CN109327834A - 一种基于联盟博弈的授权网络和认知网络配对协作方法 - Google Patents
一种基于联盟博弈的授权网络和认知网络配对协作方法 Download PDFInfo
- Publication number
- CN109327834A CN109327834A CN201810654684.5A CN201810654684A CN109327834A CN 109327834 A CN109327834 A CN 109327834A CN 201810654684 A CN201810654684 A CN 201810654684A CN 109327834 A CN109327834 A CN 109327834A
- Authority
- CN
- China
- Prior art keywords
- user
- pairing
- network
- coalitions
- alliance
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/06—Authentication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及通信方法的技术领域,更具体地,涉及一种基于联盟博弈的授权网络和认知网络配对协作方法,包括划分逻辑信道及用户联盟、授权用户与认知网络用户的配对方案、建立稳定的配对协作博弈模型及配对算法。本发明采用underlay和overlay无线资源共享方式相联合,在保证通信容量的情况下,保证系统的稳定性;相比于牺牲个人利益来最大化系统吞吐量的最优算法,本发明的方法容许认知用户个体自私地选择最大化自身利益的用户组成联盟,从公平和效率的角度来看,本发明能够满足帕累托最优准则的理想状态——在不使参与共享无线资源的认知用户通信容量降低的前提下,某个用户的任何改变都不会使某些认知用户的通信容量提高。
Description
技术领域
本发明涉及通信方法的技术领域,更具体地,涉及一种基于联盟博弈的授权网络和认知网络配对协作方法。
背景技术
近年来,由于频谱资源的有限性,而且大部分频谱已经被分配给授权用户,导致频谱资源匮乏。而大量研究表明,授权频段在大量时间段内是空闲的,未被授权用户使用时,某种意义上是对频谱资源的浪费。为了使这些空闲的频谱资源得到充分的利用,人们提出了认知无线电网络的概念来解决当前频谱利用率的问题。其中我们称授权频段用户为授权用户或主用户,租赁频谱用户为此用户。
实现认知无线网络技术优势的重要基础是无线资源的最优化使用,以实现通信性能效益最大化。在认知无线网络中,由于认知用户的机会接入给授权用户带来一定的干扰和噪声,对其造成不公一直是尚未彻底解决的技术难题。为此,有研究者提出采用博弈论来解决认知无线网络的功率控制和噪声抑制问题。博弈可分为非合作博弈和合作博弈,可以分别应用于集中式和分布式通信系统。在分布式通信系统中,非合作博弈强调的是个人理性、个人最优决策,对于全局来说未必是最优的,因此纳什均衡的结果可能是有效的,也有可能是无效的。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于联盟博弈的授权网络和认知网络配对协作方法,采用联盟博弈的方法,引入帕累托最优准则分析方法,有助于提高无线资源分配效率和公平,实现通信网络效益最优化,有利于提高授权和认知用户的联盟收益,促进认知无线网络逐步实现应用推广化。
为解决上述技术问题,本发明采用的技术方案是:
提供一种基于联盟博弈的授权网络和认知网络配对协作方法,包括以下步骤:
S1.将网络用户以空间相关强弱划分联盟,联盟内用户以underlay的方式共享频谱,联盟间用户以overlay的方式共享无线资源,划分逻辑信道;
S2.基于帕累托最优的稳定配对算法,将授权用户与认知网络用户配对得到可行配对方案集合;
S3.建立稳定的配对博弈模型,基于合作的配对算法分析得到认知网络的稳定配对方案,实现通信容量的最优化。
本发明的基于联盟博弈的授权网络和认知网络配对协作方法,采用underlay和overlay无线资源共享方式相联合,在保证通信容量可接受的情况下,保证了系统的稳定性;稳定算法赋予认知用户与使得其通信容量最大化的用户组成联盟,用户在联盟内的利益大于离开联盟后的利益,充分发挥合作配对的好处;且本发明稳定算法是公平的,相比于牺牲个人利益来最大化系统吞吐量的最优算法,稳定算法容许认知用户个体自私地选择最大化自身利益的用户组成联盟,从公平和效率的角度来看,稳定算法的划分方案是满足帕累托最优准则的理想状态——在不使参与共享无线资源的认知用户通信容量降低的前提下,某个用户的任何改变都不会使某些认知用户的通信容量提高。
优选地,步骤S1中,划分逻辑信道及用户联盟的方法包括以下步骤:
S11.定义网络用户集合为U,考虑联盟u1和u2,u1和u2∈U,其逻辑信道矩阵H可表述为:
式中,hij表示从用户i到基站第j根天线的信道衰落复系数,Hi=(h11,h12)T为用i到基站的复信道矩阵,·T表示矩阵转置;
S12.对于窄带平坦衰落信道,基站接收到的信号可以建模为:
式中,y=(y1,y2)T为基站接收信号向量,yi为基站第i根天线接收到的信号,Ei为认知用户i的发射功率,xi为认知用户i发射信号的码元,n=(n1,n2)T为背景噪声向量;
S13.用户u1和u2组成联盟的信道容量C为:
式中,N为联盟用户数量,ρ为基站接收端的平均信噪比,H为信道矩阵,·为矩阵的行列式;对于高斯白噪声,有E[ni]=0,E[nnH]=I,其中,·H为矩阵的赫米特转置,I为单位矩阵。
由于认知用户的空间差异性,不同用户对于同一用户的发射信号的感受程度不一样,也就是干扰温度不一样。空间上正交的用户之间干扰较小,而空间上强相关的用户之间干扰较大。显然,若认知网络中用户互为空间弱相关,那么,认知用户就能轻松以underlay方式近似实现无干扰无线资源共享而无需花费过多力气设计它们的发射功率。Overlay为不同认知用户划分逻辑信道,通过复用的方式共享无线资源,用户间几乎不存在信号干扰代价是同一信道只能由一个用户使用,频谱利用率不高。而本发明的无线资源共享方式:将用户以空间相关强弱划分联盟,空间相关性较弱的用户归为同一联盟,联盟内用户以underlay的方式共享频谱,联盟间用户以overlay的方式共享无线资源,在保证通信容量可接受的情况下,保证了系统的稳定性。
优选地,步骤S2中,授权用户与认知网络用户配对的方法包括以下步骤:
S21.用户集合为U中授权用户与认知用户配对协作形成联盟来竞争上行信道,配对协作等效为U到U的映射,u:U→U;
S22.若u(i)=j且u(j)=i,u(i)≠u(j),i,j∈U将i和j配对,记为(i,j),配对方案π={(i,u(i))}i∈U为可行配对方案;当网络认知用户为奇数时,允许u(i)=i;
S23.每对用户分配有独立的信道,他们的信号互不干扰,系统总容量为各个用户对的信道容量之和,即:
式中,C(i,j)为用户i和j的信道容量;
S24.优化总容量的配对方案:若网络用户数量为|U|,可行方案数量为:
配对协作方案并不是最优方案,需要进一步寻找配对协作方式实现通信容量的最优化。
优选地,步骤S3中,配对博弈模型描述如下:
(1)参与者:网络U中所有认知用户;
(2)偏好值:给定网络U中两个不同用户i和j,它们配对后的信道容量C(i,j)称为认知用户i和j的首选值;由于C(i,j)=C(j,i),用户i和j的偏好值与用户j和i的偏好值相等;
(3)偏好次序:通过用户间偏好值的大小决定偏好首选的先后次序,采用符号>k标记,i>k j表示认知用户k和i的偏好值大于认知用户k和j的偏好值,表示为C(k,i)>C(k,j);
(4)策略:授权网络和认知网络可行配对协作方案为策略,策略空间是所有可行配对协作方案的集合;
(5)收益:认知用户采取策略后联盟博弈的收益;认知用户依据策略选择配对协作方,形成联盟博弈,共同获利;
(6)若i相比于其自身的配对搭档更偏好于j,并且j相比于其自身的配对搭档更偏好于i,则称(i,j)为阻塞对;若不存在阻塞对,则得到满足帕累托最优准则的稳定配对方案;
(7)环:环是一有序集合(u0,u1,...,un-1),2≤n≤|U|-1,如果满足关系u(i+1modn)>u(imodn)u(i-1modn),若偏好列表不存在环,则系统存在稳定配对方案解。
稳定的配对协作是认知网络平稳工作的根本问题:从认知用户的角度分析,其更倾向于与配对协作后信道容量更高的用户配对以实现利益最大化。按照此策略,可能出现多个认知用户竞争与同一个用户配对协作,而某些用户则没有配对协作对象。因此,认知用户的自主行为形成配对协作过程就是认知用户竞争博弈的过程。
优选地,步骤S3中,所述合作的配对算法包括发起配对提议和接受或拒绝提议。分布式算法对比集中式算法,集中式算法存在许多弊端,比如,需要额外增加协调器,难以实现动态扩展。当未有发起有效配对提议的用户必须固定次序发起提议,否则会陷入循环。在保证通信容量及质量的情况下,选择分布式配对算法,即合作的配对算法。由于分布式网络的延时,各个用户发起的提议消息和应答消息次序无法保证,在考虑不同延时或假设相同延时的情况下,算法依然能获得最终稳定的配对方案。
与现有技术相比,本发明的有益效果是:
(1)本发明采用underlay和overlay无线资源共享方式相联合,在保证通信容量可接受的情况下,保证了系统的稳定性。
(2)本发明稳定算法赋予认知用户与使得其通信容量最大化的用户组成联盟,用户在联盟内的利益大于离开联盟后的利益,充分发挥合作配对的好处。
