进化博弈理论基础的紧急CRAHNs协作感知模型

文摘

博弈论已经成为的首选工具建模动态自治系统之间的相互作用。认知无线电特设网络(CRAHNs)构成的自治无线节点是一个适合游戏基于理论的建模。游戏基于理论模型特别适合“协作频谱感知”,每一个感官认知无线电频谱和与其他节点共享的结果,有针对性的传感精度。CRAHNs光谱传感,特别是在紧急情况使用时如灾害管理和军事应用,不仅需要准确和资源效率,但也自适应改变的用户数量以及信噪比。此外,光谱传感机制也必须积极主动,公平,和宽容的安全攻击。现有协作频谱感知工作大多局限于资源效率在静态系统使用request-based活性传感导致较高的延迟。摘要进化博弈理论(废气温度)是用于紧急CRAHNS的行为模型,提供一个高效的协作频谱感知模型。生成的实现模型自适应变化的环境,如信噪比,在网络的用户数量。分析和仿真模型验证系统设计和所需的性能。

1。介绍

作为无线节点变得更加自主和网络架构更分散的特设网络,博弈论已经成为一个强大的工具来理解重复互动的结果,可能发生在这种网络(1]。进化博弈理论(废气温度)是基于理论的非合作的游戏的一个分支“适者生存”的原则并被应用到模型的进化稳定的解决方案(2]。

认知无线电特设网络(CRAHNs)组成的认知无线电(CRs)连接在一个特设的方式。CRs需要有能力访问任何光谱带基于可用性(动态频谱访问(DSA))为了与主或授权用户共享频谱(脓)。频谱感知是一个重要的功能需要实现DSA (3]。在CRAHNs,频谱感知可能以协作的方式进行隐藏节点和衰落条件下提高可靠性。然而,协作频谱感知消耗额外的资源(如能量的电池供电的收音机和带宽)来感知频谱和传感信息传达给其他用户。频谱感知的过程也会影响底层应用程序的“服务质量”由于延迟与光谱传感、分配、和交接4]。当CRAHNS用于紧急网络军事和灾害管理等应用,尤其重要的是频谱感知机制的结果是准确的。检测结果的准确性是非常重要的因为失踪遗留PU的存在会导致干扰PU和CR(也称为次要用户,苏)本身,从而导致通信失败。准确性还包括假警报,描绘了一个事件的概率的错失良机在紧急情况下这可能是至关重要的。自从CRAHNs是动态的,即用户数量以及环境条件,如信噪比(信噪比)可能会经常变化,协作频谱感知机制必须能够适应这种变化。同样重要的是资源效率与公平的需求在电池供电的手持设备的能源消耗的食物网络。此外,为应急网络协议需要主动避免数据包的延迟交货(5]。CRAHNs容易受到数据伪造攻击和他们需要宽容这样的攻击(6]。数据伪造攻击,一些SUs发出假本地频谱感知结果融合中心,造成融合中心做出错误的频谱感知的决定。

本文提出了一种协作频谱感知机制,满足各种性能要求的紧急CRAHNs上面列出。这个模型包括可视化网络系统的发展在三个层次的抽象,即政策,行为,和实现的建议(5]。第一层次的抽象,政策的基础上,定义了用户之间的层次结构和认证问题是典型的紧急情况下。第二个层次的抽象基于网络的行为定义“系统需要做什么?”。最后第三层次或实现涉及解决方案是如何实现的?。图1说明了不同的抽象级别参与系统设计过程。在这部作品中,行为模型(二级)已经开发了基于进化博弈理论,在CRs可视化为自治代理(7]。

本文组织如下。部分2概述了当前最先进的在CRAHNs领域的协作频谱感知。部分3描述了紧急CRAHN系统模型和网络效用函数中定义这个工作。部分4介绍了这项工作涉及到的核心建模SUs进化游戏的行为框架。奖励系统提出,将允许网络发展一种稳定状态。部分5介绍了应用程序模型的一个紧急CRAHN自适应频谱感知方案。结论提出了部分6。

