CN110062399A - 一种基于博弈论的认知异构蜂窝网络频谱分配方法 - Google Patents

Abstract

本发明提供了一种基于博弈论的认知异构蜂窝网络频谱分配方法，采用精确势博弈对网络进行建模，针对认知节点间干扰情况，将信道中的干扰值作为参与者的效用函数，将所有参与者的效用函数作为势函数，考虑网络部署分布情况，提出基于距离的负指数干扰函数，根据节点间的距离生成干扰矩阵进行频谱分配，本发明不仅可以对网络中的干扰进行有效抑制，还可以良好的提升频谱利用率。

Description

一种基于博弈论的认知异构蜂窝网络频谱分配方法

技术领域

本发明涉及一种网络频谱分配方法，特别是一种基于博弈论的认知异构蜂窝网络频谱分配方法，属于认知异构蜂窝网络资源分配技术领域。

背景技术

蜂窝单层网络不仅很难达到的上下行速率要求，而且存在室内覆盖效果欠佳、室外热点地区的容量不足等问题。因此异构网络成为蜂窝移动通信系统中引入的关键技术之一。在传统蜂窝网络的基础上引入小功率节点包括Pico基站、中继节点、Femto基站及D2D节点等，构成异构蜂窝网络，可以针对性地増强覆盖，同时有效地提高用户的服务质量。然而面对移动应用数据的指数增长，传统的蜂窝通信网络技术已经达到其突破点，传统的蜂窝网络结构网格结构大正面临着前所未有的挑战。基于此情况，认知异构蜂窝网络技术被广泛应用于数据通信网络中。

现有的频带资源通常是由政府或者相关部门静态管理使用，随着计算机通信业务发展变化，蜂窝网络中的语音数据图像等多媒体业务不断增加，在此过程中，频谱被不断划分给不同的通信系统使用。然而无线服务只在一定子区域中进行通信，这使得频谱在不同频域、时域和空间域上的极度不平衡,导致频谱资源成为十分紧张的稀缺资源。认知无线电网络允许未授权用户在不对授权用户产生干扰的情况下，对频谱进行使用。在这种情况下，认知无线电网络中认知节点之间的干扰问题将无法忽视。资源分配是一种有效的干扰抑制方法，其中频谱分配具有良好效果，值得深入研究。

博弈论是微观经济学的一门数学工具，用于分析多个决策实体之间的策略交互，最近被广泛应用于认知无线电网络中的资源分配调度规划中。由于认知无线电本质上是学习其环境并且通过修改其跨任务参数来优化其性能的自主代理，所以它们的交互可以使用博弈理论框架来建模。在该框架中，认知无线电是参与者，他们的行动是选择新的传输参数和新的传输频率等，这些选择将会影响自己的性能以及邻近参与者的性能。

现有的频谱配技术大部分在理论仿真层面提高频谱效率，其信道干扰均是采用“0-1”绝对二进制干扰模型建立的，并没有充分考虑到异构蜂窝网络实际的部署场景，实际上在网络节点的部署中，干扰的强度会随着两节点之间的距离增加呈现衰减趋势，本发明提出的基于博弈论的认知异构蜂窝网络频谱分配方法，充分考虑到网络实际部署情况，提出基于距离的干扰函数，良好的反应了信道中的干扰情况。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种能够有效抑制网络中的干扰、提升频谱利用率的基于博弈论的认知异构蜂窝网络频谱分配方法。

为解决上述技术问题，本发明提供一种基于博弈论的认知异构蜂窝网络频谱分配方法，包括以下步骤：

步骤1：采用势博弈对认知异构蜂窝网络进行建模，将每个认知传输节点作为博弈的理性自私参与者，将可供选择的信道作为策略，确定传输节点效用函数，确定势函数，并在初次随机分配信道；

步骤2：计算任意接收节点和传输节点间的距离，根据节点距离和干扰函数得到传输信道中的干扰函数；

步骤3：计算初始化之后的每个接收节点处的信干噪比；

步骤4：针对每个传输节点，遍历所有策略，计算效用函数，找到最优效用函数，最优效用函数对应的策略为最优策略，每个节点对应的最优策略构成最优策略集s，系统达到纳什均衡。

