基于EESM的車載網絡仿真建模

張建偉　徐位凱

【摘要】 車載自組織網（VANET）作為智能交通系統的重要技術，受到越來越多的關注，本文提出一個新的基于指數有效SINR映射（EESM）的車載網絡仿真平臺，仿真結果表明，新的建模能夠精確再現鏈路級誤包率性能，比傳統平臺有更高的精確度。

【關鍵詞】 VANET EESM 建模 誤包率

一、引言

隨著世界經濟的發展，汽車在人們日常生活中越來越普遍。為解決日益嚴重的交通問題，車載自組織網絡（VANET）及其標準IEEE802.11p應運而生。車載自組織網絡是一種特殊的移動自組織網（MANET），在高速移動的環境下，通過車與車，車與路邊單元的相互通信構建無線通信網絡，用于輔助駕駛，事故避免，提高交通的安全性，有效性。

在車載網絡中，車輛通過廣播安全業務包來保證交通安全，誤包率是影響車載網絡有效工作的重要指標。

最早的VANET網絡仿真建模中，用一個接收能量門限作為衡量數據包是否被正確接收的指標。僅當數據包未發生碰撞并且其接收能量超過了一個預定的門限值，該數據包才被判定為正確接收，該模型由于精確度過低被淘汰。之后Q.Chen提出一個基于SINR門限的模型[1]，當接收包的SINR超過了預定的門限值（基于經驗結果）時，該數據包被判定為正確接收，這種建模被廣泛的運用在各種研究以及仿真平臺中，成為VANET物理層傳統建模。但是，這種建模把物理層高度的抽象化了，整個數據包被抽象成一個傳輸單元，完全忽略了無線通信信號處理的細節，無法反應信道選擇性和數據包長度對傳輸性能的影響，精確度有待提高。

本文提出一個基于指數有效SINR映射（EESM）的車載網絡仿真建模，能夠以較低的仿真復雜度得到比傳統建模更精確的誤包率性能曲線。EESM是一種復雜度低并且精確度高的OFDM鏈路級仿真和系統級仿真之間的映射方法，它能夠將衰落信道中的多個瞬時SINR映射成AWGN（Additive White Gaussian Noise）信道下的單個SINR，將信道的多狀態轉化為單狀態，然后通過查找AWGN信道下該SINR和誤包率之間的對應關系，可以得到精確的誤包率值，能夠很好的解決VANET物理層建模的仿真復雜度和仿真精確度之間的權衡問題。

二、EESM介紹

當OFDM所有子載波采用相同的編碼調制方式（MCS）時，EESM可以將k個子載波的SINR集合γk映射成AWGN信道下的單個有效SINR值γeff，然后再用這個有效的SINR值查找到相應誤包率的估計值。其基本原理如圖1所示：

EESM的映射公式可以由chernoff聯合界推導得出：

三、建模介紹

信道建模：VANET的標準IEEE802.11p使用OFDM技術，頻段設置在5.9GHz，每個子信道的帶寬為10MHz。故其信道為時間-頻率雙選擇性信道，信道建模必須反映出這個特性。本文信道建模包含大尺度衰落和小尺度衰落，大尺度衰落采用Two-Ray Ground，小尺度衰落實現了專門為車載網絡設計的高速公路場景下的小尺度衰落[2]。

MAC層：采用IEEE802.11p規定的帶沖突避免的載波偵聽多址接入技術（CSMA/CS）。

物理層建模：以EESM為基礎，將數據包的多個子載波的瞬時SINR映射成單個有效SINR，在利用該有效SINR在AWGN信道下的誤包率性能得到需要的誤包率值，具體原理請參看第二章。

四、仿真結果

本章將對新建模和傳統SINR門限建模[3]的仿真性能作出對比，仿真場景為高速公路，信道忙時設為30%，車輛運行時間60s，廣播的安全數據包發送頻率為10Hz。

圖2為802.11p協議中的三種發送速率下，兩種建模的收包率-SINR的性能圖（收包率=1-誤包率），二者仿真復雜度基本相同。而從圖中可以看出，傳統建模方法較為粗糙，其包接收率在SINR門限處直接由0跳變至1，即當接收包的SINR值低于門限值時，被判定為接收錯誤，其SINR大于等于門限值時，判定為正確接收，而基于EESM的建模可以反映出收包率和SINR之間一一對應的關系。不僅如此，對比數據包大小為400bytes和100bytes的仿真圖可以發現，EESM建模可以反映出不同數據包大小對傳輸性能的影響，其包大小為100bytes的曲線相對于400bytes的曲線有大約2dB的增益，傳統門限判決建模無法反映出包大小對傳輸性能的影響。傳統門限建模的不足之處可能導致錯誤仿真的仿真結果，適用性不足。基于EESM的新車載平臺建模方法在保持較低仿真復雜度的情況下有更高的仿真精確度，必將取代傳統SINR門限建模。

五、總結

誤包率是影響車載網絡通信性能的重要指標，傳統車載網絡仿真平臺對物理層的建模過于粗糙，無法精確再現鏈路級誤包率性能，本文提出一個基于EESM的新建模，在不提升仿真復雜度的情況下，顯著提升了仿真的精確度。該建模可用于VANET擁塞控制，最優發送速率研究，發送功率控制等方面，為車載研究提供了新的思路。

參 考 文 獻

[1] Q. Chen， F. Schmidt-Eisenlohr， D. Jiang， M. Torrent-Moreno， L. Delgrossi， and H. Hartenstein，： Overhaul of IEEE 802.11 modeling and simulation in ns-2 Proc.10th ACM/IEEE Symp. Model. Anal. Simul. Wireless Mobile Systems， Chania， Crete Island， Greece， pp. 159–168， 2007.

[2] G. Acosta-Marum and M. A. Ingram，： Six time- and frequency selective empirical channel models for vehicular wireless LANs. IEEE Veh. Technol. Mag.， vol. 2， no. 4， pp. 4-11， 2007.

[3] D. Jiang， Q. Chen， and L. Delgrossi： Optimal data rate selection for vehicle safety communications， VANET '08 Proc. 5th ACM Int. Workshop Veh. Inter-Networking， pp. 30-38， 2008.