CN106685552A - 噪声不确定下基于进化博弈论的认知用户间协作检测方法 - Google Patents
噪声不确定下基于进化博弈论的认知用户间协作检测方法 Download PDFInfo
- Publication number
- CN106685552A CN106685552A CN201710089990.4A CN201710089990A CN106685552A CN 106685552 A CN106685552 A CN 106685552A CN 201710089990 A CN201710089990 A CN 201710089990A CN 106685552 A CN106685552 A CN 106685552A
- Authority
- CN
- China
- Prior art keywords
- user
- detection
- cognitive
- frequency spectrum
- noise
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法。该方法采用进化博弈论算法让认知用户动态地选择是否参加协作检测,通过不断的迭代学习,达到一个进化稳定策略(ESS)。首先我们把所有的认知用户看作一个整体参与博弈,通过进化博弈论算法,得到参与协作的认知用户的平均吞吐量和所有认知用户的平均吞吐量,比较这两个平均吞吐量,如果相等就得到最终的进化稳定策略。如果不相等,通过迭代公式,求得它们新的平均吞吐量,直到达到相等为止。本发明通过动态的学习算法让认知用户选择性地参与协作能很好地降低检测功耗,提高整体用户的吞吐量和系统的检测性能。
Description
技术领域
本发明涉及无线电通信技术领域,特别是噪声不确定下基于进化博弈论的认知用户间协作检测方法。
背景技术
认知无线电(CR)作为一种智能的无线电技术,于20世纪末被提出,用以促进频谱资源的有效利用。CR技术实现动态频谱接入(DSA)代替静态频谱接入(SCA),将频谱资源加以合理利用,缓解了频谱资源紧张的状况。
由于认知无线电技术发展前景良好,CR技术在有的设备中已经出现。例如,在WLAN设备和码分多址(CDMA)网络中都已经使用了认知技术,以便更加高效的使用频谱。管理部门、标准化协议组、高等院校和通信产业联盟纷纷对其进行了相关的学术研究,并通过举办各种关于认知无线电的国际研讨会以促进该领域的巨大发展。可以预见不久的将来,CR技术作为一种解决频谱资源短缺、提高频谱效率的智能无线电技术,会为电信市场带来巨大的应用价值。
通过频谱感知和环境适应,非授权用户(SU)能够有效地利用空闲频谱并且对授权用户(PU)的通信不能造成干扰。认知无线电必须持续地感知周围的频谱环境,并且需要准确、可靠地检测PU是否出现在空闲频谱中,一旦检测到PU重新使用空闲频谱,SU必须寻找或等待新的空闲频段继续通信。目前频谱检测的基本方法主要包括匹配滤波器检测、能量检测和循环平稳特征检测等。并各有自身的优缺点:能量检测算法无需知道授权用户信号的任何先验信息,实现简单,复杂度低,非常适合用于CR系统。但是与其它本地检测算法相比,能量检测的检测性能较低,算法受噪声不确定性影响明显。匹配滤波器检测需要事先知道授权用户的信息,对授权用户要有专门的接收器;需要定时和频率同步。除此之外,匹配滤波器检测计算量也比较大,如果先验信息不准确,匹配滤波器的性能会大大下降,其主要优点是能以较快速度准确检测PU是否存在。循环平稳特征检测的感知敏感性优于能量检测,在低信噪比的环境中能获得更好的检测性能,但这种方法的计算复杂度较高。
进化博弈论的研究方法和其它许多利用数学工具研究各类问题的学科一样,都是从复杂的现象中抽象出基本的概念,对这些概念构成的数学模型进行分析,在逐步引入对其局势产生影响的其它因素,进而分析并得到其结果。
博弈论的基本假设是强调个人理性,即它必须并且能够充分考虑到人们之间的相互作用及其可能的影响,做出合乎理性的选择。所谓合乎理性是指博弈参与者最大化自己的目标函数,通常选择使其收益最大化的策略。博弈论研究的是理性行为,它认为:参与博弈的每个人都会根据对手的策略选择自己的最优反应,以最大化自己的利益。参与博弈的每个人的收益不仅取决于自己的决策,还取决于其它参与博弈的人的决策。