本发明还包括：

1.步骤1的采用势博弈对网络进行建模具体为：

认知异构蜂窝网络的博弈模型设定为G＝{N,{S_i},{u_i}}，其中N为博弈的参与者，即网络中的传输节点的有限集合，{S_i},i∈N为博弈的策略有限集，策略s_i定义为待分配的子信道，其中笛卡尔积S＝S₁×S₂···×S_n为所有参与者可选策略构成的策略空间，{u_i},i∈N为每个参与者的效用函数集合，对于博弈中每一个参与者i来说，效用函数u_i是与策略s_i有关的函数，记s_-i为除了i节点外其余节点的策略集合；

2.步骤1的效用函数具体为：

其中，p_ij为传输节点i发送信号给接收节点j的传输功率，H_ij是传输节点i和接收节点j之间的信道增益，I(s_i,s_j)为基于距离的干扰函数；

效用函数u{s_i,s_-i}表示为：

u{s_i,s_-i}＝-I_ni-I_in

其中：

其中，I_ni表明是邻居节点对传输节点i的干扰值，I_in表明了传输节点i对邻居节点的干扰值。

3.步骤1中确定势函数具体为：

采用所有参与者的效用值作为势函数，势函数的表达式如下：

且势函数P{s_i,s_-i}满足：

P(s_i,s_-i)-P(s'_i,s_-i)＝u(s_i,s_-i)-u(s'_i,s_-i)

4.步骤2中任意接收节点和传输节点间的距离满足：

其中x_i，y_i为节点i的横纵坐标值，x_j，y_j为节点j的横纵坐标值；

假设干扰只存在当两节点采用共信道传输的情况下，则

干扰函数为:

其中，A为与发射功率有关的干扰比例系数，s为距离权重因子，d_ij为节点i和节点j之间的欧式距离。

5.步骤3中信干噪比满足：

其中，p_i为传输节点i的传输功率，H_ii为传输节点i与接收节点i之间的信道增益，H_ji(j≠i)为传输节点j与接收节点i之间的传输干扰增益，N₀是信道中的加性高斯白噪声。

6.步骤4中找到最优效用函数具体为：

当效用函数满足其中，则为最优效用函数，为仅改变传输节点i的最优策略，为除了节点i之外其他所有节点的最优策略集。

本发明有益效果：本发明提供了一种基于博弈论的认知异构蜂窝网络频谱分配方法，采用精确势博弈对网络进行建模，针对认知节点间干扰情况，将信道中的干扰值作为参与者的效用函数，将所有参与者的效用函数作为势函数，充分考虑网络部署分布情况，提出基于距离的负指数干扰函数，良好的反应了信道中的干扰情况，根据节点间的距离生成干扰矩阵进行频谱分配，结果表明本方法不仅可以对网络中的干扰进行有效抑制，还可以良好的提升频谱利用率。

附图说明

图1为本方法中求解纳什均衡部分流程图；

图2为归一化干扰函数；

图3为随机分配后节点SINR直方图；

图4为本方法分配后节点SINR直方图；

图5为随机分配与本方法分配后的频谱利用率对比图；

图6为基于距离的干扰因子与绝对干扰因子下的频谱利用率对比图。

具体实施方式

下面结合附图和具体实施例对本文作进一步具体说明：

本发明的目的在于提出一种基于博弈论的认知异构蜂窝网络频谱分配方法，其中的均衡点求解部分流程图如1所示，具体包括以下步骤:

步骤1：采用势博弈对网络进行建模，确定节点效用函数，确定势函数并证明，对网络各节点随机分配信道。

步骤2：计算各个节点间的距离，根据节点距离和干扰函数可以得到节点处的干扰情况。其中距离的计算采用欧式距离进行计算，包括传输节点间的距离以及传输节点和接收节点之间的距离。

