- 1 -
基于信任协作的认知无线电资源动态分配策略
张建楠, 马文静，刘伟
北京邮电大学电子工程学院 PCN&CAD中心, 北京（100876）
摘 要：在认知无线电频谱分配的决策过程中，各个 SU（认知用户）的频带和功率应该全
面考虑，而且 SU之间无限制争夺资源也是无法规避的问题。本文依据蜈蚣博弈模型理论提
出了一种基于信任协作的系统资源动态分配策略，给出了信任协作数据库模型及函数，以建
立长期合作联盟，提高系统资源利用效率。
关键词：认知无线电；信任协作；蜈蚣博弈模型
中图分类号：TN92
1 引言
现有无线通信系统分配频谱的方法主要是基于静态控制的模型，采用独占的方式将固定
频谱块分配给不同的服务和技术，因此导致了很低的频谱利用率。频谱是一种非常宝贵的资
源，为了解决上述频谱利用率低下的问题，近年来，一种称为认知无线电（CR）的新的频
谱使用模式正逐渐受到人们的关注。
针对不同的应用环境或者技术领域，认知无线电有着多种狭义和广义的定义。本文主要
参考 2005 年 Simon Haykin 教授在文献[1]中的定义：“认知无线电是一个智能无线通信系统。
它能够感知外界环境，并使用人工智能技术从环境中学习，通过实时改变某些操作参数(比
如传输功率、载波频率和调制技术等)，使其内部状态适应接收到的无线信号的统计性变化，
从而实现任何时间任何地点的高度可靠通信和对频谱资源的有效利用。”
文献[2]介绍了博弈论在动态频谱共享中的应用，并提出了频谱共享决策的优化分析方
法；文献[3]提出了功率和频谱联合分配的算法，有效控制对主用户造成的干扰；文献[4]是在
信道选择和功率分配的基础上结合每个认知用户的 QoS 需求，能根据业务需求进行动态的
频谱和功率。但它们都没有将 SU 之间的频谱争夺和无限制竞争的问题考虑进去，使得系统
效率提升有限，并且存在一定的安全隐患。
2 信任协作方案
在同一小区内，认知用户之间是平等的。在通常的频谱和功率分配策略中，认知用户都
是以个体的方式进行竞争的。但是这种方式很显然存在系统吞吐量低、频带利用不充分不公
平的问题。文献[5]提出了 SU 之间利用感知与接入的时间来轮换接入，提高时间利用率从而
提高系统效率，但只是一种简单的平等合作，并且没有从本质上提高效率。考虑到为同一小
区内的 SU 建立一个合作与竞争并存的良性积累，本文提出了一种基于协作管理的 SU 协商
合作机制。
系统模型
本文假设 SU 都是善良的，无恶意欺骗现象。
文献[3]提出的效用函数
( , )
( , ) ( , ) ( , )
10 log( )
c c c
i j ijc iy cy ijc iy cy
B i j l B i j l B i j l
SINR P g A P g Aα β
∈ ∈ ∈ ∈ ∈ ∈
∗ − −∑∑ ∑∑ ∑∑
ｃ ｃ ｃ
u＝
（公式 1）
经证明可以很好的保护主用户不受干扰，可以快速收敛，并且经过参数调整可以使得
中国科技论文在线
- 2 -
SU 的功率不会无限制的大。
SU 均衡合作机制
在下面的多小区多 SU 场景中，每一个小区中的 SU 之间构成了平等的认知网络，基站
与基站之间建立了协作值交换链接。这里我们假设 SU 都是善良的。
图 1 多小区多 SU 协作联盟
均衡合作机制是为 SU 之间建立竞争与合作的良性循环的重要基础，是一种分布式信任
计算及接入控制与集中式信任管理相结合的多属性综合评价模型。我们在基站中加入一个协
作 agent，即一个简单的协作函数数据库。
在协作合作机制中，分为以下几个步骤（以 BS2 为例）：
状态信息报告
report signaling (Num，QoS demand, Channel Estimate，Location)
SU2-1,2,3,4 定期（间隔时间∆ｔ）向基站发送 report signaling。其数据部分包括：Num、
自身 QoS 需求、信道评估和位置信息。
Num：SU 从进入 BS2 区域后，每向 BS2 发一个 report signaling，Num 值加 1，Num 值
初始为 0。若超过χ∆ｔ的时间同一 SU 的 Num 没有更新的话，reset the Num=0.
对所处信道 2，通过信道感知获取主用户的占用频率和时间来评估信道忙碌率。若评估
值较低，则说明信道 2 应该是 SU 重点竞争的信道。若某 SU 长时间高功率占用信道 A，则
该SU的协作值就应该相应降低，这里我们不认为它是一个兼顾他人乐于协作的可信任伙伴。
状态信息整合
基站将自己区域中的 SU 的 reports 进行整合，每隔时间 T（T 为 SU 感知接入周期时间）
在小区内进行广播，各个 SU 从中提取自己需要的其他 SU 的信息。
中国科技论文在线
- 3 -
……
图 2 单 SU 状态信息计算
CE 为表中前 3 个 SU 的 CE 平均值。
基站通过对 SU 的状态信息收集和计算整合，对其覆盖范围内的 SU 状态做汇总，以依
据所有 SU 的资源使用情况对每个 SU 做出评价。
均衡计算（以 SU2-1 为例）
SU2-1 进行效用计算，为 SU2-2,3,4 做效用评定。设置信任阈值 L。若对 SU2-x 的评定
值在阈值 L 之上，那么认为 SU2-x 满足了自身的效用，并在接下来的频谱和功率联合分配
中以 SU2-x 的评定值为权值进行权重潜在博弈。若 SU2 的信任值在阈值 L 之下，那么对其
进行惩罚处理。
计算所用参数：所占用的信道评估值 CE、信道占用时间 t×功率 w、对主用户的影响
E(0,1)、自身 Qos 需求(0<=q<=1)、所在位置(L)
V: PU 对某信道的占用频率*占用时间
t：SU 对信道的占用时间
W：SU 占用某信道时的发射接收功率
E（0，1）：对 PU 的影响。只有 0 和 1 两个值
Q： 自身 QoS 需求越高值越大，最大为 1，最小为 0
L：SU 与基站之间的距离
信任协作函数 i
∗ ∗ ∗ ∗∑ ｔ Ｗ Ｅ Ｑ ＬＩ＝ ｋ ｖ （公式 2）
每个SU将自己对他人的计算结果向基站发一个message2，基站的协作 agent将message2
进行整合之后进行定期广播，并将结果通知它相邻的基站，以在一定区域内建立 SU 之间的
协作数据库。
（SUID1，Num，Ｉ）
.
.
.
（SUIDn，Num，Ｉ）
图 3 多 SU 信息整合数据库
Num（降
序排）
SUID QoS Loc CE
SUID Ｉ
Head1 Num，QoS demand, Channel Estimate，Location
Head4 Num，QoS demand, Channel Estimate，Location
中国科技论文在线
- 4 -
当不同的 SU 对同一 SU 的 I 值计算结果不同时，去掉 Num 最小的，剩下的取平均值。
考虑协作函数的蜈蚣博弈模型
蜈蚣博弈模型是由 Rosenthal[7]提出的一个解决动态博弈问题的模型，模型中形成联盟的
主要动力是长远利益。在本文所讨论的多基站多 SU 问题中，系统联盟的主要动力就是通过
建立协作数据库来实现长远协作关系。事实上，在任何一个不完全信息动态博弈问题中，剧
中人总是可能在有限信息的条件下，根据自己从前面博弈中取得的经验进行后面的决策，从
而不断地把握整个局势。
该协作分配策略中存在两个基本的博弈参与类型，BS（基站）和 SU（认知用户），每
个参与类型中包含一定数目的参与方，每个参与方都是理性的。两个参与类型之间的信息具
有完全性，也就是说，参与类型 BS 知道参与类型 SU 的需求及历史接入情况，同时类型 SU
也知道类型 BS 的资源空闲情况。每个参与类型在决策时都有两个决策空间，分别为{W，
P}和{w，p}，每个 SU 参与方在进行博弈时考虑信任协作函数Ｉ作为其权值。其支付模型如
下图所示。
T
P p P …… （1，1）
W w W
图 4 蜈蚣博弈模型
T 为协作交互周期（等于 SU 感知接入周期时间）。
在该模型中，首先由基站 BS 发出合作信息，然后 SU 在接受到信息后同样的反馈出合
作需要的信息，即 reports，再由发起协作联盟的 BS 进行信息整合以完成单次协作信息交互。
因此，在不断次的协作信息交互中，信任合作机制就形成了。当 BS 发觉 SU 不合作，则会
用不提供资源方式即不合作方式进行惩罚，这是实现协作机制和提高均衡效率的关键因素。
随着蜈蚣博弈阶段数的逐渐增加，那么协作利益将会越来越大，也就是说，在本文提出的信
任协作资源动态分配策略中，如果各 BS 与各 SU 之间存在着长期合作，那么合作带来的收
益会诱使合作多方自觉地采取彼此信任、相互协作的态度，而不会为了追求任何短期的机会
主义行为所得而破坏博弈参与方之间的信任合作机制。
3 总结与展望
SU 之间在进行新的频谱和功率的联合分配时应该考虑每个 SU 的信任值，以达到信任
协作的认知无线电系统联盟，随着协作阶段数的增长，联盟中的协作利益也会越来越大。本
文采取集中信任管理和协作函数分布式计算的混合策略，依据蜈蚣博弈模型理论，建立了以
长期信任协作的频谱及功率资源动态分配的策略。该策略在理论上能够随着协作阶段数的增
长逐渐提高系统资源利用效率，但是还没有建立完整的方案数学模型，没有通过仿真证明，
这一点将会在接下来的研究中进行验证和完善。
中国科技论文在线
- 5 -
参考文献
[1]. Cognitive Radio: Brain-Empowered Wireless Communications[A]. IEEE JSAC, ,
:201–20.
[2] Zhu Ji, Liu. Dynamic spectrum sharing: A Game Theoretical Overview[J], IEEE Communications
Magazine, May 2007: 88-94.
[3] 何浩. 认知无线电中的频谱分配研究[D]. 四川成都: 电子科技大学，2008 年.
[4] Xing Yiping, Chetan N. Mathur, . Haleem, et-al. Dynamic Spectrum Access with QoS and Interference
Temperature Constraints[J]. IEEE Transactions on mobile computing, April 2007, , .
[5] 马志垚，曹志刚. 认知无线电网络用户合作机会接入方案的研究[J]. 电子学报, 2009 年 4 月，, :
678-683.
[6] 肖建红，王敏，施国庆，Partnering 模式中信任合作机制研究，水利经济，2008 年 7 月，,
, 第 26 卷第 4 期
[7] ROSENTHAL R. Games of perfect information, predatory pricing and the chain store paradox [J]. Journal of
Economics Theory, 1981, 25 (1): 92-100.
Cognitive Radio Resource dynamic allocation policy based
on credit synergic
Zhang Jiannan,Ma Wenjing, Liu Wei
Beijing University of Post and Telecommunications, college of Electronic Engineering,
PCN&CAD center, Beijing (100876)
Abstract
During the process of decision-making for the cognitive radio frequency allocation, we should have a
overall consideration of the frequency allocation and power control for each SU, and the unlimited
scramble for the radio resource between SUs is a problem can’t be evaded. This paper presents a policy
according as the Centipede game model for system resource dynamic allocation based on credit
synergic, puts forward the credit synergic database model and the function, for building the long term
cooperate alliance, enhancing the efficiency of usage of radio resource.
Keywords: Cognitive Radio;credit synergic;Centipede game model
中国科技论文在线
