認知網絡中基于定價的最優功率控制方法
【專利摘要】本發明提供了一種認知網絡中基于定價的最優功率控制方法，包括：初始化次用戶個數和容許因子；根據次用戶的容許因子將次用戶進行降序排列；計算次用戶的判定因子；比較判定因子和容許因子大小關系，如果條件滿足，給出次用戶的最優功率和主用戶的定價方法，方法結束；否則，將容許因子最低的次用戶功率設置為零，其余次用戶繼續按照第四步執行，直到條件滿足，給出次用戶的最優功率和主用戶的定價方法。本發明在主用戶知道次用戶的容許因子的情況下和整個認知網絡的信道信息的情況下，通過不超過次用戶總個數次的迭代就可以給出次用戶的最優功率分配的閉式解和主用戶的最優定價，該方法可以增加主用戶的收益和容許更多的次用戶接入頻譜。
【專利說明】認知網絡中基于定價的最優功率控制方法
【技術領域】
[0001]本發明涉及認知網絡中功率控制【技術領域】，具體地，涉及認知網絡中基于定價的最優功率控制方法。
【背景技術】
[0002]在認知網絡下，次用戶可以通過租借主用戶的頻譜，來接入頻譜進行數據傳輸。為了保證自身的服務質量和獲得頻譜租借的動機，主用戶可以通過對次用戶的干擾進行收費。首先，主用戶對于各次用戶的單位干擾功率制定一定的價格，通過將該價格廣播給各次用戶；次用戶基于該價格通過非合作博弈來控制自身的功率。主用戶和次用戶之間的這種交互行為可以通過Stackelberg博弈來分析。由于主用戶的定價將影響次用戶的功率，從而影響自己的收益。因此，為了保證次用戶對于主用戶的總干擾小于干擾門限并最大化自身的收益，主用戶需要采用合理的定價策略來控制次用戶的功率。通過遞歸的方法，主用戶的收益函數的函數可以表示為次用戶功率的非凸優化函數，因此，傳統的凸優化算法并不能直接用來找到主用戶的最優定價和次用戶的最優功率。
[0003]近年來，在認知網絡中基于定價方法來控制次用戶的功率進行研究正受到越來越多的關注。對現有文獻檢索發現，相關文獻如下:
[0004]Hui Yu 等人在《2010IEEE Transactions on Vehicular Technology, May.2010,vol.59, n0.4, pp.1769 - 1778.》上發表了 題為 “Pricing for uplink power control incognitive radio networks”的文章。該文章考慮主用戶和次用戶都處于一個服務基站的情形，在一定干擾門限下，次用戶可以通過對主用戶的干擾進行付費而容許接入基站。由于主用戶最大化效用函數是非凸的，文章將主用戶的策略設定成一定的線性比例關系，該方法獲得一個次優的定價算法。同時，系統模型中主用戶和次用戶接入的基站是同一個基站，并不能直接拓展到次用戶和主用戶的基站是不同的情形。
[0005]Xin Kang 等人在((2012IEEE Journal on Selected Areas in Communications,Apr.vol.30, n0.3, pp.538 - 549.》上發表了題為 “Price-based resource allocation forspectrum-sharing femtocell networks:A stackelberg game approach，，的文章。該文章提出了的模型拓展了 Hui Yu等人的模型，主用戶和次用戶的基站可以不同的。提出了一種非一致的定價模型來最大主用戶的收益。由于該算法是通過將次用戶的最壞情況的干擾來解耦次用戶之間的相互干擾，從而忽略掉次用戶之間的相互干擾鏈路，該定價方法所獲得的功率控制方法是次優的，并不能最大化主用戶的收益。
