CN104579523B - 认知无线网络频谱感知和接入决策联合的优化方法 - Google Patents
认知无线网络频谱感知和接入决策联合的优化方法 Download PDFInfo
- Publication number
- CN104579523B CN104579523B CN201410850416.2A CN201410850416A CN104579523B CN 104579523 B CN104579523 B CN 104579523B CN 201410850416 A CN201410850416 A CN 201410850416A CN 104579523 B CN104579523 B CN 104579523B
- Authority
- CN
- China
- Prior art keywords
- sensing
- user
- access
- secondary users
- channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 77
- 230000008447 perception Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 230000019771 cognition Effects 0.000 title abstract 2
- 230000004927 fusion Effects 0.000 claims abstract description 38
- 230000001149 cognitive effect Effects 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及认知无线电网络频谱优化领域,提供认知无线网络频谱感知和接入决策联合的优化方法,次用户通过可能获得的吞吐量大小决定是否参与感知;决定参与感知的次用户进行频谱感知,获得本地感知结果,并根据似然比大小的顺序将本地感知结果上传给融合中心;融合中心根据判决准则做出主用户是否占用信道的决策;次用户根据判决结果和可能获得的吞吐量决定是否接入信道;当参与感知的次用户比例增长率和接入次用户比例增长率都趋于稳定时,获得参与感知的次用户比例和接入的次用户比例;本发明基于演化博弈,将频谱感知和接入二者联合起来,动态地调整次用户感知和接入的比例,最终达到均衡状态,优化系统性能。
Description
技术领域
本发明涉及认知无线电网络频谱优化领域,特别涉及认知无线网络频谱感知和接入决策联合的优化方法。
背景技术
随着无线通信的发展和用户需求的提高,有效使用频谱资源变得极为重要。目前通常的频谱管理方式是即使主用户(Primary User,简称PU)未使用授权频段时,次用户(Secondary User,简称SU)也不能使用该频段,这种情况极大地降低了频谱的利用率。
为了解决这个矛盾,人们提出了认知无线电(Cognitive Radio,简称CR)技术,次用户通过频谱感知手段感知到空闲的频段,在不影响主用户通信的前提下充分利用频谱资源。感知完成后,次用户将感知的结果发送给融合中心(Fusion Center,简称FC),FC通过某一判决准则做出主用户是否存在的判决,次用户最终决定是否接入信道。
在频谱感知过程中,单个次用户的频谱感知常常存在阴影效应、多径衰落和隐藏终端而使检测性能较差的问题,为了克服此问题,基于多个次用户的协作频谱感知技术相应被提出。
但是,现有的多个次用户的协作频谱感知技术都是基于所有次用户首先利用相同的本地感知时间完成感知,然后依时分复用的方式将感知结果上传至融合中心,且当一个次用户上传感知结果时,其他次用户不做任何操作,直到轮到其上传时才执行上传,FC最后依据某一判决准则做出主用户是否占用信道的全局判决结果。
可以发现,这样的协作频谱感知方式存在以下问题:1)当一个次用户上传感知结果时,其他次用户不做任何操作,直到轮到其上传时才执行上传,导致很多上传时隙的浪费。2)当感知的次用户数达到一定数量时,便可以获得较低的虚警概率,而超过此数量的次用户参与感知时,会导致很多能量的浪费;3)在接入阶段,当太多的次用户接入信道,使得信道变得非常拥挤,导致较低的吞吐量。
尽管许多频谱感知方法和动态接入算法已经被提出以提高次用户使用主用户的频谱资源的机会,但是目前基于现有的频谱感知和接入技术,主要集中在频谱感知和动态接入二者分开研究,要么单方面最佳化频谱感知性能而不考虑频谱接入的影响,要么设计一种频谱接入算法而不考虑频谱感知的影响,例如:A.Ghasemi andE.S.Sousa.Collaborative spectrum sensing for opportunistic access in fadingenvironments[C].In Proc.2005IEEE DySPAN,pp.131–136;Yang L,Kim H,Zhang J S,etal.Pricing-based decentralized spectrum access control in cognitive radionetworks[J].IEEE/ACM Transactions on Networking(TON),2013,21(2):522-535。也即是说,现有技术基本上没有将频谱感知和动态接入二者联合起来进而考虑频谱感知与接入算法的相互影响。
而经研究表明,将频谱感知和动态接入二者联合考虑它们的相互作用非常有意义,原因在于若参与感知主信道的次用户很少,将导致较高的虚警概率Pf和较低的吞吐量,最糟糕的情况是无次用户感知,因为感知需要消耗能量,这不可避免导致极其高的虚警概率Pf和几乎为0的吞吐量;而若太多的次用户接入主信道将使得信道非常拥挤,则再次导致非常低的吞吐量;因而,应该动态地调整次用户感知比例和接入比例以获得较高的实时吞吐量,即求得演化稳定解,使吞吐量达到最大,虚警概率达到最低。
