基于群智感知空间统计的无线电地图绘制定价机制

在空白频谱（即本地未使用的频谱）上组网依赖于对频谱使用情况的主动监测。基于经验无线电传播模型的频谱数据库被广泛采用，但已被证明容易出错，因为它们未考虑树木和人造建筑等建成环境。作为一种经济上可行的选择，群智感知无线电地图绘制从移动用户处获取更准确的本地频谱数据，并利用克里金法和高斯过程等空间模型构建无线电地图。此类群智感知系统的成功需要某些激励机制来吸引用户参与。在本工作中，我们考虑的场景是：构建无线电环境地图的平台向选定用户发出一次性报价，并从接受报价的用户处收集数据。我们基于期望效用（EU）最大化设计定价机制，其中 EU 刻画了无线电地图绘制性能（位置与数据质量）、群智感知成本以及报价结果不确定性（即可能的过期与拒绝）之间的权衡。具体而言，我们考虑了顺序报价（每轮向最佳用户发送一个最优报价）和批量报价（每轮发出一批多个报价）。对于后者，我们证明 EU 在离散域上是次模的，并提出一种机制：首先固定定价规则，并基于无约束次模最大化（USM）选择用户；然后比较不同的定价规则，以找到每轮的最佳报价批次。我们证明基于 USM 的用户选择具有可证明的性能保证。对所提出的机制进行了评估，并与基于效用最大化的基线机制进行了比较。