![博弈学习通信抗干扰理论与方法](https://wfqqreader-1252317822.image.myqcloud.com/cover/414/44819414/b_44819414.jpg)
3.3 离散策略条件下的分层功率控制抗干扰
3.3.1 问题描述
在离散功率策略条件下,假设用户的可用功率策略集为P={p1 , p2 ,…, pm,…, pM},干扰功率策略集为J={φ1 ,φ2 ,…,φn,…,φN}。根据文献[24-25],基于信干噪比(SINR),用户的效用函数可定义为
![](https://epubservercos.yuewen.com/07EB73/23949980909652506/epubprivate/OEBPS/Images/43063_44_7.jpg?sign=1738880145-fpeoDby8PskOMbCWPxMMXMBMf0b2mgbN-0-45a2f0e9a8177d9b27625da0bd3de65c)
式中,为噪声功率;cs为用户单位发射功率代价;pm和φn分别为用户和干扰的发射功率。相应地,干扰的效用函数可定义为[24-25]
![](https://epubservercos.yuewen.com/07EB73/23949980909652506/epubprivate/OEBPS/Images/43063_45_2.jpg?sign=1738880145-2OG24EZF6RFKV9vXAuwBeGrUpNXLI5Uk-0-6982e9602139f8b0767b62f44fb973cf)
式中, c j为单位干扰功率代价。与 3.2 节分析类似,在离散功率策略条件下,也可将功率控制抗干扰问题建模为一个 Stackelberg 博弈问题。其中,通信用户假设为领导者,干扰为跟随者。为了叙述方便,下面叙述中用1和2分别表示用户和干扰的标志编号。构建的Stackelberg博弈可以表示为G={N,P, J,μs,μj},其中, N={1,2}表示参与者的集合, P和J 分别表示用户和干扰的策略空间,μs和μj分别表示通信用户和干扰的效用函数。
在一个 Stackelberg 博弈中,考虑到跟随者的不精确观测和有限理性,跟随者会偏离它的最佳策略。为了表征跟随者的不精确观测,引入观测因子γ∈[0,1],γ越大,表示精确观测的概率越大。当γ=1时,表示跟随者可以完美观测领导者的行为。观测误差矩阵可以建模为
![](https://epubservercos.yuewen.com/07EB73/23949980909652506/epubprivate/OEBPS/Images/43063_45_3.jpg?sign=1738880145-8sJczYzURjDTWzfOLVfDsjhQ0JeQm8qT-0-8e276dee881561cc400450a11db324b9)
式中,φm,l为将功率pm看作pl的概率。当满足条件m=l时,φm,m=γ表示干扰可以精确观测用户发射功率pm的概率;否则,有φm,l=(1-γ)/(M-1),其中M表示用户发射功率策略的个数。
考虑到干扰的不精确观测特性,式(3-29)所示的干扰效用函数可改写为
![](https://epubservercos.yuewen.com/07EB73/23949980909652506/epubprivate/OEBPS/Images/43063_45_4.jpg?sign=1738880145-jZ77o6hyFQU4z9vJmLpRoVYJx38GlsMq-0-657ce6c3ed987091eb643c288015e814)
对于干扰来说,给定一个用户的功率策略pm∈P,干扰的优化问题可建模为
![](https://epubservercos.yuewen.com/07EB73/23949980909652506/epubprivate/OEBPS/Images/43063_45_5.jpg?sign=1738880145-hFTSgvh1jq9aeKS4ZKGB0vkaIm7S6ARD-0-b4bd7fca7b389569c6ab3cab024babb2)
由于跟随者的有限理性,即跟随者不是严格地追求效用最大化。受文献[152]的启发,为了表征有限理性的不确定度,引入理性因子η∈[0,1]来表征干扰的理性度。理性因子η越大,表示理性度越高。如果η=1,就表示跟随者是完全理性的。为了分析方便,理性矩阵可定义为
![](https://epubservercos.yuewen.com/07EB73/23949980909652506/epubprivate/OEBPS/Images/43063_45_6.jpg?sign=1738880145-jblXLo0mJKfvRsHWXd7Tr6LR3N9VYkIq-0-4bb0c71bd121dafbd2e87e2680c51293)
式中,Ψw,k为功率φw被看作功率φk的概率。如果满足w=k,Ψw,w=η表示干扰的理性度;否则,有Ψw,k=(1-η)/(N-1),其中N表示干扰功率策略的个数。考虑到干扰的有限理性,式(3-28)所示的用户效用函数可改写为
![](https://epubservercos.yuewen.com/07EB73/23949980909652506/epubprivate/OEBPS/Images/43063_45_7.jpg?sign=1738880145-K3GZcVrZnPFA7xJ2LhQj8BSbVGCuBZjg-0-a60a37d86c2e18bf989f2a2ae08cd4e9)
相应地,用户的优化问题可表示为
![](https://epubservercos.yuewen.com/07EB73/23949980909652506/epubprivate/OEBPS/Images/43063_45_8.jpg?sign=1738880145-k0vUTAVmnn4Pts20FDVtnaEY2dmB9snq-0-eb60a908c5348ab9772c7a392b37a972)