发明内容
为解决以上技术问题,本发明提出认知无线网络频谱感知和接入决策联合的优化方法。
本发明的认知无线网络频谱感知和接入决策联合的优化方法,包括:
步骤A、次用户通过可能获得的吞吐量大小决定是否参与感知;
步骤B、决定参与感知的次用户进行频谱感知,获得本地感知结果,并根据似然比大小的顺序将本地感知结果上传给融合中心;
步骤C、融合中心根据判决准则做出主用户是否占用信道的决策;
步骤D、次用户根据判决结果和可能获得的吞吐量决定是否接入信道。
步骤E、当参与感知的次用户比例增长率和接入次用户比例增长率都趋于稳定时,获得参与感知的次用户比例和接入的次用户比例。
优选地,所述次用户通过可能获得的吞吐量大小决定是否参与感知包括:
如果时隙t参与协作频谱感知的次用户的平均吞吐量Us(t)大于时隙t所有次用户的平均吞吐量U(t),次用户做出参与感知的决定;
如果时隙t参与协作频谱感知的次用户的平均吞吐量Us(t)小于t时隙所有次用户的平均吞吐量U(t),次用户做出不参与感知的决定。
优选地,所述决定参与感知的次用户进行频谱感知采用能量检测方式,包括:如果Yi<Yth,则次用户判决主用户不存在,否则次用户判决主用户存在;
其中,表示次用户i在一个感知周期内的感知主用户信号的平均能量,Ni为次用户i在一个感知周期内的采样点数,Yth为主用户信号能量预设门限值; 表示表示次用户i感知的第k个信号样本,ni[k]是次用户i的噪声且各ni[k]独立同分布,s[k]是主用户信号,hi表示主用户和次用户i间的信道增益,H0和H1分别表示主用户不存在和存在。
优选地,所述根据似然比大小的顺序将本地感知结果上传给融合中心包括:在AND准则下,根据信噪比由高到低的顺序将本地感知结果上传给融合中心;在OR准则下,按信噪比由低到高的顺序将本地感知结果上传给融合中心;
所述AND判决准则是指:当参与感知的次用户的判决结果都为真,则融合中心决策融合的最终判决为真,否则为假;所述OR判决准则是指:只要有一个参与感知的次用户的判决结果为真,则FC决策融合的最终判决为真,否则为假。
优选地,所述根据似然比大小的顺序将本地感知结果上传给融合中心包括当上传顺序排在前面的次用户上传信息时,排在后面的次用户继续执行本地感知直至轮到自己上传时才发送其感知结果至融合中心。
优选地,所述次用户根据判决结果和可能获得的吞吐量决定是否接入信道包括:如果FC判决主用户存在,则次用户不接入信道;如果FC判决主用户不存在,则次用户根据可能获得的吞吐量决定是否接入。
优选地,如果t时隙次用户决定接入条件下接入信道的次用户的平均吞吐量Ua|D0(t)大于所有次用户的平均吞吐量U|D0(t),则该次用户决定接入。
优选地,所述参与感知的次用户比例增长率和接入次用户比例增长率都趋于0,即满足ps(t+1)-ps(t)∈[-THsa,THsa]且pa(t+1)-pa(t)∈[-THsa,THsa],THsa∈[10-4,10-3]表示感知接入阈值,此时参与感知的次用户比例和接入次用户比例达到稳定状态;
所述参与感知的次用户比例为:
ps(t+1)=ps(t)(1+η(1-ps(t))(-Θs-Θt+(1-pa(t)+pa(t)(p0Pf(Mps(t))+p1Pd))R)
所述接入的次用户比例为:
其中, Mpa(t)代表t时隙次用户决定接入条件下接入信道的次用户数,B是信道带宽,SNR是次用户的信号功率与噪声之比,INR是干扰噪声比;
为次用户的检测概率;为次用户i接收的信噪比,hi表示主用户和次用户i间的信道增益,和分别为主用户和噪声的方差;Ni为一个感知周期内的采样点数; 为Mps(t)个次用户协作感知信道的误警概率,λ为能量监测的采样频率,为补误差函数;Yth为主用户信号能量预设门限值;
ps(t)表示t时隙参与感知主信道的次用户比例,pa(t)表示t时隙接入信道的次用户比例,Θt=TtE3为上传感知结果所消耗的能量,Θs=(Ts+(Mi(t)-1)Tt)E4是频谱感知所消耗的能量,Tt是单个次用户上传所需时间;Mi(t)-1表示t时隙上传顺序排在次用户i前面的感知用户个数,Ts是单个次用户本地感知时间;Θa=TaE2为数据传输所消耗的能量,Ta是单个次用户数据传输所需时间;R是仅参与感知而不接入信道的次用户所获得能量吞吐量并且R>Θs;E1、E2、E3、E4分别代表第一、第二、第三、第四能量转化因子;η是正的步长因子。
本发明适用于认知无线电网络,基于演化博弈,将频谱感知和接入二者联合起来,动态地调整次用户感知和接入的比例,最终达到均衡状态,优化系统性能;并通过设计一种新的协作频谱感知架构,次用户将一半的上传时隙有效利用。
附图说明
图1是现有认知无线电网络模型图;
图2是现有主用户与次用户时隙相同步的示意图;
图3是本发明认知无线网络频谱感知和接入决策联合的优化方法优选实施例流程示意图;
图4是现有协作频谱感知架构示意图;
图5本发明协作频谱感知架构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
感知和接入是认知无线电两个核心技术,而认知无线电就是解决频谱短缺和利用率不高而诞生的。感知和接入联合的最终目的之一是提高次用户使用主用户的频谱资源的机会,从而接入信道实现数据传输或通信。本发明将感知和接入联合起来考虑它们的相互作用,多少用户参与感知,多少用户接入信道,用户吞吐量达到最大,虚警概念达到最小,通过演化博弈描述这一动态过程,求得演化稳定解。
假设现有一个认知无线网络,如图1所示,含有一个融合中心FC,一个主用户PU,M个次用户SUs,PU与SUs是时隙同步的。在每个时隙,主用户要不一直占用信道,要不一直不占用信道,不存在主用户当前不占用信道,结果突然出现占用信道或者当前占用信道,结果突然退出信道的情形,如图2所示。
