本发明属于通信技术领域,涉及一种基于多任务群智感知的协作频谱感知方法。
背景技术:
为了提升无线频谱的利用效率,认知无线电技术被广泛应用于无线通信技术中。其中,认知无线电技术主要包括频谱感知,频谱管理和共享等多种技术。频谱感知是指某频谱已被分配给某个用户,但是该用户在某些时间和位置并没有使用该频谱。为了让一些未授权用户可以使用特定区域该频段频谱以提升频谱利用率,可以安排一些次用户对这一区域的频谱使用情况进行感知。频谱感知技术按感知人数的不同主要可以划分为单用户感知与协作频谱感知。在移动通信中,无线信号存在大尺度衰落与多径效应,所以单用户感知并不是十分准确,所以需要多用户协作感知。
然而在协作频谱感知中,次用户的选择和激励是两个重要的挑战。首先,感知数据较好的次用户可以有效提升最后的融合判决准确度。其次,次用户的感知积极性直接影响了协作频谱感知能否有效进行。现有的协作频谱感知方法的研究前提的是次用户无条件愿意进行频谱感知,忽视了感知次用户的招募和感知积极性。群智感知激励机制作为一种多人感知的有效激励机制,可以分为有报酬激励与无报酬激励两种,无报酬激励机制主要由娱乐激励和社会荣誉激励组成,适用范围较窄。有报酬激励机制主要采用的是博弈论方面的方法。当前的多数群智感知激励机制的文献并没有考虑到多人感知多任务的场景,也没有将群智感知的场景具体化到协作频谱感知中去。
群智感知激励机制作为一种激励感知次用户的有效机制,恰好可以与协作频谱感知相结合。本发明首次将群智感知的激励机制应用于协作频谱感知中,提出了一种感知次用户效用最优的多任务激励方法,解决了协作频谱感知中次用户的招募和激励问题,可以使在次用户获得最优效用,以激发次用户的感知积极性,从而提升协作频谱感知的准确性。
技术实现要素:
技术问题:本发明是一种基于多任务群智感知的协作频谱感知方法,该方法将群智感知激励机制应用于协作频谱感知,建立次用户效用函数,对效用函数中的采样点数进行优化,从而使次用户的效用最优,激励次用户参与频谱感知,从而提高检测概率。
技术方案:本发明基于多任务群智感知的协作频谱感知方法,包括以下步骤:
一种基于多任务群智感知的协作频谱感知方法,该方法包括以下步骤:
1)次用户次用户基站发布感知信息:发布信息包括待感知任务,每个任务代表一个待感知信道,信道共有n个,各任务的预算bi(i=1,2,...,n)和价格系数k;
2)建立次用户效用函数
3)各个次用户计算感知不同信道的效用,具体步骤如下:
步骤3-1):次用户j随机选择一个信道,计算
步骤3-2):解方程组
步骤3-3):次用户j感知信道i的最优采样点数
步骤3-4):次用户j感知信道i的效用是
步骤3-5):次用户j比较所有效用,选择最大的效用,若最大效用大于阈值,则向次用户基站提交选择的信道和预计的检测概率,否则不提交;
4)次用户次用户基站在收到所有信息后,在有限的预算条件下对各任务按检测概率的大小挑选检测概率大的次用户;
5)次用户基站通知被选中的次用户开始频谱感知;
6)次用户将感知后的判决结果发送至次用户基站;
7)次用户基站发放报酬,次用户j感知信道i的报酬为k·pji·bi;
8)次用户基站采用表决融合准则对次用户提交的结果进行融合判决。
本发明将协作频谱感知与多任务群智感知相结合,建立次用户效用函数,通过提升次用户的效用来激发次用户的感知积极性。
有益效果:本发明与现有技术相比,具有以下优点:
1.将多任务群智感知应用到协作频谱感知中,使用多任务群智感知的激励机制来招募并激励次用户,使协作频谱感知得以有效进行。
2.建立次用户效用函数,通过对次用户采样点数的优化以获得最优效用,提升次用户感知积极性,从而提升最终融合判决的准确性。
3.提出多人感知多任务的模型,单个人可以感知多个任务,但是同一时间只能感知一个任务。使次用户的选择增加,保障了次用户的效用,提升了次用户的感知积极性。
附图说明
图1为一种基于多任务群智感知的协作频谱感知方法流程图。
图2为不同预算次用户平均效用的变化图。
图3为不同预算次用户平均检测概率的变化图。
图4为不同人数次用户平均检测概率的变化图。
图5为不同人数次用户平局错误概率的变化图。
具体实施方式
以下结合附图具体说明本发明技术方案。图1为本发明技术方案一种基于多任务群智感知协作频谱感知的方法流程图。
本发明的基本思路是将多任务群智感知应用到协作频谱感知之中以解决次用户的招募和激励问题。对参与协作频谱感知的次用户的采样点数进行优化,以获得最优效用。方法是将群智感知激励机制应用于协作频谱感知,建立次用户效用函数,对效用函数中的采样点数进行优化,从而使次用户的效用最优,激励次用户参与频谱感知,从而提高检测概率。
本发明基于多任务群智感知的协作频谱感知方法,包括以下步骤:
1)次用户次用户基站公布任务集{ti}:每个任务代表一个待感知信道,信道共有n个,任务集包括各任务的预算bi,i=1,2,...,n和价格系数k,价格系数用于计算次用户的效用;
2)建立次用户效用函数
需要说明的是,要求次用户效用的最优,需要先证明次用户效用存在最优值,即要证明uji关于nji的一阶偏导数单调递减且存在负值,先求效用函数uji关于采样点数nji的一阶偏导数,得
式中
令
由于信噪比、价格系数和预算都是正数,所以s>0,又
所以一阶偏导数
所以
3)各个次用户先计算感知不同信道的效用,具体步骤如下:
步骤1:次用户j随机选择一个信道,计算
步骤2:解方程组
步骤3:次用户j感知信道i的最优采样点数nji*为
步骤4:次用户j感知信道i的效用是
步骤5:次用户j比较所有效用,选择最大的效用,若最大效用大于阈值,则向次用户基站提交选择的信道和预计的检测概率,否则不提交;
4)次用户次用户基站在收到所有信息后,在发放的报酬不超过预算的前提下,对各任务按次用户提交的检测概率的大小,挑选检测概率较大的次用户;
5)次用户基站通知被选中的次用户开始频谱感知;
6)次用户将感知后的判决结果发送至次用户基站;
7)次用户基站发放报酬,次用户j感知信道i的报酬为k·pji·bi;
8)次用户基站采用表决融合准则对次用户提交的结果进行融合判决,表决融合准则是在m个感知用户中,设置一个表决门限k,当有k个以上的感知用户支持一个假设时,此假设被判定成立。
综上所述,将多任务群智感知应用到协作频谱感知中,把每个待感知信道看做一个任务,建立次用户效用函数,对效用函数中的采样点数进行优化,从而使次用户的效用最优。如附图2所示不同预算情况下本发明方法的次用户平均效用比固定采样点数方法的次用户效用要高出许多,而通过附图3可以看出本发明方法的融合后平均检测概率也要远远高于固定采样点数方法。附图4和附图5显示,在不同次用户数量和大尺度衰落系数的条件下,无论是检测概率还是错误概率,本发明方法的结果都要好于固定点数方法。因而说明基于多任务群智感知的频谱感知方法可以有效激励次用户参与感知并提高检测概率。