基于声望和重叠式联盟博弈的频谱感知和分配研究

发布时间：2020-08-25 05:23

【摘要】：随着无线通信技术和移动通信应用技术的快速发展,对频谱资源的需求日益增加,为了提高授权频谱的利用率,认知无线电(CR)概念应运而出。合作频谱感知和资源分配是认知无线电技术领域的核心技术,目前已有大量的研究成果。其中基于联盟博弈的频谱感知和资源分配模型受到广泛关注,但现有多数文献的优化目标是提高网络的全局吞吐量,而忽视了资源分配的公平性,导致资源分配不均,甚至可能出现个别次用户(SU)长期占用空闲频谱的情况。为了在提高频谱资源分配效率的同时兼顾资源分配的公平性,本文建立了基于声望值和重叠联盟博弈的频谱感知和资源分配模型。该模型将声望机制引入重叠式联盟博弈模型,并用于设计频谱资源在联盟中的分配规则,使得次用户的收益和自身的声望值密切相关,从而可以减少次用户的恶意行为和自私行为。在此基础上,本文提出一种基于声望值的重叠联盟形成(R-OCF)算法。仿真结果表明:R-OCF算法的资源分配效率更高,与无声望机制的OCF算法相比,全局有效吞吐量提高4.9%~5.3%,与基于声望值的分离联盟形成(R-DCF)算法相比,全局有效吞吐量提高81.5%~89.2%。同时,R-OCF算法的资源分配公平性更高,在同一个网络中,高声望用户获得的收益远远高于低声望用户获得的收益。
【学位授予单位】：天津大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TN925

【参考文献】