PU对信道拥有优先权,SUs在不对PU造成干扰的情况下,可以通过频谱感知动态地接入信道。具体而言,若PU当前存在,则SUs进行接入的话,获得的吞吐量为0;若PU当前不存在,则SUs选择接入与否,即基于能量检测的方法进行协作频谱感知,将感知的结果发送给FC,FC最后做出全局判决结果。次用户通过此判决结果,最终决定是否接入信道。一般来说,该网络中的主用户PU是移动的,次用户可以自由加入或离开该认知网络,但是在检测过程中不能移动。
本发明认知无线网络频谱感知和接入决策联合的优化方法,如图3所示,包括:
步骤301、次用户通过可能获得的吞吐量大小决定是否参与感知;
步骤302、决定参与感知的次用户进行频谱感知,获得本地感知结果,并根据似然比大小的顺序将本地感知结果上传给融合中心,计算参与感知的次用户比例增长率;
步骤303、融合中心根据判决准则做出主用户是否占用信道的决策;
步骤304、次用户根据判决结果和可能获得的吞吐量决定是否接入信道,计算接入次用户比例增长率;
步骤305、当参与感知的次用户比例增长率和接入次用户比例增长率都趋于稳定时,获得感知的次用户比例和接入的次用户比例。
下面对本发明各个步骤的实施方式进行介绍。
所述步骤301次用户通过可能获得的吞吐量大小决定是否参与感知,包括:
每个时隙参与感知的次用户比例(参与感知的次用户数与所有次用户数之比)随时间变化,变化的过程借助演化博弈的动态方程描述为:
ps(t+1)=ps(t)(1+η(Us(t)-U(t))) (1)
其中ps(t)表示t时隙参与感知主信道的次用户比例,ps(t+1)是t+1时隙参与感知主信道的次用户比例,Us(t)是t时隙参与协作频谱感知的次用户的平均吞吐量,U(t)是t时隙所有次用户的平均吞吐量,η是一个正的步长因子。
此动态方程的物理意义在于:如果t时隙参与协作频谱感知的次用户的平均吞吐量大于t时隙所有次用户的平均吞吐量,则参与感知的次用户比例应该增大至ps(t+1)=ps(t)(1+η(Us(t)-U(t))),次用户做出参与感知的决定。同理,如果t时隙参与协作频谱感知的次用户的平均吞吐量小于t时隙所有次用户的平均吞吐量,则参与感知的次用户比例应该减小至ps(t+1)=ps(t)(1+η(Us(t)-U(t))),次用户做出不参与感知的决定。
所述步骤302、决定参与感知的次用户进行频谱感知,获得本地感知结果,并根据似然比大小的顺序将本地感知结果上传给融合中心,包括:
302-1、决定参与感知的次用户进行频谱感知,获得本地感知结果;
决定参与感知的次用户进行频谱感知的方法主要包括能量检测、匹配滤波检测、循环平稳特征检测。
由于能量检测实现简单,算法复杂度低,故一般采用基于能量检测进行频谱感知。优选地,本发明利用能量检测进行频谱感知,获得本地感知结果
假设H0和H1分别表示主用户不存在和存在。
在H0和H1这两种情况下,次用户i接收到的信号如下:
其中yi[k]表示次用户i感知的第k个信号样本,ni[k]是次用户i的噪声,被假设是循环对称复杂高斯白噪声(CSCG),且各ni[k]独立同分布,s[k]是主用户信号,均值为0,方差为hi表示主用户和次用户i间的信道增益。
在这种情况下,对于次用户i,在一个感知周期内的采样点数为Ni,则次用户i在一个感知周期内的感知信号的平均能量可以被计算如下表示:
然后将Yi与门限检测器预先设定的主用户信号能量预设门限值Yth相比较,从而做出主用户是否存在的本地感知结果,即
D0:Yi<Yth,次用户判决主用户不存在(4)
D1:Yi≥Yth,次用户判决主用户存在(5)
302-2、根据似然比大小的顺序将本地感知结果上传给融合中心
对于上传顺序,可以根据初始化指定的顺序上传。
优选地,本发明提供以下上传方式:
次用户在不同判决准则下,根据信噪比大小的顺序将感知结果上传给融合中心。具体而言,参与感知的各次用户分别设置计数器为K/LRi(计数时间到就上传),其中LRi为第i个次用户的信噪比,K为调整因子,进而具有信噪比的次用户将优先发送结果至FC。
优选地,次用户在AND判决准则下的上传顺序。AND判决准则是指:当参与感知的次用户的判决结果都为真,则FC决策融合的最终判决为真,否则为假,全局检测概率为:
可知,全局检测概率Qd,AND与单点检测概率Pd,i是乘性的关系,Qd,AND的大小直接受限于具有最小检测概率的次用户性能。则在AND准则下,根据信噪比由高到低的顺序将本地感知结果上传给融合中心,信噪比最低的次用户应排在最后面,即确保在较长感知时间下,有较高的检测概率Yd。
因此在AND准则下,参与感知的各次用户可分别设置计数器为K//LRi,这将保证最优上传顺序为以信噪比从大到小的顺序上传。
优选地,次用户在OR判决准则下的上传顺序。OR判决准则是指:只要有一个参与感知的次用户的判决结果为真,则FC决策融合的最终判决为真,否则为假。全局检测概率:
可知,全局检测概率Qd,OR与单点检测概率Pd,i是加性的关系,Qd,OR的大小直接受限于具有最大检测概率的次用户性能。则在OR准则下,按信噪比由低到高的顺序将本地感知结果上传给融合中心,信噪比最高的次用户应排在最后面。
因此在OR准则下,参与感知的各次用户可分别设置计数器为K×/LRi,这将保证因此在OR准则下,以信噪比从低到高的顺序上传。
现有技术一般认为各次用户采用TDMA的方式向FC发送感知信息,并且大都认为各次用户要在相同的本地感知时间完成感知,当某一次用户上传信息时,其它次用户无任何操作,直到轮到其上传才向FC发送感知信息。显然,这会导致许多上传时隙的浪费,尤其当次用户数目较大时这种时隙结构浪费更为明显。
