一种频谱资源自分配方法与流程

本发明涉及无线通信、频谱资源分配、认知无线电技术领域，尤其涉及一种频谱资源自分配方法。

背景技术：

如今随着移动通信业务的快速增长，无线频谱资源正面临着大量短缺的问题。频谱资源短缺的同时，也存在着大量的频谱资源浪费的情况，有的频段比较拥挤，而有的频段却常常处于空闲状态。

在现有的网络构架可以分为集中式和分布式。分布式的网络具有低时延，通信开销低的优点。然而分布式网络也具有系统不稳定，频谱资源利用率低的问题。

技术实现要素：

本发明的实施例提供了一种频谱资源自分配方法，用于提升用户对频谱的利用效率。

为了实现上述目的，本发明采取了如下技术方案。

一种频谱资源自分配方法，该方法包括：

通过纳什博弈模型和斯塔克伯格博弈模型，构建基于认知函数的博弈模型；

通过该基于认知函数的博弈模型，结合经典注水算法，构建基于认知函数的注水模型；

通过迭代求解该基于认知函数的注水模型，获得频谱资源自优化分配结果；

通过迭代求解该基于认知函数的注水模型，并且在某次迭代求解的过程中对基于认知函数的注水模型进行多次收敛运算，获得频谱资源自优化分配结果。

优选地，通过纳什博弈模型和斯塔克伯格博弈模型，构建基于认知函数的博弈模型包括：

通过公式表示相互通信的k对用户中的接收信号，式中，vk为k接收到的噪声，hkk表示用户的信道增益，xk表示用户的发射信号；

通过公式表示用户的信道容量，式中pk为xk的功率，σk为vk的功率，pk表示用户对信道的利用情况；

通过对频谱带宽进行正交划分，并基于公式(2)，获得用户的总信道容量式中，rk满足条件

设用户共享n个频率的子信道，基于公式(3)获得式中，pk表示用户的功率分配策略，sk表示用户的可行策略空间，ck[n]表示用户k在第n个子信道上受到的干扰噪声总和；

通过使的测量值和下一时刻的预测值之间建立联系，求解公式(5)，获得基于认知函数的博弈模型式中，为变量的认知系数，为当前的功率分配策略，为下一时刻的功率分配策略，将称为认知函数，表示对将要得到的的预测。

优选地，设用户共享n个频率的子信道，基于公式(3)获得公式(5)包括：

在ofdma系统中，建立k个用户共享n个频率的子信道，基于公式(3)获得公式(5)。

优选地，通过该基于认知函数的博弈模型，结合经典注水算法，构建基于认知函数的注水模型包括：

设认知系数获得

基于纳什博弈模型的迭代注水算法与公式(7)，获得用户方案式中，wk表示注水线；

根据基于认知函数的博弈模型，当m＝1时仅有取值，m>1时获得

将公式(9)代入到公式(5)，并通过拉格朗日乘数法，获得

设公式(10)的取值为0，获得基于认知函数的注水模型式中为注水线，为认知系数。

优选地，通过迭代求解该基于认知函数的注水模型，获得频谱资源自优化分配结果包括：

根据基于认知函数的注水模型，建立频谱预分配方案

在频谱预分配方案中令对频谱预分配方案进行迭代，获得频谱资源自优化分配结果。

优选地，在某次迭代求解的过程中对基于认知函数的注水模型进行多次收敛运算的过程具体包括：在某次迭代求解的过程中对基于认知函数的注水模型进行多次收敛运算。

由上述本发明的实施例提供的技术方案可以看出，本发明提供的一种频谱资源自分配方法，适用于分布式的网络构架，不需要用户之间交换信道信息就能最大化地提升频谱利用效率。同时，提升系统的收敛速度保证系统的稳定性。该方法包括：认知的纳什博弈模型的构建，提出了基于认知的纳什博弈新模型，该模型赋予用户认知能力，具有效率高、结构简单的优点；新型注水算法的构建，将认知函数应用于传统的注水算法中，构建新型注的水算法。结合新博弈模型与新型注水算法构建频谱资源自优化分配算法，将认知的纳什博弈模型应用于频谱资源分配中。不需要用户之间交换信道信息，也不需要设置求解先后顺序，就能最大化地提升频谱利用效率；算法的加速方案，用户在通过本地多次的收敛运算，可以有效提升系统整体的收敛速度，保证系统的稳定性。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种频谱资源自分配方法的处理流程图；

图2为本发明提供的一种频谱资源自分配方法的一种优选实施例的处理流程图；

图3为本发明提供的一种频谱资源自分配方法的多用户干扰模型图；

图4为本发明提供的一种频谱资源自分配方法的算法流程图；

图5为本发明提供的一种频谱资源自分配方法的快速迭代算法流程图；

图6为本发明提供的一种频谱资源自分配方法的性能展示图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

参见图1和2，本发明提供的一种频谱资源自分配方法，包括：

通过纳什博弈模型和斯塔克伯格博弈模型，构建基于认知函数的博弈模型；

通过该基于认知函数的博弈模型，结合经典注水算法，构建基于认知函数的注水模型；

通过一次或多次迭代求解该基于认知函数的注水模型，并且还具有加速迭代的过程，其为在某次迭代求解的过程中对基于认知函数的注水模型进行多次收敛运算，最终获得频谱资源自优化分配结果。

