CN103442368A - 认知无线系统中基于潜在博弈的频谱分配方法 - Google Patents

Abstract

认知无线系统中基于潜在博弈的频谱分配方法，涉及通信系统中的频谱分配技术领域。它是为了提高认知无线系统中的频谱分配速度。其方法：在每次博弈进行之前将系统随机选择的用户与上次博弈的用户进行比较，若二者是同一个用户则令系统重新选择另一个用户进行此轮博弈；否则进行下一次博弈。由于同一用户重复多次博弈并不能提高系统信干比，所以本发明在保证系统通信质量的前提下，减少了博弈次数，提高了系统处理速度。本发明适用于认知无线系统中的频谱分配。

Description

认知无线系统中基于潜在博弈的频谱分配方法

技术领域

本发明涉及通信系统中的频谱分配技术领域。

背景技术

由于认知用户占用授权用户频谱资源进行通信，一旦授权用户回归该频谱空间时，认知用户需要在短时间内感知、退出相应频谱空间并选择其他频谱空间来进行通信。这就要求频谱分配技术考虑保证认知用户对频谱感知、利用和退出的灵活性问题。其次，在认知无线电中频谱分配技术必须保证系统的通信质量。由于频谱资源的有限性，须通过改善对于琐碎频谱利用的效率进而保障系统性能。用户在使用无线频谱资源时，由于自身对于信道的衰落特性、分配的载波和功率各不相同，必然会有不同的需求。也就是说用户本身对于系统的通信需求有所不同。例如，有的用户希望以最小化系统干扰作为目标，而有的用户希望以最大系统吞吐量作为目标。所以这就要求频谱分配技术需要具有满足不同用户不同需求的能力，给研究带来了一些困难。

认知无线电的频谱分配技术有很多分类方式。如果单单按照频谱分配技术来分，可以分为静态分配、动态分配和混合式分配；如果按照通信系统的网络结构来分，可以分为集中式频谱分配和分布式频谱分配；如果按照联合方式来分，可以分为合作式频谱分配和非合作式频谱分配。

相对于不同方式的分类也有不同的定义。在按照频谱分配的分类方法中，静态分配即指对于频谱的分配不会随着环境的变化而有所改变；动态分配与其正好相反，它是指对于频谱的占用情况会随着外界条件的改变而改变，从而达到最优的一种频谱分配方式；混合式分配则将二者综合，在不同的场合下进行不同的选择。在按照通信系统网络结构的分配方法中，集中式分配是指具有一个统一的上层基站来对频谱进行统一分配；分布式分配是指用户松散地分布在某一区域内，并自行进行分配频谱而没有一个统一的上层基站，可以看成是一种“扁平式”分配。在按照联合方式的分配方法中，合作式分配是指在所有用户之间有和谐的互动、共谋的情况下对频谱进行分配；非合作式分配则将用户看成是理性、冷酷和逐利的个体，在这种情况下进行频谱分配。

发明内容

本发明是为了提高认知无线系统中的频谱分配速度，从而提供一种认知无线系统中基于潜在博弈的频谱分配方法。

认知无线系统中基于潜在博弈的频谱分配方法，它包括以下步骤：

步骤一、对认知无线系统中的所有认知用户进行信道的初始化分配；

步骤二、对认知无线系统中的所有认知用户进行贝努利实验，并判断每个认知用户的实验结果是否为1，如果判断结果为是，则执行步骤三；如果判断结果为否，则停留在本步并等待下一次实验；

步骤三、将步骤二中实验结果为1的所有认知用户进行检查，并判断检查结果是否为1，如果判断结果为是，则返回执行步骤二；如果判断结果为否，则执行步骤四；

步骤四、步骤三中检测结果为否的所有认知用户中的每个客户端认知用户均将其本身的发射功率通过START信令在信令信道上发出；

步骤五、步骤三中检测结果为否的所有认知用户中的每个服务端认知用户均接收步骤四所述的START信令，然后进行信道选择，并将信道号作为START CH信令的内容发出；

