认知网络中最大化主用户收益的定价方法

文档序号:7868893阅读:348来源:国知局
专利名称:认知网络中最大化主用户收益的定价方法
技术领域
本发明涉及频谱资源管理技术领域,具体是认知网络中最大化主用户收益的定价方法。
背景技术
在频谱共享情况下,主用户可以通过对次用户造成的干扰进行收费而允许次用户采用适当的功率接入自身频谱。对于主用户,首先为了保证自身的服务质量,需要对于每个次用户采用合理的定价方法使得次用户对其造成的总干扰小于一定的门限;同时,由于价格影响次用户的需求,为了最大化自己收益,主用户需要采用一种较好的定价方法。因此,为了保证次用户接入时的干扰不影响主用户的正常通信和最大化主用户的收益,需要主用户对于各个次用户造成的干扰进行合理的定价。由于主用户的定价太低会造成次用户的干扰过大,从而大于主用户的干扰门限;主用户的定价过高,降低了次用户的购买需求,从而使得自身的收益减少。所以,需要一种较好的定价方法在保证主用户服务质量的前提下,最大化户主用户的收益。近年来,在认知网络中将定价方法来最大化主用户收益进行研究正受到越来越多的关注。对现有文献检索发现,相关文献如下Hui Yu 等人在《2010 IEEE Transactions on Vehicular Technology, May. 2010,vol. 59,no. 4,pp. 1769 - 1778.》上发表了题为 “Pricing for uplink power control incognitive radio networks”的文章。该文章中次用户可以租借主用户的频谱,在一定干扰门限下容许次用户接入。该模型由于主用户最大化效用函数式非凸的,文章将主用户的策略设定成一定的线性比例关系,然后将主用户的收益问题转化为一个单变量的优化问题来求解出一组定价,然而该方法只能获得一个次优的定价算法。Yuan Wu等人在〈〈2011 IEEE Transactions on Wireless Communications, Jan. 2011, vol. 10, no.1, pp. 12-19.》上发表了题为“Joint Pricing and Power Allocation forDynamic Spectrum Access Networks with Stackelberg Game Model” 的文章。该文章提出了一种新的定价模型,该模型考虑到保证主用户服务质量,将认知网络中联合定价和功率控制的问题建模为Stackelberg博弈问题,提出了一种低复杂度的启发算法来最大化主用户的收益。由相关研究可知,为了最大化主用户的收益,同时满其服务质量,需要主用户对于次用户采用一个较合理的定价方法。本发明基于主用户的效用函数关于干扰功率的单调性,将主用户收益的非凸问题转化为一个等价凸问题,提出了一种最大化主用户收益的定价方法。

发明内容
本发明针对现有的认知网络中主用户的定价方法不能保证最大化主用户收益的不足,提供了一种最大化主用户收益的定价方法。本发明能够使得主用户在知道次用户的链路信道信息和速率的偏好权重的情况下,通过一种迭代的方法来实现最大化主用户收益。该定价方法在保证次用户对于主用户的干扰小于给定的干扰门限的前提下,找到最大化主用户收益的最优解,比传统基于线性比例的定价方法提高了主用户的收益,并增加了次用户网络的总的收益和吞吐量。根据本发明的一个方面,提供一种认知网络中最大化主用户收益的定价方法包括如下具体步骤第一步初始化次用户功率;第二步根据次用户初始化功率判断是否满足次用户的最大干扰功率限制,如果条件满足,给出主用户的定价方法,方法结束;否则,进入第三步;第三步针对第二步次用户初始化功率不满足最大干扰功率限制情况,迭代搜索次用户功率;第四步通过遍历第三步迭代搜索获得的次用户功率,找到一组最大化主用户收益的次用户的功率,根据该功率,主用户给出定价。优选地,在第一步中,具体地,初始化各个次用户i的发射功率Pi:
权利要求
1.一种认知网络中最大化主用户收益的定价方法,其特征在于,包括如下具体步骤 第一步初始化次用户功率; 第二步根据次用户初始化功率判断是否满足次用户的最大干扰功率限制,如果条件满足,给出主用户的定价方法,方法结束;否则,进入第三步; 第三步针对第二步次用户初始化功率不满足最大干扰功率限制情况,迭代搜索次用户功率; 第四步通过遍历第三步迭代搜索获得的次用户功率,找到一组最大化主用户收益的次用户的功率,根据该功率,主用户给出定价。
2.根据权利要求1所述的认知网络中最大化主用户收益的定价方法,其特征在于,在第一步中,具体地,初始化各个次用户i的发射功率P1:
3.根据权利要求2所述的认知网络中最大化主用户收益的定价方法,其特征在于,在第二步中,具体地,如果对于所有的i ∈ {1,…,n},条件hiPi≤Pmax,成立,其中Pmax为每个 Lwi次用户最大干扰功率,主用户的定价λ*i为
4.根据权利要求3所述的认知网络中最大化主用户收益的定价方法,其特征在于,在第三步中,具体地,对于所有小于min(n[T/Pmax])的k值时,令i = k-1, P*jk=Pmax/hk, j =1,…,1-1,第k次迭代次用户p*jk的功率由等式
5.根据权利要求4所述的认知网络中最大化主用户收益的定价方法,其特征在于,在第四步中,具体地,主用户定价广为
全文摘要
本发明公开认知网络中一种最大化主用户收益的方法,包括初始化次用户功率;根据次用户初始化功率判断是否满足次用户的最大干扰功率限制,如果条件满足,给出主用户的定价方法,方法结束;否则,进入下一步;针对第二步次用户初始化功率不满足最大干扰功率限制情况,迭代搜索次用户功率;第四步通过遍历第三步迭代搜索获得的次用户功率,找到一组最大化主用户收益的次用户的功率,根据该功率,主用户给出定价。本发明在主用户知道次用户对于自己干扰信道信息的情况下,通过至多n次迭代就可以搜索到主用户的最优定价,在每次搜索时的次用户功率通过解析表达式计算获得,具有搜索速度快、实用性和可行性强的优点。
文档编号H04W16/14GK103052078SQ20121056384
公开日2013年4月17日 申请日期2012年12月21日 优先权日2012年12月21日
发明者王正强, 蒋铃鸽, 何晨 申请人:上海交通大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1