基于次用户权重和能耗的无线电频谱分配博弈

为了在认知无线电系统中公平分配频谱,基于古诺博弈对频谱分配模型加以改进。融合中心凭借各认知用户的提交结果整理出当前的空闲频谱,依据次用户提交正确结果的概率为其设置权重系数,将能够反映认知用户检测能力强弱的权重系数体现在价格函数中,基于重置的价格函数和次用户的感知损耗参数,得到改进的效用函数。仿真结果表明,改进算法存在纳什均衡,体现了融合中心分配频谱的公平性,能提高系统的整体检测性能。     

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法。在不影响主用户通信的情况下,每个认知用户能够根据自己的QoS需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中。该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用。     

基于VCG机制和POMDP强化学习的动态频谱分配算法

以认知无线网络动态频谱分配问题为研究对象,提出一种通用的动态频谱分配博弈框架,将频谱的动态变化、认知用户的可能影响频谱分配的自私的网络行为、频谱分配中的信息约束限制和分布式特性在动态频谱环境中加以考虑,通过VCG机制的部署和实施,有效的解决动态频谱分配问题,防止自私用户可能存在欺骗行为;为进一步提高认知无线网络中频谱分配方法的性能,提出了一种动态频谱分配的POMDP强化学习算法,通过认知用户依据它们自身历史信息的观察统计和学习,预测当前竞拍策略,通过累积折扣奖赏影响动态频谱分配。仿真结果表明,基于POMDP强化学习算法可以显著的改善认知用户的行为,提高动态频谱分配性能。     

基于POMDP强化学习的动态频谱分配算法

提出基于VCG机制的动态频谱分配博弈模型,解决了认知无线网络环境存在的信息约束限制、分布式特性和频谱分配动态、复杂性问题;提出一种基于动态频谱分配的部分可观察马尔可夫决策过程（POMDP）强化学习算法. 认知用户通过对历史信息的观察、统计,为提高竞拍策略的奖赏值而进行不断的学习获取最优竞拍策略. 将POMDP强化学习转变为信度状态马尔可夫决策过程 (belief MDP)最优策略学习. 采用值迭代算法求解信度状态MDP模型的解. 仿真结果表明,基于POMDP强化学习算法可显著改善认知用户的行为,提高动态频谱分配性能.     

认知无线电中频谱分配方法研究

为了解决频谱分配中的授权用户定价博弈问题,提出了一种基于博弈论的认知无线电频谱分配方法,结合控制理论中参数整定的思想对该方法中的参数进行了整定.将信道分配模型等效为博弈论中的差别双寡头市场模型,给出了认知用户的效用函数;根据博弈论中的Bertrand、Cournot均衡理论,给出了基于Cournot模型的利润函数和基于Bertrand模型的授权用户信道竞争价格的动态博弈算法.分析稳定的纳什均衡解与速率调整参数的关系,提出了利用控制理论中指数函数模型研究博弈过程速率参数快速整定和分析的方案,得出纳什均衡点和边际成本的关系,较高的边际成本可以获得高的出租信道价格,并通过仿真实验证明了指数函数模型整定速率参数方法的有效性.     

基于次用户优先级的频谱共享动态博弈算法

针对包含多个主用户的主服务和包含多个次用户的次服务在频谱市场中的频谱共享问题,提出了一种认知频谱共享动态博弈算法。引入优先级机制,优先满足次服务中关键任务用户和高实时性业务用户的频谱需求;考虑主服务的收益和次服务的满意度,得到满足稀缺资源分配属性的频谱价格;利用非合作博弈建模次用户间的竞争过程,保证次用户的效用最大化。对静态博弈、动态博弈、动态博弈稳定性的仿真分析证明了该算法在频谱共享中的合理性和有效性。     

一种基于信道节点的动态频谱分配算法

兼顾认知用户需求和系统运算开销,提出了以信道作为图着色顶点的动态频谱分配算法。建立了分配模型,介绍了基于图论的频谱资源分配算法,分析了该算法与已有图论算法的优劣。仿真结果表明,改进算法具有一定优越性。     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法（CSGC）进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

认知D2D通信中基于博弈论的动态频谱分配方案

提出了一种新的基于非合作博弈的动态频谱分配方案,考虑多个蜂窝用户服务中心和具有认知能力的设备到设备(D2D)通信用户组,利用伯川德(Bertrand)博弈理论来解决用户频谱分配问题,分别对D2D对用户组和蜂窝用户服务中心的效用函数进行了改进,并给出了蜂窝用户服务中心的最优定价和D2D对用户组的动态价格调整策略,进一步证明了纳什均衡解的存在性和算法的收敛性.通过仿真实验,分析了不同蜂窝用户数和学习因子对所提出方案性能的影响.与现有结果进行比较显示,新方案在频谱利用率和系统公平性方面均有改进.     

认知无线电中的联合准则频谱分配算法

动态频谱共享技术允许认知用户接入未授权的频谱,可以有效地提高频谱资源的利用率．针对图论着色算法中产生的单轮分配聚集现象,提出了基于协作式最大化频谱总效用和协作式最大化比例公平的联合准则算法．该算法在计算节点间的着色标号时采用不同的准则,进而提高了用户间分配的公平性,同时降低了时间开销．     

A distributed normalized Nash equilibrium seeking algorithm for power allocation among micro-grids

In this paper, a power allocation problem based on the Cournot game and generalized Nash game is proposed. After integrating dynamic average consensus algorithm and distributed projection neural network through singular perturbation systems, a normalized Nash equilibrium seeking algorithm is presented to solve the proposed power allocation problem in a distributed way.Combine Lyapunov stability with the singular perturbation analysis, the convergence of the proposed algorithm is analyzed. A simulation on IEEE 118-bus confirms that the proposed distributed algorithm can adjust the power allocation according to different situations, while keeping the optimal solution within the feasible set.     

基于博弈论的WiFi接入资源动态分配算法

无线共享网络的接入资源分散,容量有限,且价格互有差异,为了在保证用户满意度的同时提高运营商总体收益,需要对网络接入资源进行合理分配.因此,提出了一个基于博弈论的WiFi接入资源动态分配算法.首先,以总收益最大化为目标,兼顾用户满意度,建立基于斯塔克尔伯格博弈的网络接入资源动态分配模型;其次,通过两阶段博弈,运营商制定价格策略,激励用户执行网络选择策略,提出基于粒子群算法的网络资源动态分配求解算法,得出最优的网络价格及资源分配.仿真实验表明,算法能够实现接入资源的合理分配,在用户满意的同时实现运营商收益最大化.     

认知无线电网络中基于演化博弈的协作频谱感知技术

 提出了一种基于演化博弈理论的认知网络协作频谱感知方法．对协作频谱感知中次级用户的传输时间和吞吐量进行分析,建立协作感知的博弈模型并研究其动态演化特性,基于次级用户吞吐量最大化准则,得到相应纳什均衡解,在此基础上提出一种次级用户自适应分布式学习算法．理论分析和仿真结果表明,这种协作感知方法在保证检测性能的基础上,有效减少了协作通信开销,提高了次级用户吞吐量．     

Two-layered game-theoretic based resource allocation in femtocell networks

In orthogonal frequency division multiple access(OFDMA) based femtocell networks, to improve the spectrum efficiency and avoid the interference from the femtocell user equipment(FUE) to macrocell user equipment(MUE) and other femtocell users equipments(FUEs), the joint power control and subcarrier selection distributed algorithm is proposed. In the framework of the two-layered game, the proposed distributed algorithm, which is based on the pricing mechanism and the dynamic replication scheme, can effectively suppress the interference from the FUE to other users and select the optimal subcarrier by the alternate iterations of the non-cooperative game and evolutionary game. Simulation results show that the proposed algorithm can converge to the Nash equilibrium(NE) of the two-layered game.     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.     

认知无线电系统的一种联合频谱分配算法

在认知无线电系统中,博弈论算法从频谱共享池中获取频谱困难.为了提高自身传输速率,同时使频谱可以充分利用,采用图论算法快速地初次分配频谱,联合博弈论方法优化信道.仿真结果表明:在传输功率的约束下,联合频谱分配算法提高了自身的效用(速率),能够充分利用频谱资源,合理分配功率,仿真验证了图论和博弈论联合的算法是有效的.     

授权链路保护的频谱分配算法

研究了在保护授权链路的前提下认知无线电网络(CRN)的频谱优化分配问题。基于博弈论提出了一种新型的频谱分配模型,设计了一种保护授权链路的快速收敛的频谱分配算法(FCAPLL)。仿真分析证明,FCAPLL算法能在保护授权链路的前提下对认知无线电(CR)链路进行最优化频谱分配,有较快的收敛速度;同时仿真给出了网络性能参数与比例因子的关系,为FCAPLL应用于不同性能要求的CRN提供了依据。