基于game-based算法的动态频谱访问matlab仿真

简介: 本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。

1.算法运行效果图预览
(完整程序运行后无水印)
image.png

展示了负载因子P和次级传输功率不同的HPE。

image.png

   从图中可以看出,随着|hP E|²扩大,用户P更好的为二级用户分配更多的频谱机会,以便刺激二级用户传输更多的干扰功率,因此,导致ρ的减少和Psu的增加。

image.png

   不同方案下不同用户P信噪比下的保密率。可以很自然地看到,随着信噪比的增加,主用户的保密性也会增加。此外,我们所提出的基于游戏的干扰方法比功率控制方案的效果要好得多,因为在干扰下接收机的干扰被消除了。可以看出,两种方案都优于不合作的方案。

image.png

   不同|hP E|下的保密率。从图中可以看出,随着窃听者通道的改善,保密性降低。同样可以看出,我们提出的方案的保密率要高于功率控制方案。

image.png

   不同主用户P信噪比的辅助用户效用。随着信噪比的增加,P会降低其负载系数。因此,更多的干扰功率将投入合作,这反过来有利于二次用户自己。因此,辅助用户的效用随着用户P的信噪比的增加而增加。

image.png

   不同|hP E|的二次用户效用图。没有合作,当|hP E| ²小于0.2时,效用为零。随着|hP E|2的增大,会有更多的频谱机会分配给二次用户,因此,随着|hP E|2的增大,功利性也随之增加。

image.png

   从图中可以看出,随着delta扩大,用户P更好的为二级用户分配更多的频谱机会,以便刺激二级用户传输更多的干扰功率,因此,导致ρ的减少和Psu的增加。

image.png

  不同主用户P信噪比的辅助用户效用。随着delta的增加,P会降低其负载系数。因此,更多的干扰功率将投入合作,这反过来有利于二次用户自己。因此,辅助用户的效用随着用户P的信噪比的增加而增加。

2.算法运行软件版本
matlab2022a

3.部分核心程序
(完整版代码包含详细中文注释和操作步骤视频)

```for i = 1:length(deltai)
tmps = 0;
tmps2= 0;
for jj = 1:5000
pj = 0.8+rand/5;
up_uplp = 0.18;
pi1 = up_uplp;
pi2 = (1-up_uplp)(1-pj);
pi3 = (1-up_uplp)
pj;
Up = pi2R2 + pi3R1;
Rsu = max([1+Psu_tmphi./di]);
Us = pi1
Rsu - 2cPsu_tmppi3;
%根据us反推p,Psu最大的时候,对应的Us的值
Up = Us;
PP = Up/((1-pj)
R2 + pj(log2(1+PpuhP2/dP)-log2(1+PpuhPE2/(Psu_tmphAE2 + PsutmphBE2 + dE))));
tmps = abs(PP);
Px(jj) = (1-tmps)/tmps;
Psuss = max(1/(2
log(2)cPx(jj)*pj) - 1/gamma,0);
tmps2 = tmps2+Psuss;
end
tmps2 = tmps2/5000;
p
(i) = mean(Px)/2;
Psu_(i) = tmps2;
end

figure;
subplot(121);
semilogx(deltai,p,'b-o');
xlabel('delta');
ylabel('p')
grid on
axis([0,1,0,2.5]);
subplot(122);
semilogx(deltai,Psu
,'b-o');
xlabel('delta');
ylabel('P_s_u')
grid on
axis([0,1,0,2.5]);
01_0176m

```

4.算法理论概述
认知无线电网络中的安全问题近年来引起了人们的极大关注。与基于密钥的上层加密不同,物理层安全开辟了一种全新的实现方法安全通信。这一开创性的工作可以从信息理论的角度追溯到Wyner。他介绍了窃听通道,并透露,如果窃听者的通道比合法接收者的]差,就可以达到非零保密率。近年来,认知无线电网络中的物理层安全问题,已引起了人们的广泛关注,特别是频谱底层系统中的授权频带或频谱共享系统中的公共频带。

   随着无线通信技术的发展和无线设备的普及,频谱资源变得越来越稀缺。传统的静态频谱分配方式导致频谱利用率低下,而动态频谱访问(Dynamic Spectrum Access, DSA)技术允许未授权用户在不影响授权用户通信的前提下,动态地访问空闲频谱,从而提高了频谱利用率。

   游戏理论是研究博弈行为的数学理论,它可以用来描述和分析具有竞争和合作性质的交互系统。在动态频谱访问中,未授权用户之间的竞争和合作可以通过游戏理论模型来描述。在动态频谱访问中,未授权用户(也称为次级用户)通过竞争空闲频谱资源来进行通信。基于游戏理论的动态频谱访问算法旨在找到一个纳什均衡,使得所有用户的效用最大化。

    相关的理论公式推演,可以参考附带的参考文献:

image.png

相关文章
|
11天前
|
算法 数据安全/隐私保护 索引
OFDM系统PAPR算法的MATLAB仿真,对比SLM,PTS以及CAF,对比不同傅里叶变换长度
本项目展示了在MATLAB 2022a环境下,通过选择映射(SLM)与相位截断星座图(PTS)技术有效降低OFDM系统中PAPR的算法实现。包括无水印的算法运行效果预览、核心程序及详尽的中文注释,附带操作步骤视频,适合研究与教学使用。
|
19天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
20天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
18天前
|
算法
基于HASM模型的高精度建模matlab仿真
本课题使用HASM进行高精度建模,介绍HASM模型及其简化实现方法。HASM模型基于层次化与自适应统计思想,通过多层结构捕捉不同尺度特征,自适应调整参数,适用于大规模、高维度数据的分析与预测。MATLAB2022A版本运行测试,展示运行结果。
|
19天前
|
运维 算法
基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
本程序基于Lipschitz李式指数进行随机信号特征识别和故障检测。使用MATLAB2013B版本运行,核心功能包括计算Lipschitz指数、绘制指数曲线、检测故障信号并标记异常区域。Lipschitz指数能够反映信号的局部动态行为,适用于机械振动分析等领域的故障诊断。
|
20天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
21天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
20天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
38 3
|
2月前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。