针对这种不足,本发明对时隙结构做了改变,优选地,当上传顺序排在前面的次用户上传信息时,排在后面的次用户继续执行本地感知直至轮到自己上传时才发送其感知结果至FC,由于排在后面的次用户采用公式(2)计算一个感知周期内的感知信号的平均能量的时间越长,计算所采用的采样点数Ni越多,增大了能量计算的准确度,以此减少时隙开销所导致浪费,而且后上传信息的次用户有较长的感知时间,减小了虚警概率Yf,提高了检测概率Yd,更重要的是总的感知时间没有增加。
为帮助理解,结合图4和图5分别对一般的协作频谱感知架构和本发明的协作频谱感知架构进行说明。图4和图5都假设了M(t)个次用户参与感知,并按次用户1、次用户2至次用户M(t)的上传顺序将感知结果传给FC,R1,R2,…,RM(t)为对应次用户单个上传所需时间,都记为Tt。
图4中每个感知次用户都经本地感知时间Ts执行感知后,按顺序上传,在当前次用户上传时,其它次用户无任何操作,直到轮到其上传才向FC发送感知信息,则导致了M(t)×(M(t)-1)个上传时隙的浪费。
图5中,由于本文明设计当前次用户上传信息时,其它次用户继续执行本地感知直至轮到该次用户上传时才发送其感知结果至FC,比如次用户1经本地感知时间Ts执行完感知和经上传所需时间R1上传完结果时,浪费的上传时隙个数为(M(t)-1),次用户2的感知总时间为本地感知时间与排在它前面所有次用户上传总时间之和,即Ts+R1,以此类推,可知最后上传的次用户一是感知时间最长,为Ts+(M(t)-1)Tt,二是没有上传时隙的浪费。图5相比图4,在本地感知时间和上传时间相等情况下,节省了M(t)×(M(t)-1)/2个上传时隙。
所述步骤303融合中心根据判决准则做出主用户是否占用信道的决策,,包括:
在AND判决准则下,当且仅当参与感知的所有次用户都认为主用户存在时,FC才给出主用户存在的全局决策;
在OR判决准则下,只要有一个参与感知的次用户认为主用户存在,FC就给出主用户存在的全局决策。
所述步骤304、次用户根据判决结果和可能获得的吞吐量决定是否接入信道;
如果FC判决主用户存在,则次用户不接入信道;
如果FC判决主用户不存在,则次用户根据可能获得的吞吐量决定是否接入。
所述次用户根据可能获得的吞吐量决定是否接入包括:如果t时隙Ua|D0(t)-U|D0(t)>0,则该次用户决定接入;
每个时隙接入信道的次用户比例(接入信道的次用户数与所有次用户数之比)随时间变化,变化的过程借助演化博弈的动态方程描述为,即计算接入次用户比例增长率:
pa(t+1)=pa(t)(1+η(Ua|D0(t)-U|D0(t)))
其中pa(t)表示t时隙接入信道的次用户比例,pa(t+1)表示t+1时隙接入信道的次用户比例,D0表示次用户判断当前信道为空闲状态,即主用户此时不占用信道,Ua|D0(t)是t时隙给定D0下接入信道的次用户的平均吞吐量,U|D0(t)是t时隙给定D0下所有次用户的平均吞吐量,η是一个正的步长因子。
本实施例之所以限定在D0条件下,是因为避免次用户对主用户产生干扰或者保证主用户的服务质量(Quality of service,Qos),在D1条件下不考虑接入问题,即使D1条件下次用户选择接入信道,所获的吞吐量也为0。
所述步骤305所述参与感知的次用户比例增长率和接入次用户比例增长率都趋于稳定为参与感知的次用户比例增长率和接入次用户比例增长率都趋于0,也就是ps(t)与pa(t)不随着时间t而变化,满足ps(t+1)-ps(t)∈[-THsa,THsa]且pa(t+1)-pa(t)∈[-THsa,THsa],THsa∈[10-4,10-3]表示感知接入阈值,此时参与感知的次用户比例和接入次用户比例达到稳定状态。
所述获得感知的次用户比例和接入次用户比例,包括:
根据演化博弈的动态方程,估计参与感知比例和接入信道的次用户比例,即求解演化博弈的演化稳定解。在演化博弈的演化稳定解下,参与协作频谱感知的次用户的吞吐量Us、所有次用户的平均吞吐量U、给定D0下接入信道的次用户的平均吞吐量Ua|D0和给定D0下所有次用户的平均吞吐量U|D0最大。
演化博弈是一种研究博弈参与者在有限理性情况下、在复杂的局面中,如何动态调整自己的策略的理论和方法。演化博弈理论并不要求参与者是完全理性的,也不要求完全信息的条件,它是博弈者渐进地更新它们的行为以对当前的策略环境做出响应。
这个过程具体而言是通过定义一个称为修订协议的纯策略的修订。一个修订协议将当前的吞吐量和总的行为作为输入,输出是一个有条件的切换速率。切换速率描述了给定当前的吞吐量组合和参与者的策略分布,处于某一群体中采取策略a的参与者以哪一个频率改变自己的策略到b。这个修订协议表述了在动态的演化环境中相应的参与者更新它们的行为并最终达到演化稳定的过程。演化博弈的两个核心概念为动态方程和演化稳定解。
演化博弈动态用于演化博弈理论中的策略改变模式。一个策略如果较平均或它的对手做的更好将增加选择它的频率,同时降低吞吐量低于平均或对手的策略的频率。
演化稳定策略:在演化博弈中,每个博弈者通过观察不同策略下吞吐量值动态地调整其策略。经过一段时间的策略交互,收敛到一个稳定的均衡解,这对于用户来说是一个有效的方法。我们称这样的稳定解为演化稳定策略(ESS),也叫演化稳定解。
根据演化博弈理论,存在一个博弈,含有M个博弈者,策略当且仅当满足:
1)
2)如果
其中Ui代表用户i的吞吐量,ai表示博弈者i的策略,a-i表示除了博弈者i的其他所有博弈者的策略,*表示此策略最佳。
可见,第一个条件是Nash均衡,第二个条件保证了策略的稳定性。而且,可知,一个严格的Nash均衡总是一个ESS。
以上理论应用于本发明,主要包括:
304A、演化博弈的动态方程描述:
对于次用户来说,有两个策略集:一个是频谱感知策略集策略s代表感知,代表不感知,另一个是接入策略集策略a代表接入,代表不接入。假设ps∈[0,1]表示参与感知主信道的次用户比例,pa∈[0,1]表示接入信道的次用户比例。如果次用户经过感知,将结果发给FC,FC若判决主用户不在,则有p(a)|D0=pa,p(a)|D1=0。然后ps与pa的演化动态方程记为:
ps(t+1)=ps(t)(1+η(Us(t)-U(t)))
(7)
=ps(t)(1+η(1-ps(t))(-Θs-Θt+(1-pa(t)+pa(t)(p0Pf(Mps(t))+p1Pd))R)
其中,ps(t)表示t时隙参与感知主信道的次用户比例;ps(t+1)是t+1时隙参与感知主信道的次用户比例;Us(t)是t时隙参与协作频谱感知的次用户的平均吞吐量;U(t)是t时隙所有次用户的平均吞吐量;Θt=TtE3为上传感知结果所消耗的能量,Tt是单个次用户上传所需时间;Θs=(Ts+(Mi(t)-1)Tt)E4是频谱感知所消耗的能量,Mi(t)-1表示t时隙上传顺序排在次用户i前面的感知用户个数,Ts是单个次用户本地感知时间;Θa=TaE2为数据传输所消耗的能量,Ta是单个次用户数据传输所需时间;常数R是那些仅参与感知而不接入信道的次用户所获得能量吞吐量并且R>Θs,在实际认知无线网络中,R可能表示为用户的信用,或者为一时间可以免费接入网络;F(Mpa(t))表示如下:
其中Mpa(t)代表t时隙给定D0选择接入信道的次用户数,B是信道带宽,SNR是次用户的信号功率与噪声之比,INR是干扰噪声比,即来自其他所有次用户的干扰与噪声的比值,这里假设所有次用户相互间引起相同数目的干扰,E1是将该公式转化为能量吞吐量的一个常数;这里p0是主用户不在的概率,例如H0的概率,p1=1-p0是主用户在的概率,例如H1的概率;η是一个正的步长因子即满足η>0;Pf(Mps(t))为Mps(t)个次用户协作感知信道的误警概率,Pd为次用户的检测概率,二者表达式分别如下表示:
其中,为补误差函数;λ为能量监测的采样频率;为次用户接收的信噪比,hi表示主用户和次用户i间的信道增益,和分别为主用户和噪声的方差;Ni为一个感知周期内的采样点数;E1、E2、E3、E4分别代表第一、第二、第三、第四能量转化因子,是使相乘的结果转变为能量值的常数参数,取值范围为[0,5];η是正的步长因子。
从公式(7)可知,如果t时隙次用户参与频谱感知可以导致比平均吞吐量还高的吞吐量,则参与感知主信道的次用户比例ps将增大,增大的比例Δps/ps与Us-U成正比,否则不参与感知。
相似地,从公式(8)可知,如果t时隙Ua|D0(t)-U|D0(t)>0,则t+1时隙该次用户决定接入。一直动态地进行迭代直到满足ps(t+1)-ps(t)∈[-THsa,THsa]且pa(t+1)-pa(t)∈[-THsa,THsa],THsa∈[10-4,10-3]表示感知接入阈值时,达到稳定状态,即求得了ESS,此时各次用户获得最高的吞吐量Us,U,Ua|D0和U|D0。
304B、通过一个分布式学习算法求得参与感知的次用户比例和接入信道的次用户比例,即ps和pa,也就是演化博弈的稳定解ESS。在此解下,次用户的Us,U,Ua|D0和U|D0最大。
分布式学习算法主要思想为:
(1)单个次用户采取某一策略的概率正比于所有次用户采取此策略而获得的平均吞吐量,即
和分别为单个次用户进行感知和接入的概率,和为时隙感知和不感知的次用户平均吞吐量。
类似有
(2)假设次用户数很大,满足感知信道的次用户比例等于单个次用户进行感知的概率,有:
类似有
分布式学习算法主要步骤为:
Step1.给定时隙t=0,次用户初始化它们
Step2.每个时隙t,每个次用户以概率感知主信道;
Step3.上传感知结果给FC,FC做出全局判决;
Step4.如果FC判决主用户不在,以概率接入主信道;
Step5.通过式(16)和(17)估计感知和不感知的平均效益,通过式(18)和(19)估计接入和不接入的平均吞吐量;
其中假设每个时隙可以进一步被划分m个子时隙,式中的1≤n≤m。
Step6.如果FC判决主用户存在,次用户不接入主信道;
Step7.通过式(16)和(17)估计感知和不感知的平均吞吐量;
Step8.通过式(14)和(15)更新感知和接入的概率;
Step9.进入下一个时隙重复上述Step2-Step8步骤,直到参与感知的次用户比例和接入信道的次用户比例不变,即得到了稳定解。
在演化博弈的演化稳定解下,参与协作频谱感知的次用户的吞吐量Us、所有次用户的平均吞吐量U、给定D0下接入信道的次用户的平均吞吐量Ua|D0和给定D0下所有次用户的平均吞吐量U|D0最大。
显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明权利要求所保护的范围。
Claims (9)
1.认知无线网络频谱感知和接入决策联合的优化方法,其特征在于,包括:
步骤A、次用户通过可能获得的吞吐量大小决定是否参与感知;
步骤B、决定参与感知的次用户进行频谱感知,获得本地感知结果,并根据似然比大小的顺序将本地感知结果上传给融合中心;
步骤C、融合中心根据判决准则做出主用户是否占用信道的决策;
步骤D、次用户根据判决结果和可能获得的吞吐量决定是否接入信道;
步骤E、当参与感知的次用户比例增长率和接入次用户比例增长率都趋于稳定时,获得参与感知的次用户比例和接入的次用户比例。
2.根据权利要求1所述认知无线网络频谱感知和接入决策联合的优化方法,其特征在于,所述次用户通过可能获得的吞吐量大小决定是否参与感知包括:
如果时隙t参与协作频谱感知的次用户的平均吞吐量Us(t)大于时隙t所有次用户的平均吞吐量U(t),次用户做出参与感知的决定;
如果时隙t参与协作频谱感知的次用户的平均吞吐量Us(t)小于t时隙所有次用户的平均吞吐量U(t),次用户做出不参与感知的决定。
