认知无线电中基于博弈论的功率控制算法

简要介绍了认知无线电技术和博弈论的相关知识,分析了非合作功率控制博弈模型算法特点.根据认知无线电的系统基本要求和特点,提出一种基于博弈论的功率控制算法.使得用户的发射功率和收益方面都比非合作功率控制算法的性能有了一定的提高,最后给出了仿真结果分析验证了该算法的性能.     

基于博弈论的认知无线电功率控制算法

基于博弈理论,提出了2种适用于认知无线电网络的功率控制算法,分别是完全信息功率博弈算法和非完全信息功率博弈算法。所提算法在满足干扰温度约束的前提下,以提高认知无线电网络总效用为目标,分布式实现功率控制。仿真比较了2种算法和已有认知无线电功率控制算法的性能差异,结果显示所提算法在系统平均效用和用户平均功耗方面均具有明显优势。     

基于博弈论的认知无线电功率控制算法

基于博弈理论,提出了2种适用于认知无线电网络的功率控制算法,分别是完全信息功率博弈算法和非完全信息功率博弈算法。所提算法在满足干扰温度约束的前提下,以提高认知无线电网络总效用为目标,分布式实现功率控制。仿真比较了2种算法和已有认知无线电功率控制算法的性能差异,结果显示所提算法在系统平均效用和用户平均功耗方面均具有明显优势。     

基于代价函数的认知无线电功率控制博弈算法

基于Goodman提出的非合作博弈功率控制模型改进了代价函数.提出了一种适用于认知无线电系统的功率控制博弈算法,并证明了其纳什均衡的存在性与唯一性.通过仿真表明,该算法同几种经典的分布式算法相比,不但降低了发送功率,提高了用户效用,而且有较好的收敛性能,适用于对时延特性要求较高的认知无线电系统.     

认知无线电中基于干扰温度的功率控制博弈算法

针对认知无线电系统中功率控制的问题,根据David Goodman的非合作博弈思想,设计了一个基于干扰温度的代价函数,并对效用函数中的有效函数作了改进,在此基础上提出一种基于干扰温度的功率控制博弈算法。在仿真分析中同几种常用的功率控制博弈模型作了对比,结果表明该算法能有效提高认知用户的帕累托效应,提高用户的吞吐量,保障认知用户和主用户的QoS需求,使网络资源得到平等共享。     

认知无线电中基于干扰温度的功率控制博弈算法

针对认知无线电系统中功率控制的问题,根据David Goodman的非合作博弈思想,设计了一个基于干扰温度的代价函数,并对效用函数中的有效函数作了改进,在此基础上提出一种基于干扰温度的功率控制博弈算法。在仿真分析中同几种常用的功率控制博弈模型作了对比,结果表明该算法能有效提高认知用户的帕累托效应,提高用户的吞吐量,保障认知用户和主用户的QoS需求,使网络资源得到平等共享。     

认知无线电网络中功率控制方法的研究

分布式功率控制是认知无线电系统常用的功率控制方法之一.将非合作博弈论的方法应用于认知无线电的功率控制上,在Goodman所提出NPG模型以及NPGP模型上来进行代价函数的改进,并提出一种新的博弈算法来实现对认知无线电系统的功率控制.该算法不仅考虑到系统用户之间的公平性,同时还考虑到认知用户之间干扰的影响,并通过理论证明了其纳什均衡的存在性与唯一性.仿真结果表明,该算法不仅能使用户发射功率降低,同时还可以使用户的效用提高,并且收敛性较好.     

能量有效的多小区OFDMA下行链路资源分配算法

为了实现多小区正交频分多址(OFDMA)下行链路资源动态分配,采用非合作博弈给出多小区OFDMA子信道分配和功率分配的联合博弈模型,各小区以最大化能量效率为目标实现资源动态分配.由于最优子信道和功率联合分配是NP-hard问题,为了求解联合博弈问题,首先,将其分解为子信道分配和功率分配2个子问题,然后,采用干扰信道增益比最小准则实现子信道分配,在此基础上,利用非合作博弈实现功率分配.理论分析显示:该博弈模型可表达为潜在博弈,从而保证了非合作博弈收敛于纳什均衡解.仿真结果表明:算法性能良好,虽然一定程度上降低了传输速率,但获得了较高的能量效率,实现了能量效率和传输速率折中.     