一般来说,博弈都至少含有三个要素:(1)局中人,即博弈的参与人,又称博弈方,指的是博弈中能独立决策、独立行动并承担决策结果的个人或组织。(2)策略与策略集。策略,即局中人的行动。一局博弈中,每个局中人都有多个可选择的行动,每个行动称为这个局中人的一个策略。每个策略都对应相应的结果,供博弈方选择的策略数量越多,博弈就越困难复杂。一个局中人的所有策略的集合称为该局中人的策略集或行动空间,决策者在实际行动中总会选择切实可行的策略辅助实施。(3)支付与支付函数。支付,即每个局中人选择策略后获得的收益。此收益不仅依赖于它自己的策略选择,还依赖于其它局中人的策略选择,因此它是所有局中人策略选择的支付函数(也称收益函数)。支付是局中人真正关心的东西,是进行判断和决策的依据。博弈方都是围绕一定的利益展开的,因此博弈胜负的评判结果主要是靠策略选择后的得失来衡量。
非合作博弈论是指策略环境下,非合作的框架把所有的人的行动都当成是个别行动,也就是说在一个策略组合中,所有的参与者面临这样的一种情况,当其它人改变策略时,它此时的策略是最好的。也就是说,此时如果它改变策略,它的获益将会降低。它主要强调一个人进行自主的决策,而与这个策略环境中其它人无关。纳什均衡又称非合作博弈均衡,指的是这样一种策略组合,这种策略组合由所有参与人的最优策略组成,在该策略组合上,任何参与人单独改变策略都不会得到好处。换句话说,如果在一个策略组合上,当所有其它人都不改变策略时,没有人会改变自己的策略,则该策略组合就是一个纳什均衡。
在认知无线电系统中,由于存在不确定的噪声,参与协作频谱感知的多个认知用户要达到完全的理性与要获得完全的信息是很难实现的,其所在环境复杂性和自身可能的差异性通常导致信息不完全和有限理性,在此条件下“哪些CR用户参与协作”、“参与协作的CR用户何时协作”是健壮的邻居发现和可靠的信息交换的基础,这也是实现协同感知的关键问题。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供噪声不确定下基于进化博弈论的认知用户间协作检测方法,本发明通过动态的学习算法让认知用户选择性地参与协作能很好地降低检测功耗,提高整体用户的吞吐量和系统的检测性能。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法,包括如下步骤:
步骤1)、设定认知无线电系统中的噪声不确定度L;具体如下:
在噪声不确定的认知无线电环境中,用户预估噪声能量为其中,σ2为噪声的平均能量,为噪声不确定下的噪声能量,α表示噪声不确定因子,
用分贝表示噪声不确定:L=10log10α,α在区间[10-L/10,10L/10]均匀分布,α的概率密度函数f(t)使用以下公式进行计算:其中,t表示自变量,e是自然对数的底数;
步骤2)、确定噪声不确定系统中认知用户基于能量检测的检测概率和虚警概率;具体如下:
步骤2.1)、噪声不确定下能量检测的模型为:其中,ν(n)表示噪声信号,s(n)表示授权用户信号,H0表示授权用户PU没有在使用通讯,H1表示授权用户PU正在占用通道,y(n)表示认知用户检测到的信号;
对信号y(n)进行模拟/数字采样,将采样后的信号利用快速傅氏变换FFT转换为频域信号,再对频域信号求模平方,得到PU信号的能量检测结果,能量检测值表示为:n表示第n个抽样点,N表示抽样的数目,μ2表示能量检测值;
步骤2.2)、确定检测概率和虚警概率;
结合步骤1和步骤2.1,得到噪声不确定下能量检测的平均虚警概率
平均检测概率为:
其中,λ为门限值且是用于判断比较PU是否在占用频带,γ为主用户信号在次级用户接收端的平均信噪比,y表示自变量;
Q(x)函数为x表示自变量;
步骤3)、采用进化博弈论对协作频谱检测进行优化;
所述协作频谱检测是在进行数据传输前,多个次级用户检测PU的活动,通过一个窄带信号信道分享它们的检测结果;
所述进化博弈论是将频谱检测看作一个非合作博弈,所有认知用户都作为博弈的参与者,用S={s1.....sz}表示,S表示认知用户的合集,sk表示S中任意一个认知用户,且1≤k≤z,k为整数,|S|表示认知用户的总数目,每个认知用户都有两种决策选择{C,W},C表示该用户愿意去进行频谱检测,W表示等待其它检测的结果,不去参与频谱检测;
步骤4)、确定用户的吞吐量;
参与博弈的用户的费用函数就是认知用户的吞吐量,将愿意去参加频谱检测的用户用Sc={s1.....sp}表示,Sc表示愿意参与频谱检测的认知用户的合集,|Sc|表示愿意参与协作频谱检测的用户的数目,假设Sc中的一个用户为sq,且1≤q≤p,q为整数,那么sq的吞吐量RC表示为:
其中,吞吐量中的T表示一个时隙的帧长,τ表示检测的时间,P(H0)表示PU不在占用频带的概率,是对所有参与协作的认知用户的检测结果进行或融合算法后得到的一个虚警概率,表示第b个参与频谱检测的认知用户的平均虚警概率,b表示第b个参与协作频谱检测的用户,所述或融合算法是只要有一个认知用户检测到授权用户的信号时,系统就会认为该频段正被授权用户使用,C0表示PU不在占用频谱的情况下认知用户的吞吐量;
当用户sj∈S,即用户sj不愿意参与协作检测,它的吞吐量RW表示为:
步骤5)、进行进化博弈论分布式计算;
步骤5.1)、设定目标检测概率,由步骤2中得到的公式:求得门限值λ,将求得的门限值λ代入以下步骤2中得到的公式:求得平均虚警概率
步骤5.2)、设初始的迭代次数m为1;
步骤5.3)、设定认知用户sq去参与协作频谱感知的概率为xm,获得参与协作检测的用户的数目为|Sc|=|S|xm;
根据步骤4)中得到通过协作频谱检测的虚警概率把代入公式求得第m次迭代su参与协作频谱检测时的吞吐量将代入公式求得第m次迭代su不参与协作频谱检测时的吞吐量
步骤5.4):根据步骤5.3得到的和进而计算得到: xi表示认知用户第i次迭代时愿意参与协作检测的概率,m表示迭代次数,R1表示认知用户su进行m次迭代后的参与协作频谱检测的吞吐量,R2表示认知用户su进行m次迭代后的平均吞吐量;
步骤5.4):当R1=R2,这个xi就是用户参与协作频谱检测的最佳概率;否则,当R1≠R2,将得到的R1和R2代入迭代式xi+1=xi+3(R1-R2)xi,得到新的概率xi+1,m=m+1;返回步骤5.3)。
作为本发明所述的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法进一步优化方案,步骤4)中主用户不在占用频谱的概率P(H0)为0.8。
作为本发明所述的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法进一步优化方案,步骤4)中检测时间τ为50ms。
作为本发明所述的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法进一步优化方案,步骤4)中PU不在占用频谱的情况下认知用户的吞吐量C0为3bits/s/HZ。
作为本发明所述的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法进一步优化方案,步骤5.1)中所述的目标检测概率为0.8。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:本发明提出的方法用进化博弈论算法来优化噪声不确定下的认知用户参与协作检测的概率和认知用户总体的吞吐量。该方法通过不断迭代,获得认知用户参与协作的一个平衡点,提升了认知用户参与协作频谱感知的性能;具体来说:
(1)解决了认知用户在噪声不确定这种复杂的情况下的如何协作的问题。本方案通过进化博弈论,强调认知用户自己的检测成本和收益,把认知用户的吞吐量作为它们的费用函数,通过算法不断迭代达到一个系统的均衡性;
(2)提高了认知用户协作检测的整体的吞吐量和性能。本方案使用进化博弈论,通过进化学习算法,让认知用户不断尝试各种策略,最终达到一个稳定的策略。
附图说明
图1是噪声不确定下基于进化博弈论的认知用户间协作检测的方法的流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
进化博弈结合动态进化过程和博弈理论分析,强调个体CR用户协作检测成本和收益、系统整体性能的动态均衡,并不要求CR用户是完全理性的,也不要求其具备完全信息,可以有效控制认知网络动态复杂环境下CR用户频谱感知协作个别行为而同时提高系统性能。
首先我们把所有的认知用户看作一个整体参与博弈,通过进化博弈论算法,得到参与协作的认知用户的平均吞吐量和所有认知用户的平均吞吐量,比较这两个平均吞吐量,如果相等就得到最终的进化稳定策略。如果不相等,通过迭代公式,求得它们新的平均吞吐量,直到达到相等为止。
