認知網(wǎng)絡中基于博弈論的聯(lián)合功率控制與速率分配算法

朱 江，巴少為，杜清敏

(重慶郵電大學 重慶市移動通信重點實驗室，重慶 400065)

認知網(wǎng)絡中基于博弈論的聯(lián)合功率控制與速率分配算法

朱 江，巴少為*，杜清敏

(重慶郵電大學 重慶市移動通信重點實驗室，重慶 400065)

(*通信作者電子郵箱Kammybaba@163.com)

針對認知無線網(wǎng)絡上行鏈路中的資源分配問題，提出了一種適應于多小區(qū)認知無線網(wǎng)絡的基于功率控制與速率分配的博弈算法。為了更加合理地控制用戶的功率和速率，減小各次用戶間的干擾，首先，在效用函數(shù)中分別給功率和速率設置了不同的代價因子，使其能夠更加合理地控制用戶，避免用戶過度增加發(fā)射功率。其次，從理論上證明了該算法納什均衡的存在性、唯一性以及算法的收斂性。最后，為了解決發(fā)射功率和傳輸速率的最優(yōu)化問題，給出了聯(lián)合功率控制和速率分配的迭代更新算法流程圖。理論分析及仿真結果表明，與同類博弈算法相比，在保證通信質量的前提下，所提算法可以使得用戶以較小的發(fā)射功率獲得較大的傳輸速率和較高的信干噪比(SINR)，并且減小了用戶間的干擾，提高了次用戶系統(tǒng)容量。

認知無線電; 博弈論; 多小區(qū); 功率控制; 速率控制

0 引言

認知無線網(wǎng)絡中，功率控制技術是解決主、次用戶共存網(wǎng)絡中的干擾問題的關鍵技術。近年來，博弈論被廣泛地應用到功率控制的研究中。文獻[1]是經(jīng)典的分布式功率控制算法，該算法比較簡單容易實現(xiàn)，但是該算法下的次用戶的發(fā)射功率較大，導致用戶間的干擾較大。文獻[2]提出的K-G算法由于過于強調降低能量的消耗而使得自私用戶付出的代價較大，部分次用戶的信干噪比(Signal to Interference plus Noise Ratio, SINR)值達不到信干噪比閾值而影響通信質量。文獻[3]在K-G算法的基礎上將信道增益因子引入到效用函數(shù)中，提出了一種自適應的功率控制算法，有效地降低了用戶的發(fā)射功率，并提高了收斂速度。文獻[4]提出了基于斯坦克伯格博弈的功率控制算法，該算法考慮了宏基站的效益，但是其納什均衡點不是唯一的。文獻[5]提出了一種新的功率控制算法，將用戶間的公平性納入算法內，系統(tǒng)公平性得到一定的改善。文獻[6]提出了一種新的非合作博弈模型下的功率控制算法。算法主要通過構造基于信干噪比(SINR)的正切型代價函數(shù)來減少迭代次數(shù)，從而提高收斂速度。文獻[7]提出了一種有效的功率控制算法提高了收斂速率和系統(tǒng)容量。

以上文獻都是在用戶傳輸速率固定的前提下對功率進行優(yōu)化的，只考慮了單個資源的優(yōu)化情況。然而現(xiàn)代無線通信系統(tǒng)是支持多媒體業(yè)務的綜合性平臺，不同的媒體業(yè)務對傳輸速率和服務質量(Quality of Service, QoS)的需求不同，為了滿足多業(yè)務的服務，不僅要對用戶進行功率控制，還要對用戶的傳輸速率進行控制。文獻[8]提出了一種基于干擾管理的功率速率聯(lián)合控制算法，加強了主用戶在干擾控制中的主觀能動性。文獻[9]提出了一種基于分層博弈的聯(lián)合功率速率控制算法，先設定一個關于速率的效用函數(shù)，求出達到均衡時的速率值，再將該速率值固定輸入到功率控制層中，該模型減少了網(wǎng)絡的功率消耗，提升了節(jié)點間的數(shù)據(jù)傳輸速率，但是這種分層的聯(lián)合功率速率博弈模型不僅過程復雜而且過程不太合理。文獻[10]研究了聯(lián)合功率控制和頻譜檢測算法，達到了最大化系統(tǒng)吞吐量的效果。文獻[11]分別為速率和功率設置了代價因子，但是功率和速率的代價因子相同，沒有考慮到功率和速率的差異性，不夠合理。文獻[12]提出的聯(lián)合控制算法采用了經(jīng)典的效用函數(shù)，但是該模型中對于功率和速率的代價因子的設定過于簡單，沒有考慮對主用戶的保護和公平性。文獻[13]在代價函數(shù)中設計了基于傳輸速率公平性的懲罰因子,同時還考慮了認知用戶受到的干擾，但效用函數(shù)的設計過于簡單，沒有考慮到功率和速率的資源差異性。