2。相关工作

相关工作已经提出了在两个部分,协作频谱感知和博弈理论。

2.1。协作频谱感知

在衰落信道条件下,当地光谱传感决策可能不太可靠的渠道由于时变特性以及隐藏节点的条件。然而,结合来自多个来源的信息提供了空间多样性导致更可靠的全球聚氨酯的光谱行为的信息。这种结合的信息称为数据融合,可以使用“艰难的决定”或“软决策”从个人猜测。基于对数似然比检验(LLRT)数据融合已被证明是最优从每个CR提供测量的可靠性信息,检测概率和假警报的可能性是可用的。网络中的协作感知,不同CRs相互合作和分享他们的频谱感知结果,详细介绍(8,9]。已经表明,目标错误绑定可以不需要所有的CRs网络意义上的频谱。CRs的数量应该是一次传感和共享的信息将取决于各种因素如网络规模和平均信噪比的条件下。

协作频谱感知的基本组件包括本地传感技术受雇于CRs,数据融合技术在中央协调器,使用和控制通道用于通信以及报告和合作者的选择(即。,他应该感觉)。一个协作频谱感知系统是容易受到攻击,恶意CRs报告错误的检测结果。技术改进的安全协作感知进行了调查(10),怀疑的SUs级别是基于他们过去的报告。信任值和一致性值计算,消除恶意用户的影响聚氨酯检测结果。

在这一领域的大部分工作在文献中没有考虑动态信噪比条件或改变网络的大小,这是典型的特设网络。此外,这些传感机制使用request-based活性传感、更高的延迟而主动传感。

2.2。博弈理论

超过二十年,博弈理论已被应用到网络问题,包括路由、定价、流控制和服务质量,等等11,12]。博弈论是一种数学分析技术适用于场景涉及智能玩家争夺有限的资源。博弈论在无线网络应用的原则在各层5]。大部分工作在博弈论CRs一直关注于干扰管理、频率分配,和MAC调度11,12]。

在频谱感知游戏中,玩家参与SUs能够检测空白。电磁频谱是有限的资源,游戏的玩家,也就是说,SUs争夺。每个苏想要了解更多的关于光谱入住率和能够从广播的信息收集这同行和感知的。苏必须消耗大量的能量感知频谱和广播信息,在听别人在公共频道播放的信息相对比较自由。因此,对于每个玩家在这个游戏中(苏),需要提供对全球决策过程节能与自己的愿望相冲突。使用信息从其他球员来说是一个更有吸引力的选择使它成为经典的免费游戏(10]。每个SU宁愿被别人使用信息共享因为它没有额外的代价。只要废话用户的数量很小,不会影响系统的整体性能,但它会影响个人苏性能。不公平的负载分配可能导致穷人光谱知识和失败的集团目标维护频谱占用信息准确性以最小的能源消耗。控制行为的规则系统可以设计,这样避免自由加载(10]。从频谱感知的角度,或睡眠难题已被安装成一个进化游戏框架(13,14]。

进化博弈理论源于适者生存的生物模型,帮助设计师模型自治代理的行为试图遵循的策略最大的回报。在进化的游戏中,SUs的行动是基于信仰的因素时,反复游戏。两代人之间的策略可能会改变,这种改变是基于对比组后的回报一定策略和系统平均回报。任何战略的结果在系统收益将高于平均水平的大多数人口,最终成为获胜的策略。这种行为是由“复制因子动态”[建模15]。在[13,14],SUs的行为动态建模和探索的目标吞吐量最大化使用活性光谱传感方案”或“在数据融合的基础上,针对民用网络。假设传感活动仅限于几次能带和数据通信发生在其他部分波段。换句话说,传感和通信可以在不同的频段同时发生。与[相比13,14),我们的重点是公平对能源消耗,同时保持稳定的一个场景,整个光谱,也就是说,所有的部分波段,被分配的SUs感觉到平静期。按照标准(4),这些安静的时间必须是同步的,这样所有SUs观察沉默在这段时间。结果,当苏不是传感,取而代之的是不传输数据睡觉或节约能源。我们讨论积极的光谱传感机制使用基于LLRT数据融合(16,17)应急网络。公平对能源消耗的CRs也是维护。

