基于猜测博弈的智能绿色无线电资源分配技术研究

节能减排已是一项全球使命，在信息通信领域如何最优分配资源是实现智能绿色无线电的核心问题之一。本课题探究智能用户如何在相关条件下基于猜测博弈自主参与协作并确定系统级最优的干扰信道随机接入概率和功率分配策略。首先在模糊信息和时延限定条件下研究科学问题的数学表征；然后基于猜测博弈研究达到系统级最优的资源分配策略：①激励用户参与协作以推动个体效用与全局效用对齐并分析其公平性，②博弈策略包含了随机接入和功率分配的联合设计；量化相关条件对博弈均衡的影响，确定均衡的存在性及筛选高效均衡。最后研究分布式自学习算法来实现最优策略，其中考虑用户时延容忍度并依赖历史的经验和本地观察，通过权衡各种猜测的可能性确定信任和更新。本课题旨在解决如何确定稳定、公平、高效的资源分配策略以实现智能绿色无线电的系统级最优目标的问题，其研究结果将为绿色通信的系统性理论提供有益的积累和支撑。

为实现大规模分布式无线网络中的系统级最优资源分配,我们量化网络开销并确定约束条件,然后寻找高效的自学习算法保证系统实现。完成的主要研究内容为：.（1） 基于节点自私性的资源管理：在选择中继节点转发数据时，中继节点可能表现恶意行为，我们提出了一种基于声誉的节点选择算法，并提出有效的博弈策略促使节点表现诚实说真话。我们确定了节点自私性影响网络连通的上下界，并进一步设计了一种节点自私性管控机制保证网络节点对多样性业务能够高效转发。.（2） 基于不完整信息的无线资源管理：采用分布式估计的方法对所获的信息进行修正，从而使得交互信息的可靠性得到提高。通过模糊分析层析过程的方法，根据情景感知的多维信息来确定用户需要的视频质量的各个因素的权重，然后得出用户需要的视频质量的等级，提高用户的满意程度。考虑动态网络场景，我们探讨了在交互信息开销约束条件下的能量效率。.（3） 基于博弈和自学习的无线资源分配：在业务QoS约束下，我们提出了一个基于Nash谈判解的快速内容分发机制。探讨了一种基于情景感知的自适应P2P VoD方案。基于动态规划和Q学习算法，研究了OFDMA系统的动态子信道和功率分配机制。基于能量效率和公平性判断，我们探讨了P2P网络如何通过节点自主进行负载均衡,而考虑动态的车辆通信环境，我们研究了基于时空相关性的动态优先级调度机制。面向自主节点传输时延敏感业务，我们提出了有效的动态业务调度和资源分配方案。.. 通过本课题的研究，发表了SCI/EI检索论文23篇，另有多篇投出在审。申请专利11件其中6件授权。培养硕士研究生25名，另有5位博士研究生在读。此外，我们也进一步加强了国际合作，期间项目主持人参加中英科技桥项目获邀访问交流南安普顿大学。本课题成果将为动态异构场景下的节点自主决策（主要是面向功率和频谱分配）的理论体系提供有益的支撑。