一种基于纳什讨价还价模型的协作频谱感知方法与流程

本发明属于移动通信技术中频谱感知领域，特别涉及一种基于纳什讨价还价模型的协作频谱感知方法。

背景技术：

采用认知无线电技术来实现无线频谱利用率的提升，可有效缓解无线频谱资源的紧缺。频谱感知技术是认知无线电技术的重要组成部分，主要是探知在何时何地某段频谱被使用的情况。如果该频谱空闲，可以将频谱暂时分配给其它用户。频谱感知分为单用户频谱感知和协作频谱感知，其中协作频谱感知属多个次用户共同感知。在移动通信中，由于存在信号的衰落，单用户感知的结果可靠性较低，目前多数采用协作频谱感知。

更多的次用户参与频谱感知可以有效降低频谱感知的偶然性，从而提高频谱感知的准确性。然而次用户的感知积极性直接影响着协作频谱感知能否有效进行。现有的协作频谱感知方法是以各次用户无条件参与频谱感知作为研究前提条件，忽视了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了博弈论的方法。在已有的频谱感知的文献中没有记载将纳什讨价还价模型应用到频谱感知中的方法，也没有文献研究在非理想信道下通过对次用户的感知时间和发射功率的优化以获得最大效用期望。

技术实现要素：

发明目的：本发明的目的是提供一种基于纳什讨价还价模型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中，激励更多用户协作进行频谱感知，解决了现有技术中当融合平台(基站)信道比较差的情况下频谱感知不理想的问题，可以提高信息发送的正确率和频谱感知的性能。

技术方案：本发明所述的一种基于纳什讨价还价模型的协作频谱感知方法，该方法包括以下步骤：

(1)基于纳什讨价还价模型，建立次用户之间的感知信息协作传输模型。

进一步地，步骤(1)包括以下步骤：

(11)次用户基站发布感知的频谱信息，所述感知的频谱信息包括：感知信道、次用户对频谱信息检测正确的报酬k和不正确的报酬k′；

(12)建立如下次用户预期效用函数：

其中，和分别代表基站接收到次用户i频谱判决结果正确和错误的概率，ti为次用户i的感知时间，si为次用户i的发射功率，c和cs分别表示单位感知时间的代价和单位发射功率的代价；

(13)次用户采用能量检测方式进行频谱感知，其检测概率pi为：

其中，pf为次用户i的目标虚警概率，γi表示次用户i感知信道的信噪比；tifs表示次用户i的采样点数，记为ni；采样频率fs是一个定值；

(14)根据以下公式求解获得各个次用户的最优感知时间和发射功率：

其中，pe为传输误码率，假设次用户采用2DPSK调制方式，则接收端采用非相干解调的误码率为n表示白噪声功率。为简化公式，可以记作：

各次用户根据最优感知时间完成频谱感知；

(15)如果次用户的预期效用高于阈值utility^th，则独自发送频谱信息至基站，否则转至步骤(2)。

(2)根据感知信息协作传输模型求解纳什讨价还价最优的数据交易方式。

进一步地，所述步骤(2)包括以下步骤：

(21)各次用户与周围一定范围内的次用户沟通，选择频谱信息的信噪比大于自己的次用户；

(22)次用户依次与选择的其它次用户进行讨价还价；

(23)如果数据交易均未达成一致，则自身用户将数据发送至基站；否则对比各个报价，选择最高交易价格的次用户进行数据交易，并将感知的信息发送至对方。

进一步地，步骤(21)中，所述范围为20米。

进一步地，步骤(22)中，所述讨价还价为普通的轮流出价型讨价还价。

进一步地，所述讨价还价为：通过KKT条件，出售数据的次用户i和购买数据的次用户j之间根据如下公式执行感知数据交易：

其中，ri^j为次用户i和次用户j之间的感知数据交易价格；αi和αj分别表示次用户i和次用户j的竞价能力；代表次用户j从次用户i处获得数据的代价；，Ti^j表示次用户i向j发送数据的代价；为次用户j向基站发送次用户i感知的预期期望；utilityi为次用户i直接发送数据至基站的期望效用。