它是直观的,只要激励贡献不自然发生像在公共好游戏11必须提供)、人工激励奖的形式良好的行为或惩罚不当行为。在本文中,我们表明,没有这样的一个激励,频谱感知游戏将减少一个公益游戏,在稳定的解决方案是为所有SUs睡觉。可以达到一个进化稳定的解决方案,实现网络客观和公平SUs通过合并一个奖励系统。所需的奖取决于能源消耗的SUs传感/广播和宪法的人口。一个足够大的奖励,可以达到一个稳定的解决方案。

3所示。系统模型

考虑中的系统组成认知无线电连接在一个特设的方式,如图2。每个电台都是假定为传感的常见光谱带的带宽分成光谱波段集中在频率,分别。SUs假定为紧密聚集,因此SUs之间的距离远小于一个典型的PU的距离(13,14]。聚氨酯信号检测在不同SUs由独立的瑞利衰落信道的影响。因此,SUs的有效信噪比被认为是指数分布的平均信噪比。SUs的数量在网络或网络的大小是动态的,典型的特设网络。为代表的PU光谱使用模式是开/关马尔可夫模型,一个已知分布的开/关时间(18]。发送本地感知结果通过一个错误免费公共控制信道(19]。促进光谱传感,定期观察一个所谓的平静期(20.]。在此期间,所有的猜测都必须避免所有感兴趣的频段的通信。SUs的唯一选择在安静的时间意义上的频谱或睡觉,节约能源。表1描述了本文中使用的术语。

由于他们不同的物理位置,每个SU提供了一个独特的本地频谱占用的“快照”,这是用来制造全球决定光谱组合(融合)占领。任何光谱传感测量技术的成功概率的检测()和假警报的概率()。接下来的讨论中,检测和假警报的可能性与地方决策有关SU表示为和。检测和假警报的概率与全球决策由和分别在哪里是输入融合实现全球的数量的决定。

SUs之一(通过轮流或网络)中的第一个假定光谱协调员执行以下功能的状态。(一)融合共同控制通道的光谱决定数据从网络中的所有传感SUs获得全球频谱占用。技术”和“,”或“,“多数逻辑”可以用于数据融合(8]。测试数据融合使用最优融合使用对数似然比(LLRT) [16,17)是用于这项工作由于其优越的性能和阻止恶意攻击的能力。(b)监控检测概率()和假警报的概率(为每个SU)。和每个SU的谱估计的协调员使用计数规则通过比较本地感知结果与全球或熔融的结果(21]。

需要指出的是,协调员可以基于策略的选择或在22)内阁的领导人是用来缓解开销在一个领导者的选择上。这并不影响系统模型。为网络实现目标的准确性,为代表和如果一些,这就足够了的用户感知频谱在每个安静的时期。这个值的取决于本地信噪比的条件下,系统精度的要求(23,24]。其余的SUs可以睡在这个平静的时期,节约能源。全球检测概率()和假警报的概率()使用的决定SUs所示(1)和(2)[8]。因为每个SU表示的平均水平,值,的 多数逻辑规则是用于融合,取决于平均,作为 贝叶斯风险函数定义了风险作出错误的决定(17] 与假警报和相关的成本吗是错过了检测相关的成本。随着遥感用户或数量的的增加,预计将减少接近零。累积的信息增益定义为。

网络作为一个整体的目标是获得准确的信息最少的SUs传感。苏也认为只有在某个特定的时间感知频谱时代将广播中的传感信息时代。这样可以确保最小的能源利用传感和最小带宽开销广播。感应用户的数量越小,资源效率越高的成本信息增益较低,反之亦然。在这一点上,我们定义一个函数称为网络实用程序,突显出有效地网络获得信息频谱占用 网络效用函数活跃(感应用户)被定义为信息增益和资源的加权平均效率(能源消耗或带宽开销)的网络。可以看出是一个凸函数的在一个高峰超越任何获得信息所抵消能源了。图3显示的行为和为不同的值和平均信噪比。网络效用函数的极大值的位置取决于权重系数,平均信噪比的条件下,网络规模()。

