[发明专利]一种部分重叠信道聚合博弈模型及学习方法

权利要求书

1.一种基于部分重叠信道聚合博弈模型的学习方法，其特征在于，包括以下步骤：

步骤1，将用户的信道聚合和选择问题建模为局部合作博弈模型，博弈的参与者是网络内所有具有频谱资源需求的用户；

步骤2，针对选中用户，将其他用户按照通信范围是否在一跳范围内，分为邻居用户和非邻居用户，并定义效用函数；

步骤3，随机选择一个用户，根据其业务需求情况确定信道聚合策略，然后根据邻居用户的信道选择情况，利用效用函数计算选中用户接入各个信道的效用函数值；选中用户在能够满足业务需求的信道中，选择使该用户和邻居用户吞吐量之和最大的信道进行接入；

步骤4，循环步骤3，用户通过探索学习进行信道接入选择，直至所有用户的信道选择实现收敛，或者达到设定的迭代次数；

步骤1所述的将用户信道聚合选择问题建模为局部合作博弈模型，该博弈模型定义为：

其中中包含四个组成部分，其中，为参与博弈的用户集合，为用户n的可选择联盟策略空间，为用户n一跳范围内的邻居用户，u_n为用户n的效用函数；

步骤3所述的随机选择一个用户，根据其业务需求情况确定信道聚合策略，然后根据邻居用户的信道选择情况，利用效用函数计算选中用户接入各个信道的效用函数值，具体如下：

定义用户n的邻居集合为用户n的信道聚合策略为其中a_n为用户n的信道聚合策略，c_ni为连续的信道编号；设定用户n总功率为P，在各个信道上功率相同，则用户i在信道j上的功率为P_i^j；用户n和用户i的物理距离为d_in，衰落系数为α，则用户n在信道c_nl上受到的干扰是：

其中，a_-n为其他用户的策略，s_i为用户i的信道聚合数目；

其中，H(c_nl,c_ij)为信道距离衰落因子，且：

用户n受到的所有干扰为：

其中，l＝1,...,s_n为用户n选择的信道编号，a_n为信道聚合策略；

用户n的吞吐量为：

其中，B为带宽，N₀为噪声功率，D_range为用户发射端到接收端的距离，用户n在信道l上的功率为为用户n在l信道上受到的干扰之和；

从而得到网络全局的吞吐量：

博弈的优化目标：定义全网吞吐量R为优化目标U，通过调整信道策略，以式(3)的效用函数r_n进行信道选择接入，使得全网吞吐量得到最大：

(P1):maxU                     (5)

利用局部合作博弈模型，优化式(4)、(5)，得到用户效用函数和目标函数如下：

其中，r_k(a_n,a_-n)为用户k的吞吐量。

2.根据权利要求1所述的基于部分重叠信道聚合博弈模型的学习方法，其特征在于，步骤3所述的选中用户在可以满足业务需求的信道中，选择可以使该用户和邻居用户吞吐量之和最大的信道进行接入，具体如下：

(1)初始化，第j＝0个时隙，每个用户n∈N随机选择一个信道接入策略；

(2)探测：对于选中的用户n，利用公式(3)计算它选择不同信道的效用值；

(3)信道接入选择：用户n根据效用值对选择最大化效用函数的信道接入。

3.根据权利要求1所述的基于部分重叠信道聚合博弈模型的学习方法，其特征在于，步骤4所述的循环步骤3，用户通过探索学习进行信道接入选择，直至所有用户的信道接入选择实现收敛，或者达到设定的迭代次数，具体如下：

(1)所有的用户在邻居间进行信息交互；

(2)每次迭代都随机选择一个用户n进行操作；

(3)其他所有的用户重复之前的信道选择，即a_k(j+1)＝a_k(j)，k∈J_n，即其余用户k在j+1时刻的信道策略与j时刻相同。