3.根据权利要求1所述认知无线网络频谱感知和接入决策联合的优化方法,其特征在于,所述决定参与感知的次用户进行频谱感知采用能量检测方式,包括:如果Yi<Yth,则次用户判决主用户不存在,否则次用户判决主用户存在;
其中,表示次用户i在一个感知周期内感知主用户信号的平均能量,Ni为次用户i在一个感知周期内的采样点数,Yth为主用户信号能量预设门限值;表示次用户i感知的第k个信号样本,ni[k]是次用户i的噪声且各ni[k]独立同分布,s[k]是主用户信号,hi表示主用户和次用户i间的信道增益,H0和H1分别表示主用户不存在和存在。
4.根据权利要求1所述认知无线网络频谱感知和接入决策联合的优化方法,其特征在于,所述根据似然比大小的顺序将本地感知结果上传给融合中心包括:在AND准则下,根据信噪比由高到低的顺序将本地感知结果上传给融合中心;在OR准则下,按信噪比由低到高的顺序将本地感知结果上传给融合中心;
所述AND判决准则是指:当参与感知的次用户的判决结果都为真,则融合中心决策融合的最终判决为真,否则为假;所述OR判决准则是指:只要有一个参与感知的次用户的判决结果为真,则融合中心决策融合的最终判决为真,否则为假。
5.根据权利要求1所述认知无线网络频谱感知和接入决策联合的优化方法,其特征在于,所述根据似然比大小的顺序将本地感知结果上传给融合中心包括当上传顺序排在前面的次用户上传信息时,排在后面的次用户继续执行本地感知直至轮到自己上传时才发送其感知结果至融合中心。
6.根据权利要求1所述认知无线网络频谱感知和接入决策联合的优化方法,其特征在于,所述次用户根据判决结果和可能获得的吞吐量决定是否接入信道包括:如果融合中心判决主用户存在,则次用户不接入信道;如果融合中心判决主用户不存在,则次用户根据可能获得的吞吐量决定是否接入。
7.根据权利要求1所述认知无线网络频谱感知和接入决策联合的优化方法,其特征在于,如果t时隙次用户决定接入条件下接入信道的次用户的平均吞吐量Ua|D0(t)大于所有次用户的平均吞吐量U|D0(t),则该次用户决定接入;D0表示次用户判断当前信道为空闲状态,即主用户此时不占用信道,Ua|D0(t)是t时隙给定D0下接入信道的次用户的平均吞吐量,U|D0(t)是t时隙给定D0下所有次用户的平均吞吐量。
8.根据权利要求1所述认知无线网络频谱感知和接入决策联合的优化方法,其特征在于:所述参与感知的次用户比例增长率和接入次用户比例增长率都趋于0,即满足ps(t+1)-ps(t)∈[-THsa,THsa]且pa(t+1)-pa(t)∈[-THsa,THsa],THsa表示感知接入阈值,参与感知的次用户比例和接入次用户比例达到稳定状态,ps(t)表示t时隙参与感知主信道的次用户比例,ps(t+1)是t+1时隙参与感知主信道的次用户比例,pa(t)表示t时隙接入信道的次用户比例。
9.根据权利要求1所述认知无线网络频谱感知和接入决策联合的优化方法,其特征在于:所述参与感知的次用户比例为:
ps(t+1)=ps(t)(1+η(1-ps(t))(-Θs-Θt+(1-pa(t)+pa(t)(p0Pf(Mps(t))+p1Pd))R)
该式中,η是正的步长因子,ps(t)表示t时隙参与感知主信道的次用户比例,pa(t)表示t时隙接入信道的次用户比例,Θt=TtE3为上传感知结果所消耗的能量,Θs=(Ts+(Mi(t)-1)Tt)E4是频谱感知所消耗的能量,Tt是单个次用户上传所需时间,Mi(t)-1表示t时隙上传顺序排在次用户i前面的感知用户个数,Ts是单个次用户本地感知时间,p0是主用户不在的概率,p1=1-p0是主用户在的概率,为Mps(t)个次用户协作感知信道的误警概率,λ为能量监测的采样频率,为补误差函数;为次用户的检测概率;为次用户i接收的信噪比,hi表示主用户和次用户i间的信道增益,和分别为主用户和噪声的方差;Ni为一个感知周期内的采样点数;Yth为主用户信号能量预设门限值;R是仅参与感知而不接入信道的次用户所获得能量吞吐量并且R>Θs;E3、E4分别代表第三、第四能量转化因子;
所述接入的次用户比例为:
该式中,Mpa(t)代表t时隙次用户决定接入条件下接入信道的次用户数,B是信道带宽,SNR是次用户的信号功率与噪声之比,INR是干扰噪声比;Θa=TaE2为数据传输所消耗的能量,Ta是单个次用户数据传输所需时间;E1、E2分别代表第一、第二能量转化因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850416.2A CN104579523B (zh) | 2014-12-31 | 2014-12-31 | 认知无线网络频谱感知和接入决策联合的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850416.2A CN104579523B (zh) | 2014-12-31 | 2014-12-31 | 认知无线网络频谱感知和接入决策联合的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104579523A CN104579523A (zh) | 2015-04-29 |
CN104579523B true CN104579523B (zh) | 2016-11-16 |
Family
ID=53094837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410850416.2A Active CN104579523B (zh) | 2014-12-31 | 2014-12-31 | 认知无线网络频谱感知和接入决策联合的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104579523B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105792218B (zh) * | 2016-02-25 | 2019-01-25 | 中山大学 | 具有射频能量收集能力的认知无线电网络的优化方法 |