在噪声不确定的认知无线电环境中,噪声能量是随着时间显著变化的。实际情况中,噪声的先验信息是无法知道的,而且噪声不确定性是时刻存在的。在这个噪声不确定模型中,我们预估噪声能量为α表示噪声不确定因子,噪声不确定因子用分贝(dB)表示噪声不确定:L=10log10α。在具体实施中,设定认知无线电系统中的噪声不确定度L在(0.1dB,0.6dB)之间。
图1是噪声不确定下基于进化博弈论的认知用户间协作检测的方法的流程图。具体实施中,采用噪声不确定下能量检测模型,当主用户没在使用频谱时,认知用户就会检测到频谱中只有噪声信号。当主用户在使用频谱时,认知用户就会检测到频谱中存在主用户信号和噪声信号。能量检测模型所采用的原理就是对接收到的信号进行模拟/数字(A/D)采样,将采样后的信号利用快速傅氏变换FFT转换为频域信号,再对频域信号求模平方,得到PU信号的能量检测结果,再把这个检测结果跟所设定的门限值作比较,就可以知道主用户有没有在使用频谱。所述能量检测值可以表示为:在具体实施中N可以取10000,这样得到的结果会更加准确。
由得到的能量检测结果和设定的噪声不确定度L可以得到能量检测的检测概率为:虚警概率为:
用进化博弈论对协作频谱检测进行优化,所述协作频谱检测是在进行数据传输前,多个次级用户需要去检测PU的活动,通过一个窄带信号信道分享它们的检测结果,可以让检测结果更加精确。但是根据主用户信号的位置和质量,为了得到确切的系统状况,在一个时隙内让所有的认知用户都参与到频谱检测中不是最佳的选择。而且,所有的认知用户都参与协作是很困难的,因为一旦一个认知用户从别的认知用户那得到了检测信息,它就可能不去参与协作检测,而是把这个时间用来传输自己的数据,从而提高自己的吞吐量。但是如果没有认知用户去参与协作检测,那么所有的认知用户的吞吐量将会很低。所述进化博弈论就是把频谱检测看作一个非合作博弈,所有认知用户都作为博弈的参与者,用S={s1.....sz}表示,S表示认知用户的合集,|S|表示认知用户的总数目,每个认知用户都有两种决策选择{C,W},所述C表示该用户愿意去进行频谱检测,W表示等待其它检测的结果,不去参与频谱检测。
参与博弈的用户的费用函数就是认知用户的吞吐量,把愿意去参加频谱检测的用户用Sc={s1.....sp}表示,Sc表示愿意参与频谱检测的认知用户的合集,|Sc|表示愿意参与协作频谱检测的用户的数目,假设Sc中的一个用户为sq,且1≤q≤p,q为整数,那么它的吞吐量可以表示为:
具体实施中令P(H0)=0.8,τ=50ms,是对所有参与协作的认知用户的检测结果进行或融合后得到的一个虚警概率,表示第b个参与频谱检测的认知用户的平均虚警概率,用户不参与协作检测的吞吐量为:
进行进化博弈论分布式计算;
步骤5.1)、具体实施中设定目标检测概率为0.8,由以下公式:求得门限值λ,将求得的门限值λ代入以下步骤2中得到的公式:求得平均虚警概率
步骤5.2)、设初始的迭代次数m为1;
步骤5.3)、设定认知用户sq去参与协作频谱感知的概率为xm,获得参与协作检测的用户的数目为|Sc|=|S|xm;
根据步骤4)中得到通过协作频谱检测的虚警概率把代入公式求得第m次迭代su参与协作频谱检测时的吞吐量将代入公式求得第m次迭代su不参与协作频谱检测时的吞吐量
步骤5.4):根据步骤5.3得到的和进而计算得到: xi表示认知用户第i次迭代时愿意参与协作检测的概率,m表示迭代次数,R1表示认知用户su进行m次迭代后的参与协作频谱检测的吞吐量,R2表示认知用户su进行m次迭代后的平均吞吐量;
步骤5.4):当R1=R2,这个xi就是用户参与协作频谱检测的最佳概率;否则,当R1≠R2,将得到的R1和R2代入迭代式xi+1=xi+3(R1-R2)xi,得到新的概率xi+1,m=m+1;返回步骤5.3)。
Claims (5)
1.一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法,其特征在于,包括如下步骤:
步骤1)、设定认知无线电系统中的噪声不确定度L;具体如下:
在噪声不确定的认知无线电环境中,用户预估噪声能量为其中,σ2为噪声的平均能量,为噪声不确定下的噪声能量,α表示噪声不确定因子,
用分贝表示噪声不确定:L=10log10α,α在区间[10-L/10,10L/10]均匀分布,α的概率密度函数f(t)使用以下公式进行计算:其中,t表示自变量,e是自然对数的底数;
步骤2)、确定噪声不确定系统中认知用户基于能量检测的检测概率和虚警概率;具体如下:
步骤2.1)、噪声不确定下能量检测的模型为:其中,ν(n)表示噪声信号,s(n)表示授权用户信号,H0表示授权用户PU没有在使用通讯,H1表示授权用户PU正在占用通道,y(n)表示认知用户检测到的信号;
对信号y(n)进行模拟/数字采样,将采样后的信号利用快速傅氏变换FFT转换为频域信号,再对频域信号求模平方,得到PU信号的能量检测结果,能量检测值表示为:n表示第n个抽样点,N表示抽样的数目,μ2表示能量检测值;
步骤2.2)、确定检测概率和虚警概率;
结合步骤1和步骤2.1,得到噪声不确定下能量检测的平均虚警概率
平均检测概率为:
其中,λ为门限值且是用于判断比较PU是否在占用频带,γ为主用户信号在次级用户接收端的平均信噪比,y表示自变量;
Q(x)函数为x表示自变量;
步骤3)、采用进化博弈论对协作频谱检测进行优化;
所述协作频谱检测是在进行数据传输前,多个次级用户检测PU的活动,通过一个窄带信号信道分享它们的检测结果;
所述进化博弈论是将频谱检测看作一个非合作博弈,所有认知用户都作为博弈的参与者,用S={s1.....sz}表示,S表示认知用户的合集,sk表示S中任意一个认知用户,且1≤k≤z,k为整数,|S|表示认知用户的总数目,每个认知用户都有两种决策选择{C,W},C表示该用户愿意去进行频谱检测,W表示等待其它检测的结果,不去参与频谱检测;
步骤4)、确定用户的吞吐量;
参与博弈的用户的费用函数就是认知用户的吞吐量,将愿意去参加频谱检测的用户用Sc={s1.....sp}表示,Sc表示愿意参与频谱检测的认知用户的合集,|Sc|表示愿意参与协作频谱检测的用户的数目,假设Sc中的一个用户为sq,且1≤q≤p,q为整数,那么sq的吞吐量RC表示为:
其中,吞吐量中的T表示一个时隙的帧长,τ表示检测的时间,P(H0)表示PU不在占用频带的概率,是对所有参与协作的认知用户的检测结果进行或融合算法后得到的一个虚警概率,表示第b个参与频谱检测的认知用户的平均虚警概率,b表示第b个参与协作频谱检测的用户,所述或融合算法是只要有一个认知用户检测到授权用户的信号时,系统就会认为该频段正被授权用户使用,C0表示PU不在占用频谱的情况下认知用户的吞吐量;
当用户sj∈S,即用户sj不愿意参与协作检测,它的吞吐量RW表示为:
步骤5)、进行进化博弈论分布式计算;
步骤5.1)、设定目标检测概率,由步骤2中得到的公式:
求得门限值λ,将求得的门限值λ代入以下步骤2中得到的公式:
求得平均虚警概率
步骤5.2)、设初始的迭代次数m为1;
步骤5.3)、设定认知用户sq去参与协作频谱感知的概率为xm,获得参与协作检测的用户的数目为|Sc|=|S|xm;
根据步骤4)中得到通过协作频谱检测的虚警概率把代入公式求得第m次迭代su参与协作频谱检测时的吞吐量将代入公式求得第m次迭代su不参与协作频谱检测时的吞吐量
步骤5.4):根据步骤5.3得到的和进而计算得到: xi表示认知用户第i次迭代时愿意参与协作检测的概率,m表示迭代次数,R1表示认知用户su进行m次迭代后的参与协作频谱检测的吞吐量,R2表示认知用户su进行m次迭代后的平均吞吐量;
步骤5.4):当R1=R2,这个xi就是用户参与协作频谱检测的最佳概率;否则,当R1≠R2,将得到的R1和R2代入迭代式xi+1=xi+3(R1-R2)xi,得到新的概率xi+1,m=m+1;返回步骤5.3)。
2.根据权利要求1所述的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法,其特征在于,步骤4)中主用户不在占用频谱的概率P(H0)为0.8。
3.根据权利要求1所述的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法,其特征在于,步骤4)中检测时间τ为50ms。
4.根据权利要求1所述的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法,其特征在于,步骤4)中PU不在占用频谱的情况下认知用户的吞吐量C0为3bits/s/HZ。