(3)本发明稳定方案虽有系统容量劣于最优方案,但其对网络参数的敏感度远远低于后者,具有更高的鲁棒性。
(4)本发明稳定算法是公平的,相比于牺牲个人利益来最大化系统吞吐量的最优算法,稳定算法容许认知用户个体自私地选择最大化自身利益的用户组成联盟,从公平和效率的角度来看,稳定算法的划分方案是满足帕累托最优准则的理想状态——在不使参与共享无线资源的认知用户通信容量降低的前提下,某个用户的任何改变都不会使某些认知用户的通信容量提高。
附图说明
图1为本发明基于联盟博弈的授权网络和认知网络配对协作方法的流程图。
图2为网络延时相同时合作的配对算法请求应答图。
图3为网络延时不同时合作的配对算法请求应答图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例1
如图1所示为本发明的基于联盟博弈的授权网络和认知网络配对协作方法的第一实施例,包括以下步骤:
S1.将用户以空间相关强弱划分联盟,联盟内用户以underlay的方式共享频谱,联盟间用户以overlay的方式共享无线资源,划分逻辑信道;将空间相关性弱的用户归为同一联盟,联盟内用户underlay的方式共享频谱,联盟间用户以overlay的方式共享无线资源,称这种联合underlay和overlay共享方式的机制为空间弱干扰共享;
S2.基于帕累托的稳定配对算法,将授权用户与认知网络用户配对实现通信容量最优化;
S3.建立稳定的配对博弈模型,基于合作的配对算法分析得到认知网络的稳定配对方案,实现通信容量的最优化。
本实施例在实施时,采用underlay和overlay无线资源共享方式相联合,在保证通信容量可接受的情况下,保证了系统的稳定性;稳定算法赋予认知用户与使得其通信容量最大化的用户组成联盟,用户在联盟内的利益大于离开联盟后的利益,充分发挥合作配对的好处。
其中,步骤S1中,划分逻辑信道及用户联盟的方法包括以下步骤:
S11.定义网络用户集合为U,考虑联盟u1和u2,u1和u2∈U,其逻辑信道矩阵H可表述为:
式中,hij表示从用户i到基站第j根天线的信道衰落复系数,Hi=(h11,h12)T为用i到基站的复信道矩阵,·T表示矩阵转置;本实施例以四个认知用户u1、u2、u3和u4分别组成联盟,分别通过上行逻辑信道1、2、3和4与基站通信;
S12.对于窄带平坦衰落信道,基站接收到的信号可以建模为:
式中,y=(y1,y2)T为基站接收信号向量,yi为基站第i根天线接收到的信号,Ei为认知用户i的发射功率,xi为认知用户i发射信号的码元,n=(n1,n2)T为背景噪声向量;
S13.用户u1和u2组成联盟的信道容量C为:
式中,N为联盟用户数量,ρ为基站接收端的平均信噪比,H为信道矩阵,·为矩阵的行列式;对于高斯白噪声,有E[ni]=0,E[nnH]=I,其中,·H为矩阵的赫米特转置,I为单位矩阵。
将用户以空间相关强弱划分联盟,空间相关性较弱的用户归为同一联盟,联盟内用户以underlay的方式共享频谱,联盟间用户以overlay的方式共享无线资源,在保证通信容量可接受的情况下,保证了系统的稳定性。
步骤S2中,授权用户与认知网络用户配对的方法包括以下步骤:
S21.用户集合为U中授权用户与认知用户配对协作形成联盟来竞争上行信道,配对协作等效为U到U的映射,u:U→U;
S22.若u(i)=j且u(j)=i,u(i)≠u(j),i,j∈U将i和j配对,记为(i,j),配对方案π={(i,u(i))}i∈U为可行配对方案;当网络认知用户为奇数时,允许u(i)=i;
S23.每对用户分配有独立的信道,他们的信号互不干扰,系统总容量为各个用户对的信道容量之和,即:
式中,C(i,j)为用户i和j的信道容量;
S24.优化总容量的配对方案:若网络用户数量为|U|,可行方案数量为:
配对协作方案并不是最优方案,需要进一步寻找配对协作方式实现通信容量的最优化。
从认知用户的角度分析,其更倾向于与配对协作后信道容量更高的用户配对以实现利益最大化。按照此策略,可能出现多个认知用户竞争与同一个用户配对协作,而某些用户则没有配对协作对象。因此,认知用户的自主行为形成配对协作过程就是认知用户竞争博弈的过程,配对博弈模型描述如下:
(1)参与者:网络U中所有认知用户;
(2)偏好值:给定网络U中两个不同用户i和j,它们配对后的信道容量C(i,j)称为认知用户i和j的首选值;由于C(i,j)=C(j,i),用户i和j的偏好值与用户j和i的偏好值相等;
(3)偏好次序:通过用户间偏好值的大小决定偏好首选的先后次序,采用符号>k标记,i>k j表示认知用户k和i的偏好值大于认知用户k和j的偏好值,表示为C(k,i)>C(k,j);
(4)策略:授权网络和认知网络可行配对协作方案为策略,策略空间是所有可行配对协作方案的集合;
(5)收益:认知用户采取策略后联盟博弈的收益;认知用户依据策略选择配对协作方,形成联盟博弈,共同获利;