本文在考慮到功率和速率資源差異的基礎上分別為功率和速率設置了不同的代價因子，優(yōu)化后的效用函數(shù)對博弈中自私用戶的懲罰更為合理，并證明了該算法納什均衡的存在性和唯一性。仿真結果表明，相對于文獻[11]算法，本文算法下的次用戶在不干擾主用戶正常通信的前提下發(fā)射功率有所下降，次用戶的傳輸速率有所提高，信干噪比也較大，提高了系統(tǒng)容量，獲得了較好的性能。

1 功率速率聯(lián)合控制系統(tǒng)模型

(1)

(2)

那么，第i個次用戶的信干噪比重新定義為：

(3)

圖1 頻譜共享認知網(wǎng)絡模型

max{ui(pi,ri)}

(4)

每一個用戶在其速率功率的策略空間內最大化其效用。

通常認為，當以下三個條件均滿足時，該效用函數(shù)是可行的：

1)每個次用戶可以得到較大的信干噪比；

2)每個次用戶得到較大的傳輸速率；

3)當信道條件差或者干擾較大時，每個次用戶通過增大發(fā)射功率或者減小數(shù)據(jù)傳輸速率來保證自身的通信質量。

為此，本文提出了一個分別為功率和速率設置了不同代價因子的效用函數(shù)：

(5)

1.1 納什均衡的存在性和唯一性的證明

納什均衡是一種使得每個網(wǎng)絡用戶對其他網(wǎng)絡用戶最優(yōu)反應的策略組合，當沒有用戶單獨行動而增加自身收益時，就達到納什均衡。但是，在分布式網(wǎng)絡中，每個認知用戶都是自私的，都想通過最佳功率和速率水平來實現(xiàn)自身利益的最大化，這樣就可能導致納什均衡發(fā)射功率和速率可能不存在，或者納什均衡點不唯一，所以在求解納什均衡發(fā)射功率和速率時要證明納什均衡的存在性和唯一性。

1.1.1 納什均衡的存在性

根據(jù)文獻[13-14]博弈論的相關知識可知，當博弈模型滿足下面的兩個條件時，那么這個博弈模型肯定存在納什均衡：

1)所有參與者的策略空間在歐幾里得空間中是非空、閉的有界凸集。

2)ui是連續(xù)的擬凹函數(shù)。

式(5)的效用函數(shù)對pi求偏導得：

(6)

對式(6)再求pi的偏導：

(7)

同理：

(8)

1.1.2 納什均衡的唯一性

(9)

(10)

2 聯(lián)合速率和功率更新算法

2.1 算法描述

由博弈論知識可知，任何一個用戶單方面改變自身策略所得到的系統(tǒng)收益不會比在納什均衡點的系統(tǒng)收益高。根據(jù)以上分析下面將給出聯(lián)合速率和功率更新算法。

(11)

(12)

由式(12)可以求得傳輸速率的最優(yōu)解。綜合式(11)～(12)整理可以得到：

(13)

由式(13)求解得：

(14)

(15)

從式(14)～(15)可以看出，當次用戶的信道狀態(tài)很差或者信道增益比較小，或者其他用戶對該次用戶的干擾過大時，該次用戶會增大發(fā)射功率或者減小它的傳輸速率。

根據(jù)式(14)，本文給出了功率和速率的迭代公式：

(pn+1,rn+1)=(Ip(pn,rn),Ir(pn,rn))

(16)

其中：

(17)

(18)

求解式(18)得：

(19)

綜上所述，此時功率的更新公式為：

(20)

(21)

由式(21)解得：

(22)

綜上所述，此時速率的更新公式為：

(23)

經(jīng)過上面的分析，下面將給出分布式的聯(lián)合功率控制和速率分配算法，該算法收斂到博弈G的納什均衡點(ri,pi)。算法描述如下：

1)置初始迭代次數(shù)t=0，k=1，并置初始功率p(0)=(p1(0),p2(0),…,pM(0))。

2) 在每次迭代tk時，根據(jù)式(16)更新功率值和速率值:

3)當max(|pi(tk)-pi(tk-1)|+|ri(tk)-ri(tk-1)|)≤ξ成立，那么該算法結束。

4) 宣稱得到納什均衡。

5) 否則，置k=k+1,返回第2)步重新開始迭代過程，ξ是精度誤差。

根據(jù)上面所述的功率速率聯(lián)合控制公式，本文設計了功率和速率聯(lián)合迭代算法。

2.2 算法收斂性的證明

功率迭代式可以記為：pk+1=φ(pk)。根據(jù)微分中值定理有：

(24)

(25)

存在常數(shù)0

(26)

結合微分中值定理得：

{|pk+1-pk|≤L|pk-pk-1|}= {|pk+1-p*|≤L|pk-p*|}=L|pk+1-p*-(pk+1-pk)|≤L|pk+1-p*|+L|pk+1-pk|

(27)

整理式(27)得：

(1-L)|pk+1-pk|≤L|pk+1-pk|

(28)

將(1-L)右移得：

(29)

同理可知：

(30)

3 仿真及結果分析

圖2～4分別顯示了3個小區(qū)內各次用戶的發(fā)射功率、信干噪比、傳輸速率隨迭代次數(shù)的增加逐步收斂的過程。從圖2可以看出，各個小區(qū)內次用戶的功率和速率達到均衡后其值均在各自的策略空間內，其中距離次用戶基站較近的用戶由于信道條件較好，其發(fā)射功率更低，速率也更高，而小區(qū)1內用戶數(shù)最少，用戶間的彼此干擾也相對最小，小區(qū)3內用戶最多，次用戶彼此間干擾較大，其用戶的發(fā)射功率也相對較大，小區(qū)1內的用戶在較低發(fā)射功率的前提下就可以獲得較大的信干噪比和較高的傳輸速率。同時由圖2可以看出，在迭代大概7到8次后算法達到收斂，收斂速度較快符合實時通信的要求。

下面將討論文獻[11]算法和本文算法的對比下次用戶的發(fā)射功率、傳輸速率以及信干噪比的性能比較。為了與文獻[11]算法比較性能，將兩種算法下用戶的基本參數(shù)設置成一樣的，圖5～7是在小區(qū)1內本文算法與文獻[11]算法下各次用戶的性能結果對比。

圖2 不同小區(qū)次用戶發(fā)射功率收斂曲線

圖3 不同小區(qū)次用戶信干噪比收斂曲線

圖4 不同小區(qū)次用戶傳輸速率收斂曲線

圖5 不同算法次用戶發(fā)射功率對比

由圖5～7可以看出：兩種方案下次用戶的收斂速度相當，大概迭代7到8次后均能達到均衡。本文算法下次用戶的發(fā)射功率要遠低于文獻[11]算法，且在該多小區(qū)環(huán)境下，文獻[11]算法下3個次用戶的信干噪比收斂到一個相近的值，這不能滿足不同用戶對信干噪比需求不同的狀況。一般距離基站較近的用戶由于信道條件較好，用戶的發(fā)射功率較低，信干噪比也較高，而距離基站較遠的用戶信道條件相對較差因而發(fā)射功率較大，信干噪比也較小。本文算法下次用戶的傳輸速率要高于文獻[11]算法下次用戶的傳輸速率，本文算法下的信干噪比值略低于文獻[11]算法下次用戶的信干噪比，但均遠遠滿足通信的需求。相比文獻[11]算法，本文算法下的次用戶在較低的發(fā)射功率的前提下獲得了較高的傳輸速率和相當?shù)男鸥稍氡戎?。這是因為本文算法分別為次用戶的發(fā)射功率和傳輸速率設置了不同的代價因子，使得系統(tǒng)對于自私用戶的懲罰更為合理，這樣各次用戶不會為了獲得高的傳輸速率或信干噪比而盲目地提高自己的發(fā)射功率，減小了主用戶受到的干擾。

圖8給出了在不同次用戶個數(shù)下，兩種博弈算法關于次用戶吞吐量的比較。從圖8中可以看出，兩種算法吞吐量性能都隨著次用戶數(shù)目的增多而提升，而本文算法的性能明顯優(yōu)于文獻[11]算法，這是因為文獻[11]算法下的次用戶間干擾較大，明顯降低了系統(tǒng)的QoS。