5.根据权利要求1所述的一种噪声不确定下基于进化博弈论的认知用户间协作检测的方法,其特征在于,步骤5.1)中所述的目标检测概率为0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710089990.4A CN106685552B (zh) | 2017-02-20 | 2017-02-20 | 噪声不确定下基于进化博弈论的认知用户间协作检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710089990.4A CN106685552B (zh) | 2017-02-20 | 2017-02-20 | 噪声不确定下基于进化博弈论的认知用户间协作检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106685552A true CN106685552A (zh) | 2017-05-17 |
CN106685552B CN106685552B (zh) | 2020-07-07 |
Family
ID=58862278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710089990.4A Active CN106685552B (zh) | 2017-02-20 | 2017-02-20 | 噪声不确定下基于进化博弈论的认知用户间协作检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106685552B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108880709A (zh) * | 2018-07-06 | 2018-11-23 | 西北工业大学 | 一种认知无线网络中分布式多用户动态频谱接入方法 |
CN113115268A (zh) * | 2021-04-29 | 2021-07-13 | 广州杰赛科技股份有限公司 | 基于多个路侧单元的车联网最大吞吐量获取方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102186174A (zh) * | 2011-04-22 | 2011-09-14 | 南京邮电大学 | 认知无线电系统中的协作频谱共享博弈方法 |
CN103313260A (zh) * | 2013-06-18 | 2013-09-18 | 重庆邮电大学 | 一种基于博弈论的认知无线电网络带宽、功率联合分配方法 |
US8706041B2 (en) * | 2010-09-16 | 2014-04-22 | Dynamic Invention Llc | Multiple-input, multiple-output cognitive radio |
-
2017
- 2017-02-20 CN CN201710089990.4A patent/CN106685552B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8706041B2 (en) * | 2010-09-16 | 2014-04-22 | Dynamic Invention Llc | Multiple-input, multiple-output cognitive radio |
CN102186174A (zh) * | 2011-04-22 | 2011-09-14 | 南京邮电大学 | 认知无线电系统中的协作频谱共享博弈方法 |
CN103313260A (zh) * | 2013-06-18 | 2013-09-18 | 重庆邮电大学 | 一种基于博弈论的认知无线电网络带宽、功率联合分配方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108880709A (zh) * | 2018-07-06 | 2018-11-23 | 西北工业大学 | 一种认知无线网络中分布式多用户动态频谱接入方法 |
CN113115268A (zh) * | 2021-04-29 | 2021-07-13 | 广州杰赛科技股份有限公司 | 基于多个路侧单元的车联网最大吞吐量获取方法及装置 |