的情况一次用户感知的网络规模每个SU传感的概率可以表示成,定义为传感概率()。图4显示的行为的函数,,,。随着,检测概率达到最大效用较低的感应每个SU努力将减少。增加(为常数)或减少(为常数)相当于平均信噪比的改善,从而减少所需的遥感工作由每个SU目标传感性能。

方程(1)可以写成 这基本上意味着组合是当地条件的函数和SUs传感的数量。对于一个有针对性的准确性SUs,活跃是一个函数的和平均与网络相关的吗 对于一个已知的,,,它可以估计,

知道的价值节能解决方案可能只有实现的用户感知频谱在安静的时间和允许休息睡眠,节约能源。的用户,必须的感觉是一个重要的问题,一直在处理文献[25]。由于信噪比条件下,以及网络规模、时间不同,其中一个解决方案是计划每个SU的概率。平均来说,SUs将在给定的时间时代意义,满足需求谱信息和能源消耗。感应或概率将一个函数网络的大小(),加权系数(),平均信噪比(和),

了解这些参数将允许SUs程序这样网络效用最大化。应该注意的是,由于每个苏选择合理与否,在当地,解决维护公平,也就是说,平均每个苏同样会消耗能量。然而,在移动ad hoc网络,网络的大小和信噪比条件变体。每个SU必须能够调整其传感概要文件本地的网络效用最大化。当地的个体的效用定义为 在哪里的概率是感应的吗用户。前面提到的冲突显然是这个等式所示。减少当地的遥感资料()将提高资源效率(第二项(9)),但每减少在当地,全球信息将受到影响,有效地减少和当地的效用。

只要平均的用户频谱,网络效用最大化,这可能为代价的一些SUs传感比其他人更多。这种解决方案是不公平的,因此它是不稳定的,紧急CRAHNs是不可取的。我们使用博弈论模型这一场景,每个苏作为一个球员,一个理性的决定(在本例中是否感觉在一个给定的安静的时间(20.]),根据其当地的效用函数。理性的目标是最大化自己的效用。我们使用这个模型,最终得到一个自适应系统,使网络达到最小概率的感应,这样产生的网络最大网络效用也是公平对所有用户开放。进化博弈模型是用来模拟CRAHN分析网络的性能,并找到一个策略,给出了稳定解的最大效用。

4所示。进化博弈模型

进化的游戏包含大量的玩家玩游戏一个给定的反复。动作的球员是基于他们的信仰。内置的学习过程让他们更新他们的信仰基于经验。在频谱感知游戏中,假设每个苏正试图实现本身的最高回报和将改变其策略基于战略的信念,将导致更高的回报2]。讨论遵循自主选择的周期如图5,射击游戏是第一个进行了分析,其次是迭代的游戏,然后进化模型。

4.1。一个射击游戏

一次同时比赛被定义为,在那里是一组球员,是行动,空间和是向量的每个球员的效用函数。支付矩阵一枪两个玩家之间的游戏是描绘在图6。效用函数的值, ,的行动空间 获得的光谱信息和两个活跃的嫌疑犯充其量将大于或等于什么。

例1 ()。收敛是象限2和3。如果两个玩家在“感觉”状态(象限1),两个球员都动机走向“睡眠”状态。后一次玩这个游戏,动作的球员和将{意义上说,睡眠}或{睡觉,感觉}。

例2 ()。收敛是对象限1,这两名球员。

例3 ()。游戏收敛象限4,每个苏不是最好的策略意义。

箭头在图6指示方向偏好的选择导致了纳什均衡(NE)情况1。象限2或3构成不作为的球员都无法单方面通过改变其策略得到更好的回报。这也不是帕累托最优也不可以单方面改变为了更好地或相同的效用在不伤害对方的效用。这个游戏是一个对称的,非零和,和同步的解决方案是混合策略。图7显示了帕累托边界与不一致。

4.2。迭代的游戏

在一个迭代的游戏(图action-payoff周期重复几次5)。正如前面看到的,有可能达到平衡时,游戏一次,也就是说,一个苏感官而另一睡觉,导致低回报的感应苏。然而,当反复游戏,玩家将采取的策略变化取决于他们过去的经验,过去的收益和预期持续时间的游戏。

针锋相对,tit-for-two刺青,严峻的触发策略已经被证明达到一个稳定的解决方案(26]。在这些策略,一个流氓SU(一个苏,拒绝为遥感工作)将由其他惩罚不合作,也就是说,如果一个苏拒绝意义,组里的其他人也不会感觉。这将导致网络的彻底崩溃,导致非常稳定的解决方案。类比可以吸引到“公共利益”的游戏,每个人都受益于他人的贡献。尽管解决方案策略,一些球员贡献公共利益的帕累托最优,它是不公平的贡献的球员。因此,这个解决方案是不稳定的。已经提出,一个稳定的策略在公共好游戏只能通过使用一个足够大的奖励或重要的点球(27,28]。提供了奖励是重要的,所有的玩家都可以激发成合作,有效,稳定。

4.3。进化的游戏

进化游戏定义如下:,在那里在操作集是战略空间。SUs的数量后策略是在哪里。人口资料被定义为,在那里。

理论分析,我们应当首先考虑只有3策略可进一步扩展。

“1”对应al_sleep策略总是睡觉,。

“2”是KbyN策略频谱的概率。这种感知概率网络效用最大化提供所有跟随它。

“3”对应al_sense策略总感觉,。

组的平均实用程序使用的相应策略是由 可以看出后,平均效用的策略1将高于其他两组

在进化的游戏中,SUs的行动是基于信仰的因素时,反复游戏。两代人之间的策略可能会改变根据回报之间的比较(公用事业)集团遵循某种战略和平均系统的回报。任何策略,导致系统的回报高于平均水平(网络实用程序),随之而来的将是大多数人口,最终成为获胜的策略。这种行为是由“复制因子动态”[建模26,27]。网络实用程序或收益涉及人群后被定义为不同的策略 用(11)(13)

要获胜的策略,策略1必须保持好, 自,,,都是积极的,上面的条件总是满意,所有的SUs将收敛于策略1。这将是一个非常稳定的策略。网络生存能力,策略2或者是必要的战略应该获胜的策略。策略2要赢,必须满足下列条件:

与当前公用事业的定义,然而,趋同策略2是不可能的,因为苏似乎获得更多利用知识从别人而不是自己感知。画一个类比与“公益游戏”(28),最好的网络实用程序可以通过提供激励的SUs或一个点球。这样incentivization深度讨论(29日]。从所有的SUs鼓励贡献,我们引入一个“奖励因素”()作为奖励指标。奖励授予的价值th苏取决于传感工作由苏比所需的努力(实现目标的性能)。

考虑以下: 在哪里遥感的可能性吗苏。一旦感知概率奖励浸透到1达到所需的值。SUs的奖励策略al_sleep后,,和al_sense下面列出:(策略1)al_sleep,(2)策略为通过,(3)战略al_sense。

包含奖励因素后,实用程序可以写成, 为战略胜利,它必须是最高的策略收益与其他策略相比,或

条件将适用只要信息增益大于0,总是如此作为 因为两个和都是有界的,1,当上述条件总是满意和。因此,策略2的收益高于策略1和3,因此将与包含奖励获胜的策略因素。

4.4。复制因子动态和演化稳定策略

系统被认为是进化稳定当改变后的种群不同策略趋于零。让代表人口的变化后的策略。据复制因子动态(24,25),这一变化将直接成正比集团回报和网络支付的区别

网络中由于SUs的数量保持不变,人口增加了赢得战略必须在人口以下其他策略的成本

一个固定的复制因子的动态关系满足所有(24,25]。

它可以显示包含奖励因素允许策略2是获胜的策略以及稳定策略。一个固定的点复制因子的动态(或任何动力系统)是渐近稳定的如果有小的偏差从这个国家是被动态。让稳定点,被骚动不安(26]。新的人口密度是由 用(27)(25),我们有 与假设;可以忽略不计的。用(20.),(30.)可以解决 因此,渐近稳定,确保满足以下条件时,总是真正的自, 和都是有界的0和1之间的

策略集可以扩展,不同组的SUs可以与不同的概率不同从0到1,也就是说,在战略空间。网络收敛于策略的效用函数中引入奖励因素的存在。后如果没有组策略,游戏将收敛于一个接近最优的策略策略。奖励制度的实施需要一个中央实体可以监控每个苏和广播活动的分配奖励基于传感概率计算几个迭代。网络中的各种SUs传感与不同的概率,激励因素将确保该系统将进化,这样所有SUs将遵循的战略网络效用最高。

4.5。进化博弈模型的验证

评估提议的性能分析模型,仿真模型已经使用软件构建Netlogo [31日]。100次迭代解释为代表的一代,策略之后,球员们都认为是不变的一代。SUs在网络的数量已经设置为30,初始种群分布的三组随机分配。人口的进化过程中可以看到图中所示的情节8。第一个图表显示了人口的变化(25几代人。第三个图显示的数量SUs每种策略在几代人后,或游戏的动态人口。随着游戏的发展,人口通过(2)战略策略在其他两组的成本增加。

公平的系统评价是基于平均能量的区别,网络中个人猜测。在一个公平的系统中,所花费的平均能量之间的方差将相似或通过个人SUs将小的能源消耗。样本方差计算使用由个人平均能量在SU ()和平均能量花的意思是所有的SUs组。高方差显示了一个不公平的情况,反之亦然。图显示了减少方差随着系统的发展对一个稳定、公平的解决方案。第二个图显示了方差几代人。可以看出方差作为游戏稳定下降到零 一个收敛的必要条件通过战略(2),至少应该有一个苏的战略。如果没有子群通过策略,系统将朝着离后的子群进化策略通过组,导致次优的解决方案。然而,在所有情况下系统是公平的,非平凡解的稳定和发展。

5。应用进化博弈模型自适应紧急CRAHN光谱传感机制

部分中描述的博弈模型3和4可以应用于一个自适应协作频谱感知方案在紧急CRAHNs [23]。在这个方案中,每个SU可以感知,最初感知概率从0到1。网络的生存能力,这是可取的,网络中的所有SUs应该概率,但SUs没有知识的价值或由于动态操作条件。中央实体监测每个SU跟踪网络频谱感知活动的大小(定期)和估计的最佳检测频率。它提供了这些信息通过奖励因子(SUs间接)。奖励制度的实施需要一个中央实体(如图9),将监控每个SU和分配的频谱感知活动奖励根据个人贡献和期望的贡献。

网络中的各种SUs传感与不同的概率,激励因素将有助于个人SUs调整其传感策略,这样所有SUs将遵循一个传感的时间表,也就是说,(或接近)最优感知时间表,导致网络效用最高。每个SU灵活地调整其传感进度率它的欲望。任何改变在网络规模或信噪比条件下应该导致传感安排相应的改变是通过奖励通报苏的因素。

图10展示了该系统的功能图。数据融合等功能,为每个SU估计的参数跟踪网络大小()和估计在频谱协调执行。估计的概率是在一段时间内完成的,认为是吗时代的时候了。每个SU的SC计算奖励的时代的时候了。

这个奖励因素实时发送到每个SU SU。使用这些信息来调整其传感概率,这样它的回报最大化。更新方程当和是如下所示。每个SU可以调整的速度概率意义上被改编的因素和作为

算法的伪代码如下所示。表2列出了用于模拟参数。SC接收决定从网络中的所有SUs并生成全球使用这些决策决定。它还更新概率参数为每个SU。经过平均迭代,它决定了每个SU奖根据其感应频率和所需的检测频率。SC还追踪SUs在网络的数量(从主动路由表)和调整最佳检测频率如果网络规模的变化。网络规模增加将导致减少反之亦然。如果平均和显著改变假定信噪比改变事件发生。这引发学习在SC的重置国旗Ps_opt_Learning_flag(参见算法1)。

