未知环境下近乎最优的节能认知通信
网络与互联网体系结构
2015-08-03 v2
摘要
认知（无线电）（CR）通信（CC）主要部署在授权（用户）通信的环境中，其中信道状态和可接入性通常是随机分布的（良性或 IID）。然而，许多实际 CC 也暴露于干扰事件（污染）和易受干扰攻击（对抗性或非 IID）之下。因此，频谱的信道状态分布在不同时间和空间位置可能是随机的、污染的或对抗性的。在没有任何先验知识的情况下，实现最优 CC 是一个非常具有挑战性的问题。在本文中，我们提出了一种在线学习算法，在一般未知环境下为多信道 CC 执行联合信道感知、探测和自适应信道接入。我们特别关注节能 CC（EECC），它对绿色无线通信极为重要，且需要应对可能严重损害 CC 能量和频谱效率的潜在干扰攻击。EECC 被表述为具有功率预算约束的约束后悔最小化问题。通过调节一种新颖的探索参数，我们的算法能够自适应地找到最优信道接入策略，并在长期功率预算违例消失的前提下，在不同场景中实现 EECC 的近乎最优学习性能。我们还考虑了多 CR 用户间协作学习和信息共享的重要场景，以观察进一步的性能提升。所提出的算法对具有不同智能和攻击强度的盲化和自适应干扰攻击均具有弹性。我们进行了大量数值实验来验证我们的理论。
引用
@article{arxiv.1507.08438,
title = {Almost Optimal Energy-Efficient Cognitive Communications in Unknown Environments},
author = {Pan Zhou and Chenhui Hu and Tao Jiang and Dapeng Wu},
journal= {arXiv preprint arXiv:1507.08438},
year = {2015}
}
备注
arXiv admin note: text overlap with arXiv:1505.06608