移動物聯(lián)網(wǎng)技術(shù)

目錄
第1章 緒論 1
1.1 概述 1
1.2 認知無線電網(wǎng)絡(luò)中的資源分配技術(shù)簡介 4
1.3 車載自組網(wǎng)技術(shù)簡介 6
1.4 面向移動自組織網(wǎng)的路由技術(shù)簡介 10
1.5 面向車聯(lián)網(wǎng)的智能數(shù)據(jù)傳輸技術(shù)簡介 12
1.6 移動物聯(lián)網(wǎng)應(yīng)用中的信號處理技術(shù)簡介 14
1.6.1 離散分數(shù)傅里葉變換簡介 14
1.6.2 余弦類離散分數(shù)變換定義 18
1.6.3 離散分數(shù)傅里葉變換的研究進展 22
1.6.4 其他離散分數(shù)變換的研究進展 25
1.6.5 分數(shù)變換在圖像加密領(lǐng)域的研究現(xiàn)狀 27
第2章 認知無線電網(wǎng)絡(luò)中的資源分配方法 30
2.1 概述 30
2.1.1 凸優(yōu)化理論 30
2.1.2 博弈論與演化博弈 33
2.2 認知無線電網(wǎng)絡(luò)中抑制干擾的功率資源分配方法 34
2.2.1 系統(tǒng)模型與問題轉(zhuǎn)化 34
2.2.2 能效優(yōu)化的功率分配方法 38
2.2.3 能效次優(yōu)的功率分配方法 43
2.2.4 實驗仿真與結(jié)果分析 45
2.3 基于演化博弈的能效優(yōu)化的子載波分配方法 51
2.3.1 系統(tǒng)模型設(shè)計 51
2.3.2 子載波分配新方法 53
2.3.3 實驗仿真與結(jié)果分析 60
2.4 本章小結(jié) 66
第3章 車載自組網(wǎng)中的若干關(guān)鍵技術(shù) 67
3.1 概述 67
3.2 面向VANET的可靠的自適應(yīng)路由方法 79
3.2.1 Q學習算法 79
3.2.2 模型建立 79
3.2.3 鏈路維持時間模型 81
3.2.4 鏈路可靠性計算 84
3.2.5 RSAR傳輸算法 85
3.2.6 實驗測試與對比分析 89
3.3 面向VANET的多跳反應(yīng)式成簇方法 94
3.3.1 系統(tǒng)模型 95
3.3.2 優(yōu)先權(quán)車輛跟隨策略 96
3.3.3 PMC算法 99
3.3.4 實驗測試與對比 104
3.4 本章小結(jié) 109
第4章 面向車聯(lián)網(wǎng)的路由協(xié)議 110
4.1 動態(tài)自適應(yīng)路由協(xié)議 110
4.1.1 基本網(wǎng)絡(luò)模型 110
4.1.2 連通概率 113
4.1.3 貪婪轉(zhuǎn)發(fā)策略 114
4.1.4 路由協(xié)議設(shè)計 116
4.1.5 實驗測試與分析 122
4.2 基于演化圖論的可靠的車聯(lián)網(wǎng)路由協(xié)議 129
4.2.1 車聯(lián)網(wǎng)路由可靠性的判定策略 129
4.2.2 面向VANET的演化圖模型 131
4.2.3 基于演化圖的車聯(lián)網(wǎng)路由協(xié)議的設(shè)計 134
4.2.4 實驗測試與性能評估 137
4.3 本章小結(jié) 145
第5章 移動自組織網(wǎng)中的路由技術(shù) 146
5.1 概述 146
5.2 基于遺傳-細菌覓食優(yōu)化策略的動態(tài)源路由協(xié)議 152
5.2.1 簡介 152
5.2.2 協(xié)議設(shè)計 154
5.2.3 BFO算法原理 159
5.2.4 GA-BFODSR路由協(xié)議設(shè)計描述 161
5.2.5 協(xié)議測試與分析 162
5.3 基于量子遺傳算法的最優(yōu)鏈路狀態(tài)路由協(xié)議 167
5.3.1 簡介 167
5.3.2 算法設(shè)計 168
5.3.3 傳統(tǒng)QGA改進算法的描述 170
5.3.4 QG-OLSR協(xié)議描述 176
5.3.5 協(xié)議測試與分析 177
5.4 本章小結(jié) 184
第6章 面向車聯(lián)網(wǎng)的智能信息傳輸方法 185
6.1 概述 185
6.2 面向智能車聯(lián)網(wǎng)的缺失數(shù)據(jù)估計方法 186
6.2.1 車聯(lián)網(wǎng)數(shù)據(jù)集與性能度量 186
6.2.2 缺失數(shù)據(jù)估計新方法 188
6.2.3 實驗與對比分析 191
6.3 面向車聯(lián)網(wǎng)應(yīng)用環(huán)境的消息智能分發(fā)方法 195
6.3.1 簡介 195