(6)若i相比于其自身的配对搭档更偏好于j,并且j相比于其自身的配对搭档更偏好于i,则称(i,j)为阻塞对;若不存在阻塞对,则得到满足帕累托最优准则的稳定配对方案;
(7)环:环是一有序集合(u0,u1,...,un-1),2≤n≤|U|-1,如果满足关系u(i+1modn)>u(imodn)u(i-1modn),若偏好列表不存在环,则系统存在稳定配对方案解。
步骤S3中,所述合作的配对算法包括发起配对提议和接受或拒绝提议。在保证通信容量及质量的情况下,选择分布式配对算法,即合作的配对算法。由于分布式网络的延时,各个用户发起的提议消息和应答消息次序无法保证,在考虑不同延时或假设相同延时的情况下,算法依然能获得最终稳定的配对方案。
合作的配对算法描述如下:
以4个认知用户为例,u1、u2、u3、u4的偏好值分别为a、b、c、d,其偏好次序如表1所示。第一轮a、b、c和d分别向b、c、d和c发起提议。由于分布式系统的网络延时,各个用户发起提议消息和应答消息次序无法保证。考虑一种时序,如图2所示,b响应a请求的时间先于b收到c的应答消息,此时b没有有效提议,接受a的请求。如果b发送和应答时序与a一致,那么接下来b收到c的接受应答消息,由于c在b偏好列表次序先于a,故b向a发送拒绝消息。同理,在网络延时相同时,第一轮过后a,b,c和d都没有有效提议。第二轮a,b,c和d分别向c,d、a和b发起提议,与c和b与d分别接受对方的提议。故最终的稳定配对方案为{(a,c),(b,d)}。图3为另一种时序图,b在第一轮向c提议的消息延时。最终的稳定配对方案也为{(a,c),(b,d)}。
表1用户u1、u2、u3、u4的偏好次序
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种基于联盟博弈的授权网络和认知网络配对协作方法,其特征在于,包括以下步骤:
S1.将网络用户以空间相关强弱划分联盟,联盟内用户以underlay的方式共享频谱,联盟间用户以overlay的方式共享无线资源,划分逻辑信道;
S2.基于帕累托最优的稳定配对算法,将授权用户与认知网络用户配对得到可行配对方案集合;
S3.建立稳定的配对博弈模型,基于合作的配对算法分析得到认知网络的稳定配对方案,实现通信容量的最优化。
2.根据权利要求1所述的基于联盟博弈的授权网络和认知网络配对协作方法,其特征在于,步骤S1中,划分逻辑信道及用户联盟的方法包括以下步骤:
S11.定义网络用户集合为U,考虑联盟u1和u2,u1和u2∈U,其逻辑信道矩阵H可表述为:
式中,hij表示从用户i到基站第j根天线的信道衰落复系数,Hi=(h11,h12)T为用i到基站的复信道矩阵,·T表示矩阵转置;
S12.对于窄带平坦衰落信道,基站接收到的信号可以建模为:
式中,y=(y1,y2)T为基站接收信号向量,yi为基站第i根天线接收到的信号,Ei为认知用户i的发射功率,xi为认知用户i发射信号的码元,n=(n1,n2)T为背景噪声向量;
S13.用户u1和u2组成联盟的信道容量C为:
式中,N为联盟用户数量,ρ为基站接收端的平均信噪比,H为信道矩阵,|·|为矩阵的行列式;对于高斯白噪声,有E[ni]=0,E[nnH]=I,其中,·H为矩阵的赫米特转置,I为单位矩阵。
3.根据权利要求1所述的基于联盟博弈的授权网络和认知网络配对协作方法,其特征在于,步骤S2中,授权用户与认知网络用户配对的方法包括以下步骤:
S21.用户集合为U中授权用户与认知用户配对协作形成联盟来竞争上行信道,配对协作等效为U到U的映射,u:U→U;
S22.若u(i)=j且u(j)=i,u(i)≠u(j),i,j∈U将i和j配对,记为(i,j),配对方案π={(i,u(i))}i∈U为可行配对方案;当网络认知用户为奇数时,允许u(i)=i;
S23.每对用户分配有独立的信道,他们的信号互不干扰,系统总容量为各个用户对的信道容量之和,即:
式中,C(i,j)为用户i和j的信道容量;
S24.优化总容量的配对方案:若网络用户数量为|U|,可行方案数量为:
4.根据权利要求1所述的基于联盟博弈的授权网络和认知网络配对协作方法,其特征在于,步骤S3中,配对博弈模型描述如下:
(1)参与者:网络U中所有认知用户;
(2)偏好值:给定网络U中两个不同用户i和j,它们配对后的信道容量C(i,j)称为认知用户i和j的首选值;由于C(i,j)=C(j,i),用户i和j的偏好值与用户j和i的偏好值相等;
(3)偏好次序:通过用户间偏好值的大小决定偏好首选的先后次序,采用符号>k标记,i>kj表示认知用户k和i的偏好值大于认知用户k和j的偏好值,表示为C(k,i)>C(k,j);
(4)策略:授权网络和认知网络可行配对协作方案为策略,策略空间是所有可行配对协作方案的集合;