(3)当次用户无法直接将感知的频谱信息发送给基站时，按照步骤(2)中最优的数据交易方式对感知的频谱信息进行传递。

有益效果：本发明具有以下优点：

1、基于纳什讨价还价模型，将群智感知应用到协作频谱感知中，运用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、建立了次用户效用函数，通过对次用户采样点数和发射功率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、允许次用户间的数据交易，到基站的信噪比较低的次用户可以将数据售卖给信噪比较高的次用户再转发，提高发送正确率，从而提高检测概率。

附图说明

图1为本发明方法中的次用户感知数据交易流程图；

图2为本发明方法中的融合后的正确概率随检测正确报酬的变化图；

图3为本发明方法中的次用户平均效用随检测正确报酬的变化图；

图4为本发明方法中的融合后的正确概率随主用户发射功率的变化图；

图5为本发明方法中的次用户平均效用随主用户发射功率的变化图。

具体实施方式

下面结合附图和具体实施方式，对本发明的技术方法作进一步的介绍。

请参见图1，其示出了一种基于纳什讨价还价模型的协作频谱感知方法的流程图。

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。先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；再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。

本发明所述一种基于纳什讨价还价模型的协作频谱感知方法，包括以下步骤：

(1)次用户基站发布感知信息：发布信息包括待感知信道、次用户检测正确的报酬k和不正确的报酬k′；

(2)建立次用户预期效用函数：

其中，和分别代表基站接收到次用户i判决结果正确和错误的概率，ti为次用户i的感知时间，si为次用户i的发射功率，c和cs分别表示单位感知时间的代价和单位发射功率的代价，需要对感知时间和发射功率进行优化，求出预期效用最优值。

次用户采用能量检测的方式进行频谱感知，次用户i的检测概率pi可以表示为：

其中，pf为次用户i的目标虚警概率，γi表示次用户i感知信道的信噪比；tifs表示次用户i的采样点数，记为ni，采样频率fs是一个定值；Q函数表达式为：

为了提高效率，当检测概率小于0.5时，由于数据质量不具有参考价值，该次用户不参与感知，因此只有检测概率pi大于0.5的次用户可能会参与感知，由Q函数性质可知，若检测概率大于0.5，则Q函数中的x小于0，即：

本步骤的目标是优化感知时间和发射功率，以获得最佳效用，则优化问题可以表示为：

-si＜0 (4c)

其中约束条件(4b)可以由检测概率大于0.5推导出，(4c)表示次用户的发射功率大于0。

上述优化问题为凸优化问题，通过KKT条件可以求出最优感知时间和发射功率。令Xi＝(ti,si)，hk(Xi)＜0,k＝1,2表示凸优化问题的两个约束条，定义拉格朗日方程：

那么凸优化问题P1的KKT条件为：

μk≥0k＝1,2 (7)

hk(Xi)＜0k＝1,2 (8)

由条件(8)可知，μk＝0,k＝1,2。因此公式(6)可表示为：

其中，pe为传输误码率，假设次用户采用2DPSK调制方式，则接收端采用非相干解调的误码率为n表示白噪声功率。为了公式的简短，方程中

(3)解方程(9)可以获得各个次用户的最优感知时间和发射功率，各个次用户根据感知时间完成频谱感知；

(4)如果次用户的预期效用高于阈值utility^th，则独自发送数据至基站，否则转至步骤(5)；

(5)各个次用户与周围一定范围内的次用户沟通，选择信噪比大于自己的次用户；

(6)次用户依次与选择的次用户进行讨价还价。

将次用户之间感知数据的买卖建模为讨价还价模型，为了便于表述，将出售数据的一方记为次用户i，购买数据的一方记为次用户j。令ri^j表示次用户j从次用户i处购买数据的价格，Ti^j表示次用户i向j发送数据的代价。那么讨价还价中次用户i的效用ui可以表示为：

ui＝ri^j-Ti^j (10)