进一步的，在一些优选实施例中，上述的通过纳什博弈模型和斯塔克伯格博弈模型，构建基于认知函数的博弈模型包括：

如图3所示，在一个多用户干扰信道环境中，有k对用户共享某个频谱段进行通信，每对用户有一个发送方和接收方，实线表示用户发射天线和接收天线之间的通信信道，虚线表示不同用户间的干扰信道；用如下公式表示对于用户k而言其接收到的信号yk，式中，vk为k接收到的噪声，hkk表示用户的信道增益，xk表示用户的发射信号；

当信道为瑞利平坦衰落信道，信号和噪声都服从零均值高斯分布，通过公式表示用户k的信道容量，式中pk为xk的功率，σk为vk的功率，pk表示用户对信道的利用情况，pk越大说明用户在该信道分配的功率越多，当pk＝0时用户停止对该信道进行占用；

通过orthogonalfrequencydivisionmultipleaccess(ofdma)系统将频谱带宽划分成正交的不重叠的一系列子载波；假设系统中k个用户共享n个频率的子信道，对于第n个子信道,hkk[n]表示用户k的信道增益，hki[n]表示用户i≠k对用户k造成的干扰信道增益pk[n]代表着信号xi[n]的功率，σk[n]代表着噪声vk[n]的功率；

则可基于公式(2)，获得k个用户的总信道容量式中，由于实际发射机的发射功率不可能无限增加，在模型中通常限定用户发射信号总功率rk满足条件

假设在ofdma系统中k个用户共享n个频率的子信道，所有用户信道的发射总功率满足条件(4)，基于公式(3)获得即分布式系统的优化模型；式中，pk表示用户的功率分配策略，sk表示用户的可行策略空间，ck[n]表示用户k在第n个子信道上受到的干扰噪声总和；

为了求解该优化模型(5)，可以通过使的测量值和下一时刻的预测值之间建立联系，获得基于认知函数的博弈模型式中，为可以自由选取的数值,称为认知系数，为当前的功率分配策略，为下一时刻的功率分配策略，将称为认知函数，表示对将要得到的的预测。

在认知函数中认知系数是可以自由选取的，其值应当与用户的认知策略有关，然后就可以通过注水算法的迭代进行求解频谱资源分配的最优解。

更进一步的，上述的通过该基于认知函数的博弈模型，结合经典注水算法，构建基于认知函数的注水模型包括：

根据传统的纳什博弈模型，设认知系数获得

基于纳什博弈模型的迭代wf算法与公式(7)，获得用户方案式中，wk表示注水线，其值与发射信号总功率有关；

系统内所有用户不断重复优化自己的功率配置，t→∞时，且在适当的条件下，系统会最终达到稳定的纳什均衡状态。

在基于认知函数的博弈模型中，当m＝1时仅有取值，m>1时此时该基于认知函数的博弈模型为如下形式

将公式(9)代入到公式(5)，并且满足条件(4)，并通过拉格朗日乘数法，获得

设公式(10)的取值为0，获得基于认知函数的注水模型式中为注水线，其值与发射信号总功率有关，为m＝1时的认知系数。

进一步的，在实际的应用中，不同的通信系统和通信服务类型应选取与其相适应的通信策略，依照以上类似的方案来调整认知函数，就可以得到这种新型的注水算法方案，采用了上述新型的注水算法方案能够有效地提升系统的收敛速度，进而提高了迭代的速度，通过系统加速迭代进行求解频谱资源分配的自优化方案。

如图4所示，上述根据基于认知函数的注水模型，建立频谱预分配方案的步骤具体包括：

在ofdma中建立认知用户的频谱预分配方案：

其中在下面的仿真成果展示中选取对频谱预分配方案进行一次或多次的迭代，获得频谱资源自优化分配的结果。

本领域技术人员应能理解上述选取的认知系数仅为举例，本领域技术人员根据实际需要选取的认知系数如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

系统频谱分配算法收敛速度关系到系统整体的稳定性。各个通信用户如果快速地变化通信资源分配方案就会使得其通信稳定性降低，也不利于系统适应动态的通信环境。提升系统整体的收敛速度就是快速提升式在系统整体的达到均衡收敛的速度。为了实现这一加速迭代收敛的过程，如图5所示，可以在任意一次系统迭代中加入数次的用户在本地收敛迭代的计算，从而提升整个系统的收敛过程。这一思想为本发明的加速迭代方案。在本实施例中，在加速迭代收敛方案的设计中用户可以在算法中通过本地多次对进行多次的收敛运算，从而提升系统整体的收敛速度，从而保证系统的稳定性；图6显示了在ofdma使用上述加速收敛运算方法的性能提升结果。

