利润增强的多信道频谱接入在机会网络中的应用

⃝可在www.sciencedirect.com在线获取ScienceDirectICTExpress 8（2022）77www.elsevier.com/locate/icte在具有QoS保证的机会网络中用于利润增强的价格和速率感知的多信道频谱接入Haythem Bany Salameha，b，c，Ghaleb El Refaeda阿拉伯联合酋长国艾因大学工程学院b约旦耶尔穆克大学电信工程系c阿拉伯联合酋长国艾因大学人工智能研究中心d阿拉伯联合酋长国艾因艾因大学商学院接收日期：2020年11月6日;接收日期：2021年3月14日;接受日期：2021年6月10日2021年6月22日在线提供摘要认知无线电（CR）是一种能够实现机会性频谱接入的关键技术，它使得次级用户（SU）能够动态地利用授权频谱中未充分利用的信道，这些信道由被称为主导企业的主无线电网络（PRN）拥有。这种共享受到干扰、SU QoS和成本约束，其中SU不应该对PR用户引入有害干扰，实现QoS速率需求，并且为使用许可的PR频谱付出代价。 接入空闲PR信道的价格取决于信道利用率水平和PR接入信道所支付的价格，而服务于速率需求所需的频谱量每个SU的带宽在很大程度上取决于各个信道的链路质量。研究了一个被称为跟随企业的CR网络（CRN）中的频谱分配问题，其目标是以最少的资源服务最多的SU支付给PRN的总价格（最高CRN利润），同时了解随时间变化的传输速率和利用水平各种公关渠道。该问题在数学上表示为一个优化问题，目标是最大化数量的服务SU和CRN所取得的利润，这已被证明是一个二元线性规划（BLP）问题。由于解决这种优化的高复杂性，我们使用众所周知的顺序固定优化方法来获得次优解。仿真结果表明，我们的信道分配优化显着增加CRN的利润，降低价格支付的PRNs，同时实现以前的价格不知道协议提供的性能相当c2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY许可下的文章（http://creativecommons.org/licenses/by/4.0/）。关键词：授权激励; CR收益;动态频谱分配;使用依赖频谱价格1. 介绍认知无线电（CR）网络被认为是一种革命性的模式，它可以通过允许动态和机会性地接入到严重未被利用的授权频谱来解决频谱稀缺问题。这种机会接入允许CR技术支持下一代无线网络（例如，5G），并能够大规模部署大量基于无线IoT的设备[1，2]。利用由主无线电网络（PRN）拥有的许可频谱需要通讯作者：阿拉伯联合酋长国艾因大学工程学院。电子邮件地址：haythem. aau.ac.ae（H.Bany Salameh）。同行审议由韩国通信研究所负责教育与信息科学（KICS）。https://doi.org/10.1016/j.icte.2021.06.003SU向PRN支付价格并提供担保关于美通社根据FCC频谱测量报告，PR许可频谱的时间和地理未充分利用的频谱可以被CR网络（CRN）中的次级用户（SU）机会主义地利用，被称为跟随公司，受到支付给主导公司PRN的价格和干扰法规的影响[4，5]。价格是依赖于利用率的，当PR利用率较高时，将需要较高的价格。这是因为PRN需要当PR用户活动高时，高度激励共享他们的频谱，其中PR用户正在使用他们的信道并且已经为所接收的服务付费[6，7]。在多个许可PRN正在操作的无线环境中，由于衰落，各种信道上的信道质量增益（实现的数据速率）是时变的2405-9595/2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY许可下的文章（http://creativecommons.org/licenses/by/4.0/）。H. Bany Salameh和G.埃尔雷费ICT Express 8（2022）7778∀∈CC={C C C}C因此，为了实现给定SU的所需QoS速率需求，需要利用信道或信道集合，使得服务SU。具体地，SU动态地利用许可频谱的空闲部分，并调整它们的传输参数（例如，波形、分配的信道的数量、载波频率等）基于操作RF环境，利用给定PR信道所需的价格， 不同信道上支持的速率和所需的QoS要求。因此，与PR用户共存的SU的网络应该以有效的成本有效的方式利用未充分利用的许可信道，使得QoS需求得到满足。在这样的混合网络中，主要挑战是SU如何能够与PRN共享许可信道，使得在服从SUQoS要求、依赖于利用率的PR价格规定以及由于衰落而引起的时变信道质量条件的情况下，以最高可能的CRN利润（对PRN的最小支付成本量）来最大化所服务的SU的数量。以前处理CRN中的频谱定价的大多数工作（例如，[8-另一方面，大多数先前提出的用于CRN的信道分配方案被设计为优化网络性能（例如，网络总速率、频谱利用率、能耗等）而不考虑访问公关渠道的经济方面[15，16]。与以前的文献不同，在本文中，我们主张利润最大化的信道分配方案，允许具有成本效益的机会SU传输，同时满足SU的QoS要求，硬件约束和价格要求的PRNs。我们的关键绩效指标是CRN的净利润，在[13，14]中定义为CR收入（SU向CRN支付的总价格）减去CRN向主导PRN公司支付的总成本（即，频谱所有者）来利用他们的信 道。 具 体 地， 信 道 分配 被 表 示为 二 进制 线 性 规划（BLP）优化，其目标是以最高可能的CRN利润（支付给PRN的最少成本）服务最大数量的SU，这是NP难问题。因此，使用多项式时间序列固定优化方法来获得BLP问题的次优解。与试图用最少数量的信道服务最大可能数量的SU的先前CRN信道分配机制相比，仿真结果表明，我们的算法服务于相当数量的SU，同时通过联合考虑各种信道上随时间变化的数据速率和利用率的影响，实现了CRN利润的显着改善。SU为利用公关渠道而支付的相关价格。注意，当采用最小化所用频谱量的信道分配方案（例如，[15]或最大化实现的网络总和-问题陈述、公式和解答在第4节中给出。第5节给出了模拟结果和讨论。第6节是结论性意见。2. CRN中定价模型的相关工作为了获得最优定价和执行资源分配，使用各种定价系统来获得系统性能度量[8作者在[9]中开发了两种新的动态频谱租赁策略，并引入了动态定价机制，以提高SU的QoS性能。[12，17]中的工作研究了我们在CRN中的最优定价策略-运用经济学的方法。作者从服务利润/社会福利最大化的角度关注最优定价策略，由此推导出收入最优定价和社会最优定价[12，17]。本文[13]推导了以社会移动公司利润最大化为目标的SU传输的适当准入费和定价策略。文献[10]通过Bertrand竞争和市场均衡研究了多个PR用户的CRN定价问题。在文献[11]中，基于单服务台故障排队模型，证明了CRNs中双寡头的最优定价策略。在[13，14]中，CRN利润被定义为目标，用于导出最优定价政策和CR/PR合同，但不是优化SU的渠道分配，以最大化CRN的总净利润。总之，大多数CRN中先前的基于定价的机制集中于提供用于使用频谱的最优定价策略，而不处理频谱分配问题。据作者3. 网络模型我们考虑一个集中式多信道CRN与N个SU和一个服务CR基站。SU网络在地理上与M个不同的许可的传统PRN共存。每个PRNm被许可在频谱的预定义部分上操作，该预定义部分被细分为Cm个正交频率信道，其中m是被许可给PRN m的所有信道的列表。M. 设1，2，. . . M表示可以由SU自适应地和机会主义地利用的所有PR信道的列表，我们考虑一个交替的两状态IDLE/BUSY马尔可夫过程来模拟信道i，i的状态[18，19]。当PR用户不使用信道并且SU在该信道上的SNR超过给定的SNR阈值时，该信道被认为是空闲的。信道i的利用率被量化通过繁忙概率度量。繁忙概率可以是速率（例如，[16]），SU可以使用具有以下的信道来服务：（一）T（i）（一）（一）高成本导致CRN利润减少。确定为P忙为（一）B（i），其中TB 和TI是TB+TI本文的其余部分组织如下。第二节概述了2001年频谱定价的相关工作，指数分布的空闲和忙碌状态，1/T（i）和1/T（i）。如果第i个通道在I BCRN。 在第3节中，我们描述了我们的网络模型。在给定的时间t，SU可以使用它，并且必须支付单位价格H. Bany Salameh和G.埃尔雷费ICT Express 8（2022）7779J≥∀ ∈CJ∑JJJ ==JCRJJJJJJ∑α（i）≤Lx，<$j∈NJ，CRN运营商的最高价格α（i）≤1，n∈C（α（i）和Xj≥Cj，<$j∈N（3）JJJJJJJJJJJi∈Cfi（t）到PRN运算符。单位价格fi（t）由PRN基于PR活动水平（信道利用率）来CRN利润（CRCR）可以用α（i）表示为：=T R−T C=∑Zj1[∑α（i）]−∑ ∑fiα（i）（1）PR用户支付的价格，表示为βi（f（i））β（i），i）.这一限制将给予持牌公关用户更多的价格特权。由PRN向CRN运营商收取的通过利用多个信道来服务每个SUj的总价格被限制为γj。价格在很大程度上取决于SUj为CRN运营商获得服务而支付的订阅费（Zj）4. 基于价格的信道分配问题其中1 [。]表示指标函数，T R和T C是CRN的总收入和支付的总成本”[13]故，“以德为本，以德为本”。SNR约束可以通过将任何信道的相关α（i）设置为0来确保i的SU传输j的SNR SNRth。因此，我们的问题可以使用（1）中的目标在数学上表示为：max∑Zj1[∑α（i）]−∑fiα（i）4.1. 问题陈述和设计约束j∈NJi∈C受Jj∈N i∈C∑r（i）α（i）≥RDi∈C或∑R（i）α（i）=0，<$j∈Ni∈C如：“ 鉴 于 一 些 竞 争 机 会 主 义 SU （|N|）∑f（i）α（i）≤γj，<$j∈N对于每个预定义的R_D，j传输速率要求SUj，j∈N，在时间上可用的许可信道的集合J Ji∈Mt（M空闲）与每个用户在每个信道上的时变实现速率（r（i），i∈M空闲），单位为JJi∈CpriceF 在时间tJ我愿意向PRN付费以向每个SUj提供服务γj、订阅费Zj和每个SU在每个信道上的最小可接受SNR（SNRth），我们的目标是j∈N指示函数1[∑i∈Cfiα（i）]可以重写为a通过定义二元决策变量Xj=最大化CRN的利润（相当于最小化向CRN收取的价格），同时1[∑i∈C α（i）]（Xj=1表示SUj被赋值为chan-服务于最大数量的SU，其具有服从以下QoS和成本约束的所实现的速率需求：nels和will be served），并添加以下2个线性约束：∑∑i∈i∈Cα（i）服务和应用。如果存在以下情况，则SU被拒绝服务没有可以满足速率需求要求的分配C2.硬件约束：每个SU的所选信道的数量限于每个SU的收发器的数量，由nx表示。C3.独占频谱共享：PR信道不能同时分配给多个SU传输。C4. Total Price约束：已支付的PRN总费用请注意，添加的两个约束确保X j 1如─并且-仅当至少有一个α（i）1，这意味着SUj被服务。通过引入与每个SUj（z1和z2）相关联的两个二进制辅助变量，可以将速率需求约束重写为线性形式：∑r（i）α（i）≤Γz1i∈C服务SUj的值应该小于或等于预定义价格γj.如果费用超过，则不能提供第j-∑R（i）α（i）≤−RDi∈C+Γz2，CRN愿意支付的金额C5. SNR约束：在接收器处，在分配的信道上的SNR必须大于SNR th。z1+z2=1，<$j∈N（4）因此，CRN利润最大化问题被公式化为：Max{X（i）z1，z2}∑Zj Xj−∑ ∑fiα（i）4.2. 问题公式化j，αj，jS.T.Jj∈Nj∈Ni∈C∑r（i）α（i）≤Γz1，<$j∈N通过最小化支付给-∑R（i）α（i）≤−RD+Γz2，<$j∈N占主导地位的PRN公司，同时为最大数量的根据上述设计，jj jji∈C1 2zj+zj=1，<$j∈N在信道i上）。PR利用率越高，价格越高fi（t）。我们注意到fi（t）应该大于或等于j∈Ni∈Cj∈N i∈CCRN利润最大化问题陈述如下：JC1. 传输速率约束：每个SU需要一个速率Xj≤需量RDJ这是根据用户的请求确定的JCJJJ我们提出的公式背后的主要思想是最大-H. Bany Salameh和G.埃尔雷费ICT Express 8（2022）7780J∈NJCαj=-X j+CJ ≤0，j∈N和成本限制。对于给定的SU发射机j，我们引入决策0/ 1变量（α（i））为：Xj−∑i∈C α（i）≤0，<$j∈N（一）{1，如果信道i被分配给SU传输j0，如果第i个信道没有被分配给j或忙。∑i∈α（i）H. Bany Salameh和G.埃尔雷费ICT Express 8（2022）7781∑α≤1，∑i∈C（5）====-==+×|N||N|==i∈C=-JJJJ∑f（i）α（i）≤γj，<$j∈N∑α（i）≤Lx，<$j∈Ni∈C5.1. 仿真设置对50个SU与4个PRN共存的网络进行了仿真（一）Jj∈N（4）中的优化问题构成NP-难BLP。因此，序列固定线性规划（SFLP）过程可以用来解决这类问题的多项式时间。这种方法已经在以前的工作中用于解决BLP优化问题，其中证明了次优解[20]。SFLP是基于解决一系列的多项式时间线性规划（LP）问题，以获得一个次优的解决方案，原来的NP-hard BLP问题。具体来说，SFLP的执行如下：它首先放松二元决策变量，使其在范围[0， 1]，其中原始NP-难BLP问题前2个PRN（即，PRN k1和2）工作在900 MHz具有10个许可的非重叠的5-MHz信道的频谱。PRNk 3和4占用2.4GHz频带中的20个正交5MHz信道。SU传输功率被设置为1 W和SNRth2分贝。我们设置n x2;即，一架苏可以同时分配多达2个数据信道。任何SU通信对之间的信道增益被建模为具有路径损耗指数为4的瑞利衰落[20]。每个SU在给定时间t接入信道i（fi）所要支付的价格取决于该信道上的平均PR业务负载（频谱利用率）。对于每个PRNk，其中k1， 2， 3， 4，信道利用水平kk在90%和40%至90%。闲置数量被重新表述为松弛LP（RLP），可以求解为多项式时间然后，SFLP设置获得的最高α（i）每个PRN的信道由CPRk ，这取决于J1，然后检查问题的可行性。如果问题是如果不可行，则将固定决策变量切换为0。然后，RLP问题重新与不固定的决策变量，并使用LP求解器解决。之后，将具有最高值的决策变量设置为1，并且重复上述过程，直到|N|决策变量α（i）被设置为利用水平在时间t属于PRNk的信道i的价格fi，其中信道利用率为k，由下式给出：fi （一）（克罗地亚）10单位价格将支付给CRN的每个SU的订阅费设置为Zj30价格单位。CRN愿意为服务SU的PRN支付的最高总价限制为γj=25个价格单位。J1（所有用户都分配了通道）或所有变量都是固定的值为1或0的固定决策变量的数量小于。复杂度分析：用于解决BLP问题的SFLP方法具有多项式时间复杂度，因为它基于解决一系列松弛LP问题我们注意到fi、γj和Zj是以单位成本(i.e.、标准化成本）。通过在公式中代入所使用的定价策略的单位价格值，可以计算实际价格（例如，在[12]中，导出了CRN收入最优和社会最优定价模型[12，17]。在给定时间的竞争SU传输的数量是，其中 通信对是从50个随机选择的，使用标准多项式时间LP解算器。 因此，对于每个优化实例，可行的次优信道分配-SU每个SUj的速率需求被设置为RDj对于所有j=RdMbps，最多可通过求解|×|C|最坏情况时间复杂度为|RLP problems with worse-case time-complexity of|×|C|）（即，|)(i.e., 最坏的情况就是|N |× |C|α的0或1，最多解出|N |× |C|LP）。5. 绩效评价我们使用MATLAB程序进行仿真实验，以研究我们提出的价格率感知分配，简称为PRAA的有效性。我们注意到，大多数先前提出的用于CRN的信道分配方案被设计为在最大化网络和速率方面优化网络性能（例如，[16]）或最大化频谱效率（例如，[15]）而不考虑访问公关渠道的经济方面。因此，将PRAA的性能与最大速率信道分配（MaXRA）[16]和最小信道分配（MinCA）[15]的性能进行比较。MaXRA（MinCA）尝试以最大可能实现的和速率（以最少数量的分配信道）服务最大数量的SU。为了公平比较，所有模拟方案都试图为最大数量的竞争SU提供服务。它们在如何将信道分配给这些SU方面有所不同。我们的主要业绩指标是CRN的总利润.所给出的结果是20次模拟实验，每个实验有1000个优化实例。5.2. 仿真结果图图1绘制了CRN利润与各种收发器数量（n × n）的服务SU数量的关系1和2）和R d10Mbps。该图表明，对于相同数量的服务SU，我们的PRAA方案显著优于MaXRA和MiNCA算法，而与nx无关。这是因为我们提出的分配共同考虑了频谱利用率和利用PR信道的价格之间的相互依赖性，同时知道在各种PR信道上实现的传输速率。因此，PRAA选择可以服务于SU的需求的信道分配，最小可能的成本，与所使用的信道的数量无关（即，PRAA倾向于选择两个具有聚合数据速率的低价格信道，该聚合数据速率可以在单个高价格高数据速率PR信道上满足SU需求）。图1（a）显示，对于nx1，MiNCA和MaXRA提供了相当的性能。对于n x2，图1（b）显示MiNCA优于MaXRA。这是因为MaXRA试图最大化所实现的总速率，从而利用更多的PR通道，这会导致更高的成本和减少CRN的利润。在O（变量在200× 200m2的场地面积上，每个场地有10个通道。的H. Bany Salameh和G.埃尔雷费ICT Express 8（2022）7782=|N |=≤====-图1.一、 CRN利润与对于nx=1和2，服务的SU的数量图2，我们研究了CRN利润与nx 1和2的费率需求，其中4。图2显示，对于RD16，PRAA分别优于MiNCA和MaXRA，对于nx1高达35%，对于nx 1高达35%和150%2，分别。这是因为PRAA联合考虑了基于频谱利用率的PR信道价格和在各种信道上实现的数据速率。对于更高的R D，图。2表明，随着研发的增加，CRN利润减少PRAA算法，因此改善了MiNCA 减少了。这是因为满足更高的需求需要利用更多的PR通道n×2，或者迫使PRAA选择提供所需的更高RD的通道。nx1，无论支付的价格如何。在这种情况下，将向PRN支付更高的成本，导致CRN利润减少。我们注意到，MiNCA的性能不随RD的增加而改变，因为它选择满足速率需求的最小数量的信道，而不管利用PR信道的成本如何。图2揭示了在高需求率下，PRAA的性能下降到MiNCA的性能。图2（b）显示，对于nx2，MaXRA实现的CRN利润显著降低，因为将利用更多的通道来最大化实现的和速率，导致成本更高6. 结论研究了CRN中的信道分配问题，目标是在满足预定义速率需求的前提下，以较低的价格为最大数量的SU提供服务，同时考虑到信道条件的时变特性和PR信道的频谱利用率相关的接入成本.将信道分配问题抽象为最大化CRN的BLP问题图二、 CRN利润与SU速率要求nx=1和2。通过在服务最大数量的SU的同时最小化要支付给PRN的CRN成本来获利。我们的公式考虑了以下约束：PRN的依赖于利用率的所需价格、由所服务的SU支付的总价格、各种信道上的链路质量条件以及每个SU的收发器数量。由于这种BLP问题的最优解不能在多项式时间内确定，我们采用了著名的顺序固定算法，可以提供多项式时间的次优解。仿真结果表明，显着的CR利润增加可以实现考虑PR价格和利用水平之间的相互依赖关系，同时意识到SU链路质量条件。CRediT作者贡献声明Haythem Bany Salameh：概念化，形式分析，方法论，调查，软件，写作-原始草稿，审查和编辑。GhalebEl Refae：概念化，调查，验证，数据管理，可视化，审查和编辑。竞合利益作者声明，他们没有已知的可能影响本文所报告工作引用[1] S. Chowdhury，认知无线电网络的匹配理论：概述，ICT Express 5（1）（2019）12-15。[2] Y. Shen ， K.S. Kwak ， Robust power control for cognitiveradionetworks with proportional rate fairness，ICT Express 1（1 ）（2015）22-25。H. Bany Salameh和G.埃尔雷费ICT Express 8（2022）7783[3] C.武河，巴西-地王培，王玉.曹湖，加-地Liu，K. Zhu，B.尘却认知无线电网络中不确定性下频谱投资的利润最大化，2018年IEEE 国 际 通 信 会 议 （ ICC ） ， 2018 年 ， pp.1http://dx.doi.org/10.1109/ICC。2018.8422853。[4] M.哈桑湾Karmakar，J. Kamruzzaman，基于信誉和用户需求的动态频谱接入价格建模，IEEE Trans.Mob。Comput. 13（9）（2014）2128 http://dx.doi.org/10。1109/TMC.2013.78。[5] G.太阳，X.田氏Y. Xu，X.王，认知无线电网络动态频谱拍卖中次用 户 的 利 润 最 大 化 ， 无 线 。 Commun. 暴 徒 Comput. 15 （ 9 ）（2015）1331[6] M. Baye，J. Prince，《管理经济学与商业战略》，McGraeme HillEducation，2017年。[7] D. Besanko ， D. 德 拉 诺 夫 湾 Shanley ， S. Schaefer ， EconomicsofStrategy，Wiley Custom，2017。[8] C.做，N。特兰，M。阮角，澳-地洪，S.李，认知无线电网络中未观察到的共享系统的社会优化策略，IEEE Commun。Lett. 16（12）（2012）1944http://dx.doi.org/10。1109/LCOMM.2012.111412.120830[9] I. M.巴拉普瓦杜盖Li，长穗条锈菌A. Rajanna，M. Kaveh，多通道CRN中基于信道占用的动态频谱租赁：策略和性能评估，IEEETrans.Commun。64（3）（2016）1313-1328。[10] M.S. A.陈晓，认知无线电网络中博弈模型的研究，北京：中国电信出版社。Commun. 96（2017）4237-4249。[11] C.做，新罕布什尔州。Tran，Z. Han，L.B. Le，S.李，C. S. 洪，认知无线电网络中双寡头的最优定价：合作还是不合作？，IEEETrans.WirelessCommun.13（5）（2014）2574http://dx.doi.org/10.1109/TWC.2014.031914.131363[12] S. Zhu，J. Wang，W.W. Li，多频谱认知无线电网络中的最优定价策略，IEEESyst.J.（2020）1http://dx.doi.org/10.1109/JSYST.2020.3018662[13] Y.张丽宋，M。 潘，智-地 Dawy，Z. 韩，认知无线电网络中频谱交易的非现金拍卖：联合逆向选择和道德风险的合同理论模型，IEEE J. Sel. 地区Commun. 35（3）（2017）643[14] L. Gao、X. Wang，Y.徐，智-地Zhang，认知无线电网络中的频谱交易：合同理论建模方法，IEEE J. Sel. Areas Commun。29（4）（2011）843http://dx.doi.org/10.1109/[15] H. Bany Salameh，S. Al-Masri，E. Benkhelifa，J. Lloret，在不同信道质量条件下的硬件约束认知无线电物联网网络中的频谱分配，IEEE Access 7（2019）42816-42825。[16] H. Zhang，J. Feng，Z. Shi，S.妈，G.杨，无线供电的认知大规模MIMO系统的速率最大化，IEEE InternetThings J.（2020）1。[17] Y.张建，王建，W. Li，具有异构二级用户和重试的认知无线电网络中的最优定价策略，IEEEAccess 7（2019）30937-30950。[18] K. Darabkh等人，带内 全 双 工 认 知 无 线 电 网 络 的 A- Z 概 述 。Commun. 145（2019）66[19] D. Roy，T.穆克吉，M。Chatterjee，E. Pasiliao，DSA中的主要用户活动预测网络使用复发性IEEESymposium on DynamicSpectrum Access Networks，2019，pp. 1比10[20] H. Bany Salameh，H. Khasawneh，认知无线电网络中的路由-在动态变化的频谱可用性下具有全双工能力，ICT Express（2020）。