认知无线网络自适应功率控制博弈算法

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (3): 584-590.

• 信息、控制、决策与仿真 • 上一篇下一篇

认知无线网络自适应功率控制博弈算法

马忠贵, 班莎, 陈桂梅, 陈林旗

北京科技大学计算机与通信工程学院通信工程系, 北京 100083

收稿日期:2014-02-24 修回日期:2014-07-22 出版日期:2015-03-08 发布日期:2020-08-20
作者简介:马忠贵(1974-),男,内蒙古,博士,副教授,研究方向为智能通信、认知无线网络;班莎(1990-),女,内蒙古,硕士生,研究方向为认知无线网络、协作通信;陈桂梅(1989-),女,江西,硕士生,研究方向为网络编码、协作通信。
基金资助:
国家自然科学基金(61072039);北京市优秀人才培养资助项目(2013D009006000002)

Game Theory Based Self-adaptive Power Control Algorithm for Cognitive Radio Networks

Ma Zhonggui, Ban Sha, Chen Guimei, Chen Linqi

Department of Communication Engineering, School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing 100083, China

Received:2014-02-24 Revised:2014-07-22 Online:2015-03-08 Published:2020-08-20

摘要/Abstract

摘要： 为满足认知无线网络环境下各认知用户的需求,综合考虑认知用户距离基站的远近、算法稳定性及用户间的干扰问题,使用非合作博弈论对认知无线网络中的功率控制问题进行建模,提出一种使用收益函数和综合代价函数共同表示效用的自适应功率控制算法,理论证明了该算法存在唯一的纳什均衡解。通过引入综合代价函数,使各认知用户在非合作博弈下包含了协作的行为,从而获得帕累托最优解。Matlab仿真表明,该自适应功率控制算法在满足不同用户对SIR需求不同的前提下,克服了远近效应,降低了认知用户的发射功率,实现了高频效和频谱共享的公平性。

关键词: 认知无线网络, 功率控制, 非合作博弈论, 自适应

Abstract: In order to meet all cognitive users' demands in the Cognitive Radio Networks(CRNs), non-cooperative game theory was used to model power control in the CRNs, and an adaptive power control algorithm for the CRNs was put forward using payoff unction and comprehensive cost function as utility function. Meanwhile, distances from the base station, stability of the algorithm and the interference between different cognitive users were considered. The existence and uniqueness of the Nash equilibrium were analyzed. By using the comprehensive cost function, each cognitive user in a non-cooperative game becomes cooperative and the Nash equilibrium can be convergent to Pareto-optimal solution. Comparing with other distributed algorithms, simulation results show that the proposed power control algorithm can overcome the near-far effect, greatly decrease the transmitting power of the cognitive users, and achieve fair spectrum share among users in the premise of meeting the SIR demand of different cognitive users.

Key words: cognitive wireless networks, power control, non-cooperative game theory, self-adaptive

中图分类号:

TN915.5

马忠贵, 班莎, 陈桂梅, 陈林旗. 认知无线网络自适应功率控制博弈算法[J]. 系统仿真学报, 2015, 27(3): 584-590.

Ma Zhonggui, Ban Sha, Chen Guimei, Chen Linqi. Game Theory Based Self-adaptive Power Control Algorithm for Cognitive Radio Networks[J]. Journal of System Simulation, 2015, 27(3): 584-590.

