孙文胜，李　果

(杭州电子科技大学通信工程学院,浙江 杭州 310018)



认知网络中基于信誉的协作频谱租赁技术研究

孙文胜，李果

(杭州电子科技大学通信工程学院,浙江 杭州 310018)

摘要：针对认知网络中一些认知用户存在概率性欺骗的行为，提出了一种基于信誉的Stackelberg博弈产权频谱租赁方案.这种基于信誉的机制使授权用户能够在每个时隙监控认知用户的协作行为，并限制有欺骗行为的用户接入频谱.仿真结果表明，相比传统的Stackelberg博弈，该方案增加了可选择可靠用户占搜索空间的比例，同时大大地提高了主用户的收益.

关键词：频谱租赁；认知网络；协作通信；Stackelberg博弈

0引言

认知无线电技术是通过认知用户(Secondary User，SU)和主用户(Primary User，PU)间的频谱共享实现频谱利用率的提高[1].频谱共享的共用模型是认知用户通过捕获频谱空洞接入频谱，但这种方法较敏感不实用.而产权模型是主用户将一部分频谱分给认知用户，认知用户作为中继帮助主用户通信，该技术可以有效提高频谱利用率[2].

文献[3]提出协作频谱租赁机制，根据Stackelberg博弈分析主次用户的最佳决策.文献[4]提出了基于价格的频谱租赁模型，主用户决定时间分配和频谱价格，次用户通过优化传输功率增加传输速率.但这些方法在中继选择时，信令开销较大，并假设所有认知用户是可信的[3-5].本文提出了一种基于信誉的Stackelberg博弈协作频谱租赁算法，给每个次用户分配一个记录其协作行为的信誉值，主用户根据信誉值辨别可信用户，提高了选择到可靠中继的概率，并减少了中继选择的信令开销.

1系统模型

本系统包含了一个主用户链路和多个认知用户链路.主用户链路和认知用户链路分别是由主用户发射机(PT)和接收机(PR)以及认知户发射机(ST)和接收机(SR)组成.设认知网络是包含K个认知用户链路的集合S，主用户需要从S中选出一个最佳认知中继SUi参与协作，SUi记为(STi,SRi)，i=1,2,…,K.

图1描述了主用户和认知用户间的协作模型以及主用户的时隙划分情况.设主用户每个通信时隙n(设n=1)分为3个阶段：PT发送数据到STi，PR接收来自和PT和STi的数据，STi发送数据到SRi.这3个阶段的传输时间分别为1-α，αβ，α(1-β)，其中0≤α,β≤1.

假设各节点之间的信道是独立的平坦瑞利衰落信道，主用户可以感知到所有信道的状态信息[6]，且在一个时隙内各信道增益是恒定的.设PT到PR的平均信道增益为gP，PT到STi的平均信道增益为gPSi，STi到PR的平均信道增益为gSiP，STi到SRi的平均信道增益为gSi.信道中的噪声为独立的加性高斯白噪声，其单边功率谱密度为N0.主用户恒定发射功率为PP，认知用户最大发射功率为PiMAX，认知用户协作传输和自身传输的功率分别为Pic和Pi.

在第1个子时隙，PT向STi发射数据的速率RPSi=log2(1+gPSiPP/N0).在第2个子时隙，SRi接收来自PT和STi的数据并进行最大比合并.由于接收端信噪比等于2个发送端信噪比之和，因此协作传输的速率Rcop=log2(1+gPPP/N0+gSiPPic/N0).

设认知用户采用DF方式转发主用户数据，因此，主用户数据传输的总速率Rp等于前2个子时隙传输速率的较小值[7]，即Rp=min[(1-α)RPSi,αβRcop].为了避免能量浪费，假设前2个子时隙的传输速率相等，即(1-α)RPSi=αβRcop，于是得出：

α=RPSi/(RPSi+βRcop).

(1)

在第3个子时隙，认知用户获得的自身传输速率RS=log2(1+gSiPi/N0).

设认知中继STi协作传输消耗的能量为Eic，传输自身数据消耗的能量为Ei，STi的总能量为EiMAX，假设认知中继用所有的能量传输数据，则Eic+Ei=EiMAX，即

α(1-β)Pi+αβPic=αPiMAX.

(2)

图1　认知网络的协作传输及时隙划分

2频谱租赁博弈算法

2.1博弈模型

将主次用户间的信息交互建模为Stackelberg博弈，则该博弈模型的3要素分别为：

1)参与者——主用户占有频谱的使用权，是博弈领导者，认知用户为博弈追随者；

2)策略空间——主用户的策略空间为(α，β，i)，认知用户的策略空间为(Pic,Pi)；

3)效益函数——主用户效益函数为UP(α，β，i)，认知用户效益函数为US(Pic,Pi).

2.2算法分析

(3)

(4)

其中，CS是量化常数，且CS>0，Pt是作为调优参数的阈值功率.

由于传统的中继选择需要在每个时隙注意认知用户的信道质量，并且要对含有2K个可能的中继子集执行详尽的搜索，这将加大系统的信令开销.而本文中主用户根据信誉值从S中选出M个可信用户组成候选中继集R，接着从R中选择一个信道质量最好的用户作为最佳中继，这样主用户只需知道M个认知用户的信道条件，可以大大减少信令负载.

协作中继确定以后，主用户通过设置参数α和β的值实现其效益函数最优化，即

(5)

考虑到认知用户的能量效率，认知用户的效益函数表示为：

US(Pic,Pi)=α(1-β)log2(1+gSiPi/N0)-η1α(1-β)Pi-η2αβPic.

(6)

式中：η1和η2是预定义的归一化能量消耗惩罚系数.

下面采用逆向归纳法求解Stackelberg博弈的纳什均衡解.认知用户效益最优化表示为：

(7)

Subject to0≤Pic,Pi≤PiMAX,α(1-β)Pi+αβPic=αPiMAX.

认知用户效用函数US(Pic,Pi)对Pi求二阶导数为：

(8)

(9)

(10)

由于式(10)小于0，Uβ是关于的凹函数，故存在β*使Uβ取最大值.本文通过一维搜索算法得到β*的值，根据式(1)可得α*=RPSi/(RPSi+β*Rcop).

2.3算法步骤

上述基于信誉的Stackelberg博弈频谱租赁的算法步骤如下：

2)时隙n=1；

3)在时隙n，主用户以最大化其效益函数为目标进行决策，即：

a)主用户从认知用户集合S中选出M个协作信誉值最高的用户作为候选中继；

b)主用户从候选中继集R中选出信道质量最好的用户Si作为最佳认知中继；

c)主用户设置α，β值以最大化其效益函数Up(α，β，i)；

4)被选中的认知用户在主用户策略基础上合理分配功率以最大化US(Pic,Pi)；

7)到下一个时隙，即n=n+1，转到步骤3.

3仿真结果及分析

设网络中认知用户总数K=20，候选认知中继数M=4，认知用户自身传输能量消耗惩罚系数η1=0.5，协作传输能量消耗惩罚系数η2=0.2.设所有信道的信道增益gij=1,i,j∈{P,Si}，所有信道信噪比为0 dB.ρ表示认知网络中可靠用户占总用户数的比例.本文基于ρ=0.25和=0.5两种情况，分别对基于信誉的博弈和传统博弈算法的性能进行仿真比较.

不同ρ下，可选择可靠用户比例随时间的变化曲线如图2所示.在传统博弈中，刚开始几个时隙，可选择可靠用户比例在0～1之间波动，随着时间推移，可靠用户比例最终稳定在ρ附近.这是因为传统博弈是在认知网络中随机选取中继，故可选择可靠用户比例跟可靠用户占总用户数的比例ρ有关.而在基于信誉的博弈中，主用户根据认知用户的信誉值选出候选中继，缩小了中继搜索空间，所以随着时隙增加，可选择可靠用户比例快速增长，且最终可靠用户占搜索空间的比例接近于1.另外，在ρ相同的情况下，基于信誉的博弈最终可选择可靠用户比例远大于传统博弈.这是因为在基于信誉的博弈中，每个时隙主用户能识别不可信用户并逐渐把它们从搜索空间中滤除.

