认知无线电中基于声望和重叠式联盟博弈的频谱感知和资源分配算法

发布时间：2021-09-29 21:54

　　在认知无线电网络中,次用户频谱感知和接入会受到多径衰落和阴影衰落等因素的影响.为了提高频谱感知准确度和资源分配效率,将多个次用户合作频谱感知和接入问题建模为重叠式联盟博弈模型,每个次用户可以加入多个联盟来提升自己的期望收益.为了提高全局有效吞吐量和资源分配公平性,引入声望机制来设计联盟资源分配规则,提出了基于声望值的重叠式联盟形成（R-OCF）算法.仿真结果表明:与无声望机制算法和分离式联盟形成（DCF）算法相比,R-OCF算法的资源分配效率和公平性更高;同时,次用户的期望收益和自身声望值相关,次用户的声望值越高,获得的期望收益越大. 

【文章来源】：南开大学学报(自然科学版). 2020,53(02)北大核心CSCD

【文章页数】：9 页

【部分图文】：

仿真场景示意图

图5是全局有效吞吐量随着主用户个数变化的仿真结果,次用户个数N设置为10,主用户个数M设置为1-12.从该图中可得到图4的3个直观结论.但是从图5中可以看出,虽然R-OCF算法和R-DCF算法分别比OCF算法和DCF算法的全局有效吞吐量要高,但是提升幅度不大.这是因为当主用户个数M较少时,全局有效吞吐量受到频谱资源限制;当主用户个数M较多时,频谱资源充足,声望值较低的次用户也有大量的机会获取信道使用权,不能体现出基于声望值进行频谱分配的明显优势.图5 全局有效吞吐量随着主用户个数变化的结果图(N=10)

考虑一个包含M个主用户,N个次用户和一个基站(Base Station,BS)的认知无线电网络,网络中每个主用户授权使用一个信道.将多个次用户进行合作频谱感知和资源分配的模型建模为重叠式联盟博弈模型,每个信道对应一个联盟,共M个联盟,参与感知和分配某个信道的次用户集合组成该信道对应的联盟,每个次用户可以加入多个联盟,图1为基于重叠式联盟博弈模型的认知无线电网络结构示意图,其中每个椭圆分别代表一个联盟.不在任何椭圆内部的次用户不属于任何一个联盟,该次用户不参与频谱感知和资源分配.主用户集合用M={1,?,M}表示,次用户集合用N={1,?,N}表示,重叠式联盟结构用O表示:


本文编号：3414544