圖6 不同算法次用戶SINR對比

圖7 不同算法次用戶傳輸速率對比

圖8 次用戶吞吐量比較

4 結語

本文提出了一個聯(lián)合功率和速率的分布式博弈算法，在效用函數(shù)中根據(jù)功率和速率的不同特性分別為二者設置了不同的代價懲罰因子，并結合實際情況在多小區(qū)認知無線網(wǎng)絡進行了仿真和數(shù)值分析。通過仿真結果可以發(fā)現(xiàn)，相比文獻[11]算法，本文所提算法在較低的發(fā)射功率下能獲得較高的傳輸速率，且所獲得的信干噪比值也較高，滿足通信的需求，并且降低了對主用戶的干擾，提高了系統(tǒng)的吞吐量，獲得了較高的效用值。由于中斷概率[15-16]和干擾門限對認知無線電網(wǎng)絡中資源分配具有重要影響，在下一步的工作中，將考慮在干擾門限和中斷概率等約束條件下，提出基于斯坦克爾伯格博弈[17]的資源分配算法。

)

[1]GOODMAND,MANDAYAMN.Powercontrolforwirelessdata[J].IEEEPersonalCommunications, 2000, 7(2): 48-54.

[2]KOSKIES,GAJICZ.ANashgamealgorithmforSIR-basedpowercontrolin3GwirelessCDMAnetworks[J].IEEE/ACMTransactionsonNetworking, 2005, 13(5): 1017-1026.

[3] 羅榮華,楊震.認知無線電系統(tǒng)中一種新的自適應功率控制算法[J].信號處理,2010,26(8):1257-1262.(LUORH,YANGZ.Anoveladaptivepowercontrolalgorithmincognitiveradiosystem[J].SignalProcessing, 2010, 26(8): 1257-1262.)

[4]KANFX,ZHANGR,MOTANIM.Price-basedresourceallocationforspectrum-sharingfemtocellnetworks:aStackelberggameapproach[J].IEEEJournalonSelectedAreasinCommunications, 2012, 30(3): 538 - 549.

[5]XIEXZ,YANGHL,VASILAKOSAV,etal.Fairpowercontrolusinggametheorywithpricingschemeincognitiveradionetworks[J].JournalofCommunicationsandNetworks, 2014, 16(2): 183-192.

[6]YANGHL,XIEXZ,VASILAKOSAV.Stackelberggamebasedpowercontrolwithoutageprobabilityconstraintsforcognitiveradionetworks[J/OL].InternationalJournalofDistributedSensorNetworks, 2015:ArticleID604915. [2016- 10- 09].http://or.nsfc.gov.cn/bitstream/00001903-5/327951/1/1000013968317.pdf.

[7]TREUSTML,LASAULCES.Arepeatedgameformulationofenergy-efficientdecentralizedpowercontrol[J].IEEETransactionsonWirelessCommunications, 2010, 9(9): 2860-2869.

[8] 馬良,朱琦.基于干擾管理的功率速率聯(lián)合控制博弈方法[J].信號處理,2012,28(1):26-32.(MAL,ZHUQ.Agame-theoreticjointrateandpowercontrolbasedoninterferencemanagement[J].SignalProcessing, 2012, 28(1): 26-32)

[9] 賀剛,柏鵬,彭衛(wèi)東,等.數(shù)據(jù)鏈中基于動態(tài)博弈的聯(lián)合功率與速率控制[J].西南交通大學學報,2013,48(3):473-480.(HEG,BAIP,PENGWD,etal.Jointrateandpowercontrolbasedondynamicgametheoryindatalinksystem[J].JournalofSouthwestJiaotongUniversity, 2013, 48(3): 473-480)

[10]BAGAYOKOA,FIJALKOWI,TORTELIERP.Powercontrolofspectrum-sharinginfadingenvironmentwithpartialchannelstateinformation[J].IEEETransactionsonSignalProcessing, 2011, 59(5): 2244-2256.

[11]JAVANMR,SHARAFATAR.EfficientanddistributedSINR-basedjointresourceallocationandbasestationassignmentinwirelessCDMAnetworks[J].IEEETransactionsonCommunications, 2011, 59(12): 3388-3399.