步骤3：计算初始化之后的每个接收节点处的信干噪比，因为SINR的值可以良好的反应信道中的干扰情况。

步骤4：针对传输节点i，遍历所有策略，计算效用函数，判断当前策略对应的效用函数是否最优，若是，则得到该节点最优解，反之继续搜索，直到效用函数最佳。寻找除了传输节点i以外其他所有节点的最优策略，构成最优策略集s，即系统达到纳什均衡点。

接下来针对流程图中用到的理论公式进行分析，并验证本方法是一个精确势博弈。

针对具体流程中的步骤1：认知异构蜂窝网络的博弈模型可以设定为G＝{N,{S_i},{u_i}}，其中N为博弈的参与者的有限集合，对应为网络中的传输节点，{S_i},i∈N为博弈的策略有限集，策略s_i定义为待分配的子信道，其中笛卡尔积S＝S₁×S₂···×S_n为所有参与者可选策略构成的策略空间，{u_i},i∈N为各个参与者的效用函数集合，可以知道，对于博弈中每一个参与者i来说，效用函数u_i是与策略s_i有关的函数。另外，记s_-i为除了i节点外其余节点的策略集合。

传输节点i的效用函数定义如下：

其中，p_ij传输节点i发送信号给接收节点j的传输功率，H_ij是节点i和节点j之间的信道增益。I(s_i,s_j)为基于距离的干扰函数。

从信道中干扰的角度来看，可以将效用函数分成以下两部分，

u{s_i,s_-i}＝-I_ni-I_in (2)

其中，I_ni表明是邻居节点对传输节点i的干扰值，I_in表明了传输节点i对邻居节点的干扰值，显然，公式(3)可以反映出整个网络的干扰情况，同时限制了每个自私的参与者在追求自身效用值最大的时候，不仅要考到邻居节点对自身的干扰，还要考虑降低自身对其他邻居的干扰。

考虑构建一个势函数，通过势函数的差值反应效用函数的变化情况。采用所有参与者的效用值作为势函数，势函数的表达式如下：

势函数满足下面关系的时候，该博弈是一个有限精确势博弈，存在唯一纳什均衡点。

P(s_i,s_-i)-P(s'_i,s_-i)＝u(s_i,s_-i)-u(s'_i,s_-i) (6)

证明：

令

其中f(s_-i)是与结点i的策略无关的部分，

证毕。

在此步骤中，将要对所有参与者随机分配子信道。

针对具体流程中的步骤2：距离矩阵的生成，其中距离的计算采用欧式距离进行计算，包括传输节点间的距离以及传输节点和接收节点之间的距离。计算公式如下

其中x_i，y_i为节点i的横纵坐标值，x_j，y_j为节点j的横纵坐标值。

将实际网路节点部署情况考虑到频谱分配算法中，提出基于距离的负指数干扰函数。由于OFDM调制技术，重点在于进行合理频谱分配以抑制网络中的干扰，假设干扰只存在当两节点采用共信道传输的情况下而不考虑非共信道节点的干扰情况。

干扰函数的表示式如下:

其中，A为与发射功率有关的干扰比例系数，s为距离权重因子，d_ij为节点i和节点j之间的欧式距离。由于认知节点的均采用低功率传输，所以其辐射覆盖范围并不是很广阔，故而不考虑对于远距离节点的干扰，如图2所示，当两节点间的距离大于200米时，节点间的干扰值看做零处理，通过图2可以看出来，干扰函数随着距离的增加不断衰减，在发射节点辐射范围内，邻居节点将会受到强干扰。可以知道，两节点采用等功率传输信号的时候，彼此的干扰值是相等的。

针对具体流程中的步骤3：

接收节点处的SINR表达式如下：

其中，p_i为传输节点i的传输功率，H_ii为传输节点i与接收节点i之间的信道增益，H_ji(j≠i)为传输节点j与接收节点i之间的传输干扰增益。N₀是信道中的加性高斯白噪声。此外，I(j,i)是本方法所提出的干扰函数，表示节点j对于节点i的干扰情况。

针对具体流程中的步骤4：针对有限策略性博弈，s∈S是一个纳什均衡当且仅当对于满足

为仅改变传输节点i的最优策略，为除了节点i之外其他所有节点的最优策略集。

对于频谱分配方案，纳什均衡问题可以转化为一个最大化问题。在纳什均衡策略集合中，任何一方都不可能通过改变自己的策略而获得更大的收益。因此，博弈达到了一个稳定的状态。