在每个SU如下所示的代码。在这里和信噪比不需要知道。的更新基于奖励Fs。应该注意的是,这个奖励是一个函数和信噪比,反映了其价值的任何变化(见算法2)。

图11显示模拟CRAHN在不断变化的环境条件下的行为。情节显示每个SU能源花费的方差,传感系统的性能随着时间的推移。组信噪比被设置为−2.25 dB和初始网络的大小是30。50次单元系统的信噪比变化从−−2.25 dB 1.75 dB在150单元,系统(SUs的数量)改为()。可以看出,环境的任何改变将导致暂时的方差的增加和减少,但是系统可以适应本身的帮助下学习发生在SC和奖励因素是苏反馈。与一个低能量方差以及所需的是实现。最后情节展示了遥感在任何的概率的变化苏。减少信噪比增加缓慢,同样增加逐渐减少的结果。的变化率是由和在本地,可以调整。

6。结论

在本文中,我们提出一个光谱传感系统能满足紧急CRAHNs列在表的要求3。适应算法实现在每一个苏适应当地传感网络实用程序,不断最大化甚至改变网络规模和信噪比的变化。随着网络规模和/或信噪比条件下的变化,最优的SUs数量必须在给定的静默期的变化,这个数字是在SC定期了。SC沟通这些信息通过奖励因素,这让苏调整其传感时间表。

LLRT-based融合在SC本质上是实现弹性拜占庭攻击(30.),提供了防止恶意用户。由于传感是主动和定期在安静的时期20.相比),系统的延迟降低request-based被动传感。

奖励系数的概念来源于使用进化博弈理论和执行复制动态分析。与公益游戏显示,除非奖励或惩罚,在稳定解不苏感官和网络不能功能。稳定通过使用一个比例奖励的概念确保光谱精度高,而消耗的能量是最小的了。提出的进化框架有助于CRAHN适应一个最佳感应计划,也就是说,决定是否有意义的一次时代自适应最优的安排没有任何信息。

确认

本文由CEEMS实验室支持国际信息技术研究所的班加罗尔比如卡纳塔克邦政府资助的。作者要感谢博士Srinath Srinivasa, IIIT班加罗尔,各种讨论多重代理系统。

