一种基于非合作博弈的无线传感器网络功率控制算法

提出了一种无线传感器网络中以容量最大化为目标的非合作博弈功率控制算法。通过效益函数来选择合适的发射功率,以保证网络连通性并缓解分组碰撞状况。而后给出了对该算法纳什均衡存在性和唯一性的证明。仿真结果表明:该算法可有效提高能量效率和网络容量。     

认知Wi-Fi 2.0 无线网络多用户动态分层功率控制算法

具有认知性、自主性和适变性等特点的认知Wi-Fi 2.0无线网络技术,作为提高无线网络容量的重要技术不断引起学术界、标准组织和工业界的关注.针对现有功率控制技术不能刻画多个认知节点存在分层决策的现象,提出一种认知Wi-Fi 2.0无线网络中多用户动态分层功率控制算法.基于提出的斯坦科尔伯格(Stackelberg)容量最大化博弈模型,为认知Wi-Fi 2.0无线网络中感知信息不对称的多用户分别设计了分布式功率控制方法,实现领导者用户和跟随者用户的多阶段动态交互在保证个体效用的同时实现网络整体性能.该算法根据当前认知Wi-Fi 2.0无线网络中多个认知节点接入频谱顺序的不同,确定领导者用户和跟随者用户;然后,对于领导者和跟随者分别采用不同的功率控制策略,并多次交互实现多用户分层算法的动态交互收敛.蒙特卡洛仿真验证了算法的有效性.     

基于非合作博弈的改进型认知无线电功控算法

在认知无线电网络中,当认知用户（CU）与主用户（PU）共享频谱带宽时,需要对认知用户的发射功率进行控制,以确保认知用户在满足自己的QoS且不影响主用户的前提下与主用户共享频谱带宽。利用博弈论的方法,设计了一种基于链路增益和干扰温度的代价函数,并据此提出了一种改进型非合作博弈功率控制算法（IPC-NG）。通过数学理论推导分析,证明了新的净效用函数存在纳什均衡且均衡点唯一,同时还分析了该算法的收敛速度。仿真结果表明,该算法不仅避免了对主用户的影响,也保证了每个CU的QoS需求,同时还提高了认知系统的吞吐量和净效用。     

认知无线电中基于非合作博弈的功率控制算法

针对认知无线电中的功率控制问题,基于非合作博弈模型,提出了一种新的效用函数,证明了该博弈中纳什均衡的存在性和唯一性。设计了一种分布式功率控制算法并证明了其收敛性。讨论了几个参数对系统性能的影响。仿真表明,该算法可实现对认知用户发射功率的有效控制。与SINR平衡算法和Koskie-Gajic算法相比,本算法既保障了每个认知用户的QoS需求,又增加了系统吞吐量。     

认知无线网络中基于Sigmoid函数的功率控制算法研究

为了实现认知无线网络中频谱分配公平性以及契合现代化绿色通信的需求,根据非合作博弈论和干扰温度,引入信道状态概念,设计出一种新型功率控制算法,分析了该算法的收敛性、纳什均衡解的存在性和唯一性;该算法不仅可以快速收敛,符合实时通信,而且分布式实施,简单实用; 仿真结果表明,相比其他算法,该算法系统干扰小,能源消耗低,具有抗干扰性能,而且在日益多用户网络的情况下,具有低功率、低干扰,提高网络的整体效益,更加符合现代化的绿色通信的需求。     

认知无线电网络中基于公平性的功率控制方案

针对现有非合作功率控制博弈算法中存在用户“远近性公平”问题,在主次用户共享频谱的认知无线电上行链路中,给出一种基于代价函数的高效和公平的功率控制博弈算法。在该博弈模型中,代价函数的设定依据次用户接收端信号质量需满足次用户的服务质量要求。改进后的效用函数能够同时兼顾认知无线电系统的总吞吐量和次用户获取资源的公平性,并利用超模理论证明了该模型存在纳什均衡,然后得到求解发射功率纳什均衡解的迭代过程。仿真结果表明,相比已有的研究,该算法不仅能提高认知系统的吞吐量,还能降低发射功率,改善系统效用,而且兼顾了远近用户吞吐量的公平性。     

一种改进的认知无线电网络博弈功率控制算法

基于David Goodman的非合作功率控制博弈方法,本文提出一种适用于认知无线电网络的功率控制博弈算法,对S型有效函数和代价函数进行改进和优化,实现认知用户功率控制的公平性,并证明该算法纳什均衡的存在性。仿真结果表明,该算法使认知用户的总吞吐量提升,发射功率降低,效用提高,且在一定程度上兼顾了系统的公平性。     

协作认知无线网络中的功率优化及中继选择策略

近年来,认知无线电技术与协作通信技术相结合,具有在平坦衰落无线信道环境中增加用户吞吐量,提高频谱利用率等优势,因而被广泛研究与应用。如何在协作认知网络中有效的实现主要用户和认知用户的频谱共享,亦即如何在众多的认知用户中选择合适的认知中继集是一个基本的问题。本文通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中继选择算法(Multiple Relay Selection based on Game Theory ,GTMRS)。在任一认知中继集合中,认知用户之间能够形成非合作功率的博弈模型, 可基于纳什均衡得到认知用户的优化协作功率分配算法。在寻找一组确定的中继集合来实现主要用户效用的最大化过程中,文章引入了修改的信道调和平均数因子,其目的是移除信噪比较小的中继节点,以最大化系统的信噪比。仿真结果显示,该算法能够使更多的认知用户接入到授权频谱中,同时使得主要用户获得更大的效用以及传输速率。因此,基于博弈的多中继选择算法能够有效选择合适的认知中继,并获得主要用户和认知用户在效用上的最优化。     

基于非合作博弈的无线传感器网络功率控制研究

如何提高能量的有效性是无线传感器网络（WSNs）设计的重要问题,针对WSNs在多媒体等业务中的应用,对基于码分多址（CDMA）通信方式的WSNs模型,提出一种基于非合作博弈的WSNs功率控制算法,并证明了该算法纳什均衡的存在性及唯一性.仿真结果表明,所提出的算法在设计时充分考虑了节点的剩余能量问题,因此能够很好地降低网络的总发射功率,有效地节约节点能量,延长网络的生命周期.     

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。     

基于合作博弈的认知卫星网络信道分配与上行功率控制算法

随着通信业务需求的不断增长,频谱资源的有限性使得卫星通信网络和地面网络都面临着严重的频谱危机。认知无线电技术的出现,使得卫星网络与地面网络共用频率资源以提升网络效用成为可能。文中对认知接入分配给地面网络作为主用户的同一频谱资源的认知卫星网络的功率控制和信道分配问题进行了研究。根据卫星网络和地面网络的特性构建了合理的系统模型,并利用中断概率门限表征了信道估计误差对系统容量的影响。为了保护主基站的通信性能,在考虑信道估计误差、信道资源约束、认知卫星用户最大发射功率和微波基站干扰约束的条件下,根据议价博弈理论设计了优化函数。其次,根据凸优化理论推导了最优发射功率和信道分配的闭式解,并在此基础上设计了一种对偶迭代算法来求解该优化问题。最后,根据卫星网络的特性设置了合理的网络参数,并根据参数利用Matlab仿真平台对提出的算法进行了仿真实验。仿真结果表明:所提方法在不同到达速率的条件下均具备良好的收敛性;信道估计误差会降低网络的总容量;所提方法在波束数多于15个时,相比比例公平性算法容量提升超过50 bps/Hz,相比最大容量法公平性能提升超过一倍,因此,相较于这两种方法,该方法能在系统容量和用户间公平性之间获得较好的折中。     

异构无线网络中基于非合作博弈论的资源分配和接入控制

对异构无线网络中无线资源分配和呼叫接入控制进行研究.基于非合作博弈理论,提出了不同无线资源的带宽和连接数量分配的理论模型.结合网络连接的效用函数,对非合作博弈的无线资源分配中的纳什均衡点的存在性和唯一性进行论证.而且,进一步对业务量与阻塞率之间的关系进行分析,提出了能够保证通信可靠性的接入控制算法.仿真结果表明,基于非合作博弈论的无线资源分配机制能够有效地解决带宽和连接数量的分配问题,并能在整体上保证分配的合理性和公平性.接入控制算法根据需要能够动态地调整在某一区域分配的连接数量,从而保证通信的可靠性.     

无线数据网络中基于博弈论方法的功率控制

功率控制是第3代移动通信网络中无线资源管理的一项关键技术,传统的功率控制主要考虑移动通信系统中的话音业务,设计了一个新的基于定价的效用函数,采用了博弈论的分析方法,提出了一个适用于无线数据网络的功率控制框架．证明了非合作功率控制博弈中存在惟一的纳什均衡,设计了一个分布的功率控制算法并证明了算法的收敛性．通过数值仿真来验证算法的性能,讨论了各个用户的传输特性和效用函数中定价因子对系统性能的影响,仿真结果表明用户可以用较低的传输功率获得较高的效用,算法具有较好的收敛性能。     

一种基于博弈论模型的Ad Hoc网络功率控制算法

在Ad hoc网络中,采用控制数据报文向相邻节点的发射功率的方法来提高能量的使用效率是一种常用的方法.但是采用功率控制也会对网络连通性、延迟和容量带了负面影响.文中对Ad hoc网络中能量控制机制进行了讨论,给出了Ad hoc网络基于非合作博弈的功率控制问题模型.提出了一种以满足网络连通性、容量最大化、网络半径最小为目标的分布式非合作功率控制博弈算法,并给出了对该算法纳什均衡的存在性和唯一性的证明.实验表明该算法具有较好的综合性能.     

无线认知网络中拓扑控制方法研究

作为下一代通信网络,无线认知网络已成为当前的研究热点;由于节点的移动性,无线网络拓扑结构动态变化,拓扑控制一直是无线网络的难点问题;通过借鉴移动自组织网络(MANETS)中的拓扑控制方法,提出了无线认知网络中基于博弈论和认知功能相结合的拓扑控制方法;无线认知节点能够通过主动决策调节自身节点位置,在保证网络连通性的基础上实现网络覆盖面积最大;仿真实验结果验证了方法的有效性和收敛性.     

传感器网络非合作博弈功率控制及其仿真

针对基于CDMA通信方式的传感器网络模型,采用非合作博弈功率控制算法对网络中的节点进行分布式功率控制。在算法中为传感器节点构造包含效用函数和代价函数的支付函数模型,通过并行迭代的方式获得网络功率控制的纳什均衡策略,使所有节点的支付函数达到最优化。为了验证算法的有效性,采用OPNET对不同参数组合下的情况进行仿真,仿真结果表明,基于博弈论模型的非合作博弈功率控制算法具有很好的收敛性,当选择效用因子在1.0~1.1、价格因子在5.5~5.9时,网络具有很好的性能。     

基于势博弈的WSN分布式拓扑控制算法

针对节点能量有限的无线传感器网络（WSN）,设计一种有效延长网络生命时间的网络拓扑控制算法非常有必要。考虑到节点是自私的,每个节点想着如何减少自身能耗提高自身利益,却忽视了网络整体利益。为了解决该冲突,利用势博弈存在纳什均衡的性质,提出了基于势博弈的分布式拓扑控制算法（Potential Game and Distributed Topology Control, PGDTC）,它是种能量高效和能量平衡的拓扑控制算法。仿真结果表明：相比于现有的一些拓扑控制算法,PGDTC算法能够有效的延长网络生命时间。     

无线传感器网络中基于协作的包转发研究

运用博弈论的观点和方法来解决传感器网络中的包转发问题．为传感器网络建立了包转发模型，分析了节点参与包转发会话所获得的帕累托最优效用．提出了基于帕累托最优效用的包转发算法POUPF，并证明了该算法能够建立纳什均衡以保证每个节点都获得帕累托最优效用．仿真结果表明：POUPF能够有效促进节点自发合作，确保了每个节点获得帕累托最优效用；任何偏离POUPF节点的包转发行为都会导致所有节点效用的下降．     

广义Nash平衡点和切换控制在对策论中的应用

通过把平衡点和决策者的动机耦合的方法,提出了广义纳什平衡点这一新概念.决策者的动机通常有两类：一是最大化自己的利益,另一则是最大化对手的利益.如果每一个决策者的动机都是第一类,一个理性的群体就会形成,整个系统最终会达到第一类平衡点（也就是经典的纳什平衡点）.如果每一个决策者的动机都是第二类,一个有智慧的群体就会形成,整个系统最终会达到第二类平衡点.同时,切换控制被用来帮助决策者确定他们的动机.