基于干扰权限交易的认知无线电网络功率控制算法

为提高认知无线通信系统频谱利用率和系统工作公平性,最大化授权用户和认知用户的经济效益,引入基于非合作博弈的干扰权限交易机制,提出了一种基于干扰权限交易的认知无线电网络功率控制算法.该算法允许授权用户在保证最低干扰门限的基础上交易其干扰权限,并对认知用户征收干扰价格来补偿其通信质量的降低.通过价格杠杆原理,授权用户和认知用户、认知用户和认知用户对干扰价格和发射功率进行非合作博弈,并且干扰价格和发射功率收敛于纳什均衡点.仿真结果表明,文中所提算法比传统算法具有更好的系统公平性和实用性.     

基于非合作博弈的认知无线网络功率控制算法

为降低认知无线网络节点间的干扰,保证网络的服务质量,文章提出一种基于效益的非合作博弈的功率控制算法。该算法利用博弈原理,使认知用户对发射功率进行非合作博弈;并在理论上证明发射功率存在唯一的纳什均衡解。仿真结果表明,该算法不仅具有较好的抗噪声能力,还能在保证授权用户和认知用户服务质量的前提下,降低认知用户的发射功率,从而减少用户间的干扰,提升网络的性能。     

认知无线网络中一种基于博弈的自适应功率控制算法

为了实现认知无线电中频谱分配公平性以及满足需要省电的情况,提出了一种基于博弈论的自适应功率控制算法,并证明了纳什均衡发射功率的存在性与唯一性。该算法不仅通过博弈论效用函数表达功率控制过程,解决了远近不公平现象和解决省电难题,而且通过设定信干噪比的最大与最小阀值,可以将不满足阀值的信干噪比值通过自适应加权公式,将其调整到阀值范围内,以满足省电需要。通过仿真分析可知,与其他算法比较,该算法不仅解决了认知无线电的远近不公平性现象,还可以通过减少发射功率,有效地解决了省电问题,而且当信干噪比在设定的阀值外时,通过自适应调整,使之在阀值范围内,减少了功率的浪费。     

基于超模博弈的认知无线Ad hoc网络分布式功率控制技术

考虑一种交织(Interweave)模式下的单跳认知无线Ad hoc网络(CRAHN)应用场景,针对次用户(SU)组成的Ad hoc网络提出一种分布式功率控制技术,以最大化提高次网络容量.SU网络通过频谱感知来探测主用户(PU)所在授权频段的使用情况.一旦授权频段空闲,次网络中的SU将利用授权频谱进行并发通信,目标是通过优化各SU的发射功率,以达到次网络频谱效率最大化.首先根据应用场景给出了网络容量优化近似模型,为了解决该非凸问题,将网络容量优化模型建立为等效博弈模型,并在不同的SINR条件下证明了Nash均衡的存在性和唯一性,最终提出基于Gradient Play的分布式功率控制算法来实现资源最优分配.仿真结果表明,该算法可在保证收敛性的同时、支持一定的并发通信用户数、提高该网络系统的频谱效率.     

基于频谱差异的动态频谱分配博弈算法

基于博弈论的认知无线电动态频谱分配,是目前认知无线电领域研究的热点之一。考虑到频谱差异性,采用古诺博弈(Cournot game)模型,在原有的定价函数中加入频谱相似度矩阵,提出了新的效用函数,使得更接近于实际网络环境。性能分析表明,考虑了频谱差异性的分配算法较原来算法更具多样性,适合实际网络分配。     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户对主用户干扰的目的。仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量。     

基于协作的动态频谱租赁序贯博弈

针对认知无线电频谱共享问题,在主用户与多接入感知用户共存的场景下,提出并分析了一种频谱租赁分层模型。该模型中感知用户间的竞争接入采用分布式异构机会功率控制方式;主从网络之间的竞争与协作采用序贯博弈。对博弈的完全信息模型给出了逆向归纳法求解方案,对不完全信息场景给出了一种近似求解方案。理论分析与仿真结果证明了所提出的模型与算法能够保证主用户的保留支付,并在两个层次(主从网络之间以及感知网络内)上公平的共享频谱。