技术领域
[0001] 本
发明属于通信技术领域，涉及一种基于次用户效用最优的协作频谱感知方法。
背景技术
[0002] 无线通信技术的飞速发展引起无线设备剧增，使得无线频谱资源十分稀缺。目前频谱资源采用固定的分配方式进行授权，因此频谱利用效率很低，且极度
不平衡,
认知无线电系统应运而生。认知无线电可以感知系统环境，寻找空闲的频谱，并进行动态的频谱分配，这样可以有效地提高频谱利用效率。认知无线电实现的前提在于频谱感知技术，单
节点感知，受阴影效应和深度衰落影响较大，感知结果不可靠，因此需要多个节点协作感知来提高检测可靠性。由于用户不是完全自愿参与感知任务，因此出现了许多激励机制，应用较多的是基于群智感知的激励机制。
[0003] 群智感知是结合众包思想和移动设备感知能
力的一种新的数据获取模式，是
物联网的一种表现形式。群智感知是指通过人们已有的移动设备形成交互式的、参与式的感知网络，并将感知任务发布给网络中的个体或群体来完成，从而帮助专业人员或公众收集数据、分析信息和共享知识。系统架构包括
服务器平台、数据使用者和任务参与者。
[0004] 已有的群智感知文献一般都没有明确具体的感知任务，没有将群智感知
算法与具体的应用场景结合在一起，本发明将群智感知的激励机制与频谱感知相结合，提出了一种次用户效用最优的基于博弈的协作频谱感知方法。
发明内容
[0005] 发明目的：本发明的目的是提供一种次用户效用最优的协作频谱感知方法，通过优化次用户的感知时间获得次用户效用最优，提高次用户的平均效用，节约次用户的剩余电量，延长待机时间。
[0006] 发明内容：本发明所述的一种基于次用户效用最优的协作频谱感知方法，包括以下步骤：
[0007] (1)用SU＝{su1,su2,su3...suN}表示次用户集，N为次用户数，平台发布频谱感知任务和预算B，E＝{E1,E2,...EN}为次用户的初始
能量；
[0008] (2)次用户i(1≤i≤N)计算频谱的检测概率；
[0009] (3)次用户之间通过博弈确定感知时间，并依据感知时间计算各自的效用；
[0010] (4)N个次用户根据步骤(3)中得到效用与
门限值比较，若大于门限值，次用户则愿意参与感知并上传检测概率；
[0011] (5)平台对接收到的N'个愿意参与感知的次用户的检测概率进行排序，选择检测概率较大的M个用户参与感知，被选中的次用户进行感知并上报感知信息；
[0012] (6)平台通过表决融合判断最终感知结果，如果主用户存在的次用户数大于等于则判定主用户存在，否则主用户不存在；
[0013] (7)平台根据次用户的检测概率给所有上报信息的次用户发放报酬，被选中的次用户获得报酬，未被选中的次用户也可以得到补偿的报酬。
[0014] 进一步地，所述步骤(2)通过以下公式实现：
[0015]
[0016] 其中，Pfi表示虚警概率，ti为用户i的感知时间，fs为
采样频率，tifs则是采样点数，SNRi表示次用户接收主用户发送
信号的
信噪比，Q函数为互补累计分布函数：
[0017] 进一步地，所述步骤(3)包括以下步骤：
[0018] (31)初始化T＝{t1,t2,...tN}；j＝1，j为
迭代次数；
[0019] (32)从第一个次用户开始，根据
[0020]
[0021] 找到一个t使方程式成立，此时的t为最优的感知时间，更新t1，用类似的方法求得t1,t2,...tN，更新时间集T；
[0022] (34)次用户根据上面确定的感知时间计算各自的效用，第i个次用户的效用为：
[0023]
[0024] 其中， 表示次用户i的检测概率；ti表示次用户的感知时间；α、β、γ都是加权因子；di表示次用户到基站的传输距离；Ei为次用户的剩余能量；