CN107438250B (zh) * | 2016-05-26 | 2021-04-16 | 中国人民解放军理工大学 | 5g认知微蜂窝网络中基于博弈论的频谱决策方法 |
CN106254006B (zh) * | 2016-09-14 | 2018-10-23 | 国家电网公司信息通信分公司 | 一种协作频谱感知系统和方法 |
CN106412928B (zh) * | 2016-09-23 | 2019-09-10 | 宁波大学 | 协同认知无线网络跨层设计方法 |
CN106230530B (zh) * | 2016-09-23 | 2018-08-31 | 宁波大学 | 多频段协作认知频谱感知方法 |
CN108712747B (zh) * | 2018-03-29 | 2023-05-30 | 中国人民解放军陆军工程大学 | 一种基于频谱预测的链路快速建立方法 |
CN108768708B (zh) * | 2018-05-18 | 2022-04-08 | 浙江工业大学 | 一种基于线性搜索式的非正交接入上行传输时间优化方法 |
CN109889288B (zh) * | 2019-03-13 | 2021-04-23 | 重庆邮电大学 | 一种基于集合平均值迭代检测的连续频谱感知方法 |
CN112217586B (zh) * | 2019-07-12 | 2024-02-02 | 全球能源互联网研究院有限公司 | 一种步进宽带频谱认知方法和系统 |
CN111491348B (zh) * | 2020-04-28 | 2022-04-19 | 国家广播电视总局广播电视科学研究院 | 一种广电白频谱认知WiFi的信道切换方法及系统 |
CN111786712B (zh) * | 2020-05-29 | 2022-07-12 | 中国人民解放军空军工程大学 | 一种基于cr的uav通信网络次级链路吞吐量优化方法 |
CN115209508B (zh) * | 2021-04-13 | 2023-09-19 | 中国移动通信集团设计院有限公司 | 频谱接入方法、装置、设备及存储介质 |
CN113472463B (zh) * | 2021-06-30 | 2023-06-16 | 中国人民解放军国防科技大学 | 一种认知无线网络中次用户违反干扰约束行为的检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101730254A (zh) * | 2009-11-27 | 2010-06-09 | 上海交通大学 | 无线电网络吞吐量的频谱感知优化方法 |
US8010139B2 (en) * | 2007-12-12 | 2011-08-30 | Shanghai Mobilepeak Semiconductor, Co., Ltd. | Method improving the cross-layer multimedia transmission quality in cognitive radio networks |
CN102404751A (zh) * | 2011-12-05 | 2012-04-04 | 昆明理工大学 | 一种基于跳频的跨层认知无线电网络用户接入方法 |
CN102457338A (zh) * | 2011-11-09 | 2012-05-16 | 南京邮电大学 | 认知传感器网络中多用户感知信道的选择方法 |
CN102647235A (zh) * | 2011-02-16 | 2012-08-22 | 华为技术有限公司 | 协作频谱感知的方法、设备和系统 |
CN102685754A (zh) * | 2012-05-24 | 2012-09-19 | 上海交通大学 | 基于合作频谱感知的频谱接纳控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102547795B (zh) * | 2012-02-14 | 2014-06-04 | 华中科技大学 | 自适应频谱感知调度方法 |
-
2014
- 2014-12-31 CN CN201410850416.2A patent/CN104579523B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8010139B2 (en) * | 2007-12-12 | 2011-08-30 | Shanghai Mobilepeak Semiconductor, Co., Ltd. | Method improving the cross-layer multimedia transmission quality in cognitive radio networks |
CN101730254A (zh) * | 2009-11-27 | 2010-06-09 | 上海交通大学 | 无线电网络吞吐量的频谱感知优化方法 |
CN102647235A (zh) * | 2011-02-16 | 2012-08-22 | 华为技术有限公司 | 协作频谱感知的方法、设备和系统 |
CN102457338A (zh) * | 2011-11-09 | 2012-05-16 | 南京邮电大学 | 认知传感器网络中多用户感知信道的选择方法 |
CN102404751A (zh) * | 2011-12-05 | 2012-04-04 | 昆明理工大学 | 一种基于跳频的跨层认知无线电网络用户接入方法 |
