基于博弈论的动态频谱分配技术研究

提出了一种改进的动态频谱分配博弈模型,对现有的频谱定价函数进行改进,在授权用户对单位频谱价格满意的条件下,频谱价格与授权用户提供带宽数量和次用户的频谱需求数量有关。此外,在次用户的效用函数中,考虑了频谱置换参数,并分析了置换参数和信道质量对次用户动态博弈以及次用户达到纳什均衡的影响。最后,分别用静态博弈和动态博弈分析了次用户之间的竞争频谱行为,并通过仿真验证,次用户的策略最终可以收敛到纳什均衡。     

基于价格的认知网络频谱共享博弈论模型

随着各种无线移动终端和各种无线电新应用业务得到飞速发展,人们对无线频谱的使用更加频繁,对无线频谱资源的需求日益增加,从而使无线频谱成为一种稀缺资源。频谱的稀缺会成为制约无线通信行业发展的瓶颈。为了更加有效地利用频谱资源,文中利用经典的经济学中的古诺博弈模型来分析认知网络中的频谱分配问题,考虑主要(授权)用户频谱供给量对频谱价格的影响,对原有价格函数进行改进,体现主要用户对频谱价格的影响,构建新的频谱分配模型,并提出新的效用函数,来更好地分析认知无线电网络中频谱分配问题,证明纳什均衡的存在性,有效提高频谱利用率。仿真结果表明,该算法更加贴近实际网络,更好地反应了主要用户的竞价意愿,达到了一定的实际应用能力。     

认知无线网络中基于进化博弈的动态频谱接入*

研究了认知无线网络环境中基于价格动态性的动态频谱接入,即不同的授权网络服务商以不同的价格将空闲频谱出售给认知网络,且认知用户可以根据自己获得的报酬动态地接入不同的网络。为最大化认知网络的效用,提出了基于进化博弈的动态频谱接入方案。仿真结果表明,当认知用户群体到达进化均衡时,接入每个主网络的认知用户数量的比例达到稳定状态,最大化了认知用户和网络的效用。     

认知用户基于预测的动态频谱接入算法

频谱接入技术的关键是解决认知用户如何选择合适的空闲信道以及认知用户间如何实现频谱共享.在公共控制信道较难获得的情况下,基于部分可观测Markov决策过程(POMDP)的频谱预测算法,可以显著地提高系统的吞吐量;由于认知用户之间缺少接入信息的交换,使得多个认知用户在同一时隙接入同一信道的冲突概率较大.针对多用户竞争冲突问题,通过引入竞争反馈的偏差因子,并利用均衡的混合信道选择策略对认知无线网络动态频谱接入过程进行研究.通过大量仿真对认知用户的吞吐量和频谱利用率以及碰撞率进行分析,研究表明,均衡的混合信道选择策略可以有效地提高系统的吞吐量及频谱利用率.     

认知无线网络中动态频谱接入性能分析

认知无线电技术利用频谱空洞进行通信,有效缓解了频谱资源紧缺问题,动态频谱接入是其核心技术。网络中主用户对授权频谱的使用效率较高时,次用户接入网络无法完成符合QoS要求的通信,只有当主用户频谱效率在一定门限值下时网络才适合次用户接入。有限频谱空洞资源只能满足有限次用户的通信需求,为了保证通信质量,网络在固定的主用户频谱效率下只能接入适量的次用户。提出用强制优先排队理论对认知无线网络中的动态频谱接入过程进行模拟,通过仿真对次用户的切换概率、阻塞概率两个QoS因子进行分析,在给定的QoS条件下,得到了网络适合次用户接入的主用户频谱效率门限值,以及在固定的主用户频谱效率下网络适合接入次用户的量。     

基于价格的认知网络频谱共享博弈论模型

随着各种无线移动终端和各种无线电新应用业务得到了飞速发展,人们对无线频谱的使用更加的频繁,对无线频谱资源的需求日益增加,从而使无线频谱成为一种稀缺资源。频谱的稀缺会成为制约无线通信行业发展的瓶颈。为了更加有效的利用频谱资源,本文利用经典的经济学中的古诺博弈模型来分析认知网络中的频谱分配问题,考虑主要（授权）用户频谱供给量对频谱价格的影响,对原有价格函数进行改进,体现主要用户对频谱价格的影响,构建新的频谱分配模型,并提出新的效用函数,来更好的分析认知无线电网络中频谱分配问题,并纳什均衡的存在性,有效提高频谱利用率。仿真结果表明,该算法更加贴近实际网络,更好的反应了主要用户的竞价意愿。达到了一定的实际应用能力。     

混合式动态频谱接入协议的研究

为了避免认知用户对主要用户的干扰,实现了频谱移动性的要求,提出了一种Ad Hoc认知无线电网络下的动态频谱接入协议.先使用分布式频谱侦测技术,建立基于AdHoc认知无线电的网络模型.认知用户利用马尔科夫模型预测可用频段,从而在每个时隙选择预测的可用频段进行侦测,降低设备技术要求,并节约能量.最后,给出了相应的认知无线电频谱接入方案和频谱分配算法,为每一条空闲频段选择合适的通信组,实现系统频谱利用的最大化.     

认知用户基于频谱特征的动态频谱接入算法

认知无线电频谱接入技术的关键是指导认知用户如何选择合适的空闲信道以及如何在认知用户间实现频谱共享。在公共控制信道较难获得的情况下,基于部分可观测 Markov 决策过程（POMDP）的频谱预测算法,可以显著地提高系统的吞吐量。认知系统如果不加区分地使用授权频谱将可能导致所选择的频谱空洞不能满足认知用户需求。针对认知用户对不同信道容量的需求,引用适量选择原则,并运用融合接入策略,研究认知无线网络动态频谱接入过程。另外,通过大量仿真对认知用户的吞吐量和系统碰撞率进行分析,结果表明融合接入策略可以有效地提高系统的吞吐量及系统碰撞率。     

认知无线网络中基于博弈的频谱共享*

研究了认知无线网络环境中基于价格动态性的频谱共享,主要用户服务提供商以不同的频谱价格向认知用户服务提供商出售空闲频谱,认知用户根据获得的收益调整对频谱的需求。在全体服务提供商对频谱价格满意的基础上,为最大化认知用户的收益,提出了基于静态博弈和动态博弈的频谱共享方案。仿真结果表明,通过合理设置学习速率,动态博弈达到了接近静态博弈的性能,最大化认知用户的收益。     

基于模糊马尔可夫链预测的CR频谱接入算法

基于认知无线电（CR）的动态频谱接入技术,近年成为研究热点,但大部分算法都是根据当前授权用户的频谱活动情况来指导认知用户的频谱接入。本文研究了一种基于模糊马尔可夫链预测模型的动态频谱接入算法,该算法结合授权频段空闲时长的统计规律和模糊理论对信道状态进行预测,认知用户结合自身要求和信道状态的预测结果选择接入。仿真结果验证...     

基于VCG机制的动态频谱分配算法

针对在Underlay频谱共享方式下的认知无线网络动态频谱分配问题,在满足主用户服务质量（QoS）的前提下,建立一种非合作博弈模型,并设计其效用函数。在借鉴VCG机制的基础上,设计相应的收益函数,提出一种可以最大化认知无线网络系统吞吐量且保证公平性的分布式动态频谱分配算法。仿真结果表明,该算法收敛速度快、公平性强。     

基于严格位势博弈的动态预留信道选择

由于认知无线电网络中可用频谱存在时变特性,以往频谱切换中静态式的信道预留方式显然不能满足实际要求。为解决这一问题,在讨论认知无线电交互模型与博弈论的基础上,提出了基于严格位势博弈的动态预留信道选择方法,该方法将认知网络作为一种干扰减小网络,利用博弈交互原理实现动态参数的调整。在802.11h平台下给出了性能仿真分析。结果表明,该方法能够在增加少量网络总干扰的情况下实现动态预留信道选择,并且所预留的信道不受环境影响,从而适用于所有网络覆盖范围。     

基于智能跳频的短波无线接入网动态频谱分配算法

针对现有短波无线接入网的固定式频谱分配方法难以满足使用智能跳频技术新要求的问题,分析智能跳频短波无线接入网的通信需求,提出智能跳频短波无线接入网的动态频谱分配策略及算法。首先将各机动用户和接入基站看作一子网;然后将对各子网的频谱分配建模为基于图着色理论的智能跳频短波无线接入网频谱分配模型;最后结合通信需求提出分配策略和算法,完成频谱分配并进行了仿真分析。结果表明,这些频谱分配策略及算法以不同的目标进行频谱分配,能够有效支撑智能跳频技术在短波无线接入网中的应用,与固定式频谱分配方法的定频通信相比,在网络效益、子网满意度、网络公平性、网络支持用户数和频谱利用率等方面均有明显提升,同时能有效降低互扰率。     

动态频谱访问无线网络的研究展望

动态频谱访问技术能有效解决无线通信中频谱稀缺与频谱利用率低的问题。该文介绍了频谱开放的趋势以及认知无线电、超宽带等相关无线电技术,描述了动态频谱访问网络的体系结构,从频谱侦听、频谱分析、频谱共享、频谱切换等方面探讨了动态频谱访问网络的资源管理,介绍了其路由、传输层、QoS协议设计,给出了研究方向。     

认知无线网络中基于信誉度管理的动态频谱接入研究

随着无线服务和相关设备的飞速发展,认知无线网络中特有频谱稀缺问题越来越引起研究者的重视。在集中式认知无线网络中,次级用户基站SUBS作为融合中心,通过收到周围的次级用户的感知信息来分配频谱资源。然而,环境的易变性使次级用户容易受到攻击从而影响次级用户感知信息,导致网络频谱资源分配错误。引入信誉度模型来表现次级用户在认知循环中的行为规范,在分配频谱阶段将信誉度作为评定标准,鼓励次级用户积极感知及规范运行。在感知阶段,次级用户感知信道数越多,感知信息越正确,其信誉度越高。在运行阶段,次级用户行为越符合网络规范,则信誉度越高。仿真结果表明,论文模型可以很好地减少次级用户基站的错误决策次数,提高其抗攻击性,同时使得网络在很好地分配资源的同时鼓励整个网络行为积极化。     

基于Q-learning的机会频谱接入信道选择算法

针对未知环境下机会频谱接入的信道选择问题进行研究。将智能控制中的Q-learning理论应用于信道选择问题, 建立次用户信道选择模型, 提出了一种基于Q-learning的信道选择算法。该算法通过不断与环境进行交互和学习, 引导次用户尽量选择累积回报最大的信道, 最大化次用户吞吐量。引入Boltzmann学习规则在信道探索与利用之间获得折中。仿真结果表明, 与随机选择算法相比, 该算法在不需要信道环境先验知识或预测模型下, 能够自适应地选择可用性较好的信道, 有效提高次用户吞吐量, 且收敛速度较快。