CN110798273B - 一种基于次用户效用最优的协作频谱感知方法 - Google Patents

Abstract

本发明公开了一种基于次用户效用最优的协作频谱感知方法，将群智感知的激励机制与协作频谱感知相结合，综合考虑平台预算、检测概率、传输距离及剩余能量等因素，对次用户的效用函数进行定义，建立了次用户效用函数，次用户之间通过博弈获得各自效用最优的检测时间，次用户根据获得的效用确定是否参与感知，平台选择一定数量的检测概率较高的用户进行感知，并通过表决融合获得最终的检测概率。本发明能提高次用户的平均效用，大大降低了剩余能量少的次用户能耗，延长了待机时间。

Description

一种基于次用户效用最优的协作频谱感知方法

技术领域

本发明属于通信技术领域，涉及一种基于次用户效用最优的协作频谱感知方法。

背景技术

无线通信技术的飞速发展引起无线设备剧增，使得无线频谱资源十分稀缺。目前频谱资源采用固定的分配方式进行授权，因此频谱利用效率很低，且极度不平衡,认知无线电系统应运而生。认知无线电可以感知系统环境，寻找空闲的频谱，并进行动态的频谱分配，这样可以有效地提高频谱利用效率。认知无线电实现的前提在于频谱感知技术，单节点感知，受阴影效应和深度衰落影响较大，感知结果不可靠，因此需要多个节点协作感知来提高检测可靠性。由于用户不是完全自愿参与感知任务，因此出现了许多激励机制，应用较多的是基于群智感知的激励机制。

群智感知是结合众包思想和移动设备感知能力的一种新的数据获取模式，是物联网的一种表现形式。群智感知是指通过人们已有的移动设备形成交互式的、参与式的感知网络，并将感知任务发布给网络中的个体或群体来完成，从而帮助专业人员或公众收集数据、分析信息和共享知识。系统架构包括服务器平台、数据使用者和任务参与者。

已有的群智感知文献一般都没有明确具体的感知任务，没有将群智感知算法与具体的应用场景结合在一起，本发明将群智感知的激励机制与频谱感知相结合，提出了一种次用户效用最优的基于博弈的协作频谱感知方法。

发明内容

发明目的：本发明的目的是提供一种次用户效用最优的协作频谱感知方法，通过优化次用户的感知时间获得次用户效用最优，提高次用户的平均效用，节约次用户的剩余电量，延长待机时间。

发明内容：本发明所述的一种基于次用户效用最优的协作频谱感知方法，包括以下步骤：

(1)用SU＝{su₁,su₂,su₃...su_N}表示次用户集，N为次用户数，平台发布频谱感知任务和预算B，E＝{E₁,E₂,...E_N}为次用户的初始能量；

(2)次用户i(1≤i≤N)计算频谱的检测概率；

(3)次用户之间通过博弈确定感知时间，并依据感知时间计算各自的效用；

(4)N个次用户根据步骤(3)中得到效用与门限值比较，若大于门限值，次用户则愿意参与感知并上传检测概率；

(5)平台对接收到的N'个愿意参与感知的次用户的检测概率进行排序，选择检测概率较大的M个用户参与感知，被选中的次用户进行感知并上报感知信息；

(6)平台通过表决融合判断最终感知结果，如果主用户存在的次用户数大于等于

则判定主用户存在，否则主用户不存在；

(7)平台根据次用户的检测概率给所有上报信息的次用户发放报酬，被选中的次用户获得报酬，未被选中的次用户也可以得到补偿的报酬。

进一步地，所述步骤(2)通过以下公式实现：

其中，P_fi表示虚警概率，t_i为用户i的感知时间，f_s为采样频率，t_if_s则是采样点数，SNR_i表示次用户接收主用户发送信号的信噪比，Q函数为互补累计分布函数：

进一步地，所述步骤(3)包括以下步骤：

(31)初始化T＝{t₁,t₂,...t_N}；j＝1，j为迭代次数；

(32)从第一个次用户开始，根据

找到一个t使方程式成立，此时的t为最优的感知时间，更新t₁，用类似的方法求得t₁,t₂,...t_N，更新时间集T；

(34)次用户根据上面确定的感知时间计算各自的效用，第i个次用户的效用为：

其中，

表示次用户i的检测概率；t_i表示次用户的感知时间；α、β、γ都是加权因子；d_i表示次用户到基站的传输距离；E_i为次用户的剩余能量；

(34)重复步骤(31)、(32)，用j＝j+1迭代j，直到满足条件|u_j+1(t₁,t₂,...t_N)-u_j(t₁,t₂,...t_N)|≤ε，其中ε为一数值很小的常量，且取值为ε＝10^-6。

进一步地，步骤(7)所述的所有上报信息的次用户发放报酬为：

其中，

和

分别为每个次用户的检测概率和虚警概率，

为加权因子。

有益效果：与现有技术相比，本发明的有益效果：1、将群智感知算法与具体的应用场景结合在一起，将群智感知的激励机制与频谱感知相结合，综合考虑平台预算、检测概率、传输距离及剩余能量等因素，激励次用户参与感知任务；2、优化次用户的感知时间获得最优效用，提高了次用户的平均效用，大大降低了剩余能量少的次用户能耗，延长了待机时间；3、采用博弈的方法使感知时间达到纳什均衡，平台选择上报的检测概率较高的次用户完成任务并发放报酬，上报信息但未被选中的用户可以获得补偿，激励次用户参与下一轮的感知任务，提高了平台的检测性能。

附图说明

图1为本发明方法的流程图；

图2为本发明方法的网络模型结构示意图；

图3为平台与次用户交互图。

具体实施方式

下面结合说明书附图对发明的技术方案进行详细说明：

本发明将群智感知的激励机制与频谱感知相结合，提出了一种次用户效用最优的基于博弈的协作频谱感知方法。如图1所示，首先建立感知次用户的效用函数，效用函数与平台预算、检测概率、传输距离、剩余电量相关，各个次用户之间通过博弈获得各次用户的最优感知时间，次用户评判效用并确定是否参与感知，愿意参与的用户将检测概率上报给平台，平台选择一定数量的检测概率较高的用户进行感知，并通过表决融合计算最终的检测概率，最终平台向上报的用户发放相应的报酬。

本发明研究的系统场景如图2所示，在半径为R的圆形区域内，存在一个主用户、一个次用户基站和N个次用户，SU＝{su₁,su₂,su₃...su_N}，各个次用户均可以通过能量检测感知主用户频段，得到相应的检测概率，次用户将相关信息发送至基站，基站可以看作发布任务的平台，负责信息的融合处理。

检测概率是频谱感知的重要参数，任意次用户能量检测的检测概率为：

其中，P_f表示虚警概率，即当主用户不存在时次用户误判主用户存在的概率，t_i为用户i的感知时间，f_s为采样频率，一般为定值，t_if_s则是采样点数，SNR_i表示次用户接收主用户发送信号的信噪比，Q函数为互补累计分布函数：

平台和次用户之间的交互如图3所示，平台首先发布任务，区域内的次用户计算自身效用选决定是否参与感知，愿意参与的次用户上报自己的检测概率，平台根据检测概率由高到低选择一定数量的次用户，被选中的次用户开始执行感知任务，最后平台向上报信息的次用户发放一定的报酬。平台发布任务并给出对应的预算B，预算是发放给次用户的报酬，激励次用户参与群智感知。由于次用户感知频谱和上传信息均会消耗能量，感知消耗的能量与感知时间有关，上传信息消耗的能量与收发之间的距离有关，并且次用户终端的剩余能量越低，参与感知的代价越高，因此定义次用户的效用函数为：

其中，

表示次用户i的检测概率；t_i表示次用户的感知时间，感知时间越长，感知到的信息越可靠；α、β、γ都是加权因子；d_i表示次用户到基站的传输距离，传输距离越大，次用户需要的发射功率越大，代价越高；E_i为次用户的剩余能量，剩余能量越小，次用户完成感知任务的代价越高。本发明以获得次用户最优效用为目标，构建以下目标优化问题：

对于标准式博弈G＝{S₁,S₂，...S_N；u₁,u₂，...u_N}中，如果在每个博弈方的一个策略所组成的某个策略组合

中，任意博弈方i的策略

都是对应其他博弈方策略的组合

的最佳策略，也即

对任意的S_ij∈S_i都成立，则称

为博弈G的一个“纳什均衡”^[13]。

当一个博弈策略同时满足下列三个条件，就可以说该博弈存在纳什均衡:

(1)博弈集非空且有限；

(2)策略集S是欧式空间的一个非空集合；

(3)效用函数是严格凸函数。

本发明的策略组合为

为次用户最优效用。下面将据上述的三个条件来证明纳什均衡的存在性。很明显，次用户组成的博弈集是非空有限集，策略集t_i代表了次用户感知时间，是非空的，因此(1)、(2)成立，只需证明次用户效用函数是严格凸函数，即证明次用户效用函数的二阶导恒小于0。

其中

其中

由Q函数的性质可知，当m≤0时检测概率

此时数据具有参考价值；由于α、B、P_d、SNR、f_s等均大于0，因此次用户效用函数的二阶导恒小于0，其效用函数是关于t的严格凸函数，因此如果存在最优解，该解是唯一的。因此解下面方程即可得到最优感知时间：

如果一阶偏导

最大值小于0，次用户效用最大时对应的采样时间为

因此，博弈存在唯一的纳什均衡解。

对第i个次用户来说，当其余N-1个次用户的检测概率已知时，可以根据自身的效用函数求得最优的感知时间t_i，因此N个次用户均可得到相应的最优值。N个次用户之间存在博弈，纳什均衡是次用户在博弈过程中收益均衡的最优结果，在其他参与者不改变其行为策略时，无法通过单独改变自身策略选择来获得更高的收益。博弈的步骤具体如下：

1)初始化时间，输入传输距离、剩余能量等参数；

2)次用户根据公式(9)求得最优感知时间，更新感知时间，根据公式(3)求得对应的效用；

3)重复1)、2)直至所有次用户感知时间达到稳定，得到纳什均衡时的次用户感知时间和最优效用。

通过次用户博弈方法可以获得所有次用户的感知时间及其效用，次用户将自身效用与门限值比较，门限值代表次用户能接受的最低的效用值，若大于门限值，次用户则愿意参与感知并上传检测概率。

表决融合准则的数据融合算法被称为k/n规则，当N个次用户中存在k个及以上表示主用户存在，此时系统判决主用户存在，令u₀表示次用户最后的决策，u₀＝1表示主用户存在，u₀＝0表示主用户不存在。通过表决得到最终结果：

若每个次用户的检测概率和虚警概率分别为

和

则表决融合准则的检测概率、虚警概率分别为：

且当k＝N/2时系统性能最佳。

平台对接收到的N'个愿意参与感知的次用户的检测概率进行排序，选择检测概率较大的M个用户参与感知，SU'＝{su₁,su₂,su₃...su_N'}(N'≤N)，被选中的次用户进行感知并上报感知信息，平台根据表决融合处理数据得到最终结果。同时平台根据检测概率给次用户发放相应的报酬，未被选中的次用户也可以得到补偿的报酬，这样可以激励次用户参与下一轮的感知任务，因此所有愿意参与感知的次用户获得的报酬为：

其中，

为加权因子。

综上所述，本发明将群智感知的激励机制与协作频谱感知相结合，提出一种次用户效用最优的基于博弈的协作频谱感知方法，综合考虑平台预算、检测概率、传输距离及剩余能量等因素，以最优化次用户效用为目标，对次用户感知时间进行优化，提高次用户的平均效用，大大降低了剩余能量少的次用户能耗，延长了待机时间。

Claims (2)

1.一种基于次用户效用最优的协作频谱感知方法，其特征在于，包括以下步骤：

(1)用SU＝{su₁,su₂,su₃...su_N}表示次用户集，N为次用户数，平台发布频谱感知任务和预算B，E＝{E₁,E₂,...E_N}为次用户的初始能量；

(2)次用户i(1≤i≤N)计算频谱的检测概率；

(3)次用户之间通过博弈确定感知时间，并依据感知时间计算各自的效用；

(4)N个次用户根据步骤(3)中得到效用与门限值比较，若大于门限值，次用户则愿意参与感知并上传检测概率；

(5)平台对接收到的N'个愿意参与感知的次用户的检测概率进行排序，选择检测概率较大的M个用户参与感知，被选中的次用户进行感知并上报感知信息；

(6)平台通过表决融合判断最终感知结果，如果主用户存在的次用户数大于等于

则判定主用户存在，否则主用户不存在；

(7)平台根据次用户的检测概率给所有上报信息的次用户发放报酬，被选中的次用户获得报酬，未被选中的次用户也可以得到补偿的报酬；

所述步骤(2)通过以下公式实现：

其中，

表示虚警概率，t_i为用户i的感知时间，f_s为采样频率，t_if_s则是采样点数，SNR_i表示次用户接收主用户发送信号的信噪比，Q函数为互补累计分布函数：

所述步骤(3)包括以下步骤：

(31)初始化T＝{t₁,t₂,...t_N}；j＝1，j为迭代次数；

(32)从第一个次用户开始，根据

找到一个t使方程式成立，此时的t为最优的感知时间，更新t₁，用类似的方法求得t₁,t₂,...t_N，更新时间集T；

(33)次用户根据上面确定的感知时间计算各自的效用，第i个次用户的效用为：

其中，

表示次用户i的检测概率；t_i表示次用户的感知时间；α、β、γ都是加权因子；d_i表示次用户到基站的传输距离；E_i为次用户的剩余能量；

(34)重复步骤(31)、(32)，用j＝j+1迭代j，直到满足条件|u_j+1(t₁,t₂,...t_N)-u_j(t₁,t₂,...t_N)|≤ε，其中ε为一数值很小的常量；

所述步骤(7)所述的所有上报信息的次用户发放报酬为：

其中，

和

分别为每个次用户的检测概率和虚警概率，

为加权因子。

2.根据权利要求1所述的一种基于次用户效用最优的协作频谱感知方法，其特征在于，步骤(34)所述的ε取值为ε＝10^-6。

Images