[論文レビュー] Dynamic Spectrum Sharing Among Repeatedly Interacting Selfish Users With Imperfect Monitoring

Yuanzhang Xiao, Mihaela van der Schaar|arXiv (Cornell University)|Jan 16, 2012

Cognitive Radio Networks and Spectrum Sensing参考文献 34被引用数 4

ひとこと要約

本稿は、不完全な監視が行われる認知無線ネットワークにおける自己中心的セカンドリーユーザー（SUs）を対象として、不正行動を防ぐ動的スケジューリング共有フレームワークを提案する。限界的な合理性を有する繰り返しゲームモデルを用い、時間分割多重アクセス（TDMA）に準拠する分散型ポリシーを設計した。これにより、干渉観測が制限的かつノイズが多い状況下でもパレート最適な性能を達成でき、高干渉環境下では定常出力ポリシーを上回る性能を示す。

ABSTRACT

We develop a novel design framework for dynamic distributed spectrum sharing among secondary users (SUs) who adjust their power levels to compete for spectrum opportunities while satisfying the interference temperature (IT) constraints imposed by primary users. The considered interaction among the SUs is characterized by the following three features. First, since the SUs are decentralized, they are selfish and aim to maximize their own long-term payoffs from utilizing the network rather than obeying the prescribed allocation of a centralized controller. Second, the SUs interact with each other repeatedly and they can coexist in the system for a long time. Third, the SUs have limited and imperfect monitoring ability: they only observe whether the IT constraints are violated, and their observation is imperfect due to the erroneous measurements. To capture these features, we model the interaction of the SUs as a repeated game with imperfect monitoring. We first characterize the set of Pareto optimal payoffs that can be achieved by deviation-proof spectrum sharing policies, which are policies that the selfish users find it in their interest to comply with. Next, for any given payoff in this set, we show how to construct a deviation-proof policy to achieve it. The constructed deviation-proof policy is amenable to distributed implementation, and allows users to transmit in a time-division multiple-access (TDMA) fashion. In the presence of strong multi-user interference, our policy outperforms existing spectrum sharing policies that dictate users to transmit at constant power levels simultaneously. Moreover, our policy can achieve Pareto optimality even when the SUs have limited and imperfect monitoring ability, as opposed to existing solutions based on repeated games, which require perfect monitoring abilities.

研究の動機と目的

• 自己中心的かつ干渉レベルの観測が限られているSUsが繰り返し相互作用する状況において、分散型で不正行動を防げるスケジューリング共有ポリシーを設計すること。
• SUsが他者の正確な電力レベルを観測できないにもかかわらず、不正行動が利益にならないように保証すること。
• 干渉温度（IT）制約下で、SUsのスループットの観点からパレート最適な性能を達成すること。これは、不完全な監視と強いマルチユーザー干渉が存在する状況でも成立する。
• 時間分割多重アクセス（TDMA）運用を可能とするポリシーを構築し、動的かつ時間的に変化する電力割り当てを可能にすることで、定常出力方式に比べスペクトル効率を向上させること。
• 不完全な監視と限界的な合理性の下でも安定する継続報酬メカニズムを用いて、均衡報酬の自己生成集合を構築すること。

提案手法

• SUs間の相互作用を、干渉制約の違反のみを観測可能であり、正確な干渉レベルは観測できない不完全監視を伴う繰り返しゲームとしてモデル化する。
• 将来の報酬を現在の順守状況に結びつける継続報酬メカニズムを導入し、インcentive compatibility（インcentive適合性）を確保する。不正行動が検出された場合に発動する罰則フェーズを含む。
• 報酬ベクトルが自己生成可能かつ均衡達成可能であるための必要十分条件を、割引率と監視誤差確率に基づいて導出する。
• 目的報酬を現在の行動と継続報酬に分解し、不正行動を防ぐポリシーを構築する。各段階で誰が送信するかを決定するユーザー固有のインデックス関数を用いる。
• 現在の継続報酬に基づいて、時間経過に伴う行動プロファイルを再帰的に決定するアルゴリズムを用い、ポリシーが自己生成集合の均衡報酬内に留まるように保証する。
• 最小割引率 $ \underline{\delta}(\bm{\mu}) $ を計算するための重要な方程式を用いる。この方程式は、比 $ \frac{v_i}{\bar{v}_i} $ と監視誤差確率 $ \rho(y_0|\mathbf{\tilde{p}}^i) $ を含む。

実験結果

リサーチクエスチョン

• RQ1 自己中心的SUsが干渉違反に関する不完全な信号しか観測できない状況において、分散型スケジューリング共有ポリシーを設計可能か？ また、不正行動の動機付けがなくなるようにできるか？
• RQ2 不完全な監視と強いマルチユーザー干渉が存在する動的スケジューリング共有システムにおいて、パレート最適な性能を達成する方法は何か？
• RQ3 不完全な監視と限界的な合理性の下で、繰り返しゲーム戦略がインcentive-compatible（インcentive適合）であるために必要な最小割引率は何か？
• RQ4 時間分割多重アクセス（TDMA）に類似した送信戦略を繰り返しゲームフレームワークに組み込むことは可能か？ これにより、定常出力方式に比べスペクトル効率が向上するか？
• RQ5 不完全な監視とユーザー固有の継続報酬が存在する状況で、均衡報酬集合が自己生成されるための条件は何か？

主な発見

• 提案されたポリシーは、不完全な監視下でも、これまでの繰り返しゲーム手法が完全な監視を要するのに対し、可能領域内のQoS領域においてパレート最適性を達成する。
• 構築された不正行動を防ぐポリシーにより、SUsはTDMAに類似した送信行動を取ることができ、非凸な可能QoS領域を持つ高干渉環境下では、定常出力ポリシーを著しく上回る性能を示す。
• 均衡を達成するための最小割引率 $ \underline{\delta}(\bm{\mu}) $ は、明示的に $ \underline{\delta}(\bm{\mu}) = \frac{1}{1+z} $ として導出され、ここで $ z $ は監視誤差とチャネルゲインに依存する。
• 均衡報酬の自己生成集合 $ \mathcal{B}_{\bm{\mu}} $ は、安定性の必要十分条件を満たしており、集合内の任意の報酬が一貫した戦略によって持続可能であることを保証する。
• シミュレーション結果は、解析的結果を裏付け、スペクトル効率と公平性の両面で、定常出力方式および既存の繰り返しゲームポリシーを著しく上回る性能向上を示している。
• 各SUsがローカルのIT制約違反を監視し、ローカルインデックス関数に基づいて戦略を更新するのみであるため、ポリシーは分散実装に適している。