由于恶意用户会导致主用户平均收益减少，所以协作中继的选择直接关系到主用户的收益.不同ρ下，主用户收益随时间的变化曲线如图3所示.ρ越大时，主用户选择到可靠中继的概率越大，则主用户的平均收益越高.在ρ不变的情况下，基于信誉的博弈产生的主用户收益大于传统博弈.这是因为基于信誉的博弈模型能够排除系统的恶意用户，而且鼓励认知用户遵循合作规则.

图2　可选择可信用户比例随时间的变化

图3　主用户收益随时间的变化

4结束语

本文针对认知用户可能存在协作欺骗行为的问题，提出了基于信誉的频谱租赁算法，并通过Stackelberg博弈实现授权带宽和功率的最佳分配.数值仿真表明，相比传统的博弈算法，本文提出的算法能大幅度提高可靠用户选择率和主用户收益，更适用于结构复杂且性能需求高的认知网络，算法比较简单，同时容易实现.

参考文献

[1]HAYKIN S. Cognitive radio: brain-empowered wireless communications[J]. Selected Areas in Communications, IEEE Journal on, 2005, 23(2): 201-220.

[2]SIMEONE O, GAMBINI J, BAR-NESS Y, et al. Cooperation and cognitive radio[C]//Communications, 2007. ICC’07. IEEE International Conference on. IEEE, 2007: 6511-6515.

[3]SIMEONE O, STANOJEV I, SAVAZZI S, et al. Spectrum leasing to cooperating secondary ad hoc networks[J]. Selected Areas in Communications, IEEE Journal on, 2008, 26(1): 203-213.

[4]WANG X, MA K L, HAN Q, et al. Pricing-based spectrum leasing in cognitive radio networks[J]. Networks, IET, 2012, 1(3): 116-125.

[5]STANOJEV I, SIMEONE O, BAR-NESS Y, et al. Spectrum leasing via distributed cooperation in cognitive radio[C]//Communications, 2008. ICC’08. IEEE International Conference on. IEEE, 2008: 3427-3431.

[6]ETKIN R, PAREKH A, TSE D. Spectrum sharing for unlicensed bands[J]. Selected Areas in Communications, IEEE Journal on, 2007, 25(3): 517-528.

[7]HØST-MADSEN A. On the capacity of wireless relaying[C]//Vehicular Technology Conference, 2002. Proceedings. VTC 2002-Fall. 2002 IEEE 56th. IEEE, 2002, 3: 1333-1337.

DOI：10.13954/j.cnki.hdu.2016.03.006

收稿日期：2015-09-07

作者简介：孙文胜(1966-)，男，安徽巢湖人，副教授，嵌入式系统与无线通信系统.

中图分类号：TN911

文献标识码：A

文章编号：1001-9146(2016)03-0027-04

Reputation-based Study of Cooperation Spectrum Leasing Technology in Cognitive Wireless Network

SUN Wensheng, LI Guo

(SchoolofCommunicationEngineering,HangzhouDianziUniversity,HangzhouZhejiang310018,China)

Abstract：Considering that some cognitive users present probabilistic dishonest behavior in cognitive radio networks(CRN), a Stackelberg game property-right spectrum leasing model based on reputation is proposed. This reputation-based mechanism enables the PU to monitor cooperation behaviors of the SUs in each time slot, and restrict the SUs that present dishonest behavior to access the shared spectrum. The simulation results show that the proposed algorithm outperforms the classical Stackelberg game from both primary and reliable secondary users’ perspective.

Key words：spectrum leasing; cognitive network; cooperation communication; Stackelberg game