基于隐马尔可夫预测非对称信息功率博弈机制.docVIP

基于隐马尔可夫预测非对称信息功率博弈机制 　　摘 要：为了解决无线资源竞争中功率博弈的博弈者获得的环境信息具有非对称性问题，提出了一种基于隐马尔可夫预测的功率博弈机制。该机制通过建立隐马尔可夫预测模型（HMPM）判断博弈的对手是否参与博弈，从而提高博弈的信息准确度；然后利用预测获得的信息通过代价函数计算最佳发射功率。仿真结果表明，与最大后验概率法（MAP）和不预测法（NP）相比，基于隐马尔可夫预测的功率博弈模型能够在满足目标容量的同时，较好地提高非授权用户的功率效率。 　　关键词：隐马尔可夫预测；非对称信息；功率控制；非合作博弈；代价函数 　　0 引言 　　当今无线通信领域的重点与难点是通过提高频谱利用率解决频谱资源缺乏的问题，尤其是当无线网络中节点以竞争的方式使用频谱资源时，如何协调它们的行为（比如发射功率、信道选择等），使资源得到有效利用以满足用户的需求是保障系统正常运行的关键[1-4]。 　　功率控制机制由于能够有效避免对系统间、用户间的干扰，提高频谱和能量效率，是当前相关研究的重点和热点[1]。功率控制机制 　　是在满足用户公平性的基础上，通过有效控制用户的发射功率，以满足用户的通信质量需求。文献[5]提出了能保证非授权用户公平性的双阈值自适应功率控制算法，该算法中非授权用户通过限定最大和最低信噪比，在保证通信质量的前提下减小了功率的消耗；然而该模型需要中心节点向所有非授权用户广播信道状态，增加了信道开销。文献[6]考虑在保证授权用户通信质量的同时，非授权用户以最大传输速率与授权用户共享频谱资源。文献[7]考虑在Ad Hoc网络中采用underlay式频谱共享模型情况下，提出了两种算法实现不同的优化目标，其中REPC算法提高了非授权用户的平均传输速率，EEPC算法降低了非授权用户的功率损耗。文献[8]提出了在Ad Hoc网络中以最大化传输速率为目的的功率控制算法，非授权用户在授权用户未占用信道时会接入信道；但该模型中没有考虑检测误差的影响，其假设非授权用户检测的信道状态信息是准确无误的，而这在目前的无线网络环境中是无法实现的。 　　现有诸如以上的大多数文献中，在设计通信系统功率博弈机制时，都假设参与博弈的网络实体所获取环境信息是同质的，没有考虑用户信息的非对称性，而博弈中的信息对博弈结果有决定性的影响[9-10]。所谓信息的非对称性是指由于用户所处的环境差异和认知能力差异，即对同一个环境对象，用户的认知结果也不一样。本文提出了一种非对称信息环境中的功率博弈机制，以可用无线频域信道作为认知对象，针对不同用户对认知对象的感知差异，提出了一种基于隐马尔可夫的预测模型（Hidden Markov Prediction Model，HMPM）[11]来确保参与博弈的用户获得更多、更准确的关于竞争对手的信息，最终提升用户和系统的能量效率。文中对非合作功率博弈下纳什均衡的存在性与唯一性进行了证明，并通过仿真对算法进行了性能分析。 　　1 系统模型 　　考虑一个码分多址（Code Division Multiple Access，CDMA）制式的中心辐射式网络[12]，该网络的某一小区内有若干授权用户和N个非授权用户。小区内存在两个基站分别为授权用户和非授权用户收发数据。将授权用户的网络建模为分时隙系统（Slotted System），频域信道是否被授权用户占用满足两状态马尔可夫链，频域信道状态在相邻两个时隙内以概率pij进行转移[13]。非授权用户在检测到授权用户未占用频域信道时利用频域信道传输数据。将频域信道状态记为0、1两种状态，且在一个时隙内频域信道的状态不会改变。频域信道状态为1表示授权用户未占用信道，此时非授权用户可以利用信道传输数据；而状态为0则表示频域信道已被授权用户占用，非授权用户不能利用频域信道传输数据。由于网络中的各个非授权用户独自检测信道状态，导致非授权用户对频域信道状态的判决结果存在非对称性。 　　系统帧结构如图1所示，每帧分为若干时隙。分布式功率控制机制可以分为基于干扰测量和基于信道增益估计两类[14]。前者需要经过多次测量值的反馈，以逐时隙或逐帧迭代的方式实现功率的调整和收敛。本文将授权用户建模为分时隙系统，各时隙信道是否被授权用户占用会发生变化。同时由于信息非对称性，各时隙内参与博弈的非授权用户不同。因此，功率控制机制无法以逐时隙迭代的方式收敛。如果将整个功率控制过程在一个时隙内完成，又因为每个时隙的时长有限，完成多次闭环干扰测量和反馈的时间开销相对过大、同步难度高。因此本文采用基于信道增益估计的功率博弈机制，通过时隙内的迭代运算计算出功率博弈的均衡值。在此机制下，各帧中第一个时隙0用于估计每个非授权用户到基站的信道增益和背景噪声，并将这些信息由基站广播给非授权用户。本文通过带外控