基于严格势博弈的干扰对齐

在经典多输入多输出(MIMO)干扰信道干扰对齐算法中,单纯最大化用户期望信号势必对其他用户形成干扰,从而限制整体信道容量的提升.从多对干扰链路构成一个博弈群体的角度出发,提出了一种基于严格势博弈的干扰对齐算法;构建了基于博弈论的干扰对齐算法数学模型,通过构造有界势函数证明该博弈为有界严格势博弈,能通过有限次迭代收敛到ε纳什均衡点;讨论了代价因子对算法性能的影响.实验结果表明,相对于经典的min-INL和max-SINR 2种干扰对齐算法,新算法具备更优的性能,可显著提高复杂MIMO干扰信道中的多用户信道容量.     

基于博弈论的宽带无线系统功率控制算法研究

将博弈论理论应用于宽带无线系统中的多天线的功率控制,构建了分布式通用功率控制的框架. 将功率控制描述为N用户的非合作博弈,用效用函数表示各天线的服务质量（QoS）等级,用代价函数表示达到该等级需要付出的代价,将功率控制描述为最大化净效用（效用函数与代价函数之差）的过程. 同时提出了一个符合该框架的功率控制算法,并证明了该算法收敛于唯一的纳什均衡点,且具有适应不同的QoS等级的可调因子     

完全信息多目标博弈系统解的存在性研究

对于具有n个局中人完全信息的博弈系统,首先建立了n个局中人的整体多目标博弈模型以及每个局中人的多目标博弈子模型,然后建立了n个局中人的合作多目标博弈模型,最后研究了博弈系统解之间的关系和性质.     

基于纳什均衡的网格资源管理模型

提出了一种基于纳什均衡的网格资源分配模型.该模型中,多个资源是合作博弈参与者,将任务在资源上的等待时间转化为一个极大极小问题,通过数学模型求得最优解,并据此提出了任务的分配算法.分析证明该算法可以实现合作博弈唯一的纳什均衡.     

多传感器交叉提示技术在目标检测中的应用

针对多传感器交叉提示技术在目标检测中的应用问题展开研究,将交叉提示分为"信息提示"和"任务提示"2种类型,建立以"信息提示"为基础的传感器效能模型以及目标检测概率计算模型、传感器资源能耗计算模型,为求解"任务提示"中的传感器——目标分配方案问题,设计基于博弈论的多传感器交叉提示分布式算法,该算法中,传感器博弈策略的更新以最优反应动态为原则,随后从理论上分析了算法的收敛性和有效性.仿真实验表明,与合同网算法、拍卖算法等分布式算法相比,该算法具有较快的计算速度,与粒子群算法等集中式算法相比,该算法具有较好的求解质量,充分说明了该算法的有效性、先进性.     

无线传感网络功控算法的收敛性及公平性

为了解决无线传感器网络设计的"节能"问题,提出基于博弈论的功率控制机制以较好地降低网络能耗.对无线传感器网络的能耗限制问题做了理论分析,通过对无线传感器网络和博弈的映射分析,研究了基于博弈论的分布式自适应功率控制算法.OPNET仿真结果表明:该算法能降低能耗,减少引入的网络开销,增加网络寿命.该算法采用优化动态反应来更新发射功率等级就能收敛到纳斯均衡,保证网络的公平性.     

基于博弈论的WiFi接入资源动态分配算法

无线共享网络的接入资源分散,容量有限,且价格互有差异,为了在保证用户满意度的同时提高运营商总体收益,需要对网络接入资源进行合理分配.因此,提出了一个基于博弈论的WiFi接入资源动态分配算法.首先,以总收益最大化为目标,兼顾用户满意度,建立基于斯塔克尔伯格博弈的网络接入资源动态分配模型;其次,通过两阶段博弈,运营商制定价格策略,激励用户执行网络选择策略,提出基于粒子群算法的网络资源动态分配求解算法,得出最优的网络价格及资源分配.仿真实验表明,算法能够实现接入资源的合理分配,在用户满意的同时实现运营商收益最大化.     

60°坐标系下新型模块化多电平变流器空间矢量脉宽调制的简化通用算法

对任意电平逆变器在60°坐标系下的空间矢量脉宽调制通用算法进行研究;并在此基础上推导出了多电平与两电平电压矢量之间的作用时间矩阵;为了减小输出电压波形畸变率,降低开关的损耗,对冗余电压矢量的选择方法和最优合成顺序进行了确定,最后,在PSIM中搭建了模块化多电平的仿真模型,并将基于60°坐标系的空间矢量调制算法用程序实现,证明该简化算法的通用性和正确性,仿真实验也证明随着电平数的增加,输出线电压波形越接近正弦波.     

基于降维实值ESPRIT的多输入多输出雷达波达方向估计

为了提高多输入、多输出雷达目标角度估计的性能,同时尽可能减轻算法的计算负担,提出了一种用于单基地多输入、多输出雷达波达方向估计的降维实值ESPRIT算法。首先,通过降维变换将高维接收数据转换到低维空间;再利用反射信号的特性,将观测数据的实部和虚部拼接从而构造出元素加倍的实值观测数据矢量;然后,在降维空间中构建扩展导向矩阵的实值旋转不变关系;最后,通过求解实值旋转不变方程来获得目标方位的估计。与常规ESPRIT算法相比,该算法可以获得更好的角度估计性能,同时具有更低的运算复杂度。仿真结果证明了本文算法的有效性。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

用于OFDMA系统多小区干扰协调的功率分配算法

提出了一种用于小区间干扰协调的多小区自适应功率分配算法. 该算法利用相邻小区同频子信道间信干比的差异,通过平衡信干比,协调同频子信道上用户的发送功率,保证系统边缘用户性能,减小同频信道干扰,提高无线资源利用率. 仿真结果表明,该算法既可以很好地保证用户公平性,又能充分利用频谱资源以保障系统吞吐量.     

用于OFDMA蜂窝系统的多小区自适应资源分配算法

提出了一种用于正交频分多址通信系统下行链路的多小区自适应资源分配算法(MARA)。为了降低系统复杂度，将子信道分配和功率分配分开实现，在小区内部进行动态子信道分配，并以单小区子信道分配结果为基础在相邻小区同频用户中进行功率分配。将非合作博弈论引入到多小区功率分配中，给出了基于代价函数的多小区分布式功率分配算法。通过协调相邻小区间同频子信道的发送功率，抑制小区间干扰，提高无线资源利用率。仿真结果表明，与已有算法相比，本文提出的算法可以提高系统吞吐量。     

认知网络中基于纳什议价解的功率控制方法

本文基于合作博弈论中的纳什议价博弈理论,研究了认知无线电网络中的功率控制问题。提出一种基于信干扰比(Signal-to-Interference plus Noise Ratio, SINR)的效用函数模型,按照纳什定理基于该模型的合作功率控制算法获得的纳什议价解(Nash Bargaining Solution, NBS)可以保证整个系统的帕雷托最优性,同时通过证明纳什议价解实质是比例公平性的一般形式从而保证用户之间的公平性。在主要用户干扰温度限和认知用户的最大传输功率等限制条件下,按照纳什定理把基于NBS的功率控制问题转化为求解多重限制条件下的最优化问题,通过引入拉氏乘子求解该问题有效获得了各个认知用户的传输功率水平,实现SINR门限的要求。仿真结果表明本文算法有较快的收敛速度,同时较非合作算法相比可以有效改善认知用户之间的公平性和系统的整体性能。     

认知无线电中基于非合作博弈的功率分配方法

提出了一种适合于认知无线电网络的功率控制方法．基于信扰比的代价函数,借助兼顾认知用户公平性的惩罚因子,构造一种新的支付函数．基于该支付函数提出了一种非合作博弈功率控制模型．结合博弈理论,证明了该博弈模型纳什均衡解的存在性和惟一性,同时得出该纳什均衡解是帕累托最优的．仿真结果表明,基于该博弈模型功率分配方法收敛性比传统算法好,通过设置合适的惩罚因子等参数,3~5次迭代即可收敛,满足系统实时性要求,同时系统通过量较传统算法有1~4倍的改善．     

Study of game strategy between multiple targets and multistatics radars

Aiming at the conflict game between multistatic multiple-input multiple-output(MIMO) radars and multiple targets,a joint technology of power allocation and beamforming for a multistatic MIMO radar system is studied.The main purpose of the multistatic radar system is to minimize the total transmit power under a certain signal to interference noise ratio(SINR) constraint,and to suppress the cross-channel interference to improve the accuracy of target detection.Based on the strategic non-cooperative game between radars,the existence and uniqueness of the Nash equilibrium solution are proved.Then,according to the theoretical analysis,a joint beamforming and power allocation algorithm is proposed and converges to the Nash equilibrium.Meanwhile,the receive beamformers of multistatic radars are obtained by using the linearly constrained minimum variance(LCMV) criterion to suppress the mutual radar interference.Numerical results show that the proposed algorithm has a better interference suppression ability and less power consumption than the related game algorithm.     

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法。在不影响主用户通信的情况下,每个认知用户能够根据自己的QoS需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中。该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用。     

认知无线电网络中的参数优化问题

针对在多协作用户宽带信道情况下,认知无线电网络中当信道增益固定时,检测时间、功率以及带宽分配等参数的优化问题,提出了各参数的联合优化算法.以信道容量为目标函数,给出了最优的资源分配算法.结果表明,该算法能够实现频谱接入并且极大地提高了次用户系统的总信道容量,且资源分配与主用户占用的概率、峰值发射功率和干扰约束等因素有关.在多认知用户网络中,参与合作的用户越多,接收信号的信噪比越高,次用户系统的总信道容量越大.     

多载波认知无线电无线携能通信资源分配算法

认知无线电可通过频谱感知提高资源利用率,但会产生感知能耗,降低传输能量.为了保证认知无线电的传输性能,提出认知无线电可利用多载波实现无线携能通信,并分配通信资源,实现系统性能优化.认知无线电利用部分子载波传输信息,采集剩余子载波上主用户射频能量,补充感知耗能.提出的子载波和子载波功率联合优化算法,在保证能量、干扰和总功率受约束的基础上,可最优化系统的吞吐量和能量.仿真结果表明,能量采集会占用传输资源,需要合理分配子载波,使其在速率和能量间取得性能折中.提出的算法通过采集能量补充感知能耗有效地提高了系统吞吐量.     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.     

多信道无线网络中窃听与干扰攻击的对抗策略

为了在无线网络中同时对抗智能干扰与窃听攻击,论文基于斯坦伯格博弈,通过功率控制的方法,设计了一个窃听与干扰攻击对抗策略。在该策略中,干扰者的目标是造成源节点的能量损耗与通信质量的下降,而源节点则通过功率控制来对抗干扰者的干扰,论文不仅严格证明了该博弈模型均衡的存在,而且提出一种分布式学习算法,使得博弈过程可以在节点间没有信息交换的情况下高效地收敛于该均衡。在此基础上,我们通过分析安全容量与窃听概率,证明了提高干扰信道的信道增益可以同时降低窃听者的窃听概率。在性能分析中,通过与其他博弈模型的分析对比,论文提出的策略在对抗非合谋的智能干扰与窃听攻击方面可以达到很好的抗攻击效果。