CN113115268B (zh) * | 2021-04-29 | 2022-06-17 | 广州杰赛科技股份有限公司 | 基于多个路侧单元的车联网最大吞吐量获取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106685552B (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jia et al. | A hierarchical learning solution for anti-jamming Stackelberg game with discrete power strategies | |
CN109862610A (zh) | 一种基于深度强化学习ddpg算法的d2d用户资源分配方法 | |
Saad et al. | Coalitional games in partition form for joint spectrum sensing and access in cognitive radio networks | |
CN108924836B (zh) | 一种基于深度神经网络的边缘侧物理层信道认证方法 | |
CN102118201B (zh) | 一种基于协方差矩阵分解的盲频谱感知方法 | |
CN101459445A (zh) | 一种认知无线电系统中的合作频谱感知方法 | |
Dai et al. | Energy‐efficient resource allocation for device‐to‐device communication with WPT | |
Nie et al. | Byzantine defense in collaborative spectrum sensing via Bayesian learning | |
CN106685552A (zh) | 噪声不确定下基于进化博弈论的认知用户间协作检测方法 | |
CN114462090A (zh) | 一种针对联邦学习中差分隐私预算计算的收紧方法 | |
CN101321388B (zh) | 一种基于博弈论的认知无线电网络fdm信道选择方法 | |
Shah et al. | A survey on game theoretic approaches for privacy preservation in data mining and network security | |
CN110795768A (zh) | 基于私有数据保护的模型学习方法、装置及系统 | |
CN115481441A (zh) | 面向联邦学习的差分隐私保护方法及装置 | |
Geng et al. | On decision making in human-machine networks | |
Xiao et al. | Secure mobile crowdsensing game | |
CN102186177A (zh) | 基于需求因子的频谱共享博弈方法 | |
CN106790213A (zh) | 一种中心式认知无线网络中基于嵌套博弈的信任管理方法 | |
CN103036626B (zh) | 基于认知无线电协作用户与检测门限联合选择的无线通信方法 | |
Sheng et al. | Sensing-transmission tradeoff for multimedia transmission in cognitive radio networks | |
CN108631895A (zh) | 一种基于贝叶斯博弈的频谱感知次用户激励方法 | |
Yu et al. | Fast automatic link establishment: A new metric and the value of spectrum prediction | |
CN105050110B (zh) | 一种认知无线电网络的能效提升方法 | |
Liu et al. | Multilayer feed-forward neural network learning based dynamic Chinese restaurant model for dynamic spectrum access in cognitive radio networks | |
Zhang et al. | Trust and reputation based model selection mechanism for decision-making |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |