Optimal resource allocation scheme for cognitive radio networks with relay selection based on game theory

In this paper, we present a non-transferable utility coalition graph game （NTU-CGG） based resource allocation scheme with relay selection for a downlink orthogonal frequency division multiplexing （OFDMA） based cognitive radio networks to maximize both system throughput and system faimess. In this algorithm, with the assistance of others SUs, SUs with less available channels to improve their throughput and fairness by forming a directed tree graph according to spectrum availability and traffic demands of SUs. So this scheme can effectively exploit both space and frequency diversity of the system. Performance results show that, NTU-CGG significantly improves system faimess level while not reducing the throughput comparing with other existing algorithms.

Power Control and Routing Selection for Throughput Maximization in Energy Harvesting Cognitive Radio Networks

This paper investigates the power control and routing problem in the communication process of an energy harvesting(EH)multi-hop cognitive radio network(CRN).The secondary user(SU)nodes(i.e.,source node and relay nodes)harvest energy from the environment and use the energy exclusively for transmitting data.The SU nodes(i.e.,relay nodes)on the path,store and forward the received data to the destination node.We consider a real world scenario where the EH-SU node has only local causal knowledge,i.e.,at any time,each EH-SU node only has knowledge of its own EH process,channel state and currently received data.In order to study the power and routing issues,an optimization problem that maximizes path throughput considering quality of service(QoS)and available energy constraints is proposed.To solve this optimization problem,we propose a hybrid game theory routing and power control algorithm(HGRPC).The EH-SU nodes on the same path cooperate with each other,but EH-SU nodes on the different paths compete with each other.By selecting the best next hop node,we find the best strategy that can maximize throughput.In addition,we have established four steps to achieve routing,i.e.,route discovery,route selection,route reply,and route maintenance.Compared with the direct transmission,HGRPC has advantages in longer distances and higher hop counts.The algorithm generates more energy,reduces energy consumption and increases predictable residual energy.In particular,the time complexity of HGRPC is analyzed and its convergence is proved.In simulation experiments,the performance(i.e.,throughput and bit error rate(BER))of HGRPC is evaluated.Finally,experimental results show that HGRPC has higher throughput,longer network life,less latency,and lower energy consumption.

基于区块链的认知无线电网络电视频谱资源分配方法

随着无线网络技术的发展,电视频谱资源日益稀缺。提出一种认知无线电网络(Cognitive Radio Network,CRN)中基于区块链的电视频谱资源分配方法。主用户(Primary Users,PUs)可以在满足自己通信质量要求的情况下对次用户(Secondary Users,SUs)的干扰功率进行定价来控制SUs的传输,SUs根据自身利益,选择是否付出一定的代价接入PUs的频段,且资源分配方案通过智能合约记录在区块链上。将PUs与SUs之间的相互作用制定为一个斯塔克尔伯格(Stackelberg)博弈问题,利用所采用的算法求解均衡。仿真结果表明了所提方法的有效性。

Resource flow:Autonomous cognitive resource management framework for future networks

From an end-to-end performance perspective,a multi-agent-based cognitive resource management(MA-CRM) framework is proposed in this article.More importantly,we introduce a novel concept of resource flow(RF) as integrated CRM in a multi-dimensional environment scenario.We concentrate on the autonomous CRM framework in cognitive radio(CR) networks.Specifically,we first summarize the necessity of the novel concept for implementing intelligent and autonomous resource management considering both the requirements of various types of resource and the unified framework of the CRM scheme.Then,we introduce the concept of RF,including the technical aspects,purpose,classification,and description.Finally,we give a use case of RF for autonomous CRM,where the optimal RF is achieved to guarantee the resource-imbalanced requests of different service traffic flows.

基于双边拍卖机制的频谱切换算法研究

随着无线电业务的爆炸式增长,频谱稀缺成为无线通信中一个棘手的问题。在此背景下,认知无线电网络应运而生,而选择最佳的信道进行频谱切换是认知无线电网络面临的一个挑战。目前,利用博弈论选择最佳信道进行频谱切换被证明是有效的方法。研究了一种基于双边拍卖机制的认知无线网络频谱切换优化方案,提出了一种基于传输率的报价算法。仿真结果表明,利用该方案选择最佳信道进行频谱切换十分有效。

Resource allocation for network profit maximization in NOMA-based F-RANs:a game-theoretic approach

Non-orthogonal multiple access(NOMA)based fog radio access networks(F-RANs)offer high spectrum efficiency,ultra-low delay,and huge network throughput,and this is made possible by edge computing and communication functions of the fog access points(F-APs).Meanwhile,caching-enabled F-APs are responsible for edge caching and delivery of a large volume of multimedia files during the caching phase,which facilitates further reduction in the transmission energy and burden.The need of the prevailing situation in industry is that in NOMA-based F-RANs,energy-efficient resource allocation,which consists of cache placement(CP)and radio resource allocation(RRA),is crucial for network performance enhancement.To this end,in this paper,we first characterize an NOMA-based F-RAN in which F-APs of caching capabilities underlaid with the radio remote heads serve user equipments via the NOMA protocol.Then,we formulate a resource allocation problem for maximizing the defined performance indicator,namely network profit,which takes caching cost,revenue,and energy efficiency into consideration.The NP-hard problem is decomposed into two sub-problems,namely the CP sub-problem and RRA sub-problem.Finally,we propose an iterative method and a Stackelberg game based method to solve them,and numerical results show that the proposed solution can significantly improve network profit compared to some existing schemes in NOMA-based F-RANs.

认知无线电网络中基于随机学习博弈的信道分配与功率控制

传统的认知无线电频谱分配算法往往忽略节点的传输功率对网络干扰的影响,且存在节点间交互成本高的问题.为此,通过量化传输功率等级,以最大化弹性用户收益为目标,构建联合频谱分配与功率控制非合作博弈模型,证明了该博弈为严格潜在博弈且收敛到纳什均衡点.进一步,将随机学习理论引入博弈模型,提出了基于随机学习的策略选择算法,并给出了该算法收敛到纯策略纳什均衡点的充分条件及严格证明.仿真结果表明,所提算法在少量信息交互前提下能获得较高的传输速率,并提升用户满意度.

认知无线网络中基于代理的动态频谱交易算法

为了提高认知无线网络中频谱共享所产生的效益,研究了认知网络的频谱管理技术,提出了一种基于代理的频谱交易算法。该方法以代理商作为频谱交易和分配的中介,减轻了多主用户、多次用户频谱交易过程中的系统开销;在各主用户服务提供商之间采取相互竞争或相互合作的模式以最大化自身利益或总体利益为目标与代理商达成最终的频谱交易价格和频谱出售量,代理商把交易得来的频谱在次用户之间进行拍卖,各次用户向代理商投标,代理商根据其投标分配相应的频谱,次用户自适应地调整投标以使自身利益最大化。主用户服务提供商之间的竞争或合作和次用户之间的竞拍均采用纳什均衡作为最终的结果。基于MATLAB对所提算法的性能进行了仿真,仿真结果验证了该算法的有效性。

认知无线电环境下MIMO-OFDM系统的无线资源管理

本文以IEEE802.22无线广域网标准为基础,研究了认知无线电环境下MIMO-OFDM系统中分布式无线资源管理问题.基于博弈理论分析,文中首先证明了在全局容量最大化的博弈情况下分布式多用户信道功率分配是Supermodular博弈,并给出了相应的分布式多用户信道功率分配算法,并进一步给出了在认知无线电环境下MIMO- OFDM多用户子载波功率分配问题的解决方法.仿真结果表明,本文算法通过有限的重复博弈,可以有效的提高网络容量.

TD-SCDMA无线接入网自主负载均衡管理方法

基于自主管理技术和博弈理论提出一种自主负载均衡管理方法——博弈分流自主负载均衡法。通过理论分析证明了其中的关键算法可以收敛到局部最优解。通过仿真验证了新方法在均衡负载以及提升系统容量方面的性能优于现有方法,并能解决现有方法中基站交叠面积不受控和切换机制阻碍均衡行为的问题。

异构网络无线资源管理中的非合作博弈

蜂窝网与无线局域的网融合网络可以为移动用户提供宽带连接以及可靠的服务质量保证.本文在这样的无线融合网络中提出非合作的博弈模型,用于网络的无线资源管理.首先,一个长期的博弈被提出用于指导两种网络对各类业务的带宽分配.然后,在此带宽分配的基础上,一个短期的博弈又被提出用于指导两种网络的呼叫接纳控制策略.通过求取这两个博弈的纳什均衡,可以使两种网络所获得的总效用都达到最大.

