摘要
如何更有效地提高频谱利用率以满足人们对其日益增长的需求是分布式的大规模认知无线电网络面临的挑战.本文将货币作为交易媒介来建立主次用户之间的合作关系,利用本地信息和斯坦伯格博弈,设计了隐货币交易博弈模型.在该模型中,次用户通过作为中继节点为主用户传输数据包而获得货币,再使用这些货币租用空闲频谱进行数据传输.并在此基础上,提出一种分布式学习算法,使得博弈过程可以在节点间没有信息交换的情况下有效地收敛于隐货币交易模型的均衡点.最终达到主用户和次用户之间的合作,提高频谱的利用率和全网的通信质量、降低主用户能耗的目的.
In distributed large-scale cognitive radio networks, it is an important challenge to improve the spectrum efficiency and ad- dress the spectrum shortage problem. Based on the local information and non-cooperative game, we build the cooperation between pri- mary users and secondary users using currency as a medium. Further more, a distributed algorithm is proposed to achieve the equilibri- um of hidden currency trading model without information exchange. With hidden currency trading model, the network can improve the spectrum efficiency and the quality of communications, and reduce the energy consumption of primary users.
出处
《小型微型计算机系统》
CSCD
北大核心
2016年第2期227-230,共4页
Journal of Chinese Computer Systems
基金
国家自然科学基金项目(U1405255)资助
福建省自然科学基金项目(2013J01222)资助
福州市科技项目(2013-G-84)资助
关键词
大规模认知无线电网络
频谱访问
中继技术
非合作博弈
分布式学习算法
large-scale cognitive radio network
spectrum access
relay technology
non-cooperative game
distributed learning algorithm
作者简介
方禾，女，1991年生，博士，研究方向为网络与信息安全；
许力，男，1970年生，博士，教授，研究方向为无线网络与移动计算、网络与信息安全、复杂系统和网络的建模及仿真、基于通信网络的智能信息处理；E-mail：xuli@fjnu．edu．cn
苏彬庭，男，1990年生，硕士，研究方向为网络与信息安全．
