[发明专利]一种基于合约理论的认知无线电网络资源分配方法

摘要

本发明公开了一种基于合约理论的认知无线电网络资源分配方法，引入合约理论来解决强不完全信息条件下结合反向散射的射频的时间资源分配问题：在合约中，主用户PU和次用户SU分别作为合约的拟定方和签订方；在强不完全信息条件下，PU依照不同类型SU出现的概率为每个SU拟定最优合约；若拟定的合约能够同时满足SU的激励通用性IC和个体合理性IR条件，则SU会将该合约作为最有合约并签订该合约；即最优化合约问题化简为在同时满足IC和IR条件下PU效用函数的最大值求解。解决了现有模型RFPB‑CRN中在强不完全信息的情况下的性能优化问题。

主权项

1.一种基于合约理论的认知无线电网络资源分配方法，其特征在于，具体包括以下内容：步骤1、构建采用合约激励机制的RFPB‑CRN模型，包括一个主用户PU和n个次用户SU，RFPB‑CRN即为结合反向散射的射频供电认知无线网络；步骤2、解决逆向选择问题：在强不完全信息条件下，假设PU只知道SU的类型总数n和每个类型SU的概率，PU可以为不同类型的SU提供一系列合约；合约理论是由一个PU和n个不同类型的SU组成采用合约激励机制的RFPB‑CRN模型，PU为SU提供一个合约(b,t)用于激励SU反向散射或发射信息，其中b表示的是SU反向散射的时间，t表示的是SU直接发射信息的时间，第i个SU签订的合约记为(b_i,t_i)，将总反向散射时间归一化为1，ST_i收集射频能量的时间为1‑b_i；强不完全信息条件为：假设PU只知道SU的类型总数n和每个类型SU的概率β_i∈[0,1]，且有n个SU的能力对应n个不同类型，标记为θ∈{θ₁,...,θ_i,...,θ_n}；并且假设θ₁＜…＜θ_i＜…＜θ_n,i∈{1,...,n}       (2)，其中，SU的类型代表着次用户发射端ST的所有个人信息，θ代表着次用户发射端ST传输信息成功的困难程度，为了解决逆向选择问题，PU可以为不同类型的SU提供一系列合约(b_i,t_i)，i∈{1,...,n}；步骤3、解决道德风险问题：PU设计合约中反向散射和直接传输的时间，达到SU的传输功率最大，从而实现PU的报酬最高；具体内容是，将次用户发射端ST的传输功率标记为p，功率对应的代价函数表示为：ψ(p)＝αp²                       (3)，其中α表示代价系数；PU设计合约(b_i,t_i)中反向散射和直接传输的时间，达到SU的传输功率最大，从而实现PU的报酬最高；步骤4、求解PU的效用函数：记x_i作为ST_i的传输速率，ST_i表示第i个次用户发射端，传输信息的成功概率可以表示为：ρ(x_i)＝θ_ix_i∈(0,1)                   (4)，固定的反向散射速率表示为R_b，C_b和C_t分别表示次用户发射端ST反向散射和直接传输给PU的报酬系数；ST_i的传输功率可以表示为其中η为能量转换系数；假设每个次用户发射端ST收集能量的功率是相同的，记为P_h；因此签订合约(b_i,t_i)后，SU_i的效用函数可以表示为：其中，SU_i表示第i个SU，α表示为代价系数，bi表示第i个SU反向散射的时间，ti表示第i个SU直接发射信息的时间；SU签订合约(b_i,t_i)后，PU的效用函数为：PU的总效用函数表示为：步骤5、求解最优化合约问题：即求解同时满足IC和IR条件下PU效用函数的最大值；具体内容是，最优化合约问题可以直接转化为最大化PU代价函数，表示为：其中x_i′表示ST_i签订合约(b_j,t_j)时的信息发射速率，这其中有两个条件，分别是激励通用性(IC)和个体合理性(IR)，这两个条件能够保证ST_i倾向于选择合约(b_i,t_i)而不是(b_j,t_j)，且能够获得一个非负的效用函数；其中，b_i表示的是第i个SU反向散射的时间，t_i表示的是第i个SU直接发射信息的时间，b_j表示的是第j个SU反向散射的时间，t_j表示的是第j个SU直接发射信息的时间，α表示为代价系数，θ_i表示为第i个SU的类型，第i个SU的概率表示为β_i∈[0,1]，固定的反向散射速率表示为R_b，C_b和C_t分别表示ST反向散射和直接传输给PU的报酬系数，次用户发射端ST收集能量的功率表示为P_h，能量转换系数表示为η。