综上所述，本发明提供的一种频谱资源自分配方法，具有如下特点：

根据纳什博弈模型和斯塔克伯格博弈模型，提出了基于认知的纳什博弈新模型。在模型中定义了反映了用户之间竞争关系的认知函数，参与认知纳什博弈的每个用户都可以选择自己的认知函数，由此可以设计出更多样的博弈模型；

将认知函数应用到优化方案的求解过程中，结合传统的注水算法，来构建新型注水算法，为优化方案提供了有效简明的理论工具；

将认知的纳什博弈模型应用于频谱资源分配中。在分布式的网络中，该算法不需要用户之间交换信道信息，也不需要设置求解先后顺序，就能最大化地提升频谱利用效率；

用户在频谱分配策略中通过本地多次的收敛运算，可以有效提升系统整体的收敛速度，保证系统的稳定性；

根据纳什博弈模型和斯塔克伯格博弈模型，提出的基于认知的纳什博弈新模型，通过赋予用户认知预测的能力，解决了传统纳什博弈效率低下和斯塔克伯格博弈计算复杂的问题，继承了传统纳什博弈结构简单和斯塔克伯格博弈效率高的优点。该模型为基于认知的博弈新理论的频谱资源自优化分配算法的研究提供了理论基础；

在提出的认知纳什博弈新模型中，用户可以像纳什博弈一样用户可以自由竞争，不分先后地求解均衡。同时系统中有多个用户具有认知预测能力的情况，用户不能仅仅是简单预测别人的策略，更要引导其它用户选择对所有人都有利的策略，这样每个用户才都能达到更好的结果，避免冲突，使整个系统获得更高的效率；

在提出的认知纳什博弈新模型中定义了反映了对用户之间竞争关系认知的认知函数，参与认知纳什博弈的每个用户都可以选择自己的认知函数，由此可以设计出更多样的博弈模型。每个参与竞争的用户通过认知函数实现自由公平的竞争，以此来实现系统的最大效益；

在本发明中提供的新的注水模型实现了信道资源利用效率的最优化：该方案的信道速率可以达到理论上的频谱利用率的最大值，在不同场景下均能取得良好的系统性能。能够智能地发现和利用频谱资源，最大限度地提升频谱资源利用效率；

该算法方案可以应用于各种通信方式中，在实际应用中应当结合博弈论相关的知识，选择合适的认知函数，以达到整个系统的稳定性。需要保证在用户频谱资源竞争过程中，认知纳什均衡的存在性；

减少了通信开销，保障了用户的安全隐私：不依靠用户之间大量的信道信息交换条件，赋予用户认知预测能力，单个用户实现各自通信速率的优化，功率分配方案不分先后顺序，适用于分布式的网络构架；

可以主动适应信道变化，具有动态、高效、智能的特性：次级用户可以不依靠额外的开销便发现空闲的频谱段，同时可以主动避让对高级用户的干扰。所提出的方案可以适应于多变、动态、异构的无线通信场景；

在认知纳什博弈中赋予用户认知预测的能力，因此可以通过利用预测能力来提升系统整体的收敛速度。在实际应用中用户可以在算法中通过本地多次的收敛运算，提升系统整体的收敛速度，保证系统的稳定性。

本发明提供的方法，还具有如下有益效果：

(1)实现了信道资源利用效率的最优化：该方案的信道速率可以达到理论上的频谱利用率的最大值，在不同场景下均能取得良好的系统性能。能够智能地发现和利用频谱资源，最大限度地提升频谱资源利用效率。

(2)减少了通信开销，保障了用户的安全隐私：不依靠用户之间大量的信道信息交换条件，赋予用户认知预测能力，单个用户实现各自通信速率的优化，从而提高系统整体性能。

(3)可以主动适应信道变化，具有动态、高效、智能的特性：次级用户可以不依靠额外的开销便发现空闲的频谱段，同时可以主动避让对高级用户的干扰。所提出的方案可以适应于多变、动态、异构的无线通信场景。

(4)利用预测能力来提升系统整体的收敛速度：在实际应用中用户可以在算法中通过本地多次的收敛运算，提升系统整体的收敛速度，从而保证系统的稳定性；

(5)适用于分布式的网络构架，功率分配策略自优化不分先后顺序，不依靠用户之间大量的信道信息交换条件，从而减少了通信开销，保障了用户的安全隐私。赋予用户认知预测能力，可以主动适应信道变化，具有动态、高效、智能的特性。单个用户实现各自通信速率的优化，使得系统整体频谱利用效率达到理论的最大值。而且用户也可以利用预测能力，通过本地多次的收敛运算来提升系统整体的收敛速度，保证系统的稳定性。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。