图3和图4分别表示随机分配和采用本方法分配之后的接收节点SINR直方图，可以看出，在随机分配时，有许多节点的SINR值低于5dB甚至有一些节点的SINR低于0dB，信道状态非常差，这是因为随机分配导致节点随意选择信道传输，以至于距离很近的两个节点采用同一信道工作，因此有强干扰产生。而采用本方法提出的频谱分配方案，可以看到节点的信道状态得到明显的改善，已经不再有节点SINR低于5dB的情况了，良好的对网络中的干扰抑制。

为了更明显的进行数据对比，表1为将达到纳什均衡前后的初始分配和最终达到均衡分配的接收节点SINR分布情况进行数据对比。可以看到，在达到纳什均衡之前，接收节点虽然有高信干噪比的情况，但是同时也有极低信干噪比的节点分布，信道的优劣极化问题较严重，这是因为在纳什均衡之前的随机分配下，会有地理位置非常相近的发送节点被分配到同一个信道进行信号传输。为了避免这种情况，采用本方法将节点的分布考虑到分配算法中，可以看到达到纳什均衡之后，接收节点的低信干噪比情况(低于0dB)的到明显改善，同时大部分信道处于良好的状况，有利用信号传输。

表1达到纳什均衡前后节点SINR分布(以40个接收对为例)

图5为采用随机分配和采用本方法分配后的频谱利用率对比图，可以看出，随着网络中节点的增加，两种方法的频谱利用率均呈现增长趋势，这是因为节点增加，有限的信道被反复使用进行数据信号传输，因而频谱利用率提升。另外，采用本方法分配后的频谱利用率普遍优于随机分配，说明，本方法不仅针对网络中的干扰进行有效抑制，同时还可以提升频谱利用率。

图6为采用传统绝对干扰因子和本方法分配后的频谱利用率对比图，可以看出，本方法具有更优的频谱利用率，特别是将距离因素考虑到干扰中，可以有效地缓解频谱资源紧张，抑制干扰的同时提升频谱利用率。

本发明具体实施方式还包括：

本发明的目的在于提出一种基于博弈论的认知异构蜂窝网络频谱分配方法。

本发明的目的是这样实现的：

(1.1)采用势博弈对网络进行建模，将各个认知接收节点作为博弈的理性自私参与者，将可供选择的信道作为策略，确定节点效用函数，确定势函数并证明，并在初次随机分配信道。

(1.2)计算各个节点间的距离，根据节点距离和干扰函数可以得到节点处的干扰情况。

(1.3)计算初始化之后的每个接收节点处的信干噪比。

(1.4)针对每个节点，遍历所有策略，计算效用函数，判断当前策略对应的效用函数是否最优，若是，则得到该节点最优解，反之继续搜索，直到效用函数最佳。寻找其他所有节点的最优策略，构成最优策略集s，系统达到纳什均衡。

本发明的核心技术内容在于针对认知异构蜂窝网络，充分考虑实际异构网络部署场景的特点，提出了适用于underlay模式下的干扰模型，本发明重点针对认知传输节点之间的干扰问题，所提出的博弈模型中假设各个参与者均是理性自私的，每个参与者博弈的目的均是为了使自身效用值最大。

本发明包括的干扰矩阵的建立，其主要内容为：提供了基于距离的干扰因子，根据网络中各个节点的分布情况，将干扰因子设定为与距离有关的负指数函数，由于OFDM调制子载波化的特点，因此可以假设干扰只存在共信道传输的节点之间。发射功率相等的情况下，节点A对节点B的干扰值与B对A的干扰值相等。

本发明包括的参与者效用函数部分，其主要内容为：从信道角度出发，根据信道中的干扰将效用函数定义为同信道的邻居节点对于本节点的负干扰值以及本节点对于其他同信道邻居节点的负干扰值两部分。

