Thanks to the availability of large bandwidth and high-gain directional antennas at the millimeter-wave (mmWave) bands, mmWave communications have been considered as one of the primary solutions to meet the high data rates needs in vehicular networks. Unicast in mmWave vehicle-to-vehicle (V2V) communications has been well-studied, but much less attention has been paid to V2V broadcast which is required by many V2V applications such as active safety. To fill the gap, this paper systematically investigates mmWave V2V broadcast by considering the unique properties of mmWave signal propagation in V2V environments as well as the impacts of directional antennas and interference. Based on widely-accepted, high-fidelity system models, we mathematically analyze the receiver-side signal-to-interference-plus-noise-ratio (SINR) and broadcast coverage, and we study the impacts of blockage, inter-vehicle distance, vehicle density and beam pattern. Through comprehensive numerical analysis, we find out that, instead of a single unique optimal beamwidth, there exists an optimal range of beamwidth, in which the beamwidths have similar performance and can maximize the coverage. We also find out that the selection of carrier sensing range plays an important role as it highly influences the performance of the whole vehicular networks. Our analysis provides unique insight into mmWave V2V broadcast, and it sheds light on designing effective V2V broadcast protocols.


翻译:由于在毫米波(毫米瓦夫)波段有大型带宽和高中位方向天线,毫米瓦夫通信被视为满足车辆网络高数据率需求的主要解决办法之一。毫米瓦夫通信已得到很好地研究,但对于许多V2V应用软件(如主动安全)所要求的V2V广播的注意要少得多。为了填补空白,本文系统地调查毫米Wave V2V广播,考虑到二号V2型Wave信号在V2型环境中传播的独特性以及定向天线和干扰的影响。基于广泛接受的、高不触觉系统模型,我们从数学角度分析了接收方信号到干扰+噪音拉迪奥(V2V2VV)和广播覆盖面,我们研究了块状、车际距离、车辆密度和光谱模式的影响。通过全面的数字分析,我们发现,在二号V2型天线环境中的MW1型信号信号传播以及定向天线和干扰的影响,在广受广泛接受、高度透视的网络上,我们能够以最优化的方式对V2型的频率进行最精确的性能分析。我们对VVVL的准确性能进行最优化的精确的图像的定位的定位的定位范围进行最优化的测试。

0
下载
关闭预览

相关内容

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
Arxiv
0+阅读 · 2022年4月18日
VIP会员
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
Top
微信扫码咨询专知VIP会员