[0006]由相關研究可知，為了最大化主用戶的收益，同時保證次用戶的總干擾小于干擾門限，需要主用戶對各個次用戶采用一定的定價來控制次用戶的功率。本發明基于通過變量替換將主用戶的效用函數的非凸函數表示為一個等價凸優化問題，基于該等價優化問題，提出最大化主用戶的收益的最優功率控制方法。
【發明內容】
[0007]針對現有技術中的缺陷，本發明的目的是提供一種認知網絡中基于定價的最優功率控制方法。本發明針對現有的認知網絡中基于定價的功率控制方法并能獲得次用戶的最優功率和最大化主用戶的收益，提供了一種最優的功率控制方法來最大化主用戶收益。本發明能夠使得主用戶在知道次用戶的信道信息和偏好因子的情況下，通過至多次用戶個數次的迭代來找到次用戶的最優功率和主用戶的最優定價。該定價方法在保證次用戶對于主用戶的干擾小于給定的干擾門限的前提下，基于最大化主用戶收益的等價凸優化問題的最優解和變量替換之間關系，找到次用戶的最優功率，比傳統基于非一致的定價方法提高了主用戶的收益，并可以容許更多次用戶接入頻譜。
[0008]根據本發明提供的一種認知網絡中基于定價的最優功率控制方法，包括如下具體步驟:
[0009]第一步:初始化次用戶個數和次用戶容許因子；
[0010]第二步:將次用戶容許因子降序排列；
[0011]第三步:計算各個次用戶的判定因子；
[0012]第四步:如果最后一個次用戶的容許因子大于它的判定因子，則給出次用戶的最優功率和主用戶的定價方法，方法結束；
[0013]第五步:針對第四步，如果最后一個次用戶的容許因子小于或者等于它的判定因子，則將最后一個次用戶的功率設置為零，轉到第四步，對其余的次用戶的容許因子和它的判定因子進行比較，直到條件滿足，計算出最優功率和給出主用戶的定價。
[0014]優選地，在第一步中，具體地，初始化次用戶個數K = n，次用戶i的容許因子％:
【權利要求】
1.一種認知網絡中基于定價的最優功率控制方法，其特征在于，包括如下具體步驟: 第一步:初始化次用戶個數和次用戶容許因子； 第二步:將次用戶容許因子降序排列； 第三步:計算各個次用戶的判定因子； 第四步:如果最后一個次用戶的容許因子大于它的判定因子，則給出次用戶的最優功率和主用戶的定價方法，方法結束； 第五步:針對第四步，如果最后一個次用戶的容許因子小于或者等于它的判定因子，則將最后一個次用戶的功率設置為零，轉到第四步，對其余的次用戶的容許因子和它的判定因子進行比較，直到條件滿足，計算出最優功率和給出主用戶的定價。
2.根據權利要求1所述的認知網絡中基于定價的最優功率控制方法，其特征在于，在第一步中，具體地，初始化次用戶個數K = n，次用戶i的容許因子％:
3.根據權利要求2所述的認知網絡中基于定價的最優功率控制方法，其特征在于，在第二步中，次用戶的排序方式為:α I >...^ α κ,其中α κ為次用戶K的容許因子。
4.根據權利要求3所述的認知網絡中基于定價的最優功率控制方法，其特征在于，在第三步中，具體地，對于次用戶i，i = 1，...，K的判定因子Pi的取值為:
5.根據權利要求4所述的認知網絡中基于定價的最優功率控制方法，其特征在于，在第四步中，具體地，如果次用戶K的容許因子CIk大于它的判定因子βκ，那么次用戶i的最優功率￥為:
6.根據權利要求4所述的認知網絡中基于定價的最優功率控制方法，其特征在于，在第五步中，具體地，如果次用戶K的容許因子CIk不大于它的判定因子βκ，那么次用戶K的最優功率為零，將K-1賦值給K，返回步驟四，對剩下的K個次用戶的最優功率和定價進行設置。
【文檔編號】H04W52/04GK104010288SQ201410219921
【公開日】2014年8月27日 申請日期:2014年5月22日 優先權日:2014年5月22日
【發明者】王正強, 蔣鈴鴿, 何晨 申請人:上海交通大學