[0025] (34)重复步骤(31)、(32)，用j＝j+1迭代j，直到满足条件|uj+1(t1,t2,...tN)-uj(t1,t2,...tN)|≤ε，其中ε为一数值很小的常量，且取值为ε＝10-6。
[0026] 进一步地，步骤(7)所述的所有上报信息的次用户发放报酬为：
[0027]
[0028] 其中， 和 分别为每个次用户的检测概率和虚警概率，为加权因子。
[0029] 有益效果：与
现有技术相比，本发明的有益效果：1、将群智感知算法与具体的应用场景结合在一起，将群智感知的激励机制与频谱感知相结合，综合考虑平台预算、检测概率、传输距离及剩余能量等因素，激励次用户参与感知任务；2、优化次用户的感知时间获得最优效用，提高了次用户的平均效用，大大降低了剩余能量少的次用户能耗，延长了待机时间；3、采用博弈的方法使感知时间达到纳什均衡，平台选择上报的检测概率较高的次用户完成任务并发放报酬，上报信息但未被选中的用户可以获得补偿，激励次用户参与下一轮的感知任务，提高了平台的检测性能。
附图说明
[0031] 图2为本发明方法的网络模型结构示意图；
[0032] 图3为平台与次用户交互图。
具体实施方式
[0033] 下面结合
说明书附图对发明的技术方案进行详细说明：
[0034] 本发明将群智感知的激励机制与频谱感知相结合，提出了一种次用户效用最优的基于博弈的协作频谱感知方法。如图1所示，首先建立感知次用户的效用函数，效用函数与平台预算、检测概率、传输距离、剩余电量相关，各个次用户之间通过博弈获得各次用户的最优感知时间，次用户评判效用并确定是否参与感知，愿意参与的用户将检测概率上报给平台，平台选择一定数量的检测概率较高的用户进行感知，并通过表决融合计算最终的检测概率，最终平台向上报的用户发放相应的报酬。
[0035] 本发明研究的系统场景如图2所示，在半径为R的圆形区域内，存在一个主用户、一个次用户基站和N个次用户，SU＝{su1,su2,su3...suN}，各个次用户均可以通过能量检测感知主用户频段，得到相应的检测概率，次用户将相关信息发送至基站，基站可以看作发布任务的平台，负责信息的融合处理。
[0036] 检测概率是频谱感知的重要参数，任意次用户能量检测的检测概率为：
[0037]
[0038] 其中，Pf表示虚警概率，即当主用户不存在时次用户误判主用户存在的概率，ti为用户i的感知时间，fs为
采样频率，一般为定值，tifs则是采样点数，SNRi表示次用户接收主用户发送信号的信噪比，Q函数为互补累计分布函数：
[0039]
[0040] 平台和次用户之间的交互如图3所示，平台首先发布任务，区域内的次用户计算自身效用选决定是否参与感知，愿意参与的次用户上报自己的检测概率，平台根据检测概率由高到低选择一定数量的次用户，被选中的次用户开始执行感知任务，最后平台向上报信息的次用户发放一定的报酬。平台发布任务并给出对应的预算B，预算是发放给次用户的报酬，激励次用户参与群智感知。由于次用户感知频谱和上传信息均会消耗能量，感知消耗的能量与感知时间有关，上传信息消耗的能量与收发之间的距离有关，并且次用户终端的剩余能量越低，参与感知的代价越高，因此定义次用户的效用函数为：
[0041]
[0042] 其中， 表示次用户i的检测概率；ti表示次用户的感知时间，感知时间越长，感知到的信息越可靠；α、β、γ都是加权因子；di表示次用户到基站的传输距离，传输距离越大，次用户需要的发射功率越大，代价越高；Ei为次用户的剩余能量，剩余能量越小，次用户完成感知任务的代价越高。本发明以获得次用户最优效用为目标，构建以下目标优化问题：
[0043]