6.3.2 車聯(lián)網(wǎng)消息傳播的原理 195
6.3.3 面向車聯(lián)網(wǎng)的消息智能分發(fā)方法設(shè)計 197
6.3.4 消息分發(fā)方法中的定時器參數(shù)的自適應(yīng)選擇策略 203
6.3.5 實驗驗證與對比分析 204
6.4 車聯(lián)網(wǎng)中的智能數(shù)據(jù)傳輸方法 208
6.4.1 簡介 208
6.4.2 系統(tǒng)模型 208
6.4.3 智能數(shù)據(jù)傳輸新方法的設(shè)計 210
6.4.4 性能評估 217
6.5 本章小結(jié) 220
第7章 多參數(shù)離散分數(shù)變換的理論框架 222
7.1 概述 222
7.2 離散分數(shù)變換統(tǒng)一框架研究的必要性及可行性分析 222
7.2.1 必要性分析 222
7.2.2 可行性分析 225
7.3 多參數(shù)離散分數(shù)變換的理論框架 226
7.3.1 多參數(shù)離散分數(shù)變換算子的定義 227
7.3.2 高維多參數(shù)離散分數(shù)變換算子 229
7.4 理論框架的性質(zhì)及特點 230
7.4.1 理論框架的性質(zhì) 230
7.4.2 理論框架的特點說明 234
7.5 幾種特殊的多參數(shù)離散分數(shù)變換 235
7.5.1 多參數(shù)離散分數(shù)傅里葉變換 235
7.5.2 余弦類多參數(shù)離散分數(shù)變換 238
7.5.3 其他多參數(shù)離散分數(shù)變換 241
7.5.4 數(shù)值仿真 242
7.6 多參數(shù)離散分數(shù)變換域特征提取 246
7.6.1 算法描述 246
7.6.2 數(shù)值仿真 247
7.7 保實多參數(shù)離散分數(shù)變換框架 250
7.8 本章小結(jié) 251
第8章 多參數(shù)離散分數(shù)變換域圖像加密 252
8.1 概述 252
8.2 多參數(shù)離散分數(shù)變換域的雙隨機相位編碼 253
8.2.1 算法描述 253
8.2.2 數(shù)值仿真 254
8.2.3 性能分析 256
8.3 基于混沌理論的N維置亂算子 261
8.3.1 混沌理論 262
8.3.2 幾種常見的混沌系統(tǒng) 263
8.3.3 基于混沌系統(tǒng)的N 維置亂算子定義 265
8.4 基于N維置亂算子和保實多參數(shù)離散分數(shù)變換的彩圖加密 266
8.4.1 算法描述 267
8.4.2 數(shù)值仿真 272
8.4.3 性能分析 273
8.5 本章小結(jié) 278
第9章 隨機離散分數(shù)傅里葉變換 280
9.1 概述 280
9.2 多通道隨機離散分數(shù)傅里葉變換的定義 281
9.3 多通道隨機離散分數(shù)傅里葉變換的性質(zhì)特點 285
9.3.1 性質(zhì)特點 285
9.3.2 計算復(fù)雜度分析 286
9.3.3 光學實現(xiàn) 286
9.4 多通道隨機離散分數(shù)傅里葉變換的數(shù)值仿真及性能分析 287
9.4.1 數(shù)值仿真 287
9.4.2 性能分析 289
9.4.3 與其他方法的比較 289
9.5 基于隨機離散分數(shù)變換的雙圖加密算法 290
9.5.1 算法提出 290
9.5.2 仿真實驗及性能分析 293
9.6 本章小結(jié) 295
第10章 總結(jié)與展望 296
10.1 總結(jié) 296
10.1.1 關(guān)于認知無線電網(wǎng)絡(luò)的資源分配方法 296
10.1.2 關(guān)于VANET中的關(guān)鍵技術(shù) 297
10.1.3 關(guān)于車聯(lián)網(wǎng)的路由方法 297
10.1.4 關(guān)于移動自組織的網(wǎng)絡(luò)協(xié)議 298
10.1.5 關(guān)于車聯(lián)網(wǎng)的智能數(shù)據(jù)傳輸方法 298
10.1.6 針對移動物聯(lián)網(wǎng)的信號處理技術(shù) 299
10.2 展望 300
10.2.1 認知無線電網(wǎng)絡(luò)中的資源分配方法的未來工作展望 300
10.2.2 VANET中關(guān)鍵技術(shù)的未來工作展望 301
10.2.3 車聯(lián)網(wǎng)中路由協(xié)議的未來工作展望 301
10.2.4 移動自組織網(wǎng)絡(luò)中路由協(xié)議的未來工作展望 302
10.2.5 移動物聯(lián)網(wǎng)中信號處理技術(shù)的未來工作展望 302
參考文獻 304