SINR-Based Random Access for Cognitive Radio: Distributed Algorithm and Coalitional Game
Notice bibliographique
Résumé
In this paper, we study the problem of multi-channel medium access control (MAC) in cognitive radio (CR) networks. While most of the previously proposed MAC protocols for CR networks are heuristic and are based on the simplistic protocol model, we design a distributed MAC protocol using the more accurate signal-to-interference-plus-noise-ratio (SINR) model. First, we assume that the secondary users are cooperative and formulate the problem of assigning transmission and listening probabilities for random access as a non-convex network utility maximization problem. We propose a three-phase algorithm that converges to a near-optimal solution after solving a number of convex optimization problems distributively. Simulation results show that our proposed algorithm based on the SINR model achieves a higher aggregate throughput than other schemes which are based on the protocol model. Then, we consider the case that the secondary users are rational. We use coalitional game theory to study the incentive issues of user cooperation in a given channel for the SINR model. In particular, we use the solution concept of the core to analyze the stability of the grand coalition, and the solution concept of the Shapley value to fairly divide the payoff among the users. We show that the Shapley value lies in the core when all the users are one-hop neighbours of each other. We illustrate the Shapley value and the core with a numerical example.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».