文摘

无线网状网络(WMNs)是一种很有前途的下一代无线网络系统的网络模式。在WMNs功率控制起着至关重要的作用,是实现大规模WMNs部署一个至关重要的一步。在本文中,我们解决问题的如何分配权力优化服务质量(QoS)和储蓄的功耗WMNs基于博弈论。我们首先制定问题作为一个非合作的博弈,QoS属性和每个节点的能量被定义为一个效用函数,和所有节点试图最大化自己的效用。在这样的游戏中,我们将所有干扰节点关联到被干扰对象和接收节点干扰对象的虚拟目标节点。然后,我们提出一个平衡的解决方案使用Stackelberg非合作的博弈模型,我们提出一个迭代,WMNs分布式功率控制算法。同时,我们进行数值实验来评估系统的性能,我们的结果表明,该算法可以平衡节点共享网络资源有限,总效用最大化,因此它是有效的和有效的解决在WMNs功率控制问题。

1。介绍

无线网状网络(WMNs)是下一代无线网络系统的关键网络范式。WMNs使传输功率的开放性特征显著影响无线网络的性能。在无线网络中,更高的信号干扰加噪声比(SINR)值收益率更低的误码率和更高的数据率,和每个节点的欲望尽可能低的传动功率加上SINR最高。功率控制技术,处理的选择合适的传动功率密切相关的服务质量(QoS)优化和节能。因此,功率控制起着至关重要的作用在WMNs,预计将大规模WMNs部署的关键技术。

功率控制方案,决定了传播范围或干扰范围,对于WMNs的性能是至关重要的。然而,现有的功率控制方案,在很大程度上依赖于发送节点的本地信息,不能准确反映链路质量的传输路径,和传输功率控制方案合理不能共享网络资源。另一方面,博弈论,由于其数学能力分析独立决策者之间的交互(1],引来众多关注的自组织和自适应无线网络的设计。博弈论通过心理学,是一个计算模型,它假定人是自私的,这是不同于机器学习,试着去发现法律通过示例数据。博弈论提供了一个强大的工具来研究竞争力的无线网络功率分配问题。据我们所知,博弈论一直积极申请在特定的分布式资源分配不同的目标和WMNs。我们的研究工作是设计一个分布式的、高效的WMNs复杂性较低的功率控制方案。在本文中,我们提出一个非合作的功率控制算法WMNs QoS的优化和节能使用Stackelberg博弈模型。具体地说,这项工作中的贡献是三倍。(我)我们设计一个多目标效用函数来表示用户的QoS实现和节能之间的偏好,我们证明的理论最优解的存在性和唯一性。(2)Stackelberg博弈模型的基础上,我们制定这个功率分配问题作为一个非合作的游戏,和我们解决功率控制比赛详细(SPNE)子博弈精炼均衡。(3)根据SPNE,我们建议WMNs的分布式功率控制算法。该算法可以方便地提高网络性能的平衡干扰范围中的所有节点共享有限的网络资源。

通过数值实验,该算法是有效的和有效的平衡节点共享网络资源有限,总效用最大化。我们因此认为它适用于各种无线网络系统。

本文的其余部分组织如下。节2,我们目前的相关工作和贡献的工作。部分3阐述了WMNs节点的自私的性格和设计功率控制的效用函数。部分4给出了系统模型和问题定义。部分5制定Stackelberg博弈模型和功率控制问题进行纳什均衡(NE)点。部分6提出了功率控制算法。数值实验中包含部分7。最后,我们总结论文部分8。

2。相关工作

最近大量的研究进展为无线网络功率分配。作者在2]设计了电控MAC协议,允许节点调整自己的传播力量,同时允许对一些干扰边缘的接收器。仿真结果表明,显著提高吞吐量和能源与MAC协议是可以实现的。尽管如此,很难实现节点之间的同步。MAC协议未能处理干扰问题。文献[3]介绍了几种分布式功率控制算法。这些算法考虑到节点敏感性目前的干扰水平。在[4),作者认为在混合WMNs拓扑控制的问题。开发一个算法来计算最优传动功率保持网络连接,节点传输功率减少到只包含最近的邻居,和网络生存期延长。然而,上述提到的研究共享相同的特性,也就是说,假设设备配合系统性能优化的目的。而对于无线节点,他们基本上不属于一个权威和可能不希望达到共识,追求一个共同的目标。因此,节点通常是太自私的球员试图最大化其自身性能而不考虑其他球员的目标。因此,假设可能不成立。

目前应用博弈论在电力分配竞争的无线网络也已成为一个活跃的研究课题。据我们所知,博弈论一直积极申请分布式资源分配不同的目标在特设和WMNs。谭和合作者(5)建模的信道分配和功率控制问题作为一个非合作的游戏,所有无线用户的共同选择一个最优信道和功率联合成本函数最小化。然而,该算法理论,而且在实践中无法实施方便。在[6),作者提出了一个支付功率控制方案使用博弈理论,每个用户宣布一组价格系数,反映了不同补偿支付的其他用户的干扰。该方法收敛到纳什均衡,在这一点上它能够提供一个更公平的吞吐量在用户间共享。在[7),作者集中于如何控制传动功率接入点的飞行员使用博弈论管理干扰信号。他们认为非合作功率控制博弈和计算每个访问点的传输功率的纳什均衡博弈。另一方面,他们认为合作功率控制游戏和提出惩罚策略执行的监管惩罚自私的接入点。然而,假设游戏的监管机构是WMNs不可行。因为大多数终端的电池供电的无线网络,WMNs客户和传感器节点等能源效率对延长终端的生命是至关重要的。除了电脑游戏,研究相关的能源效率的游戏可以在[8- - - - - -10]。

通过上述的研究集中在QoS优化(优化吞吐量)和能源效率,研究据报道平衡QoS优化(优化吞吐量)和能源效率理论框架下游戏。在本文中,我们解决问题的权力分配对QoS优化和节能无线网状网络。我们的工作不同于以上研究在以下三个方面。首先,我们解决问题的多次反射WMNs代替单跳WMNs。其次,我们提出一个共同目标函数平衡QoS优化(优化吞吐量)和能源效率。第三,我们将QoS优化和节能为单个游戏称为非合作的游戏(NQPG),并给出详细的描述5。

3所示。效用函数对权力的控制

在WMNs,每个自治节点试图最大化自己的利益,往往是“自私的”;因此,这些节点之间存在着博弈。在功率控制场景中,用户往往会调整其传输能力以应对其他用户的行为,导致功率向量序列收敛于一个点,没有用户的动机增强个人实力,这个点叫做NE。不幸的是,这样一个NE点并不存在。一般来说,我们有以下的充分条件。

定义1。一个不存在于非合作功率控制博弈如果对所有:(我)策略配置文件是一个非空的、凸和紧凑的子集一些欧几里得空间吗,(2) 是连续的和拟凹,
在哪里是指数组的当前活动节点,代表的策略集,是用户的效用函数。每个节点选择一个功率级从凸集这样。让权力向量表示比赛的结果在选择的权力级别的所有用户。由此产生的效用水平用户是。所有用户的策略空间排除用户用。

在WMNs共享传输介质,一个节点的信号可能会干扰其他节点。通常,一个自私的用户没有任何能量约束会达到一种很高的SINR的接收节点无论事实可能导致过度干扰其他用户(5]。最终将所有节点传输功率达到最大限度,因为权力是严格增加SINR。考虑到网络的整体性能,所需的效用函数应该考虑SINR和权力,我们指定一个效用函数为每个节点传输功率调整,包括三个方面,我们将分别介绍它们。为了解决功率控制问题,我们采用一个函数测量吞吐量(11]: 在哪里表示由源节点选择策略,表示在干扰范围内所有其他节点的策略,链路带宽,渠道的差距,,代表的SINR节点(5),而 在哪里从发送节点的距离吗接收节点,是节点的传输功率,衰减指数,(12),获得节点的联系吗到节点,AWGN权力在接收节点,干扰范围的活动节点集,然后呢除了节点表示所有活跃节点。确定配方的功率控制问题WMNs, AWGN权力是一个常数。

担忧自私用户,它可以利用通道最优功率传输,无视其他传输的影响。为了优化WMNs的QoS,效用函数的设计应考虑节点的传输功率的影响网络的整体性能和能源消耗,所以我们定义可用的无线介质 在哪里是一个系统常数和一个变量相关源节点。

从社会福利的角度来看,它是合理的收取节点能源消费的价格,所以我们定义了能源价格 在哪里代表价格系数。

我们现在注意以下表达式是这个游戏的效用函数:

命题2。一个东北出口和功率控制是独一无二的游戏。

证明。第一个条件的存在显然不满意。我们把效用函数的二阶偏导数与尊重: 所以是一个连续拟凸函数。NE的唯一性的证明显示游戏简单德布鲁的定理13]。

4所示。系统模型和问题公式化

我们为网络节点选择合适的传动功率使用博弈论和考虑干扰范围的通信情况,只要WMNs节点共享一些共同的资源,他们之间的竞争不可避免,因此游戏相应而生。为了提高SINR优化QoS和节约能源,我们使用Stackelberg模型模型功率控制问题。

定义3。无线信号强度变弱与传播距离的增加和路径损耗可以定义如下12]: 在哪里接收节点到源节点的距离,是衰减指数,。传动功率,是获得的链接。

接收节点的链接,其总收到信号强度 在哪里在接收节点的信号强度吗和接收节点的累积干扰吗造成的,同时传输的链路传输和AWGN权力在接收节点。

作为WMNs接收节点,很难获得他们的干扰邻居的详细信息,包括传动功率和接收节点之间的距离。随着节点如图1,它可能会干扰节点,,。如果系统采用RTS / CTS等控制机制,传输在节点的通信范围将被延迟,但节点的传输和在节点的干扰范围将影响节点的传输都是一样的不知道他们。然后,功率控制问题是干扰邻居之间的功率分配,和发送节点接收节点的。因此,我们的目标是设计一个功率控制方案,可以正确地分配传动功率优化网络吞吐量和节约能源。

5。Stackelberg功率控制游戏(SPCG)

5.1。问题公式化

Stackelberg游戏也称为被领导游戏。Stackelberg游戏,这个游戏的玩家是一个领导者和追随者。问题假设跟随者的反应在这样一个理性的方式优化目标函数基于领导者的行动。Stackelberg模型可以通过寻找解决(SPNE)子博弈精炼均衡。

在功率控制游戏模式中,我们假设系统采用RTS / CTS机制和协议干扰模型。我们假设所有节点具有相同的频率和固定。我们假设提出所选传动功率的功率控制算法可以确保所有传输所需的最低SINR。

根据RTS / CTS机制,如果接收节点接收数据时,其他所有传输接收节点的通信范围递延。因此,干扰只来自该地区节点的通信范围内,如,,,如图2,在那里和是沟通的半径范围和干扰范围,分别。

因为无线信号的衰减特性,如果干扰节点的传输功率,,变得更大,接收节点的干扰是由这些干扰节点会更大,所以干扰强度的趋势在接收节点符合接收节点接收到的信号强度吗,,。然后我们定义的所有节点,影响接收节点的连接质量作为一个干扰对象,我们定义接收节点作为干预对象的虚拟目标节点。因为我们不能干扰节点的传输功率,我们估计的总和所有干扰节点的传输功率测量累积干扰的强度在接收节点。根据(2),所有干扰节点的传输功率的总和可以表达的,在那里接收节点的累积干扰吗,从干扰节点平均距离吗我们定义。我们把传动功率的总和所有干扰节点作为干预对象的游戏策略,可以接收节点的计算的累积干扰水平。另一方面,我们定义的源节点发送对象,传输功率发送对象的游戏策略。所以这个功率控制过程建模为一个游戏发送对象和干扰对象之间的接收节点。

功率控制算法的复杂性的限制,和都是单调函数,被认为是在,。另一方面,是一个单调函数,所以效用函数(5)可以写成

定义4。功率控制问题可以制定Stackelberg功率控制游戏 在哪里(1) 是一组球员。是干扰对象,代表所有接收机的干扰节点在传输过程;这是这个游戏的领导者。是代表了源节点的发送对象;在这个游戏中,追随者和它反应基于领导者的行动;(2)行动组;每个玩家选择功率这样。球员传输功率,玩家传输功率;(3)效用函数;由此产生的效用水平的球员。根据效用函数(9),考虑到需要减少功率控制算法的复杂性,我们集和干扰的实用函数对象和发送对象可以定义如下:

在哪里传动功率的干扰对象,的传动功率发送对象,从干扰节点的平均距离目的地我们定义在哪里=是向接收节点发送节点之间的距离,干扰对象获得的链接吗接收节点,发送对象获得的链接吗接收节点。

5.2。解决问题

替换,与,Stackelberg功率控制游戏(11)可以改写如下: 在哪里累计接收节点的干扰水平,在接收节点接收到的信号强度,平均干扰距离所有干扰节点到接收节点,然后呢是发送节点到接收节点的距离。

可以找到SPNE解决Stackelberg功率控制博弈模型。随着权力的策略取决于的功率我们定义,表示追随者的最佳动作功能,下标1代表领导,2代表追随者。作为球员往往是“自私”,最大化自己的效用,我们求一阶导数的跟随者的效用函数就其战略,我们到达: 定义= 0;然后我们得到最好的操作功能 替代在与在上面的公式;我们得到了 我们求一阶导数的跟随者的效用函数关于;我们到达 定义;然后 根据最佳动作功能,我们得到的 所以Stackelberg SPCG的平衡(理论最优解)。

根据Stackelberg功率控制比赛,我们知道接收节点的累积干扰的关系和发送节点的传输功率如下:

6。Stackelberg-Game-Based功率控制算法

6.1。功率控制算法

基于定价之前功率控制机制的一个缺点是,他们没有一个方便的算法实现它在实践中,我们提供了一个高效、简单的基于博弈论的功率控制算法。

根据(19),累积干扰接收节点的确定在一定的网络条件下,我们可以在MAC层和传输功率可以调整如下: 在哪里是向接收节点发送节点之间的距离,在接收节点接收到的信号强度,的累积干扰接收节点,平均距离干扰节点到接收节点,然后呢代表价格系数。根据(2),我们可以优化网络性能通过选择发送节点的传输功率。我们可以看到从(20.传动功率)是负的累积干扰单调函数,但由于无线介质的限制可用的(3),不会无限地增加,不会无限地减少;他们将调整达到平衡和优化他们的效用函数。

电流的干扰节点接收节点可以发送节点的传输链接,和当前发送节点也可能导致干涉这些干扰节点,所以我们选择传动功率的累积干扰来自干扰节点;我们还必须考虑当前发送节点的传输功率的影响在其他发送节点干扰范围。根据Stackelberg博弈,提出了功率控制算法可以平衡所有传输节点干扰范围内分享有限的网络资源,提高网络性能结果。在我们的算法中,系统通过传输功率分配传动功率校正指令干扰节点和发送节点的接收节点。该功率控制算法如算法1和2。

6.2。时间复杂度分析

我们假设是活动节点的数量在干扰范围,然后呢代表迭代SGPCA的时期。

首先,建立干扰信息的初始化表CIIA,其中每个节点广播活动通知消息和干扰通知消息,这个过程可以看作完全图的直接设置;这需要。每个节点需要注册其相邻节点干扰信息;这需要。每个节点需要计算到其相邻节点的距离。每个节点计算自己的平均累积干扰它。所以CIIA的时间复杂度。

其次,我们假设所有节点干扰的,除了发送节点和接收节点,该算法SGPCA需要接收节点传输能量校正指令的干扰节点和发送节点和所有这些节点需要调整自己的传播也需要。如果SGPCA的迭代次数的时间复杂度SGPCA。

所以,Stackelberg-game-based功率控制算法的时间复杂度

作为是活动节点的数量在干扰范围内,它并不大,所以功率控制算法的时间复杂度不高,它是可行的。

7所示。数值结果和绩效评估

在本节中,我们目前的数值结果前面几节中给出的算法。我们设置一个典型值为每个变量来验证的效率提出了功率控制方案。我们将系统获得,、带宽高斯白噪声,、价格系数,交通不变,通道之间的差距,衰减指数、传输距离,平均干扰距离,平均距离干扰节点自己的目的地。在我们的实验中,传播模型很简单:我们假设有一个从发送节点传输到接收节点和一些干扰传输的干扰范围影响链路的传输质量。提出了功率控制算法的收敛的定义是达到稳态值的0.01%内权力更新(14]。

不同于机器学习研究方法,我们研究提出了功率控制算法的性能,通过分析和比较。Stackelberg博弈中,所有玩家都自私,尽自己最大的努力最大限度地发挥其效用,和跟随者的反应这样一个理性的方式,优化其效用函数基于领导者的行动。如果领导者的行动没有效用最大化,他调整行动增加效用,并相应地追随者调整他的行动。提出了功率控制算法,接收节点得到了基于系统参数的子博弈精炼均衡。基于累积干扰来自干扰节点和接收到的信号强度,接收节点发送功率校正介绍干扰节点和发送节点,节点调整传动功率。在下一次迭代,感官接收节点更新后的累积干扰和更新后的接收信号强度,比较点的子博弈精炼均衡,并再次发送功率校正介绍。这个迭代过程停止只有在系统达到稳定状态。我们首先分析了该算法在可行的系统来验证迭代过程的收敛性。然后,我们使用了足够的传动功率方案(15)和IEEE 802.11标准作为基准来评估拟议中的功率控制算法的性能。我们提出的功率控制算法相比,发射功率足够的计划,和IEEE 802.11最大传输功率的方案在三个方面,包括接收节点的SINR,能源效率和总效用。足够的传动功率方案简单修改IEEE 802.11 RTS / CTS机制,和最大传输功率用于request-power-to-send (rpt) / acceptable-power-to-send(摘要)数据发送方和接收方之间的握手,这是用来确定的最小传输功率会导致一个成功接收的数据包接收DATA-ACK传播,即最小传输功率选择基于所需的最低SINR (RMSINR)接收器。在我们的实验中,我们设置RMSINR 1.5。在IEEE 802.11最大传输功率方案中,所有节点传输数据的最大传输功率。同时,我们定义最大传输功率8000不锈钢。