(5)收益:认知用户采取策略后联盟博弈的收益;认知用户依据策略选择配对协作方,形成联盟博弈,共同获利;
(6)若i相比于其自身的配对搭档更偏好于j,并且j相比于其自身的配对搭档更偏好于i,则称(i,j)为阻塞对;若不存在阻塞对,则得到满足帕累托最优准则的稳定配对方案;
(7)环:环是一有序集合(u0,u1,...,un-1),2≤n≤|U|-1,如果满足关系u(i+1modn)>u(imodn)u(i-1modn),若偏好列表不存在环,则系统存在稳定配对方案解。
5.根据权利要求1至4任一项所述的基于联盟博弈的授权网络和认知网络配对协作方法,其特征在于,步骤S3中,所述合作的配对算法包括发起配对提议和接受或拒绝提议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810654684.5A CN109327834A (zh) | 2018-06-22 | 2018-06-22 | 一种基于联盟博弈的授权网络和认知网络配对协作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810654684.5A CN109327834A (zh) | 2018-06-22 | 2018-06-22 | 一种基于联盟博弈的授权网络和认知网络配对协作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109327834A true CN109327834A (zh) | 2019-02-12 |
Family
ID=65263112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810654684.5A Pending CN109327834A (zh) | 2018-06-22 | 2018-06-22 | 一种基于联盟博弈的授权网络和认知网络配对协作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109327834A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110474701A (zh) * | 2019-07-18 | 2019-11-19 | 西北工业大学 | 基于配对论的非正交认知无线电网络中用户组对方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105960024A (zh) * | 2016-06-08 | 2016-09-21 | 北京邮电大学 | 一种d2d通信中基于社交感知的用户发现及资源分配方法 |
-
2018
- 2018-06-22 CN CN201810654684.5A patent/CN109327834A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105960024A (zh) * | 2016-06-08 | 2016-09-21 | 北京邮电大学 | 一种d2d通信中基于社交感知的用户发现及资源分配方法 |
Non-Patent Citations (3)
Title |
---|
YONG LI等: "Coalitional Games for Resource Allocation in the Device-to-Device Uplink Underlaying Cellular Networks", 《IEEE》 * |
ZAHEER KHAN等: "Modeling the Dynamics of Coalition Formation Games for Cooperative Spectrum Sharing in an Interference Channel", 《IEEE》 * |
邓小芳: "基于博弈论的认知无线网络频谱共享方法研究", 《中国博士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110474701A (zh) * | 2019-07-18 | 2019-11-19 | 西北工业大学 | 基于配对论的非正交认知无线电网络中用户组对方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Teng et al. | Resource allocation for ultra-dense networks: A survey, some research issues and challenges | |
Gu et al. | Task offloading in vehicular mobile edge computing: A matching-theoretic framework | |