[0044] 对于标准式博弈G＝{S1,S2，...SN；u1,u2，...uN}中，如果在每个博弈方的一个策略所组成的某个策略组合 中，任意博弈方i的策略 都是对应其他博弈方策略的组合 的最佳策略，也即对任意的Sij∈Si都成立，则称
为博弈G的一个“纳什均衡”[13]。
[0045] 当一个博弈策略同时满足下列三个条件，就可以说该博弈存在纳什均衡:
[0046] (1)博弈集非空且有限；
[0047] (2)策略集S是欧式空间的一个非空集合；
[0048] (3)效用函数是严格凸函数。
[0049] 本发明的策略组合为 为次用户最优效用。下面将据上述的三个条件来证明纳什均衡的存在性。很明显，次用户组成的博弈集是非空有限集，策略集ti代表了次用户感知时间，是非空的，因此(1)、(2)成立，只需证明次用户效用函数是严格凸函数，即证明次用户效用函数的二阶导恒小于0。
[0050]
[0051] 其中
[0052]
[0053]
[0054] 其中
[0055]
[0056] 由Q函数的性质可知，当m≤0时检测概率 此时数据具有参考价值；由于α、B、Pd、SNR、fs等均大于0，因此次用户效用函数的二阶导恒小于0，其效用函数是关于t的严格凸函数，因此如果存在最优解，该解是唯一的。因此解下面方程即可得到最优感知时间：
[0057]
[0058] 如果一阶偏导 最大值小于0，次用户效用最大时对应的采样时间为因此，博弈存在唯一的纳什均衡解。
[0059] 对第i个次用户来说，当其余N-1个次用户的检测概率已知时，可以根据自身的效用函数求得最优的感知时间ti，因此N个次用户均可得到相应的最优值。N个次用户之间存在博弈，纳什均衡是次用户在博弈过程中收益均衡的最优结果，在其他参与者不改变其行为策略时，无法通过单独改变自身策略选择来获得更高的收益。博弈的步骤具体如下：
[0060] 1)初始化时间，输入传输距离、剩余能量等参数；
[0061] 2)次用户根据公式(9)求得最优感知时间，更新感知时间，根据公式(3)求得对应的效用；
[0062] 3)重复1)、2)直至所有次用户感知时间达到稳定，得到纳什均衡时的次用户感知时间和最优效用。
[0063] 通过次用户博弈方法可以获得所有次用户的感知时间及其效用，次用户将自身效用与门限值比较，门限值代表次用户能接受的最低的效用值，若大于门限值，次用户则愿意参与感知并上传检测概率。
[0064] 表决融合准则的数据融合算法被称为k/n规则，当N个次用户中存在k个及以上表示主用户存在，此时系统判决主用户存在，令u0表示次用户最后的决策，u0＝1表示主用户存在，u0＝0表示主用户不存在。通过表决得到最终结果：
[0065]
[0066] 若每个次用户的检测概率和虚警概率分别为 和 则表决融合准则的检测概率、虚警概率分别为：
[0067]
[0068]
[0069] 且当k＝N/2时系统性能最佳。
[0070] 平台对接收到的N'个愿意参与感知的次用户的检测概率进行排序，选择检测概率较大的M个用户参与感知，SU'＝{su1,su2,su3...suN'}(N'≤N)，被选中的次用户进行感知并上报感知信息，平台根据表决融合处理数据得到最终结果。同时平台根据检测概率给次用户发放相应的报酬，未被选中的次用户也可以得到补偿的报酬，这样可以激励次用户参与下一轮的感知任务，因此所有愿意参与感知的次用户获得的报酬为：
[0071]
[0072] 其中，为加权因子。
[0073] 综上所述，本发明将群智感知的激励机制与协作频谱感知相结合，提出一种次用户效用最优的基于博弈的协作频谱感知方法，综合考虑平台预算、检测概率、传输距离及剩余能量等因素，以最优化次用户效用为目标，对次用户感知时间进行优化，提高次用户的平均效用，大大降低了剩余能量少的次用户能耗，延长了待机时间。
