基于竞价拍卖的频谱分配

在认知无线电网络中，每个节点都被视为一个智能体，每个智能体都可以根据自身某种兴趣指导行动。竞价拍卖频谱分配模型是以微观经济学中竞价拍卖原理为基础的无线电频谱资源分配机制，根据自身对网络效用的不同需要，区别的选取自适用的目标函数。将主从用户放入具有买卖频谱关系的市场来考虑，从用户使用授权用户的频谱资源，可能给主用户带来一定影响如干扰等，只有从用户对主用户做出相应的补偿才可能使得授权用户愿意与其共享频谱。以竞价拍卖原理为分析基础的频谱分配模型中，拍卖商为认知系统中的中心接入节点（AccessPoint）或基站（Base Station），认知用户是竞标者，在一个拍卖轮回中从用户根据自身需求竞标频谱，拍卖商按照一定原则（如最大网络收益）选择胜利者。
基于竞价拍卖的频谱分配系统中，竞标者只需单独与拍卖商进行信息交互，相对于其他分配算法具有信令开销小的优，网络中的博弈参与者是用户，他们将参与认知循环的整个决策过程。参与者的利润函数由认知无线电目标决定，简单而言，利润函数是对用户当前博弈策略效能的一种评估，当前策略越能够满足认知无线电的目标，则对应的利润函数值越大，相反越小。博弈模型分析的准确度与利润函数的选择有大的相关性，利润函数区别的表征了不同用户甚至是同一用户在不同场景下使用某段频谱所获得的收益。在实际的操作中，在保证收敛均衡特性的前提下，可以根据不同的目标来选择具有相应物理意义的函数。
当前主要的频谱共享分配模型中，在具有较少空闲信道且网络相对稳定的认知网络中，基于着色理论的频谱共享模型可以很好的分析频谱资源的分配问题，当网络中的信道数量很大，或者网络的频谱使用状况迅速变化时，基于图论的频谱共享模型明显具有缺陷，不能够满足应用的要求；基于竞价拍卖的频谱分配模型则主要适用于主从用户间具有租用关系的认知无线电系统，其分析场景具有局限性；相比之下，由于博弈论本身的特性，基于博弈论的频谱共享算法则可以很好的分析用户之间的实时交互过程，根据不同的目标（利润函数），有效分析频谱分配问题，具有广阔的应用前景，由于认知无线电技术本身都属于通信技术的前沿领域，利用博弈理论来研究认知无线电系统中的频谱分配也还处于起步阶段，主要也是采用一些经典的模型（如古诺模型、伯川德模型等），并且也对使用的条件做出了相应的限制，局限了博弈模型在认知无线电网络中的广泛应用。
综上可知，不断探索新的博弈模型来研究和分析认知网络，更好的拓展博弈模型的研究场景对整个认知网络的发展具有重要的意义。因此，本文后续章节将紧跟博弈论研究的最新成果，深入研究基于博弈论的认知无线电频谱分配的算法，使其更加贴近于真实的认知无线电网络。