NS3中马尔可夫高斯移动模型

最新推荐文章于 2024-10-06 11:45:49 发布

xihuanmadaima

最新推荐文章于 2024-10-06 11:45:49 发布

阅读量3.3k

点赞数 5

分类专栏： NS3 文章标签： c++

本文链接：https://blog.csdn.net/xihuanmadaima/article/details/121268896

版权

ns3::GaussMarkovMobilityModel实现了一个有记忆性的移动模型，其运动轨迹取决于之前的位置和速度。文章介绍了官方使用范例、参数解析和原理解析，包括Bounds、TimeStep、Alpha等关键参数，并展示了如何设置随机速度和方向。

摘要由CSDN通过智能技术生成

ns3::GaussMarkovMobilityModel 马尔可夫高斯移动模型

与其他移动模型不同，马尔可夫高斯移动模型是有记忆性，在任意时间、任意位置点上的下一步运动轨迹与速度取决于它之前的位置和速度矢量。无记忆移动模型的特点是在方向和速度上存在非常急剧的和突然的变化。

官方使用范例

MobilityHelper mobility;

mobility.SetMobilityModel ("ns3::GaussMarkovMobilityModel",

"Bounds", BoxValue (Box (0, 150000, 0, 150000, 0, 10000)),

"TimeStep", TimeValue (Seconds (0.5)),

"Alpha", DoubleValue (0.85),

"MeanVelocity", StringValue ("ns3::UniformRandomVariable[Min=800|Max=1200]"),

"MeanDirection", StringValue ("ns3::UniformRandomVariable[Min=0|Max=6.283185307]"),

"MeanPitch", StringValue ("ns3::UniformRandomVariable[Min=0.05|Max=0.05]"),

"NormalVelocity", StringValue ("ns3::NormalRandomVariable[Mean=0.0|Variance=0.0|Bound=0.0]"),

"NormalDirection", StringValue ("ns3::NormalRandomVariable[Mean=0.0|Variance=0.2|Bound=0.4]"),

"NormalPitch", StringValue ("ns3::NormalRandomVariable[Mean=0.0|Variance=0.02|Bound=0.04]"));

mobility.SetPositionAllocator ("ns3::RandomBoxPositionAllocator",

"X", StringValue ("ns3::UniformRandomVariable[Min=0|Max=150000]"),

"Y", StringValue ("ns3::UniformRandomVariable[Min=0|Max=150000]"),

"Z", StringValue ("ns3::UniformRandomVariable[Min=0|Max=10000]"));