步骤六、步骤四中的每个客户端认知用户均接收START CH信令，将证实信息通过ACK STARTCH信令发出并在START CH信令中选定的信道上与服务端认知用户进行通信；

步骤七、未进行通信的所有认知用户根据步骤五中的信道号调整信道分配，并返回执行步骤二；完成一次认知无线系统中基于潜在博弈的频谱分配。

步骤五中所述的信道选择是通过计算效用函数值的方法实现的。

步骤五中所述的信道选择是通过计算效用函数值的具体方法是：

通过公式：

$U_i(s_i,s_{-i})=-\underset{j\≠i,j=1}{\overset{N}{\mathrm{\Σ}}}{p}_j{G}_{\mathrm{ij}}f(s_j,s_i)-\underset{j\≠i,j=1}{\overset{N}{\mathrm{\Σ}}}{p}_i{G}_{\mathrm{ji}}f(s_i,s_j)$

实现；

其中：i=1,2,...,N，N为步骤三中检测结果为否的所有认知用户；

U_i(s_i,s_-i)代表用户i采用的策略s_i的效用函数，其中，s_i表示用户i所采取的积极策略，s_-i表示用户i所采用的消极策略；

p_i代表认知用户i发射功率，f(s_j,s_i)为选择函数，且：

G_ij代表认知用户i发射端到认知用户j接收端的增益，

$G_{\mathrm{ij}}={\left(\frac{1}{2\mathrm{\π}{D}_{\mathrm{ij}}}\right)}^2$

D_ij为二者距离。

本发明将系统通过贝努利实验后选择的用户与上次博弈的用户进行比较，若二者是同一个用户则令系统重新选择；否则进行下一次博弈。由于同一用户重复多次博弈并不能提高系统信干比，所以本发明在保证系统通信质量的前提下，减少了认知系统频谱分配时的博弈次数，提高了认知系统频谱分配的速度。

附图说明

图1是认知无线电通信系统中用户分布示意图。

图2是认知无线电通信系统中基于潜在博弈的频谱分配方法过程示意图。

具体实施方式

具体实施方式一、认知无线系统中基于潜在博弈的频谱分配方法，它包括以下步骤：

步骤一、随机产生一个用户信道状态表。其中表的横轴表示为认知用户所在的信道号，纵轴表示为认知用户。根据状态表对认知用户对所在信道的初始化分配；

步骤二、所有的用户进行贝努利实验。如果用户的实验结果为1，则该用户作为被选中的用户继续下一步实验；如果用户的实验结果为0，则此用户继续停留在本步并等待下一轮实验；

步骤三、被选中的用户检查上一次实验结果，考察结果是否为1。如果结果为1则该用户返回上一步，如果结果为0则进行下一步；

步骤四、用户发射端将自己的发射功率通过开始信令在选定的信道上发出；

步骤五、用户接收端接收开始信令，利用式(4)计算，选择效用函数值最大的信道进行通信并通过确认-开始信令将所选择的信道号发出：

$U_i(s_i,s_{-i})=-\underset{j\≠i,j=1}{\overset{N}{\mathrm{\Σ}}}{p}_j{G}_{\mathrm{ij}}f(s_j,s_i)-\underset{j\≠i,j=1}{\overset{N}{\mathrm{\Σ}}}{p}_i{G}_{\mathrm{ji}}f(s_i,s_j),\∀i=\mathrm{1,2},...,N---\left(4\right)$

式中U_i(s_i,s_-i)代表i用户采用策略s_i（不同信道的选择）的效用函数，其中，s_i表示用户i所采取的积极策略，s_-i表示用户i所采用的消极策略。

p_i代表认知用户i发射功率，f(s_j,s_i)为选择函数：

G_ij代表认知用户i发射端到认知用户j接收端的增益，如公式(4)，式中D_ij为二者距离：

$G_{\mathrm{ij}}={\left(\frac{1}{2\mathrm{\π}{D}_{\mathrm{ij}}}\right)}^2---\left(6\right)$