Zhang et al. | Cooperation via spectrum sharing for physical layer security in device-to-device communications underlaying cellular networks | |
Luo et al. | Incentive-aware micro computing cluster formation for cooperative fog computing | |
CN105960024B (zh) | 一种d2d通信中基于社交感知的用户发现及资源分配方法 | |
CN112737837B (zh) | 一种高动态网络拓扑下无人机群带宽资源分配方法 | |
Han et al. | Clustering the wireless sensor networks: a meta-heuristic approach | |
CN105451322B (zh) | D2D网络中一种基于QoS的信道分配和功率控制方法 | |
Gu et al. | Dynamic path to stability in LTE-unlicensed with user mobility: A matching framework | |
CN105007591B (zh) | 一种异构无线网络中用户与网络双向选择方法 | |
Namvar et al. | Spectrum sharing in cooperative cognitive radio networks: A matching game framework | |
Xiao et al. | Enhance device-to-device communication with social awareness: A belief-based stable marriage game framework | |
Xie et al. | Energy-spectral efficiency optimization in vehicular communications: Joint clustering and pricing-based robust power control approach | |
Song et al. | Game-theoretic resource allocation for full-duplex communications | |
CN106211183B (zh) | 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法 | |
Touati et al. | A controlled matching game for WLANs | |
CN103002455B (zh) | 一种基于社交网络和博弈论的认知无线电频谱共享模型 | |
CN108366438A (zh) | 大规模自组织无线通信的生成簇组网方法和生成簇网络 | |
CN106712816A (zh) | 一种基于能量收割认知网络的安全波束成形的设计方法 | |
CN105898821B (zh) | 一种基于主动门限设置的自适应分簇方法 | |
Meng et al. | Resource allocation for energy harvesting-aided device-to-device communications: a matching game approach | |
Chien et al. | Stochastic asymmetric blotto game approach for wireless resource allocation strategies | |
Hu et al. | Multi-principal multi-agent contract design: theory and application to device-to-device communications | |
CN109327834A (zh) | 一种基于联盟博弈的授权网络和认知网络配对协作方法 | |
Kaur et al. | A reinforcement learning-based green resource allocation for heterogeneous services in cooperative cognitive radio networks |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190212 |