[论文解读] On the Optimality of Myopic Sensing in Multi-channel Opportunistic Access: the Case of Sensing Multiple Channels

Kehao Wang, Lin Chen|arXiv (Cornell University)|Mar 9, 2011

Cognitive Radio Networks and Spectrum Sensing参考文献 6被引用 5

一句话总结

本文研究了在多通道机会频谱接入中，次用户同时感知多个信道以最大化收益时，短视感知策略的最优性。研究证明，尽管在某些有限情况下（例如感知两个信道）短视感知是最优的，但在一般情况下，由于探索与利用之间存在根本性权衡，短视感知通常次优，通过可度量性能差距的分析反例得以证实。

ABSTRACT

Recent works have developed a simple and robust myopic sensing policy for multi-channel opportunistic communication systems where a secondary user (SU) can access one of N i.i.d. Markovian channels. The optimality of the myopic sensing policy in maximizing the SU's cumulated reward is established under certain conditions on channel parameters. This paper studies the generic case where the SU can sense more than one channel each time. By characterizing the myopic sensing policy in this context, we establish analytically its optimality for certain system setting when the SU is allowed to sense two channels. In the more generic case, we construct counterexamples to show that the myopic sensing policy, despite its simple structure, is non-optimal.

研究动机与目标

• 分析当次用户可同时感知多个信道时，短视感知策略的最优性。
• 识别在多通道机会接入中，短视策略保持最优的条件。
• 通过反例证明，短视策略在一般设置下无法最大化长期收益。
• 阐明在不同效用函数下短视策略表现的对比——特别是当最大化吞吐量与最大化至少找到一个空闲信道的概率时。
• 深化对休息式多臂赌博机问题中内在探索与利用权衡的理解。

提出的方法

• 将感知问题建模为部分可观测马尔可夫决策过程（POMDP）和休息式多臂赌博机问题（RMAB）。
• 将短视感知策略推广至次用户每时隙感知 k ≥ 2 个信道的情况。
• 推导出在短视策略与替代感知策略下期望收益的解析表达式。
• 构建具体的反例，包含特定的信道状态转移概率和信念向量，以比较长期收益。
• 通过数值评估计算短视策略与替代策略之间的收益差距，显示存在严格为正的差距。
• 分析在有限时域设置下，即时收益（利用）与未来信息增益（探索）之间的结构性权衡。

实验结果

研究问题

• RQ1 当次用户可同时感知多个信道时，短视感知策略在何种条件下是最优的？
• RQ2 短视策略的最优性如何依赖于每时隙感知的信道数量（k）和信道状态转移概率？
• RQ3 为何尽管短视策略在单信道感知中表现出简单且稳健，但在一般情况下仍非最优？
• RQ4 效用函数——特别是最大化至少找到一个空闲信道的概率——在决定短视策略最优性方面起什么作用？
• RQ5 在多信道认知无线电系统中，探索与利用之间的平衡如何影响短视策略的最优性？

主要发现

• 当次用户每时隙仅感知两个信道时，短视感知策略仅在系统参数的极小子集下是最优的。
• 在感知两个信道的情况下，当信道的空闲到空闲转移概率 p11 大于或等于忙到空闲的转移概率 p01 时，短视策略仍是最优的。
• 在次用户感知超过两个信道或在有限时域 T ≥ 3 的一般情况下，短视策略不能保证是最优的。
• 反例1显示收益差距为 R_c1 - R*c1 = 0.00005625，证明当 p11 = 0.5 且 p01 = 0.3 时，短视策略次优。
• 反例2显示收益差距为 R_c2 - R*c2 = 0.00002，证实当 p11 = 0.3 且 p01 = 0.5 时，短视策略次优。
• 结果凸显了即时收益（利用）与未来信息增益（探索）之间存在的根本性权衡，而短视策略在长时域场景下无法实现这种平衡。