步骤六、用户发射端接收确认-开始信令，将证实信息通过证实-确认-开始信令发出并在确认-开始信令中选定信道上进行通信；

步骤七、其他用户根据步骤五中信令中的信道号及时调整信道状态表。

认知无线电通信系统中用户分布如图1所示。

认知无线电通信系统中基于潜在博弈的频谱分配方法过程如图2所示。

原理：博弈论，又称为对策论，最早起源于二十世纪初期。曾经是微观经济学中的一个组成部分。冯诺依曼、伯雷尔和策墨洛是博弈论研究的鼻祖。正则式博弈模型G=<N,S_i,{U_i}>是博弈论在认知无线电频谱分配问题的应用里最基本的一种模型。此种博弈模型含有三个要素：局中人集合N，策略空间S_i和效用函数集合{U_i}，i表示用户的编号。其中，局中人代表着每一个参加博弈的个体，也就是每一个认知无线电用户，策略代表着局中人所选取的博弈方法，在本发明中就是每一个认知无线电用户对信道的选择方法，效用函数代表着每轮博弈结束后局中人所得到的收益，在本发明中以信干比的形式给出。

由于每个认知用户都是“自私的”，需要即时调整策略以得到更好的效用函数，所以必须讨论博弈的收敛性。判断博弈模型是否收敛需要察看此模型是否具有纳什均衡(NashEquilibrium,NE)。纳什均衡，又称为非合作博弈均衡，是指：对于局中人的策略空间S_i={s₁,s₂,...,s_n}具有纳什均衡，其中，n表示策略空间里策略的数量。当且仅当公式（1）成立。

$U_i\left(S_i\right)\&GreaterEqual;u_i(s_i,s_{-i}),\&ForAll;i\&Element;\mathrm{Na},s_i\&Element;S_i---\left(1\right)$

其中，Na为自然数，s_i表示用户i所采取的积极策略，s_-i表示用户i所采用的消极策略。

潜在博弈是正则式博弈的一种特殊情况。它的一条重要性质就是收敛性,也就是满足上文公式（1）所提出的纳什均衡定义。在潜在博弈之中，存在一个潜在函数P。P的作用是反映随着局中人i策略的变化对效用函数产生的影响。具体定义满足公式（2）：

U_i(s_i,s_-i)-U(s_i′,s_-i)≥λ(P(s_i,s_-i)-P(s_i′-s_-i))    （2）

式中：s_i,s_i′,s_-i∈S_i，S_i为整个博弈的策略空间，λ代表局中人i的加权值，直观含义可以解释为局中人i在博弈过程中的重要性或者对博弈过程的影响大小。

对应于认知无线电领域，由于单个认知用户会对自身所在信道进行不断的调整，而这些调整又会造成系统某项指标的变动。对于这一复杂的过程，潜在博弈模型可以对其进行较为贴切的模拟。该指标取决于效用函数的选取，可以是系统受到的干扰、吞吐量、丢包率或者公平性。同时，每次博弈过程只有单个用户改变策略，降低了系统的复杂性并且提高了稳定性。由于博弈的收敛性，不会造成系统该指标的恶化，所以潜在博弈无疑是比较适合研究认知无线电中频谱分配的。

潜在博弈具体还分为严格潜在博弈、加权潜在博弈和顺序潜在博弈。由于严格潜在博弈具有更好的收敛性，所以主要利用这种博弈来对频谱分配的问题进行研究。严格潜在博弈的具体定义是：对于所有满足策略空间S_i的策略s_i，都满足公式（3）：

U_i(s_i,s_-i)-U(s_i′,s_-i)=P(s_i,s_-i)-P(s_i′-s_-i)    （3）

可以看出，严格潜在博弈是潜在博弈的一种特殊情况：将公式（2）中的不等号取为等号，λ设为1即可得到严格潜在博弈。严格潜在博弈默认在每次博弈过程中只有单个用户的策略改变，且此改变对于整个博弈过程的影响加权值为1。也就是说，对于每次博弈的影响只有认知用户i对于自己信道的调整。同时，严格潜在博弈具有良好的收敛性，即严格潜在博弈具有有限提高路径，当局中人独立自私地改变策略时，博弈会收敛到纳什均衡点。

