一种改进的认知无线电网络博弈功率控制算法

计算机与现代化

一种改进的认知无线电网络博弈功率控制算法

西南油气田物质公司，四川成都610041

收稿日期:2014-02-27 出版日期:2014-04-17 发布日期:2014-04-23
作者简介:作者简介：张羽（1972），男，四川富顺人，成都西南油气田物质公司经理，学士，研究方向：无线网络资源分配算法,跨层优化。

An Improved Power Control Algorithm in Cognitive Radio Networks 
Based on Game Theory

Southwest Oil and Gas Field Company， Chengdu 610041， China

Received:2014-02-27 Online:2014-04-17 Published:2014-04-23

摘要/Abstract

摘要：

摘要：基于David Goodman的非合作功率控制博弈方法，本文提出一种适用于认知无线电网络的功率控制博弈算法，对S型有效函数和代价函数进行改进和优化，实现认知用户功率控制的公平性，并证明该算法纳什均衡的存在性。仿真结果表明，该算法使认知用户的总吞吐量提升，发射功率降低，效用提高，且在一定程度上兼顾了系统的公平性。



关键词: , 认知无线电网络, 功率控制, 博弈论, 代价函数, 公平性

Abstract:

Abstract: Based on the noncooperative power control game created by David Goodman, we propose a new sigmoid efficiency function and an improved pricing function suitable for Cognitive Radio Network (CRN). This pricing function considers the fairness among users, and the existence of the Nash Equilibrium (NE) is proved. Simulation results show that the proposed power control game not only enhances the network throughput, reduces emission power of cognitive users and improves the utility, but also takes into account the system fairness to some extent than other previous schemes.



Key words:

, Key words: , cognitive radio networks； power control； game theory； pricing function； fairness

中图分类号:

TN925

张羽. 一种改进的认知无线电网络博弈功率控制算法[J]. 计算机与现代化.

ZHANG Yu.

An Improved Power Control Algorithm in Cognitive Radio Networks 

Based on Game Theory[J]. Computer and Modernization.

参考文献

［1］

Goodman D J, Mandayam N B. Power control for wireless data［C］// 1999 IEEE International Workshop on Mobile Multimedia Communications(MoMuC ’99). 1999:5563.

［2］ Saraydar C U, Mandaym N B, Goddan D J. Effcient power control via pricing in wireless data networks［J］. IEEE Trans. Commun., 2002,50(2):291303.

［3］ Wang B, Wu Y, Liu K J. Game theory for cognitive radio networks: An overview［J］. Computer Networks Journal, 2010,54(14):25372561.

［4］王霞,朱琦. 一种改进的认知无线电博弈功率算法［J］．信号处理， 2009,25（5):825831.

［5］林玉清，王霞，朱琦．认知无线电系统中基于归一化效用函数的功率控制方法［J］．南京邮电大学学报:自然科学版， 2011,31(1):4044.

［6］李建东，薛富国，杨春刚,等．认知网络中快速自适应功率控制算法［J］. 西安电子科技大学学报， 2010，37(2)：18619.

［7］张北伟，胡琨元，朱云龙. 基于博弈论和效用论的认知无线电功率控制算法［J］. 系统工程与电子技术, 2013,35(3):629633.

［8］ Yu H, Gao L, Li Z, et al. Pricing for uplink power control in cognitive radio networks［J］. IEEE Trans. Veh. Technol., 2010,59(4):17691778.

［9］ Duan L, Huang J, Shou B. Investment and pricing with spectrum uncertainty: A cognitive operator’s perspective［J］. IEEE Trans. Mobile Comput., 2011,11(10):15901604.

［10］Wang Z Q, Jiang L G, He C. A novel pricebased power control algorithm in cognitive radio networks［J］. IEEE Commun. Let., 2013,17(1):4346.

［11］Wu Y, Zhang T, Tsang D. Joint pricing and power allocation for dynamic spectrum access networks with stackelberg game model［J］. IEEE Trans. Wireless Commun., 2011,10(1):1219.

［12］Hajiaghayi M, Dong M, Liang B. Maximizing lifetime in relay cooperation through energyaware power allocation［J］. IEEE Trans. Signal Process, 2010,58(8):43544366.

［13］Kuo Y G, Yang J G, Chen J. Efficient swarm intelligent algorithm for power control game in cognitive radio networks［J］. IET Commun., 2013,7(11):10891098.

［14］许建霞，刘会衡，刘克中. 基于非线性代价函数的博弈功率控制算法［J］. 武汉理工大学学报, 2011,33(3):153156.

［15］LuK W, Zhang L J, Yang Jie. An efficient SIRfirst adaptive power control method in cognitive radio network［C］//IEEE Global High Tech Congress on Electronics. 2012:9194.

［16］Donald M Topkis. Supermodularity Complementarity［M］. Princeton: Princeton University Press, 1998.

[1]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[2]	黄宏平, 朱小勇, 王志远, . BBR拥塞控制算法延迟及带宽探测优化[J]. 计算机与现代化, 2022, 0(10): 113-120.
[3]	阮仕峰, 惠飞, 于建游, 张志刚, 杜绎如, 郭星. 智能车逆向超车控制算法[J]. 计算机与现代化, 2022, 0(05): 119-126.
[4]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[5]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[6]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[7]	王桂竹, 鲁凌云, 李翔. 混合模式下认知无线电网络的能效优化算法[J]. 计算机与现代化, 2020, 0(10): 103-109.
[8]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.
[9]	李富星，蒙祖强 . 一种改进的类别区分词特征选择算法[J]. 计算机与现代化, 2019, 0(03): 73-.
[10]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[11]	郑亚鹏，樊璐. 基于LSTM的临床血液需求预测方法[J]. 计算机与现代化, 2018, 0(05): 41-.
[12]	刘德春1，张秀国2，姜微2. 基于马尔科夫链的大学生自主学习能力预测方法[J]. 计算机与现代化, 2018, 0(05): 106-.
[13]	夏琨1，丁波1，刘俊1，刘子豪1，林亮成2. 基于内容分析的网络协议指纹识别[J]. 计算机与现代化, 2018, 0(05): 121-.
[14]	李华，江峰，于旭，杜军威，刘国柱. 基于粒度决策熵的属性约简[J]. 计算机与现代化, 2018, 0(04): 7-.
[15]	陈丽娟，谢伙生. 带负项值的onshelf效用项集并行挖掘算法[J]. 计算机与现代化, 2018, 0(04): 13-.