DCF 机制是 IEEE 802.11 协议的 MAC 层接入机制的核心。对其进行理论分析式进行 IEEE 802.11 协议改进与重新设计的基础。Bianchi [1] 的一篇经典论文提出了一种基于 Markov 模型的 DCF 机制性能分析方法。这篇经典论文有超过 1 万次应用，可以说是相关领域的必读论文。这篇文章针对这个 Markov 模型进行简单介绍。读者应当自行具备 Markov 模型的基本知识。

今天日常搞科研的时候在 Wiki 看到了 IEEE 802.11p 这个词条下面这个更新的内容：

好家伙，我看到的车联网相关论文里面，至少有一半会在 Introduction 里面写 "FCC allocated 75Mhz bandwidth to the DSRC ..."，看来从 2021 年开始，以后的车联网就都不能说这个话了。

最近看车联网 C-V2X 方面的文章，很多文章都在研究 3GPP Rel.14 中提出的新的车联网通信机制。Rel.14 中提出了 Mode 3 和 Mode 4 两种模式。其中 Mode 3 的调度需要依赖于基站调度，车辆使用原本蜂窝网的 UPLINK 进行通信。Mode 4 则可以独立于基站运作，且使用 PC5 通信。当然直观来看不依赖于基站的 Mode 4 要更适合车联网一些。不过 PC5 接口可能存在的问题是很多研究者忽略了的。

1 概述

本次要读的论文是Deep Reinforcement Learning Based Resource Allocation for V2V Communications，是 TVT 上的 Popular Articles 中的第一篇。主要讲的内容是用增强学习（或者叫强化学习）来做 V2V 通信的资源分配。目前使用强化学习来做分布式的资源分配方案是一种比较流行的做法。使用强化学习做资源分配不要求决策者掌握全局信息。