CN102685754A (zh) * | 2012-05-24 | 2012-09-19 | 上海交通大学 | 基于合作频谱感知的频谱接纳控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104579523A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104579523B (zh) | 认知无线网络频谱感知和接入决策联合的优化方法 | |
Ansere et al. | A reliable energy efficient dynamic spectrum sensing for cognitive radio IoT networks | |
Wang et al. | Price-based spectrum management in cognitive radio networks | |
Yang et al. | Broadcasting with an energy harvesting rechargeable transmitter | |
Asghari et al. | Adaptive rate and power transmission in spectrum-sharing systems | |
Zhang et al. | Deep reinforcement learning for multi-agent power control in heterogeneous networks | |
Monemian et al. | Analysis of a new energy-based sensor selection method for cooperative spectrum sensing in cognitive radio networks | |
Ji et al. | Power optimization in device-to-device communications: A deep reinforcement learning approach with dynamic reward | |
Ramezani et al. | Optimal resource allocation for multiuser Internet of Things network with single wireless-powered relay | |
CN106034349B (zh) | 传输功率控制方法及装置 | |
CN101729164B (zh) | 无线资源分配方法和认知无线电用户设备 | |
CN104780006A (zh) | 基于最小错误概率准则的频谱检测器软融合方法 | |
Venturino et al. | Energy-efficient coordinated user scheduling and power control in downlink multi-cell OFDMA networks | |
Zhong et al. | Joint optimal energy-efficient cooperative spectrum sensing and transmission in cognitive radio | |
Biswas et al. | Sum throughput maximization in a cognitive multiple access channel with cooperative spectrum sensing and energy harvesting | |
CN110139282A (zh) | 一种基于神经网络的能量采集d2d通信资源分配方法 | |
Derakhshani et al. | Learning-based opportunistic spectrum access with adaptive hopping transmission strategy | |
CN114126021A (zh) | 一种基于深度强化学习的绿色认知无线电的功率分配方法 | |
Huang et al. | Joint AMC and resource allocation for mobile wireless networks based on distributed MARL | |
CN113507716A (zh) | 一种基于swipt的cr-noma网络中断与能效的优化方法 | |
CN111741520A (zh) | 一种基于粒子群的认知水声通信系统功率分配方法 | |
Long et al. | Throughput optimization in energy harvesting based cognitive iot with cooperative sensing | |
Jing et al. | Distributed channel access, relay selection and time assignment for QoE-aware relay networks | |
Xia et al. | Stochastic client scheduling with dynamic SINR thresholds for fast federated learning | |
CN109275149A (zh) | 一种认知无线供电网络中基于能量累积的资源分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |