基于非合作博弈的femtocell 双层网络分布式功率控制

研究在频谱共享条件下家庭基站双层网络的分布式功率控制策略.将宏基站所能承受的干扰限度视为家庭基站的可分配资源,家庭基站以竞价形式对其"购买",从而构成宏基站与家庭基站以及家庭基站用户之间的博弈模型.分析了该博弈过程中纳什均衡解的存在性和惟一性,并给出了在非合作模式下指导家庭基站用户进行理性竞争的分布式功率调整算法.最后,通过仿真实验验证了所提出算法的有效性.     

Femtocell网络的鲁棒议价博弈功率控制

针对具有不完美信道状态信息的Femtocell双层网络，为了保证网络效用最大化、最小服务质量要求及Femtocell用户之间的效用公平，提出了基于议价博弈的鲁棒功率控制方案.在保证宏小区用户正常传输情况下，考虑到Femtocell家庭用户的最小服务质量要求，将Femtocell网络的鲁棒功率控制问题转化为议价博弈功率控制问题.为了保证Femtocell家庭用户之间的公平性，给出了Kalai-Smorodinsky（K-S）议价博弈解，证明了议价博弈解的存在性和唯一性，并提出了一种基于二分查找算法的分布式鲁棒功率控制方案.仿真结果表明，所提出的算法不仅具有较好的收敛性能，而且能够较好地保证用户之间的公平性.     

一种基于序贯博弈的网格资源分配策略

网格环境中资源的负载预测是实现资源优化分配的关键任务之一,而网格资源的动态性和异构性使得准确判断资源的负载状态十分困难.针对已有的分配策略对资源负载评估的不足,提出了一种基于序贯博弈的优化用户时间的网格资源分配策略.该策略将正比例资源共享的网格环境中多用户竞争同一计算资源的问题形式化为一个多人序贯博弈,通过寻求该序贯博弈中各个阶段博弈的纳什均衡解来预测资源负载;然后利用此负载信息生成所有用户的最优出价组合和资源的优化价格;最后根据各用户出价,按比例分配资源的计算能力.通过对网格模拟器GridSim的实验研究,结果表明,该策略能够得到合理的用户出价,降低资源占用时间,从而弥补了Bredin提出的优化策略中未考虑资源未来负载变化的缺陷,实现了资源的优化分配.其结论说明运用序贯博弈方法预测资源负载是可行的,且能更好地适应网格环境下异构资源的动态性.     

基于纳什均衡的D2D通信功率控制博弈算法

为了减轻D2D通信在资源复用模式下的互干扰问题,提升蜂窝网络均衡性能收益,提出一种基于纳什均衡的功率控制博弈算法。算法中将互干扰用户间的功率控制过程描述为静态博弈模型,用户之间根据最小化代价函数的博弈决策,通过多步迭代调节发射功率,使系统收敛至纳什均衡的优化状态。在用户代价函数设计中,综合考虑了能耗及传输速率影响,同时给出了博弈算法纳什均衡存在性以及收敛性的证明。仿真实验表明,在最优响应策略及能耗因子的有效约束下,互干扰用户更理智的选择发射功率,系统拥有较好均衡性收益的同时能耗进一步降低。     

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。     

一种改进的认知无线电功率控制博弈算法

认知无线电网络中,认知用户在满足目标信干比前提下,为降低每个认知用户的发送功率,可采用非合作博弈的方法。通过对功率控制的K-G算法进行改进,提出了一种基于综合代价函数的功率控制博弈(KG-CP)算法,实现了认知用户发送功率的非合作博弈控制,并证明了KG-CP算法效用函数纳什均衡解的存在性和唯一性。仿真结果表明,与经典的SINR平衡算法及K-G算法相比,该算法能够明显降低认知用户的发送功率。最后,比较并分析了不同用户数目及不同调整因子下新算法的性能表现。     

非对称信息条件下APT攻防博弈模型

针对目前缺少对高级持续威胁（APT）攻击理论建模分析的问题,提出了一种基于FlipIt模型的非对称信息条件下的攻防博弈模型。首先,将网络系统中的目标主机等资产抽象为目标资源节点,将攻防场景描述为攻防双方对目标资源的交替控制;然后,考虑到攻防双方在博弈中观察到的反馈信息的不对称性以及防御效果的不彻底性,给出了在防御者采取更新策略时攻防双方的收益模型及最优策略的条件,同时给出并分别证明了达到同步博弈与序贯博弈均衡条件的定理;最后通过数例分析了影响达到均衡时的策略及防御收益的因素,并比较了同步博弈均衡与序贯博弈均衡。结果表明周期策略是防御者的最优策略,并且与同步博弈均衡相比,防御者通过公布其策略达到序贯博弈均衡时的收益更大。实验结果表明所提模型能够在理论上指导应对隐蔽性APT攻击的防御策略。     

认知无线电中快速收敛的功率控制博弈算法

针对认知无线电中分布式功率控制算法收敛速度较慢的问题,提出了一种新的非合作博弈模型下的功率控制算法。算法主要通过构造基于信干比(SIR)的正切型代价函数来减少迭代次数,从而提高收敛速度。仿真结果表明,所提算法在满足认知用户信干比要求和主用户干扰温度容限下,与Koskie-Gajic算法和自适应功率控制（CR-NCPCG）算法相比,在收敛速度上有了大幅度的提高,能更好地满足系统实时性要求,并且在用户数小于20时,平均信干比至少提高了0.3dB,可以实现对认知用户发射功率的有效控制。     

OFDMA认知无线电网络中面向功率控制的频谱定价与分配

针对OFDMA认知无线电网络,提出一种基于Stackelberg博弈的频谱定价和分配模型.对于次基站控制次网络传输功率来保护主网络通信的场景,主基站可通过该模型获得最优的频谱定价方案.从功率控制的角度,重新设计次用户的效用函数,运用Stackelberg博弈对单个主基站和多个次用户在频谱租赁市场中的交易行为进行建模.通过逆向归纳法,求解市场均衡下的最优频谱定价,使得主基站在考虑主网络QoS降级的同时获得最大收益.此外,对于主基站只能获取本地信息的情形,提出了基于动态Stackelberg博弈的分布式频谱定价和分配模型.仿真实验表明,该模型能够在控制次网络传输功率的基础上,提供最优频谱定价和频谱分配方案.     

基于三角模糊数序贯博弈的电网安全研究

智能电网系统面临着复杂性、多样性的网络安全风险。针对电网工艺漏洞攻防双方在博弈分析中无法对信息属性损失作出准确判断的问题,提出了一种三角模糊数序贯博弈模型。以序贯博弈树方法进行智能电网攻防博弈,构建出攻击者和防御者的最优策略,实现对智能电网的工控安全防护。通过对智能电网攻击者和防御者构建序贯博弈模型,得到攻防博弈效用。提出运用三角模糊数和概率分布向量的方法来构建非模糊化损失,得到攻防双方清晰化的系统损失值。对三角模糊数序贯博弈算法和贝叶斯序贯算法进行比较,得到智能电网均衡路径中的攻击者和防御者的最优策略,以保障智能电网网络安全运行和防护。该研究为智能电网以及典型工控系统网络安全博弈提供参考。     

Aprojected gradient based game theoretic approach for multi-user power control in cognitive radio network

The fifth generation (5G) networks have been envisioned to support the explosive growth of data demand caused by the increasing traditional high-rate mobile users and the expected rise of interconnections between human and things. To accommodate the ever-growing data traffic with scarce spectrum resources, cognitive radio (CR) is considered a promising technology to improve spectrum utilization. We study the power control problem for secondary users in an underlay CR network. Unlike most existing studies which simplify the problem by considering only a single primary user or channel, we investigate a more realistic scenario where multiple primary users share multiple channels with secondary users. We formulate the power control problem as a non-cooperative game with coupled constraints, where the Pareto optimality and achievable total throughput can be obtained by a Nash equilibrium (NE) solution. To achieve NE of the game, we first propose a projected gradient based dynamic model whose equilibrium points are equivalent to the NE of the original game, and then derive a centralized algorithm to solve the problem. Simulation results show that the convergence and effectiveness of our proposed solution, emphasizing the proposed algorithm, are competitive. Moreover, we demonstrate the robustness of our proposed solution as the network size increases.     

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。     

认知无线网络的Rubinstein博弈频谱共享方法研究

针对传统的功率控制算法限制认知用户的发射功率而影响其服务质量(Quality of Service, QoS)的问题,提出了一种基于功率控制的多人Rubinstein博弈频谱分配算法。该算法通过牛顿迭代公式降低认知用户的发射功率并依据各个用户间的干扰得到相应的链路质量;将经济学中的贴现因子与用户的链路质量建立映射关系;通过链路质量调整认知用户子博弈顺序使得网络总传输速率达到一个相对稳定的状态。仿真结果表明:多个认知用户在同一信道下共享频谱时,采用多人Rubinstein博弈算法对系统的总传输速率有明显的提升,使系统处于稳定且高速的传输状态并节省了一半以上的频谱分配时间。     

MIMO系统中基于非正交多址接入的功率分配算法研究

随着移动通信技术的发展,通信服务已变成人类日常生活中不可或缺的部分.尤其是近年来各类智能终端的大众化,使得接入无线通信的用户数和人们对通信服务的需求均呈爆炸式的增长.但现如今可用的频谱资源是有限的,且传统的正交多址接入系统的用户接入数受限,很难满足用户日益增长的需求.非正交多址接入允许在同一时频资源上复用多个用户,极大...     

异构蜂窝网络中功率和资源分配博弈算法研究

基于D2D和中继异构蜂窝网络进行资源复用可获得系统性能增益,但同时也使得网络中的干扰更加复杂。针对该问题,提出功率和资源分配博弈（PRAG）算法,通过功率控制和资源分配对D2D和中继异构蜂窝网络进行干扰协调。基于代价参数设定D2D和中继链路效用函数,确定最佳发射功率。在此基础上,将生成的效用值矩阵参与博弈,选择合适的蜂窝用户进行资源复用。仿真结果表明,与等功率分配随机（EPAR）算法相比,PRAG算法能够在消耗更少功率的基础上获得更大的系统吞吐量。     

基于中断概率的星地网络鲁棒功率控制算法

相较于传统的地面认知网络,星地认知网络链路传输时延较长,因此基于实时信道感知的认知用户中断概率较高。以离散时间马尔科夫链描述授权用户的动态及衰落信道,同时考虑信道转移概率的不确定性,建立基于似然不确定性模型的信道状态马尔科夫链,利用鲁棒的向后递归方法得到离线存储的功率分配矩阵,并对网络中多个用户采用博弈论的方法,进而提出基于中断概率的功率控制算法。仿真结果表明,与RRAP和TS-RS-PA算法相比,该算法在网络延迟存在的情况下能够更有效地降低中断概率并节约能耗。     

Subcarrier and power allocation for OFDMA-based multicast cellular networks using a coalitional game

The subcarrier and power allocation problem for orthogonal frequency-division multiple access (OFDMA)-based multicast cellular networks is investigated in this paper. Due to the intrinsic heterogeneity of the channel gains experienced by different multicast users, the conventional multicast schemes are highly conservative and spectrally inefficient. To address this issue, a novel multicast formulation is proposed where multiuser diversity inherent in OFDMA can be adaptively exploited by clustering users within a multicast group into smaller subgroups based on their channel gains. Subcarriers and power are then dynamically allocated to these subgroups to maximize the total multicast rate of the system. Coalitional game theory is adopted to model the group formation in which users can autonomously form coalitions with other users to compete for network resources. A low-complexity algorithm is proposed for the multicast coalitional game to reach multicoalitional equilibrium in which a sub-optimal performance can be obtained. Simulation results demonstrate that the proposed scheme outperforms the conventional unicast and multicast schemes while achieving a sub-optimal performance comparable to the exhaustive search scheme.     

一种基于价格竞争的D2D通信资源分配算法

针对蜂窝用户与D2D用户所构成的混合网络系统中同频干扰问题,提出一种基于价格竞争的D2D通信资源分配算法.该算法不仅考虑利用基站定价来减小对蜂窝系统的干扰,而且联合基站端的干扰容限对干扰功率进行约束.首先将问题公式化制定非合作博弈过程,利用效用函数模型分析D2D用户的利润和对蜂窝基站的干扰,从而调整发射功率最大化系统整体收益;然后通过通信的D2D用户来更新干扰继而更新复用价格;最后采用注水算法利用拉格朗日条件来优化价格.仿真表明,该算法不仅可以简单地控制干扰功率,而且还有效地提高了系统吞吐量.