在认知无线电中具有严格潜在博弈特性的情形如图1所示：N个认知无线电用户均匀分布在一个D×D区域里，认知用户的位置不变或可以缓慢地移动，K个可用的频谱，且K<N。认知用户可以有条件的使用授权用户不使用的空闲频谱，而且不同的认知用户可以使用相同的空闲频谱。可以证明，在这种情况下，用户、策略以及收益函数满足严格潜在博弈的情况。

随着认知无线电用户对信道选择策略的变化，每轮博弈结束后，认知用户的信干比有所不同。对于现有的基于潜在模型的频谱分配算法，虽然可以较好地模拟认知系统中不同认知用户对于自身所在信道的调整，但具有处理速度较慢的缺点。也就是说，在认知用户博弈的过程中，博弈次数较多，整个过程收敛速度较慢，处理时间较长。而本发明则以较少的处理时间取得了较好系统性能。总的来说，本发明的具有以下两点优势：一是博弈次数较少，即频谱分配的处理速度快；二是经过博弈算法分配后的系统信干比较之以前有所提高，即提高了系统的性能。

Claims (3)

1.认知无线系统中基于潜在博弈的频谱分配方法，其特征是：它包括以下步骤：

步骤一、对认知无线系统中的所有认知用户进行信道的初始化分配；

步骤二、对认知无线系统中的所有认知用户进行贝努利实验，并判断每个认知用户的实验结果是否为1，如果判断结果为是，则执行步骤三；如果判断结果为否，则停留在本步并等待下一次实验；

步骤三、将步骤二中实验结果为1的所有认知用户进行检查，并判断检查结果是否为1，如果判断结果为是，则返回执行步骤二；如果判断结果为否，则执行步骤四；

步骤四、步骤三中检测结果为否的所有认知用户中的每个客户端认知用户均将其本身的发射功率通过START信令在信令信道上发出；

步骤五、步骤三中检测结果为否的所有认知用户中的每个服务端认知用户均接收步骤四所述的START信令，然后进行信道选择，并将信道号作为START CH信令的内容发出；

步骤六、步骤四中的每个客户端认知用户均接收START CH信令，将证实信息通过ACKSTARTCH信令发出并在START CH信令中选定的信道上与服务端认知用户进行通信；

步骤七、未进行通信的所有认知用户根据步骤五中的信道号调整信道分配，并返回执行步骤二；完成一次认知无线系统中基于潜在博弈的频谱分配。

2.根据权利要求1所述的认知无线系统中基于潜在博弈的频谱分配方法，其特征在于步骤五中所述的信道选择是通过计算效用函数值的方法实现的。

3.根据权利要求2所述的认知无线系统中基于潜在博弈的频谱分配方法，其特征在于步骤五中所述的信道选择是通过计算效用函数值的具体方法是：

通过公式：

$U_i(s_i,s_{-i})=-\underset{j\&NotEqual;i,j=1}{\overset{N}{\mathrm{\&Sigma;}}}{p}_j{G}_{\mathrm{ij}}f(s_j,s_i)-\underset{j\&NotEqual;i,j=1}{\overset{N}{\mathrm{\&Sigma;}}}{p}_i{G}_{\mathrm{ji}}f(s_i,s_j)$

实现；

其中：i=1,2,...,N，N为步骤三中检测结果为否的所有认知用户；

U_i(s_i,s_-i)代表用户i采用的策略s_i的效用函数，其中，s_i表示用户i所采取的积极策略，s_-i表示用户i所采用的消极策略；

p_i代表认知用户i发射功率，f(s_j,s_i)为选择函数，且：

G_ij代表认知用户i发射端到认知用户j接收端的增益，

$G_{\mathrm{ij}}={\left(\frac{1}{2\mathrm{\&pi;}{D}_{\mathrm{ij}}}\right)}^2$

D_ij为二者距离。

Images