[12]SHASHIKAMANOSHAKB,RAJATHEVAN.Jointpowerandratecontrolforspectrumunderlayincognitiveradionetworkswithanovelpricingscheme[C]//Proceedingsofthe2010IEEE72ndVehicularTechnologyConferenceFall.Piscataway,NJ:IEEE, 2010: 1-5.

[13] 余翔,張小銀.非合作博弈下功率與速率聯(lián)合控制算法研究[J].重慶郵電大學學報(自然科學版),2016,28(3):349-353.(YU X, ZHANG X Y. Non-cooperative game of joint power and rate control algorithm [J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2016, 28(3): 349-353.)

[14] FUDENBERG D, TIROEL J. Game Theory [M]. Cambridge, MA: MIT Press, 1991: 841-846.

[15] YATES R D. A framework for uplink power control in cellular radio systems [J]. IEEE Journal on Selected Areas in Communications, 2006, 13(7): 1341-1347.

[16] 郭艷艷,昌厚峰,賈鶴萍.基于公共DF中繼的認知無線電中繼選擇和功率分配[J].測試技術學報,2015,29(2):105-110.(GUO Y Y, CHANG H F, JIA H P. Optimal relay selection and power allocation of cognitive networks based on public DF relay [J]. Journal of Test and Measurement Technology, 2015, 29(2): 105-110.)

[17] 李鵬,朱宇.一種異構網(wǎng)絡中的斯坦克爾伯格功率控制方法[J].太赫茲科學與電子信息學報,2013,11(3):368-376.(LI P, ZHU Y. A Stackelberg approach on power control in heterogeneous networks [J]. Journal of Terahertz Science and Electronic Information Technology, 2013,11(3): 368-376)

This work is partially supported by the National Natural Science Foundation of China (61102062), the Natural Science Foundation of Chongqing Science and Technology Commission (cstc2015jcyjA40050), the Key Science and Technology Research Project of the Education Ministry (212145), the Science and Technology Research Project of Chongqing Municipal Education Commission (KJ120530).

ZHU Jiang, born in 1977, Ph. D., associate professor. His research interests include communication theory and technology, information security technology.

BA Shaowei, born in 1991, M. S. candidate. Her research interests include cognitive radio technology.

DU Qingmin, born in 1990, M. S. candidate. Her research interests include cognitive radio technology.

Game-theoretic algorithm for joint power control and rate allocation in cognitive networks

ZHU Jiang, BA Shaowei*, DU Qingmin

(1.ChongqingKeyLaboratoryofMobileCommunicationsTechnology,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)

Aiming at the resource allocation problem for the uplink in cognitive radio networks, a game-theoretic algorithm for joint power control and rate allocation adapted to multi-cell cognitive radio networks was proposed. To control user’s power and rate more reasonably and reduce interference among Secondary Users (SUs), firstly, the different cost factors for power and rate were set respectively, so as to control user more reasonably and avoid user excessively increasing transmission power. Then, the existence and uniqueness of the Nash Equilibrium (NE) for the proposed algorithm were proved, the convergence demonstration of the proposed algorithm was given. Finally, for solving the optimization problem of the transmission power and transmission rate, the iterative updating flowchart of the proposed algorithm for the joint power control and rate allocation was presented. The theoretical analysis and simulation results show that, compared with the similar game algorithms, on the premise of guaranteeing the quality of communication, the proposed algorithm can make user acquire higher transmission rate and higher Signal to Interference plus Noise Ratio (SINR) at lower transmission power, reduce the interference among users, and improve the system capacity of SUs.

Cognitive Radio (CR); game theory; multi-cell; power control; rate control

2016- 11- 03;

2016- 12- 16 。 基金項目:國家自然科學基金資助項目(61102062)；重慶市科委自然科學基金資助項目(cstc2015jcyjA40050)；教育部科學技術研究重點項目(212145)；重慶市教委科學技術研究項目(KJ120530)。

朱江(1977—)，男，湖北荊州人，副教授，博士，主要研究方向：通信理論與技術、信息安全技術； 巴少為(1991—)，女，湖北天門人，碩士研究生，主要研究方向：認知無線電技術； 杜清敏(1990—)，女，河北石家莊人，碩士研究生，主要研究方向為：認知無線電技術。

1001- 9081(2017)06- 1521- 06

10.11772/j.issn.1001- 9081.2017.06.1521

TN929.5

A