CN108631895A - 一种基于贝叶斯博弈的频谱感知次用户激励方法 - Google Patents

Abstract

本发明是一种基于激励的协作频谱感知方法，该方法在频谱感知的研究中加入贝叶斯激励方式，提出了基于贝叶斯博弈的频谱感知次用户激励算法，采用贝叶斯博弈激励的方式，激励次用户参与到频谱感知当中，使得次用户能够选择最优策略参与感知或者不参与，从而获得最佳效益。然后参与感知的次用户将感知的数据发送到融合中心，经表决融合的方式将数据融合，融合中心对主用户是否存在进行判断。

Description

一种基于贝叶斯博弈的频谱感知次用户激励方法

技术领域

本发明属于通信技术领域，涉及一种基于贝叶斯博弈的频谱感知次用户激励方法。

背景技术

随着无线通信的迅猛发展，对于频谱资源的要求也日益增长，无线频谱资源已经变成一种非常稀缺的资源。1999年认知无线电的出现提供了一个频谱接入的有效方法，使无线通信设备具有发现频谱资源并合理利用的能力，以解决频谱资源匮乏问题，提高频谱利用率。在认知无线电网络(CRN，cognitive radio network)中准确的检测到主用户的存在是至关重要的，因此频谱感知成为了认知无线电的核心技术。频谱感知技术按感知人数的不同主要可以划分为单用户感知与协作频谱感知。在移动通信中，无线信号存在大尺度衰落与多径效应，所以用户感知并不是十分准确，所以需要次用户协作感知。

然而现有的协作频谱感知方法的研究前提的是次用户无条件愿意进行频谱感知，忽视了感知次用户的招募和感知积极性。群智感知激励机制作为一种多人感知的有效激励机制，可以分为有报酬激励与无报酬激励两种，无报酬激励机制主要由娱乐激励和社会荣誉激励组成，适用范围较窄。有报酬激励机制主要采用的是博弈论方面的方法。当前的多数群智感知激励机制的文献并没有考虑到感知场景，也没有将群智感知的场景具体化到协作频谱感知中去。

群智感知激励机制作为一种激励感知次用户的有效机制，恰好可以与协作频谱感知相结合。本发明将群智感知的激励机制应用于协作频谱感知中，提出了一种基于贝叶斯博弈的频谱感知次用户激励方法，解决了协作频谱感知中次用户的招募和激励问题，可以使在次用户获得最优效用，以激发次用户的感知积极性，从而提升协作频谱感知的准确性。

发明内容

技术问题：本发明是一种基于贝叶斯博弈的频谱感知次用户激励方法，该方法将贝叶斯激励机制应用到协作频谱感知当中，激励次用户参与到感知当中，使得次用户能够选择最优策略参与感知或者不参与，从而获得最佳效益。最终提高检测概率。

技术方案：本发明是一种基于贝叶斯博弈的频谱感知次用户激励方法，包括以下步骤：

1)设置感知频段f_r、策略集B＝(β₁,β₂,...β_s)、信噪比类型集L＝(γ₁，γ₂，...γ_q，γ_q+1)并初始化类型概率分布(p¹,p²,...,p^q,p^q+1)，平台广播参与人数及预算R，其中q+1是将信噪比量化的段数；

2)次用户n通过可计算出检测概率期望值P_ns定义为次用户n信噪比类型为γ_n并选择策略为β_s时的检测概率，s为次用户所选策略的总数；

3)次用户n根据信噪比类型γ_n选择不同的策略β_s再通过计算可得检测概率，其中γ_n为第n个次用户的信噪比，p_f为虚警概率，在本发明中设它为固定值，M_n是第n个次用户检测的信号样本数，设第n个次用户感知时间为T_n，f_s为感知频率，则M_n＝T_nf_s；，由可算出效用，其中C_n为单位时间的代价，P_n为检测概率，为检测概率期望值。N为次用户人数，R为平台预算；

4)每个次用户从自己的效用集选出最大的效用值如果为负便直接退出检测，如果为正就把最大效用对应的检测概率与期望检测概率值做比较，如果最大效用对应的检测概率大于期望检测概率值，就以这个策略参与检测，反之就把这个策略对应的效用和检测概率分别从效用集和检测概率集中剔除；

5)重复步骤4直到每个次用户都能自己选择出最优的策略，当把所有策略都遍历完还没选择出最优策略，此次用户不参与检测。此时，此次用户的效用为0；

6)所有参与检测的次用户将数据送入融合中心，融合中心以表决融合的形式对接收到的数据进行融合；

本发明将协作频谱感知与激励机制相结合，给予次用户一定的报酬，激励次用户进行频谱感。

有益效果：本发明与现有技术相比，具有以下优点：

1.将群智感知应用到协作频谱感知当中，使用贝叶斯激励机制激励次用户，使协作频谱感知有效进行。

2.次用户通过选择不同的策略获得最优的效益，提高次用户感知积极性。

3.提出贝叶斯激励模型，每个人通过选择不同的策略，获得最优效益的同时也完成了频谱感知，提升次用户感知积极性，从而提升最终的融合判决的准确性。

附图说明

图1为一种基于贝叶斯博弈的频谱感知次用户激励方法流程图。

图2为检测概率随预算变化图。

图3为错误概率随预算变化图。

图4为检测概率随主用户发射功率变化图。

图5为错误概率随主用户发射功率变化图。

具体实施方式

以下结合附图具体说明本发明技术方案。图1为本发明技术方案一种基于贝叶斯博弈的频谱感知次用户激励方法流程图。

本发明的基本思路是将群智感知中的激励机制应用到协作频谱感知当中以解决对次用户的激励问题。次用户可自主选择策略以获得最优的效益。方法是将贝叶斯博弈激励机制应用到协作频谱感知当中，次用户自主选择策略以使效用最优，激励次用户参与频谱感知，从而提高检测概率。

