谱接入（VDSA）框架内的最优信道选择。鉴于蜂鸟行为模型旨在支持复杂且高度时变环境中的适应性，这些模型可被网联车辆采用，以使其在动态变化的网络拓扑中运行，并支持其选择具有低拥塞程度的最优信道以实现高吞吐量。因此，所提出的基于VDSA的最优信道选择利用了蜂鸟觅食模型的基本概念。在所提方法中，所有信道的信道繁忙比（CBR）被计算并存储在记忆中，供MEB算法访问以做出必要的信道切换决策。采用滑动窗口平均（SWA）和指数加权移动平均（EWMA）两种平均技术来利用过去的样本，并与无记忆情况进行了评估。由于环境的高变异性（例如高速度、道路上车辆密度的变化），我们提出通过采用非均匀信道采样分配来计算CBR，并使用简化的数值和真实的车对车（V2V）计算机仿真对其进行评估。数值仿真结果表明，相对于均匀采样分配方法，可以获得最优信道选择概率的提升。通过利用记忆，我们观察到信道选择性能的额外提升。类似地，我们通过系统级仿真器看到利用蜂鸟算法时成功接收概率的增加。
引用
@article{arxiv.2302.00369,
title = {Memory Enabled Bumblebee-based Dynamic Spectrum Access for Platooning Environments},
author = {Kuldeep S. Gill and Pawel Kryszkiewicz and Pawel Sroka and Adrian Kliks and Alexander M. Wyglinski},
journal= {arXiv preprint arXiv:2302.00369},
year = {2023}
}