参考文献

[1] Haykin S.Cognitive Radio Brain-empowered Wireless Communications[J]. IEEE Journal on Selected Areas in Communications (S0733-8716), 2005, 23(2): 201-220.
[2] 张惠娟, 周利华, 翟鸿鸣. 一种基于非合作博弈的均衡路由方法[J].西安电子科技大学学报, 2007, 34(3): 389-401.
[3] 丁裕琦. 几种分布式功率控制算法分析[J]. 电子元器件应用,2010, 12(1): 94-96.
[4] 桂丽,钟晓峰,邹仕洪. 认知无线网络基于信号博弈的分布式功率控制算法[J]. 电子与信息学报(S1009-5896),2012, 34(10): 2528-2531.
[5] 孙顺乔,汪翔,倪卫明. 感知无线电网络中考虑节点数据延时的分布式功率控制算法[J]. 复旦学报,2011, 50(04): 486-491.
[6] 冯志勇,张平,郎保真,等. 认知无线网络理论和关键技术[M]. 北京: 人民邮电出版社,2011.
[7] 孙彬,杨震,田峰. 基于代价函数的认知无线电功率控制算法[J]. 南京邮电大学学报,2010, 30(5): 62-68.
[8] Yang Chungang, Li Jiandong, Tian Zhi.Optimal Power Control for Cognitive Radio Networks under Coupled Interference Constraints: a Cooperative Game-theoretic Perspective[J]. IEEE Transactions on Vehicular Technology (S0018-9545), 2010, 59(4): 1696-1706.
[9] Li Feng, Tan Xuezhi, Wang Li.A New Game Algorithm for Power Control in Cognitive Radio Networks[J]. IEEE Transactions on Vehicular Technology (S0018-9545), 2011, 60(9): 4384-4391.
[10] Koskie S, Gajic Z.A Nash Game Algorithm for SIR-based Power Control in 3G Wireless CDMA Networks[J]. IEEE Transactions on Communication (S1063-6692), 2005, 13(5): 1017-1026.
[11] 程世伦, 杨震, 张晖. 新的认知无线电功率控制博弈算法[J]. 通信学报, 2007, 28(3): 100-107.
[12] 彭青, 肖海林. 基于博弈论的认知无线电自适应功率控制算法[J]. 电信科学, 2013, 29(1): 46-50.
[13] Fienberg D, Tirol J.Game Theory [M]. Cambridge, USA: MIT Press, 1991.
[14] Yates R D.A Framework for Uplink Power Control in Cellular Radio Systems[J]. Selected Areas Communications (S0733-8716), 1995, 13(7): 1341-1347.
[15] Saraydar C, Mandayam N, Goodman D.Efficient Power Control via Pricing in Wireless Data Network[J]. IEEE Transactions on Communication (S0090-6778), 2002, 50(2): 291-303.
[16] Cheng Shilun, Yang Zhen.Energy-efficient Power Control Game for Cognitive Radio Systems[C]// Eighth ACIS International Conference on Software Engineering, Artificial Intelligence, Networking, and Parallel/ Distributed Computing, Qingdao, China, July 30-Aug. 1, 2007: 526-530.

认知无线网络自适应功率控制博弈算法

Game Theory Based Self-adaptive Power Control Algorithm for Cognitive Radio Networks

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李智杰, 石昊琦, 李昌华, 张颉. 基于改进遗传算法的影像中心布局优化方法[J]. 系统仿真学报, 2022, 34(6): 1173-1184.
[2]	郭宇飞, 赵康, 海永清. 面向有限元分析的三角网格布尔运算方法[J]. 系统仿真学报, 2022, 34(5): 1003-1014.
[3]	叶澍, 吉晓东, 李文华. 全双工无人机中继系统物理层安全性能研究[J]. 系统仿真学报, 2022, 34(4): 788-796.
[4]	马立新, 程颍. 计及可中断负荷的园区综合能源系统优化调度[J]. 系统仿真学报, 2022, 34(4): 817-825.
[5]	李建锋, 卢迪, 李贺香. 一种改进的原子搜索算法[J]. 系统仿真学报, 2022, 34(3): 490-502.
[6]	李兆强, 张时雨. 基于快速RRT算法的三维路径规划算法研究[J]. 系统仿真学报, 2022, 34(3): 503-511.
[7]	赵静, 王鹏, 丁筱茜, 蒋国平, 徐丰羽, 孙雁飞. 基于观测器的四旋翼容错控制及仿真研究[J]. 系统仿真学报, 2022, 34(1): 1-10.
[8]	闫秀英, 党苗苗. 基于改进多目标粒子群算法的家庭用电时段优化[J]. 系统仿真学报, 2022, 34(1): 70-78.
[9]	王宁, 代冀阳, 应进, 李叶鼎, 鲁亮亮. 基于自适应扩展势场的多无人机航迹规划仿真[J]. 系统仿真学报, 2021, 33(9): 2147-2156.
[10]	黄星源, 李岩屹. 基于双Q学习算法的干扰资源分配策略[J]. 系统仿真学报, 2021, 33(8): 1801-1808.
[11]	桂欣冬, 吉鸿江, 范玲玲, 刘世达. 信任驱动的自适应协调控制算法及应用[J]. 系统仿真学报, 2021, 33(8): 1809-1817.
[12]	魏玉淼, 张志利, 李洪光, 李述清. 一种基于多层迭代奇异谱分析的信号分解方法[J]. 系统仿真学报, 2021, 33(8): 1818-1824.
[13]	邓文浪, 李勇, 盘宏斌. 输入不平衡下隔离型AC-DC矩阵变换器控制策略研究[J]. 系统仿真学报, 2021, 33(7): 1729-1738.
[14]	余伟, 梁恒辉, 罗映. 一种改进差分进化算法的分数阶系统辨识研究[J]. 系统仿真学报, 2021, 33(5): 1157-1166.
[15]	刘景森, 袁蒙蒙, 李煜. 基于改进樽海鞘群算法求解工程优化设计问题[J]. 系统仿真学报, 2021, 33(4): 854-866.