基于排队时延及博弈分析的认知无线网络信道分配算法

提出了一种适用于认知无线网络的分布式动态频谱资源分配算法。该方法以业务分组的传输成功率作为用户的效用函数,通过优先级排队模型求解传输时延,并采用分布式博弈获得各用户的信道分配策略。与已有的算法相比,所提算法对策略迭代方式进行了改进,且采用了动态策略调整步长。各从用户根据当前感知的网络状态和其余用户的策略,不断动态调整自身的信道选择策略。所提出的算法能够使各认知用户信道选择策略更加快速地收敛到策略均衡点,有效抑制策略的振荡,减小分组丢失率。基于MATLAB对所提出的算法的性能进行了仿真,仿真结果验证了该算法的有效性。

认知车载网络中基于QoS保障的频谱共享新策略

构建了基于认知无线电的新型车载网络,并提出基于安全业务服务质量(QoS)保障的两步式频谱共享策略:多认知小区间的频谱分配和单认知小区内的频谱共享。仿真结果表明,提出的GNBS(generalized nash bargaining solution)分配方案综合考虑了系统的公平性和总效用,可获得明显大于最大化最小方案的系统和速率,以及明显优于最大化和速率方案的多认知小区间的公平性;GNBS方案可以根据多小区间频谱需求的差异性来动态调节资源分配的比例,有效地实现了需求非对称的多小区间频谱资源的最优化配置;此外,单小区内的协作频谱共享机制,使得协作双方均获得了优于非协作方案的系统效用,有效地提高了系统吞吐量以及认知OBU间的公平性。

认知无线网络中基于微观经济学的动态频谱管理算法

该文提出了认知网络中基于微观经济学的动态频谱管理机制,实现异构无线网络中频谱资源的动态分配,从而最大化频谱资源的利用率并提高运营商的收益。文中引入了频谱资源的经济价值因素以保证运营商间频谱交易的合理性。此外,为了保证系统的性能,文中提出了一种基于地理信息系统的空分模型,并设计了干扰抑制技术以限制动态频谱管理带来的干扰。博弈论是一种能够有效解决自主分布式无线资源优化的算法,该文将其引入,为不同运营商提供双赢的频谱交易策略。仿真结果表明,该频谱管理机制提高了频谱利用率以及运营商的收益,并有效地抑制了系统间的干扰。

一种新型认知无线电资源分配跨层技术

为有效利用频谱资源,提高频谱效率,文中利用环境感知技术,设计出认知无线电跨层结构框架,提出一种新的功率控制博弈BPCG(Bandwidth and Power Control Game Algorithm)算法,研究不同用户的频谱带宽分配和功率控制,该算法在确保频谱带宽有效分配前提下,通过对用户功率的有效控制,实现网络总吞吐量的提高。仿真结果表明该算法在相同的功率消耗前提下,网络吞吐量显著提高,并随频谱带宽的增加,实现网络吞吐量的最大化。

WRAN多小区上行链路信道与功率的联合分配

首先分析了无线区域网中无线麦克风与认知用户之间的共存问题,建立了新的无线麦克风与认知用户之间的共存模型.在此基础上,将无线区域网中多小区上行链路的信道和功率联合分配建模为势博弈,建立了每个认知用户的效用函数和系统的效用函数,并给出了数学证明.算法在执行过程中,各认知用户依据最优反应原则更新自己的策略.相比暴力搜索算法,该算法的复杂度很低.仿真结果验证了该算法的收敛性和正确性.

基于LTE-A技术无线资源管理的跨层联合博弈

提出了一种在LTE-A(long term evolution advanced,长期演进技术增强)技术下的无线资源管理跨层模型,阐述了模型的基本功能特征。以博弈论为依据,分析了无线网络资源的分配方式,并根据无线网络资源和系统协议栈中各层之间的联系,通过设计跨层结构,使各层博弈的目标统一。提出的理论模型面向多种无线网络资源,涉及多个无线网络协议栈层,实现了无线资源的综合管理以及各层之间的联合优化。

认知无线网络中基于随机博弈框架的频率分配

为了解决认知无线网络中分布式的动态频率分配问题,采用随机博弈的框架,将认知链路建模成自私理性的智能体,并提出了一种以最大化平均Q函数为目标的多智能体学习算法—MAQ。通过MAQ学习,分布式的智能体可以实现间接的协商而不需要交互Q函数和回报值,因为智能体的决策过程需要考虑其他用户的决策。理论证明了MAQ学习算法的收敛性。仿真结果表明,MAQ算法的吞吐量性能接近中心式的学习算法,但是MAQ只需要较少的信息交互。

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。