本发明基于贝叶斯博弈的频谱感知次用户激励方法，包括以下步骤：

1)设置感知频段f_r、策略集B＝(β₁,β₂,...β_s)、信噪比类型集L＝(γ₁，γ₂，...γ_q，γ_q+1)并初始化类型概率分布(p¹,p²,...,p^q,p^q+1)，平台广播参与人数及预算R，其中q+1是将信噪比量化的段数；

2)次用户n通过可计算出检测概率期望值P_ns定义为次用户n信噪比类型为γ_n并选择策略为β_s时的检测概率，s为次用户所选策略的总数；

3)次用户n根据信噪比类型γ_n选择不同的策略β_s再通过计算可得检测概率，其中γ_n为第n个次用户的信噪比，p_f为虚警概率，在本发明中设它为固定值，M_n是第n个次用户检测的信号样本数，设第n个次用户感知时间为T_n，f_s为感知频率，则M_n＝T_nf_s；，由可算出效用，其中C_n为单位时间的代价，P_n为检测概率，为检测概率期望值。N为次用户人数，R为平台预算；

4)每个次用户从自己的效用集选出最大的效用值如果为负便直接退出检测，如果为正就把最大效用对应的检测概率与期望检测概率值做比较，如果最大效用对应的检测概率大于期望检测概率值，就以这个策略参与检测，反之就把这个策略对应的效用和检测概率分别从效用集和检测概率集中剔除；

5)重复步骤4直到每个次用户都能自己选择出最优的策略，当把所有策略都遍历完还没选择出最优策略，此次用户不参与检测。此时，此次用户的效用为0；

6)所有参与检测的次用户将数据送入融合中心，融合中心以表决融合的形式对接收到的数据进行融合。其中表决融合系统的检测概率P_D和虚警概率P_F分别为：

其中和分别表示第n个次用户的检测概率和虚警概率，u_n的取值为0和1，当假设所有次用户的虚警概率都为P_f时，融合中心的虚警概率可以表述为：

从公式(1)、(2)和(3)中可以看出，选择的k值比较小时能够提高检测概率，但也会增大虚警概率，而选择的k值较大时则相反。

综上所述，将群智感知激励机制应用到协作频谱感知当中，每个次用户选择最优策略来获得最有效益，同时提高协作频谱感知的总体检测概率。如附图2所示不同预算的情况下本发明方法的融合后的检测概率要高于对比方法，附图3可以看出本发明方法的错误概率低于对比方法。附图4和附图5显示，在不同的主用户发射功率条件下，无论是检测概率还是错误概率，本发明方法都要好于对比方法。因而说明基于贝叶斯博弈的频谱感知次用户激励方法可有效的激励次用户参与频谱感知并提高检测概率。

Claims (1)

1.一种基于贝叶斯博弈的频谱感知次用户激励方法，其特征在于，该方法包括以下步骤：

1)设置感知频段f_r、策略集B＝(β₁,β₂,...β_s)、信噪比类型集L＝(γ₁，γ₂，...γ_q，γ_q+1)并初始化类型概率分布(p¹,p²,...,p^q,p^q+1)，平台广播参与人数及预算R，其中q+1是将信噪比量化的段数；

2)次用户n通过可计算出检测概率期望值P_ns定义为次用户n信噪比类型为γ_n并选择策略为β_s时的检测概率，s为次用户所选策略的总数；

3)次用户n根据信噪比类型γ_n选择不同的策略β_s再通过计算可得检测概率，其中γ_n为第n个次用户的信噪比，p_f为虚警概率，设为固定值，M_n是第n个次用户检测的信号样本数，设第n个次用户感知时间为T_n，f_s为感知频率，则M_n＝T_nf_s；，由算出效用，其中C_n为单位时间的代价，P_n为检测概率，为检测概率期望值；N为次用户人数，R为平台预算；

4)每个次用户从自己的效用集选出最大的效用值如果为负便直接退出检测，如果为正就把最大效用对应的检测概率与期望检测概率值做比较，如果最大效用对应的检测概率大于期望检测概率值，就以这个策略参与检测，反之就把这个策略对应的效用和检测概率分别从效用集和检测概率集中剔除；

5)重复步骤4)直到每个次用户都能自己选择出最优的策略，当把所有策略都遍历完还没选择出最优策略，此次用户不参与检测；此时，此次用户的效用为0；

6)所有参与检测的次用户将数据送入融合中心，融合中心以表决融合的形式对接收到的数据进行融合。