[论文解读] 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 4

一句话总结

本文提出了一种针对认知无线电网络中自私次用户（SUs）在监测不完善情况下的抗偏离动态频谱共享框架。通过采用具有有限理性的重复博弈模型，设计了分布式、兼容时分多址（TDMA）的策略，即使在干扰观测有限且存在噪声的情况下，也能实现帕累托最优性能，且在高干扰场景下优于固定功率策略。

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.

研究动机与目标

• 设计一种分布式、抗偏离的频谱共享策略，适用于反复交互且对干扰水平仅有有限、不完善监测能力的自私次用户（SUs）。
• 通过使偏离策略无利可图，确保SUs即使在自利且无法观测他人精确功率水平的情况下也遵守策略。
• 在干扰温度（IT）约束下，实现用户吞吐量的帕累托最优性能，尽管存在监测不完善与强多用户干扰。
• 通过允许动态、时变功率分配的策略，实现时分多址（TDMA）操作，从而提升频谱效率，优于固定功率方案。
• 构建一个在监测不完善与有限理性下保持稳定的自生成均衡收益集合，利用持续收益机制。

提出的方法

• 将SUs之间的交互建模为具有不完善监测的重复博弈，其中用户仅能观测到是否违反了IT约束，而无法获知确切的干扰水平。
• 引入一种持续收益机制，通过将未来收益与当前合规性关联，确保激励相容性，并在检测到偏离时触发惩罚阶段。
• 推导出收益向量为自生成且可实现均衡的充分必要条件，基于折扣因子与监测误差概率。
• 通过将目标收益分解为当前动作与持续收益，构建抗偏离策略，利用用户特定的索引函数确定每个阶段的传输用户。
• 使用递归算法基于当前持续收益确定随时间变化的动作配置，确保策略始终处于自生成的均衡收益集合内。
• 采用一个关键方程，涉及比值 $ \frac{v_i}{\bar{v}_i} $ 与监测误差概率 $ \rho(y_0|\mathbf{\tilde{p}}^i) $，以计算实现稳定性的最小折扣因子 $ \underline{\delta}(\bm{\mu}) $。

实验结果

研究问题

• RQ1 能否设计一种分布式频谱共享策略，使得即使SUs仅能接收到关于干扰违规的不完善信号，也无动机偏离？
• RQ2 在监测不完善与强多用户干扰条件下，如何在动态频谱共享系统中实现帕累托最优性能？
• RQ3 在监测不完善与有限理性条件下，重复博弈策略实现激励相容所需的最小折扣因子是多少？
• RQ4 能否将类似时分多址（TDMA）的传输策略嵌入重复博弈框架中，以提升频谱效率，优于固定功率策略？
• RQ5 在监测不完善与用户特定持续收益条件下，何种条件可确保均衡收益集合为自生成？

主要发现

• 所提出的策略即使在监测不完善的情况下，也能在可行的QoS区域内实现帕累托最优，而不同于以往需要完美监测的重复博弈方法。
• 所构建的抗偏离策略使SUs能够以类似TDMA的方式传输，在非凸可行QoS区域的高干扰场景中，显著优于固定功率策略。
• 实现均衡所需的最小折扣因子 $ \underline{\delta}(\bm{\mu}) $ 被明确推导为 $ \underline{\delta}(\bm{\mu}) = \frac{1}{1+z} $，其中 $ z $ 取决于监测误差与信道增益。
• 自生成收益集合 $ \mathcal{B}_{\bm{\mu}} $ 对于稳定性而言既是必要也是充分条件，确保集合中任意收益均可通过一致策略维持。
• 仿真结果验证了分析结果，显示在频谱效率与公平性方面相比固定功率策略与现有重复博弈策略均有显著性能提升。
• 该策略适用于分布式实现，因为每个SUs仅需监测本地IT约束违规情况，并基于本地索引函数更新其策略。