引用

1. m·j·奥斯本介绍了博弈论,牛津大学出版社,2004年。
2. j·w·威布尔进化博弈理论,麻省理工学院出版社,1998年。
3. 微积分,“认知无线电:brain-empowered无线通讯,”IEEE在选定地区通讯》杂志上,23卷,不。2、201 - 220年,2005页。视图:出版商的网站|谷歌学术搜索
4. 王l . c和c·w·王,“为认知无线电网络频谱切换:reactive-sensing还是proactive-sensing ?“在IEEE国际性能计算和通信学报》发布会上,(IPCCC ' 08)2008年12月,页343 - 348。视图:出版商的网站|谷歌学术搜索
5. http://www.ir.bbn.com/ ramanath / pdf / rfc_vision.pdf。
6. 曾k, p . Paweczak, d . Cabric”基于声誉和信任的合作频谱感知节点援助。”IEEE通信信,14卷,不。3、226 - 228年,2010页。视图:谷歌学术搜索
7. m . Felegyhazi和j.p. Hubaux博弈论在无线网络:一个教程”,后续技术报告,LCA-REPORT2006 - 002年,2006年。视图:谷歌学术搜索
8. a . Ghasemi和e·s·苏萨”,通过协作感知机会频谱接入衰落信道,“杂志通讯,卷2,不。2、2007。视图:谷歌学术搜索
9. w·张,r·k·Mallik和k . Ben Letaief“优化能源的合作频谱感知检测在认知无线电网络中,“IEEE无线通信,8卷,不。12日,第5766 - 5761页,2009年。视图:出版商的网站|谷歌学术搜索
10. w·Wangz h·莉丽、y Sunz和z汉,“Attack-Proof协作频谱感知认知无线电网络中,“http://ccl.northwestern.edu/netlogo/。视图:谷歌学术搜索
11. t·金、c . Chigan和z田,“博弈论的分布式频谱共享无线认知网络的异构QoS,”《IEEE全球电信会议(GLOBECOM 06年)2006年12月,页1 - 6,。视图:出版商的网站|谷歌学术搜索
12. 邹c和c . Chigan”游戏理论DSA-driven MAC框架为认知无线电网络,”IEEE国际会议通信学报》(ICC ' 08)2008年5月,页4165 - 4169。视图:出版商的网站|谷歌学术搜索
13. b . Wang k·j·r·刘,t·c·克兰西”进化游戏框架合作频谱感知的行为动力,”《IEEE全球电信会议(GLOBECOM ' 08)2008年12月,页1 - 5,。视图:出版商的网站|谷歌学术搜索
14. b . Wang k·j·r·刘,t·c·克兰西”进化合作频谱感知游戏:如何合作?”IEEE通信,卷。58岁的没有。3、890 - 900年,2010页。视图:出版商的网站|谷歌学术搜索
15. e . c . y . Peh y . c .梁y l .关和y曾庆红,“优化合作感知认知无线电网络:sensing-throughput权衡来看,“IEEE车辆技术,卷。58岁的没有。9日,第5299 - 5294页,2009年。视图:出版商的网站|谷歌学术搜索
16. z椅子和p . k . Varshney”最优数据融合多个传感器检测系统,”IEEE航空航天和电子系统,22卷,不。1,第101 - 98页,1986。视图:谷歌学术搜索
17. p . k . Varshney分布式检测和数据融合施普林格,1997年。
18. h·金和k . g . Shin“有效的发现与mac层传感在认知无线电网络频谱机会,”IEEE移动计算,7卷,不。5,533 - 545年,2008页。视图:出版商的网站|谷歌学术搜索
19. i . f . Akyildiz w . y . Lee和k·r·Chowdhury“CRAHNs:认知无线电特设网络,”特设网络,7卷,不。5,810 - 836年,2009页。视图:出版商的网站|谷歌学术搜索
20. “IEEE 802局域网/人标准委员会,802.22 WG WRANs(无线局域网络),“http://www.ieee802.org/22/。视图:谷歌学术搜索
21. n Mansouri和m . Fathi”简单计数规则优化数据融合,”IEEE会议程序控制应用程序2003年6月,页1186 - 1191。视图:谷歌学术搜索
22. a·k·辛格和s . Sharma“Lite领导人找到马奈的算法,”并行和分布式计算(ISPDC国际研讨会”11)2011年7月,页125 - 132。视图:出版商的网站|谷歌学术搜索
23. g . v . k . Sasirekha和j . Bapat”最优节能分布式频谱感知的传感器数量,”诉讼第三应用科学国际研讨会在生物医学和通信技术(伊莎贝尔的10),罗马,意大利,2010年11月。视图:出版商的网站|谷歌学术搜索
24. y陈,“最佳协作频谱感知的二级用户数量考虑资源的使用效率,”IEEE通信信,12卷,不。12日,第879 - 877页,2008年。视图:出版商的网站|谷歌学术搜索
25. z汗j . Lehtomaki k Umebayashi, j . Vartiainen”选择最佳的检测性能的传感器为认知无线电网络,”IEEE信号处理信件,17卷,不。4、359 - 362年,2010页。视图:出版商的网站|谷歌学术搜索
26. c . Hauert德蒙特,j . Hofbauer和k·西格蒙德,“复制因子动态可选的公益游戏,”理论生物学杂志》上,卷218,不。2、187 - 194年,2002页。视图:谷歌学术搜索
27. j . c . s .他“复制因子动态”,http://www.cse.cuhk.edu.hk/ ~ cslui /。视图:谷歌学术搜索
28. l·达席尔瓦和诉斯利瓦斯塔瓦”,节点参与特别和点对点网络:一个博弈论的配方,”车间对游戏和紧急行为在分布式计算环境中2004年9月英国伯明翰。视图:谷歌学术搜索
29. k . Woyach p . Pyapali和a . Sahai”我们能灵巧的方式激励感应吗?“在IEEE学报》研讨会上新的前沿动态频谱(DySPAN 10),2010年4月。视图:出版商的网站|谷歌学术搜索
30. p . Anand, a . s . Rawat h . Chen和p . k . Varshney”协作频谱感知的拜占庭攻击在认知无线电网络中,”第二届国际会议在通信系统和网络(COMSNETS 10),2010年1月。视图:出版商的网站|谷歌学术搜索
31. Netlogo,http://ccl.northwestern.edu/netlogo/。

版权

版权©2012 Sasirekha共处和Jyotsna Bapat。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。