次用户i与次用户j达成数据交易的前提是次用户i从交易中获得的收益高于直接发送数据至基站的收益。因此，将次用户i的谈判破裂点di设置为其直接发送数据至基站的期望效用utilityi。

次用户j上传次用户i感知数据给基站的预期期望可以表示为

因此次用户j在讨价还价中的效用可以表示为：

其中代表次用户j从次用户i处获得数据的代价。

在未达成交易前，次用户j无法从i的数据中获得收益。因此次用户j的谈判破裂点dj为0。

双方的效用分别减去各自的破裂点，得：

Ui＝ri^j-Ti^j-utilityi (13)

从公式(13)中可以看出，交易后次用户j的边界贡献效用为因此，双方的竞价可以看作两个次用户对大小为效益的划分进行讨价还价。utilityi的值在次用户i完成频谱感知后就已经确定，此处需要证明存在最大值，否则ben的大小无法确定。

为便于描述，且不失一般性地，取p(u1)＝p(u0)＝0.5，即主用户的存在概率为0.5，则公式(10)可以简化为：

对sj求一阶导数可得：

对sj求二阶导数可得：

根据定义，k-k′＞0，虚警概率pf小于0.5，所以

因此，随sj单调递减。当sj取0时，令大于0。当sj趋向于正无穷大时，小于0。所以先随sj单调递增然后单调递减，当为0时，取得最大值。

令xi和xj分别表示次用户i和次用户j获得的收益比例，那么可以将公式(13)和公式(14)重新表示为：

Ui＝xi·ben-Ti^j (19)

其中0＜xi＜1，0＜xj＜1且0＜xi+xj＜1。

根据纳什讨价还价解，当次用户i和次用户j达成交易时，双方的效用需要满足以下最优化条件：

其中，αi和αj分别表示次用户i和次用户j的竞价能力。竞价能力是竞价一方对另一方的施加影响的能力，这个能力使其能够在竞价中获得最大的效用。在一场讨价还价博弈中，双方的竞价能力和为1，本方法对次用户的竞价能力取随机值。

显然，公式(21)所代表的优化问题可行域为凸集。易知目标函数的拉普拉斯算子为0，该目标函数为凸函数，因此该优化问题为凸优化问题。因为公式(21)优化问题的目标函数为随xi和xj的单调递增函数，且当双方达成交易时，目标函数值必然大于0，对目标函数取对数运算后优化结果不变，所以优化问题公式(21)可以等价于下面的优化问题：

因为公式(21)为凸优化问题，所以公式(22)也是凸优化问题。因此，可以使用一阶KKT条件解决这个凸优化问题，定义拉格朗日方程：

因此，该凸优化问题的KKT条件为：

根据KKT条件，可以解得：

因此，次用户i和次用户j之间的感知数据交易价格ri^j可以表示为：

(7)如果都未达成一致，则自己将数据发送至基站，否则对比各个报价，选择最高的交易价格；

(8)次用户与出价最高者进行数据交易，将数据发送至对方。

综上所述，在协作频谱感知中允许次用户之间进行数据的交易，误码率较高的次用户不直接发送数据至基站，而是以交易的方式选择其它次用户作为中继转发传送数据。以纳什讨价还价模型来建立次用户之间的数据交易模型，通过纳什讨价还价解来得出最优的交易方式。这样可以激励更多无法直接将数据发送至基站的次用户参与感知，以提高频谱感知正确率。附图2是说明不同报酬情况下本发明方法的检测正确概率比无转发方法的正确概率要高出许多，而附图3可以看出本发明方法的次用户平均效用也要远远高于无转发的方法。附图4和附图5显示，在不同次用户发射功率的条件下，无论是正确概率还是次用户平均效用，本发明方法的结果都要好于无转发方法。因而说明基于讨价还价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。