本发明包括势函数的构建部分，其主要内容为：从全网络的性能出发，将所有节点的效用值作为势函数，势函数的差值可以良好反应节点的效用值增减变化情况。

最后应说明的是，以上实施例仅用以描述本发明的技术方案而不是对本技术方法进行限制，本发明在应用上可以延伸为其他的修改、变化、应用和实施例，并且因此认为所有这样的修改、变化、应用、实施例都在本发明的精神和教导范围内。

Claims (7)

1.一种基于博弈论的认知异构蜂窝网络频谱分配方法，其特征在于，包括以下步骤：

步骤1：采用势博弈对认知异构蜂窝网络进行建模，将每个认知传输节点作为博弈的理性自私参与者，将可供选择的信道作为策略，确定传输节点效用函数，确定势函数，并在初次随机分配信道；

步骤2：计算任意接收节点和传输节点间的距离，根据节点距离和干扰函数得到传输信道中的干扰函数；

步骤3：计算初始化之后的每个接收节点处的信干噪比；

步骤4：针对每个传输节点，遍历所有策略，计算效用函数，找到最优效用函数，最优效用函数对应的策略为最优策略，每个节点对应的最优策略构成最优策略集s，系统达到纳什均衡。

2.根据权利要求1所述的一种基于博弈论的认知异构蜂窝网络频谱分配方法，其特征在于：

步骤1所述采用势博弈对网络进行建模具体为：

认知异构蜂窝网络的博弈模型设定为G＝{N,{S_i},{u_i}}，其中N为博弈的参与者，即网络中的传输节点的有限集合，{S_i},i∈N为博弈的策略有限集，策略s_i定义为待分配的子信道，其中笛卡尔积S＝S₁×S₂···×S_n为所有参与者可选策略构成的策略空间，{u_i},i∈N为每个参与者的效用函数集合，对于博弈中每一个参与者i来说，效用函数u_i是与策略s_i有关的函数，记s_-i为除了i节点外其余节点的策略集合。

3.根据权利要求1所述的一种基于博弈论的认知异构蜂窝网络频谱分配方法，其特征在于：步骤1所述效用函数具体为：

其中，p_ij为传输节点i发送信号给接收节点j的传输功率，H_ij是传输节点i和接收节点j之间的信道增益，I(s_i,s_j)为基于距离的干扰函数；

效用函数u{s_i,s_-i}表示为：

u{s_i,s_-i}＝-I_ni-I_in

其中：

其中，I_ni表明是邻居节点对传输节点i的干扰值，I_in表明了传输节点i对邻居节点的干扰值。

4.根据权利要求1所述的一种基于博弈论的认知异构蜂窝网络频谱分配方法，其特征在于：步骤1所述确定势函数具体为：

采用所有参与者的效用值作为势函数，势函数的表达式如下：

且势函数P{s_i,s_-i}满足：

P(s_i,s_-i)-P(s′_i,s_-i)＝u(s_i,s_-i)-u(s′_i,s_-i) 。

5.根据权利要求1所述的一种基于博弈论的认知异构蜂窝网络频谱分配方法，其特征在于：步骤2所述任意接收节点和传输节点间的距离满足：

其中x_i，y_i为节点i的横纵坐标值，x_j，y_j为节点j的横纵坐标值；

假设干扰只存在当两节点采用共信道传输的情况下，则

干扰函数为:

其中，A为与发射功率有关的干扰比例系数，s为距离权重因子，d_ij为节点i和节点j之间的欧式距离。

6.根据权利要求1所述的一种基于博弈论的认知异构蜂窝网络频谱分配方法，其特征在于：步骤3所述信干噪比满足：

其中，p_i为传输节点i的传输功率，H_ii为传输节点i与接收节点i之间的信道增益，H_ji(j≠i)为传输节点j与接收节点i之间的传输干扰增益，N₀是信道中的加性高斯白噪声。

7.根据权利要求1所述的一种基于博弈论的认知异构蜂窝网络频谱分配方法，其特征在于：步骤4所述找到最优效用函数具体为：

当效用函数满足其中，则为最优效用函数，为仅改变传输节点i的最优策略，为除了节点i之外其他所有节点的最优策略集。