7.1。绩效评估拟议的功率控制算法

根据Stackelberg功率控制游戏,以确保应用程序的QoS,干扰节点可以调整其传输能力得到最好的效用,并发送节点根据接收节点的发射功率可以选择累积干扰节点的传输功率决定的干涉。潮流干扰节点和发送节点的传输功率如图3。系统可以收敛,达到稳态后完成13次迭代。根据参数值在上述段落,我们得到了功率控制博弈的子博弈精炼均衡(6522、4161)。我们可以看到从图3当系统达到稳定状态,干扰节点和发送节点的传输功率由点子博弈精炼均衡。

通过使用相同的实验模型考虑之前,我们研究接收节点的SINR在迭代过程中,和相应的结果如图4。在第三代,最大SINR,但迭代过程仍在继续。因为在这一点上,接收节点的连接质量是最好的,但干扰节点的传输功率太小了。该算法必须使所有节点共享网络资源均匀传播。

系统的效用是如图5。我们可以看到,干扰节点和发送节点的效用随传动功率调整的迭代过程。通过13次迭代中,每个节点调整传动功率导致的功率向量序列收敛于平衡点,而且没有球员的激励来改变其个人权力。干扰节点行为首先,发送节点随之而来,干扰节点的效用总是大于发送节点的效用,叫做“先驱优势”Stackelberg博弈理论。

7.2。性能比较

我们研究提出了功率控制算法的性能SINR而言,能源效率和用户的效用。我们比较足够的传动功率的算法方案和IEEE 802.11最大传输功率的方案。

接收节点的SINR的比较如图6。足够的传动功率的方案,接收节点计算传动功率来实现所需的SINR基于其干扰和通知通过了发送节点信息。发送节点传输数据的最小传输功率传输成功。所需的最低SINR取决于网络设备达到稳定,如图6 (b)。在IEEE 802.11最大传输功率的方案,传动功率保持在同一水平无论如何无线环境的变化。IEEE 802.11最大传输功率方案欲望,所有节点传送任何数据最大传输功率。

与增加的SINR depraves干扰,如图6 (c)。提出的功率控制算法,不同于上述功率控制方案,网络节点采用算法可以调整干扰水平通过发送修订介绍干扰节点,和功率控制算法适应新环境。该系统可以有限数量的迭代后达到稳定状态。与足够的传动功率方案和IEEE 802.11标准传动功率方案,该算法可以实现节点在复杂网络环境得到足够的SINR。

我们定义的能源效率比总效用的总和干扰节点和发送节点的传输功率。图7显示的比较三个功率控制方案的能源效率。我们可以看到,该功率控制算法的能源效率是稳定的,而足够的传动功率的节能方案和IEEE 802.11最大传输功率方案下降迅速接收节点的累积干扰增加。

该实用程序的比较三个功率控制方案演示图8。在质量,节点的总效用小于采用IEEE 802.11标准控制方案采用提出的节点功率控制算法和发射功率足够的计划,和总效用降低接收节点的累积干扰增加。如果接收节点的干扰水平很低,节点的总效用高于采用足够的传动功率方案提出的功率控制算法。但如果干扰水平变得更大,总效用将会变得非常小,发射功率足够的计划不能提供足够的性能,保证QoS。

8。结论

在本文中,我们研究了功率控制的问题,提出了一种有效的功率控制算法WMNs基于博弈论。我们建模的功率控制问题是一个非合作的Stackelberg博弈通过观察WMNs的特色,每个用户自己的决定自私和设计了一个效用函数综合考虑这两个吞吐量和能源效率。通过技术SPNE Stackelberg博弈,我们之间的关系推导出发送节点的传输功率和接收节点的累积干扰。推导出平衡观点表明,接收节点传输功率校正指令到干扰节点和发送节点调整他们的传动功率。我们也给出了数值实验;结果表明,所有的用户获得足够的SINR,实现能源效率,该算法可以平衡节点共享网络资源有限,总效用最大化;因此,高效和有效地解决功率控制问题。

确认

工作得到了国家重点基础研究计划项目(973项目)的中国(拨款2010 cb334710和2012 cb315803号),国家科学基金(批准号重庆61272400)、NCET、研发基础(批准号Kjzh10206),实验室开放项目的关键信息网络安全管理的公共安全(批准号C11609)。