机会频谱接入中次级网络的协作与协调

本文研究了一个协调的次级网络利用授权主网络留下的通信机会的一般情况。由于次级用户通常对环境没有先验知识，他们需要通过感知技术学习每个信道的可用性，但这可能容易受到检测错误的影响。我们认为次级用户之间的合作可以实现高效的学习和协调机制，以最大化次级用户对频谱的利用，同时最小化对主网络的影响。为此，本文提供了三个新贡献。首先，我们将次级网络中的频谱选择问题表述为多臂赌博机问题的一个实例，并将分析扩展到协作学习情况，其中每个次级用户学习频谱占用情况并与其他次级用户共享信息。我们表明，次级用户之间的协作可以减轻感知错误对系统性能的影响，并提高学习过程向最优解的收敛性。其次，我们将学习算法与基于匈牙利算法和轮询算法修改版本的两种协作技术相结合，以减少次级用户之间的干扰。第三，我们推导了基于上置信界策略的协作学习算法在对称场景（所有次级用户对资源质量有相同感知）中的性能基本极限。大量仿真结果证实了我们的联合学习-协作算法在保护主用户操作的同时最大化次级用户性能的有效性。