车联网络中邻居节点的快速发现
车联网络是智能交通的重要研究热点,网络节点邻居间的快速发现成为影响车联网性能的重要问题.针对车联网中如何快速的确定移动节点邻居的变化情况,提出了一种新的基于状态空间向量的Helo预测模型(State Space Vecor Model,SSVM).每个移动节点存储自身的状态空间向量序列,包含有节点的位置、移动速度、加速度、所处网络区域等信息,节点使用卡尔曼滤波器根据前一时隙的状态向量预测出下一时隙的状态,再将预测的状态信息与实际的观测值进行比较,若误差大于给定范围,移动节点将广播Hello包,告知其邻居节点,邻居节点收到Hel o包后,会更新自己的邻居列表,在下一时隙使用真实的观测值进行预测.仿真实验表明此模型能够较准确地探测出邻居节点的到达和离开,并能够适应节点数目的变化和车辆行驶速度的变化.
车联网、移动感知网络、邻居发现
TP311;TN925.93;U491
国家自然科学基金2016HG08
2016-11-16（万方平台首次上网日期，不代表论文的发表时间）
共2页
15-16
